让气味成为数据 · GraphAISense by ADVENT
文字、图片和声音早已大量存在于互联网上,但气味从未被记录下来。气味数据只能在现场实地测量才能获得。ADVENT 同时开发测量气味的设备和解读数据的 AI 模型,让机器能够识别气味。

嗅觉——机器尚未拥有的感官
检测通道
≤ 2 秒
全通道测量周期
< 1 秒
设备端 AI 判断
检测下限(部分物质 0.1 ppm)
什么是电子鼻?
人的鼻子并不是逐一测量气味成分,而是由约 400 种嗅觉受体同时产生反应,大脑记住这种反应模式,从而辨别气味。AI 电子鼻也是同样的原理:多个性质各不相同的传感单元同时对空气作出反应,AI 根据反应模式判断出具体是什么气味,比如“电线外皮烧焦的味道”“污水泄漏”“和平时不一样的原料”。单个气体传感器只能测出某一种气体的浓度,多种气味混在一起时就无法区分。

产品
这是目前已在出货的设备。石墨烯多传感器芯片通过 30~38 个通道一次读取混合气味,设备内置的模型包随即完成解读。从测量、判断到现场报警,全部在设备内部完成。

多传感器芯片
EN-MSC.3E 石墨烯多传感器芯片
检测通道
30~38 个(视配置而定)
测量周期
全通道 ≤ 2 秒
AI 推理
设备端 < 1 秒(无需 GPU 或云端)
检测下限
1 ppm(部分物质在验证条件下可达 0.1 ppm)
进气方式
内置气泵,0.2~1.5 L/min,电磁阀自动调节流量
使用环境
−5~+50 ℃,湿度 20~98 %RH(无凝露)
尺寸 · 电源
270 × 250 × 90 mm / AC 220 V,≤ 75 W
通信
Ethernet · Wi-Fi · LTE · USB / MQTT over TLS · REST · OPC UA · Modbus TCP·RTU
报警等级
NORMAL(正常)· WARNING(预警)· ALARM(报警),经连续判定确认
规格以 2026 年产品目录为准。性能数据为 ADVENT 在规定条件下的内部验证结果,并非第三方认证检测报告。
查看 Mk.2E 完整规格数据是怎样产生的
语言、图像和语音 AI 都是从早已积累的海量资料起步的,而气味没有这样的资料。可用的气味数据必须从零开始亲手建立:在规定条件下测量,按真实情况标注,并保证不同地点、不同时间的数据可以相互比较。


石墨烯多传感器芯片以固定周期,通过 30~38 个通道同时、反复读取混合气体。每次测量得到的不是一个数值,而是由多个数值组成的向量。AI 学习正是从这里开始。

这些向量构成每种气味独有的“指纹”。经过温湿度补偿后,即使生产批次、现场或季节不同,也能按同一标准进行比较。测量值一旦漂移,数据就失去了价值,因此可比性最为关键。

利用积累的指纹,针对现场的具体问题训练模型包,再把模型包部署到设备上运行。无需 GPU 或云端,原始测量数据也不必离开现场。
气味指纹
普通气体传感器只能告诉你数值有没有超过阈值。石墨烯多传感器芯片的每个传感单元表面处理各不相同,所以面对同一种气味,各通道的响应强度也不一样。这种响应分布就是气味指纹,混合气味之所以能被区分开,靠的正是它。
※ 原理示意图,非实测数据。
识别算法
每次测量结果从两个角度来看:所有通道的整体响应形态(极坐标图),以及响应随时间的变化(通道响应曲线)。数据经过校正后,先用 PCA 提取关键信息,再用 LDA 拉开不同气味之间的差异,最后由 SVM 判定是哪种气味。系统还会结合气味持续的时间,在 NORMAL、WARNING、ALARM 三级状态中给出相应判定。



原理示意图,非实测数据。
气味数据为何与众不同
语言 AI 用网上的文字训练,图像 AI 用网上的图片训练,但互联网上没有气味。现有的气味数据,全部是有人把设备装到现场、一点一点测出来的。因此,这些数据只会积累在真正做测量的公司手里——无法从网上抓取,买不到现成的大批量数据,也不可能凭空合成。

既没有可下载的资料,也没有能支撑产品开发的公开基准数据,所有人都从零开始。真正拉开差距的,是在真实现场采集了多长时间、标注是否准确,以及这些数据能否相互比较。
设备一旦安装,就会在季节更替、班次轮换和工艺调整中持续测量同一地点。这些记录先把首次试点变成模型包,再把模型包打磨到在其他现场同样适用。今天采集的数据,会降低下一次部署的成本。
AI 判断在设备内完成,原始数据无需外传,数据归运营方所有。正因如此,工厂、养老机构、公共基础设施等数据难以外传的场所,也可以部署我们的设备。
所以,ADVENT 自主研发传感材料、传感器芯片、测量设备和 AI 模型。这四者不是彼此独立的产品,而是一条完整的数据链;任何一环交给外部,都无法同时改进材料和模型。
模型包
模型包是软件,而不是另一台设备。需要检测新物质、新故障类型或新现场时,不必重新开发硬件,只需采集数据、训练新的模型包。应用领域可以不断扩展,硬件成本却不会随之增加。

验证
以下是 ADVENT 在规定条件下的内部验证结果,并非第三方检测机构出具的报告,不能推广为整体准确率。
2026 年 1 月 20 日
以过热电线外皮开始阴燃时释放的气体为目标,并加入氯、乙醇、异丙醇作为干扰物进行测试。在该组测试中,所有样本均准确识别出目标气体。
2025 年第四季度
在不知道答案的情况下,以较高准确率区分了化工、废水和污水异味,并从混合样本中分别识别出两种成分。

韩国环境公团(K-eco)
2025 年 10 月
先学习化工涂装、纺织、粪便处理、污水处理 4 种原始样本及 2 种混合样本,再对 3 个来源未知的样本进行溯源。

仁川港湾公社

2026 · 进行中
在仁川港客运码头,将电子鼻装入 SEO Robotics 巡逻机器人,并在储能系统(ESS)和太阳能设施上安装固定式电子鼻,开展实地验证。

京畿道

2026 · 进行中
在京畿道水原、华城、利川等地,将电子鼻与 AI 摄像头、边缘 AI 联动,探测工业园区和市场的火灾前兆。
列出机构名称仅为说明试点地点,不代表相关机构的推荐或担保,也不属于采购或供货业绩。
查看完整验证记录