Elektroninen nenä

Elektroninen nenä on elektroninen tunnistin, joka on tarkoitettu hajujen tai makujen havaitsemiseen. Ilmaisulla "elektroninen aistiminen" viitataan kykyyn jäljitellä ihmisen aisteja anturirakenteiden ja hahmontunnistusjärjestelmien avulla.

Elektroninen nenä viritettiin hajuaineen miellyttävyyden aistimusakselille eli akselille, joka vaihtelee erittäin miellyttävästä (esim. ruusu) erittäin epämiellyttävään (esim. haisunäätä). Tämän ansiosta eNose pystyi haistamaan uusia hajuaineita, joita se ei ollut koskaan aikaisemmin kohdannut, mutta silti se pystyi tuottamaan hajujen miellyttävyysarvioita, jotka olivat hyvin yhteneväisiä ihmisen arvioiden kanssa koehenkilön kulttuuritaustasta riippumatta. Tämä viittaa siihen, että hajun miellyttävyydellä on synnynnäinen komponentti, joka liittyy tiukasti molekyylirakenteeseen.[1]

Vuodesta 1982[2] lähtien on tutkittu sellaisten teknologioiden kehittämistä, joita kutsutaan yleisesti elektronisiksi neniksi ja joilla voidaan havaita ja tunnistaa hajuja ja makuja. Tunnistamisprosessin vaiheet ovat samankaltaisia kuin ihmisen hajuaistin, ja ne suoritetaan tunnistamista, vertailua, kvantifiointia ja muita sovelluksia varten, mukaan lukien tietojen varastointi ja haku. Joitakin tällaisia laitteita käytetään teollisiin tarkoituksiin.

Muut tekniikat hajujen analysoimiseksi

Kaikilla teollisuudenaloilla hajujen arviointi suoritetaan yleensä ihmisen aistinvaraisella analyysillä, kemosensoreilla tai kaasukromatografialla. Jälkimmäinen tekniikka antaa tietoa haihtuvista orgaanisista yhdisteistä, mutta analyysitulosten ja keskimääräisen hajuaistimuksen välinen korrelaatio ei ole suora johtuen useiden hajukomponenttien mahdollisista vuorovaikutuksista.

Wasp Hound -hajuilmaisimessa mekaaninen elementti on videokamera ja biologinen elementti viisi loisampiaista, jotka on ehdollistettu parveilemaan vastauksena tietyn kemikaalin läsnäoloon.[3]

Historia

Tiedemies Alexander Graham Bell popularisoi käsityksen siitä, että hajua on vaikea mitata,[4] ja sanoi vuonna 1914 seuraavaa:

»Oletko koskaan mitannut hajua? Voitko sanoa, onko yksi haju vain kaksi kertaa voimakkaampi kuin toinen? Pystytkö mittaamaan eron kahdenlaisen hajun ja toisen hajun välillä? On hyvin ilmeistä, että meillä on hyvin monia erilaisia hajuja, aina orvokin ja ruusun hajusta asafetidaan asti. Mutta ennen kuin niiden samankaltaisuutta ja eroja voidaan mitata, ei voi olla hajutieteellistä tiedettä. Jos olet kunnianhimoinen löytämään uuden tieteen, mittaa hajuja.»
(Alexander Graham Bell, 1914)

Bellin tämän havainnon jälkeisinä vuosikymmeninä hajutieteestä ei ole tullut mitään, ja vasta 1950-luvulla ja sen jälkeen tapahtui todellista edistystä. Hajujen havaitsemisen yleinen ongelma on se, että siinä ei mitata energiaa vaan fysikaalisia hiukkasia.[5]

Työperiaate

Elektroninen nenä kehitettiin jäljittelemään ihmisen hajuaistimusta, joka toimii ei-erottelevana mekanismina: eli haju/maku havaitaan globaalina sormenjälkenä. Laite koostuu pääasiassa pään tilan näytteenotosta, kemiallisesta anturiryhmästä ja hahmontunnistusmoduuleista, joiden avulla luodaan signaalikuvioita, joita käytetään hajujen luonnehtimiseen.[6]

Elektronisiin neniin kuuluu kolme pääosaa: näytteenantojärjestelmä, havaitsemisjärjestelmä ja laskentajärjestelmä.

Näytteen toimitusjärjestelmä mahdollistaa näytteen headspace-näytteenoton (haihtuvat yhdisteet), joka on analysoitava osa. Tämän jälkeen järjestelmä syöttää tämän headspace-näytteen elektronisen nenän havaitsemisjärjestelmään. Näytteenantojärjestelmä on välttämätön, jotta voidaan taata tasaiset toimintaolosuhteet.

Ilmaisinjärjestelmä, joka koostuu anturisarjasta, on laitteen "reaktiivinen" osa. Kun anturit joutuvat kosketuksiin haihtuvien yhdisteiden kanssa, ne reagoivat, mikä tarkoittaa, että niiden sähköiset ominaisuudet muuttuvat.

Useimmissa elektronisissa nenissä kukin anturi on herkkä kaikille haihtuville molekyyleille, mutta kukin omalla tavallaan. Bioelektronisissa nenissä käytetään kuitenkin reseptoriproteiineja, jotka reagoivat tiettyihin hajumolekyyleihin. Useimmissa elektronisissa nenissä käytetään kemiallisia anturirakenteita, jotka reagoivat haihtuviin yhdisteisiin kosketuksessa: haihtuvien yhdisteiden adsorptio anturin pinnalle aiheuttaa anturin fysikaalisen muutoksen. Elektroninen liitäntä tallentaa tietyn vasteen ja muuttaa signaalin digitaaliseksi arvoksi. Tallennetut tiedot lasketaan sitten tilastollisten mallien perusteella.[7]

Bioelektronisissa nenissä käytetään hajureseptoreita - biologisista organismeista, esimerkiksi ihmisistä, kloonattuja proteiineja, jotka sitoutuvat tiettyihin hajumolekyyleihin. Eräs ryhmä on kehittänyt bioelektronisen nenän, joka jäljittelee ihmisen nenän käyttämiä merkkijärjestelmiä ja havaitsee hajuja erittäin herkästi: femtomolaarisina pitoisuuksina.[8]

Yleisemmin käytettyjä elektronisissa nenissä käytettäviä antureita ovat muun muassa seuraavat

  • metalli-oksidi-puolijohde (MOSFET) -laitteet - transistori, jota käytetään elektronisten signaalien vahvistamiseen tai kytkemiseen. Tämä toimii sillä periaatteella, että anturialueelle tulevat molekyylit ovat joko positiivisesti tai negatiivisesti varautuneita, minkä pitäisi vaikuttaa suoraan MOSFET:n sisällä olevaan sähkökenttään. Näin ollen jokaisen ylimääräisen varautuneen hiukkasen tuominen vaikuttaa suoraan transistoriin ainutlaatuisella tavalla, mikä aiheuttaa muutoksen MOSFET-signaalissa, jonka hahmontunnistustietokonejärjestelmät voivat sitten tulkita. Jokaisella havaittavalla molekyylillä on siis periaatteessa oma ainutlaatuinen signaalinsa, jota tietokonejärjestelmä voi tulkita.
  • johtavat polymeerit - orgaaniset polymeerit, jotka johtavat sähköä.
  • polymeerikomposiitit - samankaltaisia kuin johtavat polymeerit, mutta koostuvat ei-johtavista polymeereistä, joihin on lisätty johtavaa materiaalia, kuten hiilimustaa.
  • kvartsikidemikropaino (QCM) - tapa mitata massaa pinta-alayksikköä kohti mittaamalla kvartsikideresonaattorin taajuuden muutosta. Tämä voidaan tallentaa tietokantaan ja käyttää myöhempää käyttöä varten.
  • Pinta-akustinen aalto (SAW) - mikroelektromekaanisten järjestelmien (MEMS) luokka, joka perustuu pinta-akustisten aaltojen modulointiin fysikaalisen ilmiön havaitsemiseksi.
  • Massaspektrometrit voidaan pienentää yleiskäyttöiseksi kaasunanalyysilaitteeksi.

Joissakin laitteissa yhdistetään useita anturityyppejä yhteen laitteeseen, esimerkiksi polymeeripäällysteiset QCM:t. Riippumattoman informaation ansiosta saadaan huomattavasti herkempiä ja tehokkaampia laitteita. Koiran nenän ympärillä tapahtuvaa ilmavirtausta koskevat tutkimukset ja elävän kokoisilla malleilla tehdyt testit ovat osoittaneet, että oikean koiran toimintaa muistuttava syklinen "haistelu" on hyödyllistä, koska se parantaa kantamaa ja nopeuttaa reagointia.

Viime vuosina on kehitetty myös muuntyyppisiä elektronisia neniä, joissa käytetään havaitsemisjärjestelmänä massaspektrometriaa tai ultranopeaa kaasukromatografiaa.

Tietokonejärjestelmä toimii yhdistämällä kaikkien antureiden vasteet, mikä muodostaa syötteen tietojen käsittelyä varten. Tämä laitteen osa suorittaa kokonaisvaltaisen sormenjälkianalyysin ja tuottaa helposti tulkittavia tuloksia ja esityksiä. Lisäksi elektronisen nenän tuloksia voidaan verrata muilla tekniikoilla (aistipaneeli, GC, GC/MS) saatuihin tuloksiin. Tulosten analysointiin käytetään monia tietojen tulkintajärjestelmiä. Näihin järjestelmiin kuuluvat muun muassa keinotekoinen neuroverkko (ANN), sumea logiikka, hahmontunnistusmoduulit jne. Tekoäly, mukaan lukien keinotekoinen neuroverkko (ANN), on keskeinen tekniikka ympäristön hajujen hallinnassa.

Analyysin suorittaminen

Ensimmäisessä vaiheessa elektroninen nenä on koulutettava pätevillä näytteillä, jotta voidaan rakentaa vertailutietokanta. Sen jälkeen laite voi tunnistaa uudet näytteet vertaamalla haihtuvan yhdisteen sormenjälkeä tietokannassaan oleviin näytteisiin. Näin ne voivat suorittaa laadullisen tai määrällisen analyysin. Tämä voi kuitenkin aiheuttaa myös ongelman, sillä monet hajut koostuvat useista eri molekyyleistä, jotka laite voi tulkita väärin, koska se rekisteröi ne eri yhdisteiksi, mikä johtaa vääriin tai epätarkkoihin tuloksiin riippuen nenän ensisijaisesta tehtävästä. Esimerkki e-nose-tietoaineistosta on myös saatavilla. Tätä tietokokonaisuutta voidaan käyttää vertailukohtana e-nose-signaalin käsittelyssä, erityisesti lihan laatututkimuksissa. Tämän tietokokonaisuuden kaksi päätavoitetta ovat moniluokkainen naudanlihan luokittelu ja mikrobipopulaation ennustaminen regression avulla.

Sovellukset

Tutkimus- ja kehityslaboratoriot, laadunvalvontalaboratoriot sekä prosessi- ja tuotanto-osastot käyttävät elektronisia nenämittareita eri tarkoituksiin:

Laadunvalvontalaboratorioissa
  • Raaka-aineiden, väli- ja lopputuotteiden vaatimustenmukaisuus.
  • Erästä erään yhdenmukaisuus
  • Kontaminaation, pilaantumisen ja väärentämisen havaitseminen.
  • Alkuperän tai toimittajan valinta
  • Varastointiolosuhteiden seuranta
  • Lihan laadun seuranta.

Prosessi- ja tuotanto-osastoilla
  • Raaka-aineiden vaihtelun hallinta
  • Vertailu vertailutuotteeseen
  • Valmistusprosessin vaikutusten mittaaminen ja vertailu tuotteisiin
  • Seuranta puhdistusprosessin tehokkuuden seuranta
  • Scale-upin seuranta
  • Paikalla tapahtuvan puhdistuksen seuranta.

Tuotekehitysvaiheissa
  • Aistinvarainen profilointi ja eri koostumusten tai reseptien vertailu.
  • Kilpailevien tuotteiden vertailuanalyysi
  • Prosessin tai ainesosan muutoksen vaikutuksen arviointi aistinvaraisiin ominaisuuksiin.

Mahdolliset ja tulevat sovellukset terveyden ja turvallisuuden alalla.

  • Vaarallisten ja haitallisten bakteerien havaitseminen, esimerkiksi ohjelmisto, joka on kehitetty erityisesti tunnistamaan MRSA:n (Methicillin-resistentti Staphylococcus aureus) haju. Se pystyy myös tunnistamaan metisilliinille herkän S. aureuksen (MSSA) monien muiden aineiden ohella. On esitetty teoria, että jos se sijoitetaan huolellisesti sairaaloiden ilmanvaihtojärjestelmiin, se voisi havaita ja siten estää muiden potilaiden tai laitteiden saastumisen monista erittäin tarttuvista taudinaiheuttajista.
  • Keuhkosyövän tai muiden sairauksien havaitseminen havaitsemalla haihtuvat orgaaniset yhdisteet (VOC), jotka viittaavat sairauteen.
  • Virus- ja bakteeri-infektioiden havaitseminen keuhkoahtaumataudin pahenemisvaiheissa.
  • Elintarvikkeiden laadunvalvonta, koska se voidaan kätevästi sijoittaa elintarvikepakkauksiin osoittamaan selvästi, milloin ruoka on alkanut mädäntyä, tai sitä voidaan käyttää kentällä bakteeri- tai hyönteiskontaminaation havaitsemiseksi.
  • Nenäimplantit voisivat varoittaa maakaasun läsnäolosta niille, joilla on anosmia tai heikko hajuaisti.
  • Brain Mapping Foundation käytti elektronista nenää aivosyöpäsolujen havaitsemiseen.

Mahdolliset ja tulevat sovellukset rikosten ehkäisyn ja turvallisuuden alalla

Elektronisen nenän kyky havaita hajuttomia hajuja tekee siitä ihanteellisen käytettäväksi poliisivoimissa, kuten kyky havaita pommin hajuja huolimatta muista ilmassa olevista hajuista, jotka voivat hämmentää poliisikoiria. Tämä on kuitenkin epätodennäköistä lähitulevaisuudessa, koska elektronisen nenän kustannukset ovat melko korkeat. Sitä voidaan käyttää myös huumeiden havaitsemismenetelmänä lentokentillä. Useiden tai useampien elektronisten nenien huolellisella sijoittelulla ja tehokkailla tietokonejärjestelmillä voitaisiin määrittää huumausaineiden sijainti muutaman metrin tarkkuudella alle muutamassa sekunnissa. Räjähdysaineiden höyryjä havaitsevat esittelyjärjestelmät ovat olemassa, mutta ne ovat tällä hetkellä kaukana hyvin koulutetusta haistajakoirasta.

Ympäristön seurannassa

Haihtuvien orgaanisten yhdisteiden tunnistamiseen ilma-, vesi- ja maaperänäytteistä. Ympäristönsuojeluun. Erilaisissa sovellusohjeissa kuvataan analyysejä esimerkiksi maku- ja hajuste-, elintarvike- ja juoma-, pakkaus-, lääke-, kosmetiikka- ja hajuvesi- sekä kemianteollisuuden yrityksissä. Viime aikoina niillä on voitu käsitellä myös julkisia huolenaiheita hajuhaittojen seurannassa kenttälaitteiden verkostojen avulla. Koska päästömäärät kohteessa voivat joidenkin lähteiden osalta vaihdella erittäin paljon, elektroninen nenä voi tarjota työkalun vaihteluiden ja suuntausten seuraamiseen ja tilanteen arviointiin reaaliajassa. Se parantaa kriittisten lähteiden ymmärtämistä, mikä johtaa ennakoivaan hajuhallintaan. Reaaliaikainen mallinnus esittää nykytilanteen, jolloin toiminnanharjoittaja voi ymmärtää, mitkä ajanjaksot ja olosuhteet vaarantavat laitoksen toiminnan. Myös olemassa olevat kaupalliset järjestelmät voidaan ohjelmoida niin, että ne saavat aktiivisia hälytyksiä, jotka perustuvat asetuspisteisiin (reseptoreissa/hälytyspisteissä mallinnettu hajupitoisuus tai hajupitoisuus nenässä/lähteessä) ja käynnistävät asianmukaiset toimet.

Katso myös

Lähteet
  • Tuominen, Jari: Tuoksujen ihmeellinen maailma. Helsinki: Kureeri, 2012. ISBN 978-952-67831-0-9.

Viitteet
  1. "Predicting Odor Pleasantness with an Electronic Nose" (15 April 2010). PLOS Computational Biology 6 (4): e1000740. doi:10.1371/journal.pcbi.1000740. PMID 20418961. Bibcode: 2010PLSCB...6E0740H.
  2. "Analysis of discrimination mechanisms in the mammalian olfactory system using a model nose" (1982). Nature 299 (5881): 352–5. doi:10.1038/299352a0. PMID 7110356. Bibcode: 1982Natur.299..352P.
  3. Wasp Hound Science Central. Arkistoitu 16 heinäkuu 2011. Viitattu 31 lokakuu 2021.
  4. Graham Bell: Measuring Odours and Odorants ChemoSense. September 2003. Arkistoitu 31.3.2012. Viitattu 8.1.2022.
  5. Wagstaff, Jeremy. "Nose job: smells are smart sensors' last frontier", Reuters, 2016-06-23. (en)
  6. (2004-08-17) Electronic Noses and Sensors for the Detection of Explosives (in en). Springer Science & Business Media. ISBN 978-1-4020-2318-7.
  7. Sensory expert and Analytical Instruments alpha-mos.com. Arkistoitu 23.10.2008. Viitattu 31.10.2021.
  8. "Nanovesicle-based bioelectronic nose platform mimicking human olfactory signal transduction" (2012). Biosensors and Bioelectronics 35 (1): 335–41. doi:10.1016/j.bios.2012.03.012. PMID 22475887.

    Kirjallisuutta
    • Hatt, Hanns & Dee, Regine: Pieni tuoksu- ja makukirja. (Das kleine Buch vom Riechen und Schmechen, 2012.) Suomentanut Veikko Ahola. Jyväskylä: Docendo, 2013. ISBN 978-952-5912-85-2.
    This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.