Entwicklung einer elektronischen Nase für Asphaltgerüche

Asphalt wird in grossen Mengen für den Strassenbau eingesetzt. Bei seiner Herstellung entstehen Geruchsemissionen, insbesondere durch bodennahe Quellen wie die LKW-Beladung und Bitumen-tanks. Aktuell können solche Gerüche nur durch menschliche Probandinnen und Probanden er-fasst werden – ein aufwändiges und unregelmässiges Verfahren.

Ziel des Projekts war die Entwicklung eines automatisierten Detektions- und Erfassungssystems von Asphalt-Geruchsimmissionen mithilfe sogenannter elektronischer Nasen (E-Nasen). Im Projekt kamen ECO-Lab-Sensorsysteme (Metalloxidhalbleiter-Gassensoren) der Firma 3S-Technologies zum Einsatz, die über temperaturgesteuerte Messzyklen einen chemischen Fingerabdruck des Luftgemisches aufnehmen. Diese Daten wurden mit Methoden des Machine Learning ausgewertet.

Für das Training der Modelle wurden Proben aus zwei Asphaltmischwerken verwendet, deren Ge-ruchsstoffkonzentrationen durch olfaktorische Messungen ermittelt wurden. Es wurden 24 Misch-proben pro Werk erstellt und zusätzlich mit Feuchtigkeit, gefilterter Luft und Störgasen variiert. Die Proben wurden von geschulten ProbandInnen auf einer Geruchsskala bewertet und als Trainings-daten genutzt.

Das leistungsfähigste Modell wurde identifiziert, crossvalidiert und in Feldversuchen getestet. Da-bei wurde der Sensor mobil durch geruchsbelastete Gebiete getragen, zeitgleich mit der Geruchs-bewertung durch ProbandInnen. Die Resultate zeigten, dass Asphaltgerüche durch die E-Nasen grundsätzlich erkannt werden können. Es zeigte sich aber auch, dass Asphaltgerüche häufig in kurzzeitig anhaltenden Geruchsphasen auftreten, und dass diese Phasen nur unzuverlässig er-kannt wurden, da in diesen Fällen die Geruchsexposition die Dauer eines Messzyklus des Sensors unterschritt.

Das Projektziel, eine verlässliche Erfassung von Häufigkeit und Intensität der Geruchsimmissionen, wurde bislang nicht erreicht. Künftig soll ein neues Sensor-Array entwickelt werden, bei dem meh-rere Sensoren phasenversetzt arbeiten, um die Erkennungszeit auf bis zu 10 Sekunden zu reduzie-ren. Damit soll die Sensitivität und Reaktionszeit des Systems verbessert werden.

Die bisherigen Ergebnisse zeigen das Potenzial der Technologie, bedingen jedoch eine Weiterent-wicklung. Die OST plant, das System zu optimieren und auf andere Anwendungsbereiche wie Landwirtschaft, Kläranlagen und Industrie auszuweiten. Das grosse Interesse von Behörden und Betreibern bestätigt den Bedarf.