Zur Detektion und Identifizierung von Gefahrenstoffen und toxischen Gasen werden zunehmend portable und bedienerfreundliche Sensorsysteme eingesetzt. Der Einsatz dieser Systeme erstreckt sich über ein breites Anwendungsfeld angefangen bei der Überwachung von öffentlichen Gebäuden (z.B. zur Sprengstoffdetektion), über die Kontrolle von Industrieanlagen (Arbeitsplatzsicherheit) bis hin zur Identifikation von toxischen Begasungsstoffen in Import-Containern.

Um ein weites Spektrum an Substanzen schnell und reproduzierbar detektieren zu können, werden in neusten Entwicklungen gaschromatografische Trenner, Photo-Ionisationsdetektoren und Ionen-Mobilitätsspektrometer im kompakten Gerät zu sogenannten Multisensor-Multigasdetektors vereinigt. Die eigentliche Signalanalyse erfolgt in diesen Geräten digital, wobei aus den einzelnen digitalen Sensorsignalen Merkmale berechnet werden, die charakteristisch sind für die zu identifizierenden Substanzen. Die wesentliche Problemstellung besteht darin, möglichst schnell, mit einer hohen Empfindlichkeit bei hoher Reproduzierbarkeit eine große Anzahl von flüchtigen Substanzen sicher aus einer Probe zu identifizieren.

Basierend auf einer systematischen Analyse der Methoden der Merkmalsextraktion, Merkmalsreduktion und Klassifikationsverfahren zur Online-Detektion und Identifikation von chemischen Substanzen aus Multisensorsignalen sollen im Rahmen dieses Projektes zunächst Anforderungen an eine Nicht-Standard-Analysemethode herausgearbeitet werden, um dann bestehende Data-Mining Methoden anzupassen und gegebenenfalls weiterentwickeln zu können.

• Prof. Dr.-Ing. Horst Schulte (Projektleitung)

Senatsverwaltung für Wirtschaft, Technologie und Forschung

• I.U.T. GmbH

Transferbonus