人在校园最早接触的知识之一，就是人类以及众多其他动物拥有五大基础感官：视觉、听觉、触觉、味觉与嗅觉。如今科技已经为前四种感官研发出性能优异的传感器，配套电路（放大器、滤波器）以及所需软件，但在五大感官的最后一项 —— 嗅觉上，人类的技术水平依旧存在巨大差距。

这并不是说人类没有专用嗅闻（气体）检测仪。这类设备搭载的传感器经过调校，仅针对单一气体或少数几类气体起效，例如氢气、各类碳氢化合物、一氧化碳。即便如此，这些传感器都远远达不到人类鼻子的广谱气体识别能力，更不用说寻血猎犬这类犬类超凡的嗅觉（图 1）。要知道，寻血猎犬鼻腔内约有 2.3 亿至 3 亿个嗅觉感受器，嗅觉受体数量最高可达人类的 40 倍。

图1 犬类吸气时，吸入的空气会分成两条独立通路：红色通路气流进入嗅觉感知区域；蓝色通路经咽喉（黑色区域）通往肺部。

为尽可能弥补嗅觉传感领域的部分技术短板，加州大学伯克利分校一支科研团队在电气工程与计算机科学专业四年级博士生卡拉・巴希尔（Carla Bassil）的带领下，研发出一款全新 “电子鼻” 传感阵列，该设备搭配机器学习程序协同工作（图 2）。

图2该电子鼻搭载 16 种互不相同的气敏材料（图中心小圆），每种气敏材料都会与接触到的气体分子发生特异性反应（左图）。设备记录下所有气敏材料的反应信号，再依托机器学习模型完成学习，分辨出何种信号组合对应特定食物或气味（右图）。

图 3 展示了包含气路管路在内的整机封装成品。

图3 整套成品设备底部配备用于电路对接的 D 型接口，设备左右两侧还设有气路管路专用接头。

该设备主打精准识别变质食物的特征气味，检测精度远超人类嗅觉。它还能够嗅检出核桃、花生等常见食品过敏原；这类过敏原对于过敏人群而言，存在致命风险。

家用一氧化碳报警器所搭载的这类单一气体传感器，制造工艺相对简单。但将多种不同传感薄膜集成在同一块芯片上，难度要高得多。该研究团队从器件搭建、结构连接、数据分析三方面创新，拿出了全新解决方案。

这款人工电子鼻由 16 枚微型气体传感器构成阵列，每一枚传感器对不同气态化合物组合有着差异化的感应灵敏度。这就好比一组数字化味蕾，芯片上各个传感器接触不同气体分子时，都会产生独有的反馈信号。16 个传感器表面分别涂覆不一样的传感薄膜，工作原理是把传感器表层与气体分子发生的化学反应转化为电信号（图 4）。

目前绝大多数单片式气体检测系统仅搭载 2~10 种不同传感器；若将多枚制作在独立芯片上的传感器整合在一起，会造成布线繁杂、设备体积臃肿。高通量蒸镀工艺虽可制备更大规模传感器阵列，但相邻传感器所用材料相近，最终会出现响应信号重叠、识别结果模糊不清的问题。

除此之外，多数研究都将金属氧化物半导体用作气敏层。这类材料通常需要高温环境才能正常工作，致使整套器件只能选用耐高温材质进行搭建，应用受到极大限制。

该团队放弃金属氧化物，改用厚度仅数纳米的碳纳米管薄膜作为导电层，攻克了上述多项技术难题。这套被命名为 ML-SCENT 的传感器阵列具备巨大比表面积，由此拥有多项优异特性，核心优势为室温条件下依旧具备超高检测灵敏度。这款高灵敏度碳纳米管场效应管采用一步式微量点样工艺制备，该工艺可适配自动化移液设备。

实验中，研究人员将栅极接地（栅极电压 VG=0 伏），同时在源极、漏极之间施加 500 毫伏的微小偏置电压，持续测量每只场效应管的电流随时间的变化，以此记录传感器响应信号。器件内部的电流通路由功能修饰材料的导电性能决定。

这套基于机器学习的气味识别程序使用了 16 种不同食物样本的数据集开展训练，涵盖多种水果与坚果（草莓、蓝莓、香蕉、核桃、榛子、腰果、花生），以及发生变质的乳制品、肉制品。这些食物会释放种类繁多的挥发性物质，包含果香酯类、单萜类，还有氧化醛类、杂环吡嗪、含硫化合物。这也说明，仅依靠简易传感器阵列，无法有效区分如此复杂多样的化学组分。

研究团队借助机器学习训练模型，使其能够识别七种不同食物对应的传感器响应特征曲线；同时训练模型分辨生鸡肉、牛奶、鸡蛋三种食材分别处于新鲜状态、室温放置 24 小时、室温放置 48 小时这三种状态下的气味。

整套数据依靠多路复用器采集，多路复用器以 0.25 赫兹的频率循环采集全部 16 个传感器的信号。目标气体通入时长为 95 秒，每两次气体通入之间预留 185 秒的传感器复位恢复期。

该电子鼻灵敏度极高，可检出仅 0.05 克纯核桃仁，该重量约为普通去壳核桃仁的百分之一。研究团队坦言，目前尚未在存在其他杂气的环境中完成灵敏度测试，例如核桃混杂在沙拉、蛋糕中，或是变质食材与其他食物一同存放于冰箱内这类场景。

该模型综合识别准确率可达 92.6%；准确率计算方式为数据集内预测正确样本数量除以总预测样本数量（图 5）。

图5 基于全部变质食品、坚果、水果数据集训练得到的卷积神经网络（CNN）模型的混淆矩阵结果

绝大多数识别错误都源于同类食材内部的错判。误判情况最突出的是榛子与花生的挥发性有机化合物（VOCs），说明两类坚果的香气组分存在交叉，或是含有相同的主体特征物质，致使传感器输出的响应信号相近。存放 48 小时的变质熟鸡蛋与生鸡肉之间也出现预测偏差，这同样证明二者挥发性气体组分相互重叠，大概率是因为两种食材腐败后胺类、硫化物、硫醇类物质浓度升高。

除研发出设备样机与机器学习算法之外，巴希尔及其团队还打造出可便携版本，该设备能够与智能手机互联（图 6）。

图 6 巴希尔研发出这款电子鼻的便携机型，可通过苹果手机应用程序完成操控。