加州大学伯克利分校团队研发出一款“电子嗅觉”芯片，集成16个涂有不同感应膜的微型气体传感器阵列，通过化学反应产生独特电信号并借助机器学习模型识别气味指纹。研究以草莓、蓝莓、香蕉、核桃、榛子、腰果、花生等7种食物及鸡肉、牛奶、鸡蛋的新鲜与放置24/48小时后的腐败气体为训练数据，实验证明可在复杂气味背景中识别出仅0.05克的腐败坚果样本。团队将该系统称为“数字鼻子”，并指出在开放或同时存在多种腐烂食物的环境中准确性仍需进一步验证。
6 月 18 日消息，科技媒体 techxplore 昨日（6 月 17 日）发布博文，报道称加州大学伯克利分校研究团队研发出电子嗅觉芯片，能比人类嗅觉更准确地分辨腐败食品（如鸡肉、牛奶）与常见过敏原（如坚果）。
IT之家援引博文介绍，该芯片集成 16 个微型气体传感器阵列，每个传感器均涂有不同的感应膜，在接触到特定气体混合物后，会因化学反应而产生独特的电信号模式。
D 是从安装在人造鼻子上的每个传感器拍摄的光学图像，E 是其中一个传感器的放大图像
由于每个传感器都是针对特定气体分子的响应模块，博士生卡拉 · 巴塞尔（Carla Bassil）将这套系统比喻为“数字鼻子”。
该团队使用机器学习模型训练芯片，训练数据覆盖了 7 种食品的香气谱：草莓、蓝莓、香蕉、核桃、榛子、腰果和花生。
此外，模型还学习了新鲜状态下的鸡肉、牛奶、鸡蛋，以及它们在室温下放置 24 小时或 48 小时后的腐败气体特征。
测试结果显示，该芯片能在复杂气味背景（如沙拉或蛋糕中）辨别出仅 0.05 克的核桃（约相当于一颗普通去壳核桃的百分之一）。研究团队也指出，在开放环境（如同时存放多种腐烂食物的冰箱）中，其准确性仍需进一步验证。
参考
- Scalable multiplexed machine learning gas sensor chips for food classification