一个流行金属氧化物传感器数据集中的漂移揭示气体分类基准的局限性

金属氧化物（MOx）电化学气体传感器因其可调灵敏度、空间高效及低价，是许多应用的明智选择。公开可用的传感器数据集简化了新型算法与电路设计的开发和评估，对人工嗅觉 / 移动机器人嗅觉群体尤其宝贵。2013 年，Vergara 等人发布了一个数据集，包含风洞中大型 MOx 气体传感器阵列长达 16 个月的记录，此后成为该领域的标准基准。本文报告该数据集一个先前未被察觉、限制其适用于气体分类研究的特性。对单个测量时间戳的分析揭示，气体是以时间上聚类的批次记录的。传感器在气体暴露前响应与记录时间之间由此产生的相关性，常足以预测给定试验中使用的气体。即使通过零偏置相减补偿，残余的短期漂移仍包含足够用于气体分类的信息。我们已识别出数据中受漂移影响最小的子集，其在零偏置相减后适用于气体分类基准测试，尽管气体分类性能远低于完整数据集。我们得出结论，此前使用该数据集的研究极可能高估了气体分类结果的准确率。对于 17 篇潜在受影响的文献，我们敦促作者根据我们的发现重新评估结果。我们的观察强调了彻底记录气体传感数据集的必要性，以及在将其用于算法开发前妥善验证的必要性。