利用室内空气质量传感器检测植物挥发性有机化合物痕迹
信号处理
2026-02-12 v1 计算工程、金融与科学
机器学习
摘要
在健康建筑和智能家居日益受到关注的时代，可持续、健康意识的室内环境至关重要。智能工具，尤其是VOC传感器，对于监测室内空气质量至关重要，但解读来自各种VOC源的信号仍然具有挑战性。一种有前景的方法涉及理解室内植物如何响应环境条件。当植物暴露于非生物和生物胁迫（包括病原体、捕食者、光照和温度）时，会产生萜烯（一种VOC），这为监测室内空气质量提供了一条新途径。虽然先前的工作通常依赖于专门的实验室传感器，但我们的研究利用现成的商用传感器来检测和分类表明室内条件变化的植物排放VOC。我们通过测量受控实验中的16种萜烯来量化这些传感器的灵敏度，然后在现实环境中识别并测试了最有前景的萜烯。我们还研究了基于物理的模型来映射VOC响应，但发现它们不足以应对现实世界的复杂性。因此，我们训练了机器学习模型，使用商用传感器对萜烯进行分类，并确定了最佳传感器放置位置。为了验证这种方法，我们分析了活罗勒植物的排放，成功检测到萜烯输出。我们的发现为克服植物VOC检测中的挑战奠定了基础，为未来智能建筑中基于植物的先进传感器增强室内环境质量铺平了道路。
引用
@article{arxiv.2504.03785,
title = {Detecting Plant VOC Traces Using Indoor Air Quality Sensors},
author = {Seyed Hamidreza Nabaei and Ryan Lenfant and Viswajith Govinda Rajan and Dong Chen and Michael P. Timko and Bradford Campbell and Arsalan Heydarian},
journal= {arXiv preprint arXiv:2504.03785},
year = {2026}
}