基于实验和合成红外吸收光谱的挥发性有机化合物深度学习识别与分析
机器学习
2025-12-09 v1 应用物理
化学物理
摘要
挥发性有机化合物 (VOC) 是具有低沸点的有机分子，容易蒸发至空气中， 对人类健康构成重大风险，因此其精确检测是监测和最小化暴露的关键。红外 (IR) 光谱通过测量其 IR 吸收光谱，可在大气中实现对 VOC 的超灵敏低浓度检测。然而，IR 光谱的复杂性限制了其在实际中实现 VOC 识别和定量分析的可能性。虽然深度神经网络 (NN) 越来越多地用于识别复杂数据结构，但它们通常需要大量数据进行训练。本文构建了一个包含九类不同浓度下化合物的实验 VOC 数据集，并通过条件生成式 NN 创建合成光谱以进一步增加光谱数量及其 VOC 浓度多样性。这使得我们能够训练出鲁棒的判别性 NN，能够可靠地识别九种 VOC 并精确预测其浓度。训练好的 NN 适合集成到用于 VOC 识别和分析的传感器中。
引用
@article{arxiv.2512.06059,
title = {Deep learning recognition and analysis of Volatile Organic Compounds based on experimental and synthetic infrared absorption spectra},
author = {Andrea Della Valle and Annalisa D'Arco and Tiziana Mancini and Rosanna Mosetti and Maria Chiara Paolozzi and Stefano Lupi and Sebastiano Pilati and Andrea Perali},
journal= {arXiv preprint arXiv:2512.06059},
year = {2025}
}