發布日期：2022-05-20 點擊率：32
本文中文翻譯由《電子設計應用》特別提供
分析設備小型化是關鍵
若要擴大嗅覺傳感器的應用領域，系統就必須小型化，這是今后的開發重點。
例如，將來有可能將現在僅用于實驗室的氣相色譜分析功能嵌入到各種設備上。最近，食品的仿冒及變質問題已經成為社會問題，如果能夠開發出具有氣相色譜分析功能的設備，那么消費者就可以很容易地識破上述問題。
此外，還能夠將可通過呼氣診斷疾病的手機連接到日常健康保健中心。手機是個人隨身攜帶的設備，在通話時常常無意識地呼氣，將其作為日常檢測健康狀態的設備是最合適的。
在CEATEC JAPAN 2007 展會上，NTT DoCoMo 發布了可以記錄口臭、人體脂肪率、脈搏、步數的終端，而且該終端可以將測得的數據發送給服務器。如果能夠在疾病惡化之前及時發現并加以治療，那么就可以大大降低醫療費用。
MEMS 的小型化成為后動力
目前已有多款小型嗅覺傳感器實現產品化。
日本FIS 公司是一家半導體氣體傳感器生產商，該公司已實現了臺式簡易氣相色譜儀的產品化(見圖11) 。該產品的靈敏度為0.1ppb~1ppb。普通的氣相色譜儀需要氣罐來提供載氣(流動相氣體)，所以體積巨大。但該新產品是通過內置泵吸入空氣作為載氣，所以體積非常小。檢測對象雖然只限于呼氣及VOC等特定氣體的分析，但已經可以識別肉的特定種類及品牌產品所發出的氣體。
此外，雖然尚處于研究階段，但使用MEMS技術使氣體傳感器更小型化，而且可檢測更多氣體種類的開發也開始起步。作為嗅覺傳感器元件，此技術是面向下一代產品的技術，技術水平與后文將要介紹的生物仿真嗅覺結構的傳感器差不多。
瑞士巴塞爾大學的研究小組已經開發了將懸臂用于氣體傳感器的技術，懸臂是用MEMS技術制作而成，其中使用了原子力顯微鏡。懸臂的一側是高分子膜，可對氣體做出反應，當高分子膜上吸附特定氣體時會發生變形，借此就可以檢測高分子膜的變形，從而換算為氣體濃度。
如果將多個懸臂陣列狀排列，各懸臂上的高分子膜分別對應不同的檢測氣體，那么就可以實現可檢測多種氣體的小型氣體傳感器。
仿真嗅覺結構
半導體氣體傳感器的靈敏度與以前相比已大為提高，但是，它并不是對所有氣味的味源物質都具有足夠的靈敏度。而且，現在檢測氣體的時間有時會長達幾分鐘，檢測時間仍需縮減。
為了解決上述問題，科學家們正致力于開發仿真生物嗅覺結構的嗅覺傳感器，目前已經開發出可檢測氣味的傳感器芯片(見圖12)，可檢測的濃度為ppb級，已與人類嗅覺相當。
生物的嗅覺結構復雜，為了模擬生物嗅覺結構制作傳感器，就必須掌握味源物質的感應組織與識別組織。人類大約有350 種氣味感應體，而氣味的味源物質約有1萬種以上，這些分子與嗅覺細胞中的感應體結合，就可檢測出氣味。通常，1種氣味的味源物質要與多個感應體結合。而且，1個感應體也與多種味源物質結合?？傊?，氣味與感應體的對應關系是多對多的關系。
感應體并不直接檢測味源物質的分子，而是讀取一部分分子結構，確認分子中是否存在苯環、是否存在特定長度的疏水鏈。通過制作可讀取這類分子結構的傳感器元件，就得到了嗅覺傳感器。
傳感器元件使用表面分極控制法來讀取味源物質分子的分子結構。該方法通過控制電極表面電位，然后根據電化學阻抗測量電位與化學物質之間的相互作用。這是一種成熟的電化學測量方法，其電路組成方法及操作方法已經明確，所以容易得到較高的靈敏度。
利用抗原抗體反應原理仿真犬類的嗅覺
人類的嗅覺能力已經退化，在動物之中屬于嗅覺不發達的物種。如果能實現比人類嗅覺更靈敏的嗅覺傳感器，那么其應用就有可能擴大到更大的范圍，甚至是目前無法想象的領域。
眾所周知，犬類是嗅覺較佳的動物。人類大約有4000 萬個感應氣味的細胞。但是，犬類動物大約有10 億個，數量龐大。這種程度就可以感應到ppt 級的嗅覺。
在美國已有醫療機構開始利用犬的嗅覺來診斷早期乳癌。日本OJPC 福利犬養育協會已經訓練出名為瑪琳的癌探知犬，可以100%檢測從初期到晚期的食道癌、肺癌、胃癌、肝癌、大腸癌、乳癌、胰腺癌，肺癌、惡性淋巴腫瘤等。明海大學外崎肇一教授專門負責研究疾病與氣味的關系，據他介紹：“辨別結構并不是很明確。但是與癌有關的部分，也就是癌特有的蛋白質是在細胞內合成的，因此狗可以檢測到此類蛋白質所發出的氣味。”
為了實現與犬類同等水平的嗅覺傳感器，科學家們正在進行多項研究。但是，即使是使用臺式氣相色譜儀和目前已開發的嗅覺結構仿真生物傳感器，要達到此類ppt級別的檢測也不容易，還需要基于更新的概念技術。
作為解決方法，科學家們已提出利用抗原抗體反應，來檢測愛滋病毒與登革熱病毒(見圖13)。該方法是以氣味的味源物質為抗原，然后制成與其1對1結合的物質，并通過其檢測出氣味。抗原與抗體的結合會造成傳感器表面折射率發生細微變化，然后用高靈敏度的表面等離子共振檢測這種變化。不光是醫療方面，預計還將用來檢測炸藥TNT 的氣味，以及探測地雷等。
九州大學教授都甲潔所領導的研究小組所試制的傳感器可以同時檢測4 種化學物質，容積大約是30cm3，重量不到10kg。該傳感器據說可檢測幾ppt氣味的味源物質，已經實現ppt 級的靈敏度。
味覺 將喜歡的味道數值化
興高采烈地前往餐飲指南上的星級餐飲店，結果卻發現完全不合自己口味，這大概是許多人都有過的經驗。依賴于味覺傳感器，不久的將來可能可以防止這種情況的出現。因為味覺傳感器可以客觀地評價食物的味道，而不像以前美食家的評價其實僅符合美食家的口味。如果能夠知道符合自己口味的味道的數值化數據，那么以后無須親自體驗，也可以檢索到可做出近似味道的餐館。
將基本味道分別數值化
可將味道數值化再進行評價的味覺傳感器備受人們關注( 見圖14)，目前已經運用在食品開發及品質管理、藥品開發等方面。此類傳感器并不是用來檢測像蔗糖、谷氨酸等甜味、鮮味的味源物質，而是可以將人所感覺到的味道用數值表示出來，實際上就是模仿舌頭味蕾結構的生物嗅覺傳感器。
舌頭表面感覺味道的器官被稱為味蕾。味蕾上存在可感覺甜味、咸味、酸味、苦味、鮮味五種基本味道的各種味蕾細胞。味覺傳感器也可以分別區分這五種基本味道的濃淡程度。產生味道的化學物質有無數種，而且還可進行組合，組合之后的味道甚至十分相近。味覺傳感器將不同的化學物質進行組合，當人類覺得味道相似時，就輸出相似味道的數值，這就是高度仿真人類味覺的傳感器。
只能間接評估
目前，在食品界很難客觀的評價味道。像品質管理那樣，如果必須了解客觀的評價指標，首先需要知道到底包含了無數味源物質中的哪些物質，然后再針對所包含的每種味源物質進行測量，并按其濃度進行統計處理，從而進行間接評估。但是，對于每種味源物質的評價無法對應人所感覺到的味道。因為味道與味道之間存在相互作用。在西瓜上撒上些鹽可以增加甜味，像這種現象就無法評估。
因此，在食品開發方面，人類的感官試驗是不可或缺的。但是，專業的測試人員也有自己的嗜好，所以也只能進行主觀評價。而且在測試時測試人員的健康狀態往往也會影響結果。
仿真味覺檢測結構
味覺傳感器的代表產品是智能傳感器技術公司銷售的味覺傳感器TS-5000Z，其中使用了九州大學都甲潔教授所開發的一款生物傳感器。該傳感器基于味覺檢測結構仿真原理， 可區分的濃度差可達到1%~2%。一般人的舌頭只能識別20% 以上的濃度差，所以可以說其靈敏度相當高。
此外，除了可判斷基本味道，還可檢測食品界已習慣使用的特殊味道的味覺傳感器也已出現，如可檢測出啤酒苦、麻澀、有機苦、澀味、極鮮味等共計10 種味道。這種新產品可以將消費者喜歡的味道與食品的品牌進行匹配，客觀地找出消費者所要求的味道。
該公司還開發了多種味覺傳感器陣列化集成芯片，可以通過USB連接電腦使用(見圖15)。該芯片大小為40mm × 10mm × 1mm，可應用到便攜式味覺傳感器或嵌入電子產品中，使設備可根據自己的喜好自動進行烹調。
味覺傳感器芯片是通過以下工藝制造的。首先，在玻璃基板上蝕刻多條細長溝道。然后在溝道內通過電子束加熱，鍍上薄銀膜。再用同樣的方法制作基準電位電極。對應要測量的味道，將相應的脂質與高分子膜與溶劑相混，制成不同的液體。然后在各條溝道中，分別注入已制成的液體，再讓溶劑揮發，在溝上形成脂質高分子膜。然后將該玻璃基板傳感器部分安裝到信號處理部位。
也可測量人無法感覺的味道
味覺傳感器的原理還可用于食品以外的應用，如用來分析唾液，了解齒槽膿漏、糖尿病、應激反應等健康狀態。富山大學準教授山口昌樹所領導的研究小組認為，通過對唾液中所含的齒肉溝液進行分析，可以測量血糖值，而通過分析消化酶(淀粉酶)則可以測量人體應激狀態。
再進一步，以后的傳感器甚至可以測量人無法感覺的味道。那時候應該可以應用到更新的領域。
聽覺 將圣德太子的耳朵安裝到所有設備上
微軟公司在發布Windows Vista之前，曾面向證券分析師公開演示了新操作系統的語音識別功能，但此次演示卻未能成功。演示人員試著讓機器識別“Dear Mom”的發音，并顯示成文本，但顯示出來的卻是“Dear aunt”。演示人員口頭指揮其進行修正，最后的修正結果變成了“Dear aunt， let’s set so double the killer delete select all”。苦笑著的演示人員用食指指了指嘴巴，示意聽眾安靜一些。
音源分離是關鍵
這一實例直接說明了語音識別技術的難度之大。微軟具有該領域最先進的技術，但還是會如此失敗。這主要是因為將識別對象的聲音與周圍雜音進行分離的技術難度太高，目前語音識別技術仍處于發展中(見圖16)。
與電子設備聽覺相對應的傳感器是麥克風。目前，音響設備、PC、汽車導航儀等許多電子設備上都配備了麥克風。因此，當小型、高性能的硅麥克風作為聽覺傳感器元件上市之后，就無需再煩惱其集成到設備中時的尺寸問題，而且聽覺效果十分豐富。如果在一個設備上集成多個硅麥克風，那么設備就可以具有優良的耳朵，性能方面可達到前所未有的程度。
本來，使用硅麥克風的用戶界面應該可以更為普及，但現實并非如此。主要原因就是語音識別技術不夠成熟。反過來說，將識別對象的聲音從周圍雜音中分離出來的聲音分離技術的改善，是聽覺傳感器普及的關鍵。
應用領域可能迅速擴大
日本歷史上有名的圣德太子，據說能在10個人同時發聲時聽懂每個人所說的話。這雖然是極端的例子，但人在喧鬧環境下確實可以將談話對方的聲音從周圍的雜音中分離出來，這種人耳所具有的區分聲音的能力被稱為雞尾酒會效應。
利用目前的電子設備中所集成的語音識別技術，如果使用頭戴式麥克風，只需辨識某個人發出的聲音，也能獲得很高的識別率。但其應用必然有所限制。所以，目標是要讓電子設備具有像圣德太子一樣的能力。而且，不光是具有比現在更優良的語音識別性能，而且還能對設備所提取的聲音進行自由加工。
比如可以開發具有新的均衡功能的視頻設備。目前的均衡器只能按頻率帶寬控制聲音強弱，而新的均衡器可以強調或減弱音樂中特定樂器的聲音或特定的聲音，打造全新的功能。如果在會議系統中應用此技術，就可以消除背景音樂，只抽取出特定發言人的意見，讓人聽得更明白。 而且，如果能與圖像數據一同使用，通過位置信息還可以用箭頭等標出發言人所在的位置。
此外，還可以面向不能使用助聽器的重度聽覺殘障人士，開發同時具有HMD(頭盔顯示系統)功能的助聽系統。無論從哪個角度、發出怎樣的聲音，都可以將其文字化并顯示到顯示屏上。
可同時聽懂３個人的下單
京都大學教授奧乃博所領導的研究小組建立了音源分離的技術體系，同時也領導著各領域的實際應用開發。該研究小組已開發了可以分離、識別多人同時發出的聲音的技術(見圖17)。不光可分離人的聲音，還可分離周邊環境的音樂與雜音。已試制完成的識別系統可以在1.9s 內識別3 位客人同時下單的聲音。如果不選擇使用場所，就可以把任意說話人作為識別對象。該處理對硬件并無特殊要求，普通PC就足夠滿足性能要求。
事實上，該技術已經被嵌入本田的雙腳步行機器人ASIMO 體內。最關鍵的技術是具有語音識別功能的中間件，該中間件被稱為HARK，是與日本本田研究所共同開發的。
奧乃教授開發的技術主要由三部分組成。音源定位：用來把握聲音的方向；音源分離：從混合聲音中分離個別聲音；分離音識別：識別分離后所產生的已變形的聲音信號。
音源定位是根據多個麥克風所取得的聲音的差異來掌握音源位置。使用麥克風劃分音源位置時，如果增加所用麥克風的數量，就可以更準確地確定位置。因此，ASIMO上左右兩側各集成了4個麥克風。小型硅麥克風的上市，使得一臺設備上即使集成多個麥克風，也不會出現安裝面積不夠的問題。
音源分離分析需遵守以下原則：相同方向只有一個音源；相同的諧波結構(基本聲音的表現)；所捕捉聲音的性質，如果細分的話，每個人是不一樣的。HARK 參照位置與諧波結構的連續性，將聲音分組后再分離音源。
但是，由于聲音是從各種聲音重合之后再分離的，所以分離后的各音源的聲音波形會發生變形。如果不加以處理，就會產生識別錯誤。
因此系統中導入了被稱為MFM(Missing feature Mask)的技術，通過該技術就可以識別變形后的聲音信號。在利用MFM技術識別時，如果與參照模型有較大差異，就進行掩碼處理，屏蔽掉變形較大的部分后再進行語音識別。也就是刪除造成誤差的部分，只對剩下部分的語音進行識別。
聲音內所包含的情感及狀況
除了語音分離技術之外，在該領域較為重要的技術開發有兩種趨勢。其一是從語音當中提取說話人的情感及周邊環境信息的技術。另外就是直接提取說話人當時的真實環境下的聲音，包括由于說話人所在位置周圍的建筑物所引起的聲音微妙變化等。雖然提取的是真實環境的聲音，但輸出時可自由輸出。
人類發出的聲音，除了包含一般語音識別可得到的語言信息之外，還包括了說話人的情感信息。例如面紅耳赤時所發生的聲音、震動的聲音、低沉的聲音等。此外，雜音中也包括了說話人所處周邊環境的信息。
以往情況下，這些信息都是直接忽略的，如果要讀取此類信息，可能就需要能夠靈活控制電子設備工作的技術。例如，在汽車方面，當駕駛員陷入很容易引起操作失誤的情緒時，汽車如果能夠對此進行判斷，那么就可以考慮相應的對策。
還有一種新的技術也正在開發，就是傳輸包括音源在內的音響空間的信息，這樣，在重放時即可重現與現實十分接近的音響空間。即使閉上眼睛聆聽，也可以感覺到周圍有什么，空氣是怎么流動。
京都大學與國際電氣通信基礎研究所共同開發了將音響空間傳輸到遠方的技術。通過70 個麥克風與安裝在聽眾周圍的70 個揚聲器，可以與遠方共享相同的音響空間。
此外，東京理科大學教授溝口博所領導的研究小組所開發的技術，可以在3個方向安裝32個揚聲器，并可向揚聲器所包圍范圍內的某人傳輸聲音。分別控制各揚聲器輸出聲音時的延時與振幅，然后通過相互干涉，可以只在圓柱狀或球狀范圍內使人聽到6dB~8dB的聲音。 此技術可應用于街頭廣告等用途，例如可以只對行走在一定范圍內的特定人員發送聲音。
視覺 挑戰超人類的視野
與其他五感傳感器相比，視覺傳感器，特別是傳感器元件部分(各種感光元件)的實用化程度高出很多。目前仍在進一步發展，其中包括人臉識別、笑臉識別之類的圖像識別技術。不過，由于大部分產品都只是追求類似人類視覺的效果，所以在超越人類感覺上的開發目前尚未太多進展。特別是在超高速動態物體的拍攝及信息處理等方面，進展明顯不夠。
高精度與高速度
對于超越人類感覺的視覺傳感器，目前正在進行開發的包括紅外線、紫外線等非可視光感光元件，以及1個光子級的超微光檢測技術，還有1萬～100 萬分之1秒極短時間內的曝光攝影技術等。此類技術在醫療、汽車事故測試等各種開發現場的需求較大。但是，如果要求綜合性能高，追求高精度、高速度的圖像識別性能，就只能選擇特定功能的產品。例如，分辨率為1000 萬像素的影像最多只能達到10fps，相反如果速度為1000fps，那么最高精度就只有100萬像素，而且只能保存幾十秒的記錄，無法實現實時的圖像識別等。
之所以如此，是因為以下三點原因。首先，受限于感光元件的反應速度。當像素數增加時，每次掃描時間就更長，幀速率就無法提高。如果像素為1000 萬、速度為10fps，讀出1 個像素所花費的時間就必須在10ns(1 億分之1 秒)以下。第二，受限于傳輸帶寬。將大容量圖像數據從感光元件傳往PC 等圖像處理系統時，傳輸帶寬有限。如果像素為100 萬、速度為1000fps，每1 個像素的信息為10 位時，傳輸速度至少需要10Gbps。該速度已經是目前可使用的傳輸技術的上限，雖然可以實現，但成本太高。
第三，受限于存儲器與圖像識別速度。傳輸大容量數據時，如果速度超過10Gbps，那么即使設備的存儲容量超過1TB，也只能保存13分鐘左右的數據。要想實時處理圖像數據，光靠芯片上的緩存是難以實現的。如果將數據保存到內存內，不光是傳輸速度的問題，傳輸延遲問題等也是瓶頸。
生物仿真視覺傳感器
日本東北大學大學院工學研究科生物機器人專業教授小柳光正與準教授田中徹的研究小組，正在研究模擬生物眼睛的視覺傳感器，以期能突破上述限制。其目標是用幾十mW的極低功率實現相當于 1 萬fps 的超高速影像。
具體來說，是開發仿真眼球視網膜結構的人工視網膜芯片(見圖18)。該芯片將受光芯片、輸出控制芯片、調制芯片等通過貫通電極縱向疊層而成。目前，主要面向視網膜功能受損的失明人士，目標是取代視網膜與視神經連接，從而恢復視力。該芯片由安裝在眼鏡上的電池進行無線電磁感應供電。目前已開發出在非層積型芯片上集成輸出電路的試驗芯片，并將該芯片嵌入到兔子的眼球里，確認了其反應。
該人工視網膜用芯片與現有的感光元件有幾大差別。最大的不同就是各像素直接與神經相連，無需掃描像素。
據小柳教授介紹：“雖然最近已有感光元件通過采用并行掃描每個像素列的列并行技術實現了高速度。但我們開發的產品采用點并行方式，無需掃描就可同時讀出所有像素，所以無需掃描時間。由于像素之間的運算能夠實現超高速，所以應答時間快。如果用幀速率描述，大概相當于1000fps～10000fps?！?nbsp;
掃描型產品雖然在原理上可以通過提高幀速率來提高反應速度，但此時的功耗就過于龐大。相反，生物據說只需幾十mW的能量就可以活動眼睛。所以如果是點并行技術，就無需提高每個元件與電路的處理速度。
此外，人工視網膜用芯片的輸出電路是立體層疊而成的，所以開口率高，而且采用了脈沖數調制，調制方式與生物體的調制方式相同。這些都是與現有感光元件不同的地方。
超高速處理會改變社會
與東北大學小柳教授的開發思路類似，廣島大學大學院工學研究科復雜系統專業教授石井抱與東京大學大學院信息理工系研究科系統信息學專業教授石川正俊所領導的研究小組用現有技術也開發了階段性執行圖像數據處理的系統。石井教授開發的Hiroshima Hyper Human Vision (H3 Vision)系統，具有高精度且超高幀速率，而且可以實時處理信息。該系統由美國Photron公司的100 萬像素、1000fps 的攝像頭、FPGA信息處理電路，以及PC組成(見圖19)。
石井教授小組的目的是想調查將超高速幀的圖像數據傳輸給電腦的途中，如果只抽取必要信息，會有什么結果。但是，傳輸超高速幀時，一般用來進行圖像識別處理的電腦能力不足，存儲器容量也不夠，于是他們考慮在傳輸過程中去除一部分信息，以減輕電腦負擔。因此，現在的系統比較類似腦視覺處理系統。
視覺變身為聽覺和觸覺
在石井教授開發的系統里，如果改變FPGA 的處理內容，并對提取的數據內容及運算處理進行各種變換，就可以適當改變傳感器的作用(見圖20)。例如，使用前后時序的數據，并對時間進行微分處理，就可以看見速度分布。石井教授的小組使用上述技術，可以讓機器人在幾米的近距離內以160km/s 的速度擊球。由于可以看到以30 轉/s 的速度旋轉的球的樣子，所以可以擊打曲線球，這已經明顯超過了人類的能力。
如果不采用時間微分，而是批量處理相鄰的多個像素，那么就是在影像系統中實現實時的擴大/ 縮小，而且毫無雜音。而如果使用提取物體動作的算法，就可以通過視覺識別聲音的振動。這是由于，幀速率達到1000fps~10000fps 時，正好與人類的大部分可聽頻率(20Hz~20kHz)及時間分辨率相重合。打響指、輕擊物體但并不發出實際聲音時，也可以通過視覺傳感器取得聲音信息。
此外，該系統還可用來制造加速度傳感器與觸覺傳感器。只需再將速度分布進行微分，就可以看見加速度分布。牛頓定律F=ma 描述了加速度與力的關系。如果對列車過橋時的圖像進行速度分布微分處理，那么就可以看到力加載在橋的哪里，而且可以發現螺栓的松弛及龜裂等問題。
用手指彈弄某物體時，可以根據振動分布及傳遞方式了解手指的接觸位置與所彈物體的材質等，這相當于可以取代觸覺傳感器。
1
下一篇： PLC、DCS、FCS三大控
上一篇： 中國不干膠標簽印刷發
