Sensores virtuais para detecção de gases
uma Rapid Review sobre o potencial de um “olfato artificial”
DOI:
https://doi.org/10.47385/tudoeciencia.2448.2025Palavras-chave:
Sensores virtuais. Olfato artificial. Detecção de gases. Inteligência artificial. Rapid Review.Resumo
Este artigo apresenta uma Rapid Review sobre sensores virtuais aplicados à detecção de gases, com foco na ideia de um “olfato artificial” capaz de identificar substâncias com ou sem odor perceptível. A revisão foi conduzida a partir de artigos publicados entre 2021 e 2025 que abordam aplicações industriais, ambientais, bioinspiradas e de autovalidação de sensores. Os resultados indicam que os sensores virtuais se consolidam como alternativas relevantes aos dispositivos físicos tradicionais, oferecendo redução de custos, ampliação da cobertura de monitoramento e integração com algoritmos de inteligência artificial. Avanços em sistemas neuromórficos e sensores autovalidantes reforçam a perspectiva de maior seletividade, sensibilidade e confiabilidade. Conclui-se que, embora ainda enfrentem desafios técnicos, os sensores virtuais constituem um campo em rápida expansão e com elevado potencial para inovação tecnológica e formação científica, inclusive em projetos de iniciação no ensino médio.
Downloads
Referências
CHEN, Yinsheng; WANG, Mingyang; CHEN, Ziyan; ZHAO, Wenjie; SHI, Yunbo. Self-validating sensor technology and its application in artificial olfaction: A review. Measurement, [s. l.], v. 242, p. 116025, jan. 2025. https://doi.org/10.1016/j.measurement.2024.116025.
DEVANE, Declan; HAMEL, Candyce; GARTLEHNER, Gerald; NUSSBAUMER-STREIT, Barbara; GRIEBLER, Ursula; AFFENGRUBER, Lisa; SAIF-UR-RAHMAN, Km; GARRITTY, Chantelle. Key concepts in rapid reviews: an overview. Journal of Clinical Epidemiology, [s. l.], v. 175, p. 111518, nov. 2024. https://doi.org/10.1016/j.jclinepi.2024.111518.
FERRER-CID, Pau; PAREDES-AHUMADA, Juan; BARCELO-ORDINAS, Jose M.; GARCIA-VIDAL, Jorge. Virtual sensor-based proxy for black carbon estimation in IoT platforms. Internet of Things, [s. l.], v. 27, p. 101284, out. 2024. https://doi.org/10.1016/j.iot.2024.101284.
MASCHLER, Benjamin; GANSSLOSER, Sören; HABLIZEL, Andreas; WEYRICH, Michael. Deep learning based soft sensors for industrial machinery. Procedia CIRP, [s. l.], v. 99, p. 662–667, 2021. https://doi.org/10.1016/j.procir.2021.03.115.
PERERA, Yasith S.; RATNAWEERA, D.A.A.C.; DASANAYAKA, Chamila H.; ABEYKOON, Chamil. The role of artificial intelligence-driven soft sensors in advanced sustainable process industries: A critical review. Engineering Applications of Artificial Intelligence, [s. l.], v. 121, p. 105988, maio 2023. https://doi.org/10.1016/j.engappai.2023.105988.
ZOU, Qin-Kai; LI, Qiu-Tong; CHEN, Jian-Zhong; JIN, Tian; WANG, Yu-Ting; ZHANG, Xiao-Dong; GUO, Xin. A bio-inspired neuromorphic olfaction system for highly sensitive and selective gas sensing at room temperature. Sensors and Actuators B: Chemical, [s. l.], v. 443, p. 138198, nov. 2025. https://doi.org/10.1016/j.snb.2025.138198.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
