“科学家需要专注于科学，而不应该重新创建或调试数学库或支持代码。金宝appMathWorks工具是经过验证的，所以研究人员可以专注于新的算法和新方法。”
迈克尔·沃格特博士，阿贡国家实验室
在世界范围内，接触有毒化学品每年导致许多呼吸道疾病和死亡。补救办法在于在有害化学制剂被吸入之前准确地识别它们。然而，由于大气中含有数千种化学成分，这是一项艰巨的任务。
智能传感器开发工具包(SSDK)是一种多介质化学微传感器，可以识别几乎任何与空气有关的气态化学物质。这个屡获殊荣的传感器是由阿贡国家实验室的研究人员开发的，阿贡国家实验室是由芝加哥大学运营的美国能源部实验室，使用MATLAB和相关工具箱。
“如果没有MATLAB的集成环境和工具箱，就不可能有SSDK，”Argonne公司的SSDK仪器开发人员michael Vogt博士说。
阿贡研究小组着手开发一种先进的气体微传感器，该传感器利用了一种成熟的液体化学分析技术。SSDK将包括测量软件、微型传感元件和最小的专用硬件。
测量软件需要复杂的数据采集能力。研究人员需要输出特定形状的模拟波形来激发微传感器上的化学反应，同时获取特定化学模拟数据。
研究人员寻求多种PCM、ISA、USB和外部并金宝app口数据采集硬件的支持，以促进实验技术的易于采用。因为他们想专注于传感器背后的材料科学和化学，他们需要避免为每个硬件模型开发定制软件。
他们还需要使用信号处理和神经网络算法对采集的数据进行过滤和分类，并开发一个图形用户界面来控制采集过程和可视化结果。
利用MathWorks工具，研究人员开发了简单的数据采集代码，可以访问各种数据采集卡。Vogt解释说:“数据采集工具箱允许我们一次性配置硬件。“用不到一页的代码，我就可以在四个不同的平台上执行数据采集——每个平台都有不同的硬件。”
SSDK使用伏安法，这是一种先进的化学分析技术，可以将化学反应转化为伏安“特征”输出，从而能够检测微量的气态化学物质——这在以前是不可能的。
研究人员使用数据采集工具箱实现了气体伏安法，以输出精确形状的模拟波形，每个波形由100到1000个数据点组成，并激发微传感器上的化学反应。利用数据采集工具箱，他们还用模拟输入通道对结果信号进行采样。然后，他们使用信号处理工具箱中的滤波器去除线噪声。由此产生的信号，或伏安特征，包括识别传感器接触到的化学物质的信息。
研究人员使用深度学习工具箱进行模式识别，并通过将这些化学物质的特征与预存储库中的特征进行比较来识别它们。
沃格特说:“有了深度学习工具箱，我们可以提取一个未知的签名样本，将它与签名库进行比较，找到最佳匹配，并计算一个显示匹配程度的置信度因子。”
为了生成传感器信号处理算法，Argonne使用了传感器算法生成环境(ChemSAGE)，这是一个由国防部资助的软件工具，用MATLAB编写，帮助传感器研究人员编码和分析来自实验传感器的复杂信号。
为了完成他们的应用，研究人员在MATLAB中开发了一个图形用户界面，使用户能够设置伏安参数和可视化伏安特征。沃格特说:“这个应用程序在任何笔记本电脑上都很容易运行。”
使用MATLAB编译器，Argonne用C语言编写MATLAB算法，在流行的单片机上执行。
Argonne的赞助商计划开发基于SSDK的商业仪器，包括智能火灾探测器和空气污染物监测器。
Michael Vogt, Laura Skubal, Erika Shoemaker和John Ziegler博士开发了SSDK。Vogt, Dan MacShane, Christopher Klaus和Maria Poulos开发了测量和ChemSAGE软件。
测量软件代码性能提高了两个数量级．用另一个商业产品编写的早期测量软件伏安法代码大约在20秒内执行。新的测量软件代码，由数据采集工具箱编写，可以在0.25秒内执行相同的功能。
研发时间从一年减少到两周．沃格特说:“我花了六个月的时间用另一种语言编写原始软件，又花了六个月的时间将它与MATLAB接口连接起来。”“通过数据采集工具箱和深度学习工具箱，我能够在两周内复制所有这些功能。”
SSDK获得了著名奖项．阿贡的主动微传感器技术获得了2002年R&D 100奖，该奖项表彰了今年100个最重要的研究项目。
你也可以从以下列表中选择一个网站: