基于机器学习的 lithography-free 3D打印传感器用于河流水质监测
信号处理
2025-08-07 v1
摘要
河流水质监测对于水生生态、畜牧业以及人类健康至关重要，因为清洁水源是应对全球粮食危机的关键。过量的磷酸盐会耗尽溶解氧，诱发富营养化，导致严重的健康和生态问题。因此，持续监测磷酸盐水平的传感器可帮助防止富营养化。本文提出了一种无光刻工艺的磷酸盐传感器（P-sensor），其可在河水中检测磷酸盐浓度达到 Parts-per-billion（ppb）级别。该设备采用由3D打印的周期性聚合物图案（8微米特征尺寸）形成的固态指示电极，涂覆薄薄的磷酸盐离子选择性膜。P-sensor可在0-475 ppm范围内检测最低0.1 ppb的磷酸盐，响应时间小于30秒。我们在弗吉尼亚州拉帕汉纳克河的水样中验证了该传感器，该河流位于含有小于0.8 ppm磷酸盐的污水处理厂上下游的测站处，并将结果与商业磷酸盐计进行了基准测试。在河流样本中，训练的前馈神经网络实现了均方误差低于1e-3、标准差为0、以及0.997的皮尔逊相关系数。这些结果表明，这是一种实用的持续水质监测工具，可为利益相关方和政策制定者提供信息，从而最终改善公共卫生。
引用
@article{arxiv.2507.14152,
title = {Machine learning-enabled river water quality monitoring using lithography-free 3D-printed sensors},
author = {Frank Efe Erukainure},
journal= {arXiv preprint arXiv:2507.14152},
year = {2025}
}
备注
This version has been removed by arXiv administrators as the submitter did not have the right to agree to the license at the time of submission [arXiv admin 2025-08-04].