Looduses on rohkem kui üks lõhn, loomadel enamasti aga üks nina. Sarnast universaalsust jahivad tehisninadegi valmistajad. Näiteks oleks hea, kui lennujaamas saaks eristada moosi narkoodikumidest või lõhkeainest ühe, mitte kahe või enama aparaadiga.
Valencia Polütehnilise Ülikooli ning Gävle Ülikooli teadlaste töörühmal õnnestus valmistada 32 sensoriga elekternina, mis teeb esialgu vahet õunal ja pirnil. Ehkki näiliselt triviaalne, on saavutus tubli samm sensortehnika suunas, mis suudab tulevikus veretult mõõta veresuhkru taset, jälgida veini käärimist ning koguni eristada healoomulist kasvajat pahaloomulisest – nahaväliselt.
Valencia Ülikooli teadlase José Pelegrí Sebastiá töörühm kasutas elektrininas seitset levinud termoreguleeritava väljundkarakteristikuga metalloksiidist pooljuht-gaasisensorit, mida kasutatakse eraldiseisvalt näiteks propaani, maagaasi, süsinikdioksiidi, alkoholi ning tolüeeni tuvastamiseks. Igale gaasile vastab enamasti üks sensor. Gaas põhjustab sensori elektroodide vahelise kontaktpinna juhtivuses muudu, millele luuakse proportsionaalne väljundpinge. Katseandmete, sealhulgas ka sensori temperatuuri ning etalonnäitude järeltöötluses arvutatakse gaasi tüüp. eNose elektrinina 32 sensori summaga saab analüüsida ka kompleksgaase, näiteks erinevate puuviljade lõhnasignatuure.
Katsetes asetati sensorkambrisse õuna ning pirni tükke. Esmalt oodati, kuni puuviljatükkidelt õhkunud ained kambri õhuga segunesid, seejärel käivitati sensorid ning jäädvustati nende näidud.
Töörühm registreeris igalt sensorilt kolm dünaamilist muutujat: esialgse signaali pinge tõusu, küllastuspinge tõusu ning pärast sensori väljalülitamist maksimaalse pinge tõusu.
Lõhnakomponentide analüüsi kaasati kõik eelmainitud parameerid. Nii saadi igast elektroonilisest signaalist kolmemõõtmelisse teljestikku 96 katsepunkti. Katset korrati 20 korda. Tulemusi töödeldi kümne eri algoritmiga, mis otsisid andmestikust karakteerseid, kas siis õuna või pirni lõhna elektrisignaalile vastavaid mustreid. Kõik peale ühe sensori suutsid puuvilju eristada vähemalt üheksal juhul kümnest. Ning üks mustrit otsiv lähima naabri algoritm, IB1, eristas puuvilju õigesti kõikidel juhtudel. Enamik inimesi seda ei suuda.
Allikas: IEEE Spectrum
Leave a Reply