การพัฒนาจมูกอิเล็กทรอนิกส์โดยใช้เทคนิคการวิเคราะห์มัลติเปิลดิสคริมิแนนต์

Abstract

งานวิจัยนี้นำเสนอการพัฒนาจมูกอิเล็กทรอนิกส์โดยใช้เทคนิคการวิเคราะห์องค์ประกอบหลัก (PCA) และการวิเคราะห์มัลติเปิลดิสคริมิแนนต์ (MDA) ซึ่งได้นำแก็สเซ็นเซอร์ชนิดโลหะออกไซด์มาทำหน้าที่เป็นเซ็นเซอร์รับกลิ่น เนื่องด้วยมีความทนทาน เชื่อถือได้และสะดวกในการออกแบบวงจร โดยตัวอย่างที่นำมาตรวจวัดเป็นกลิ่นเสื้อของอาสาสมัครหลังการสวมใส่ เนื่องจากคุณสมบัติเฉพาะของแก็สเซ็นเซอร์แต่ละตัวให้ผลตอบสนองต่อสารประกอบอินทรีย์ระเหยง่ายของตัวอย่างไม่เหมือนกัน ดังนั้นค่าการเปลี่ยนแปลงแรงดันเอาต์พุตของแก็สเซ็นเซอร์จึงเป็นตัวจับสัญญาณของสารประกอบอินทรีย์ระเหยง่าย จากนั้นนำค่าการเปลี่ยนแปลงสูงสุด มาวิเคราะห์ด้วยเทคนิค PCA และ MDA ซึ่งในการทดสอบนี้ใช้อาสาสมัครจำนวน 8 คน เบื้องต้นการใช้เทคนิค PCA วิเคราะห์ข้อมูลของอาสาสมัครจำนวนตั้งแต่ 4 คนขึ้นไป พบว่าสามารถจำแนกข้อมูลของจำนวนอาสาสมัครได้ไม่เกิน 5 คน เนื่องจากเกิดการซ้อนของผลการจำแนกเมื่อมีข้อมูลจำนวนมากขึ้นและได้เปอร์เซ็นต์การสกัดความสัมพันธ์ของ กับ เท่ากับ 94.76 จากนั้นจึงได้ปรับปรุงระบบให้มีประสิทธิภาพดีขึ้นโดยใช้เทคนิค MDA และจากผลการทดลองพบว่าการใช้เทคนิค MDA ให้ผลการจำแนกที่ดีกว่าเทคนิค PCA โดยสามารถเพิ่มจำนวนข้อมูลของอาสาสมัครสูงขึ้นเป็น 7 คน ซึ่งได้ผลการสกัดความสัมพันธ์ของ และ เท่ากับ 97.02 เปอร์เซ็นต์

This thesis presents the electronic nose development using the Principal Component Analysis (PCA) and Multiple Discriminant Analysis (MDA). The metal oxide gas sensors have been used to measure the shirt odor samples because it is stable, reliable and convenience to design the electronic nose. According to each gas sensor provides vary values of Volatile Organic Compounds (VOCs) responsibility from each sample that depends on the property of particular gas sensor. Thus the voltage output of gas sensor can detected and classified the signal of VOCs. The PCA and MDA techniques are used to analyze the highest signal changing value. There are 8 volunteers that provide the odor samples. Preliminary results, the PCA techniques are used to analyze the data from 4 to 8 volunteers and found that the technique cannot classify the data more than 5 volunteers. The percentage accumulation of relative extraction of and are 94.76. After that the MDA techniques had been used to improve the system. The results show that the MDA techniques can classify the amount volunteers up to 7 persons. The percentage accumulation of relative extraction of and are 97.02