机器学习辅助混合BK7/Ag/WS2/GaN/ZrN/石墨烯SPR生物传感器用于无标记脑肿瘤折射率传感的设计与优化

数据集获取

源站：https://doi.org/10.5281/zenodo.23212475

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

该数据集包含25个CSV数据文件和24,831条记录，涵盖相关数值研究中检测的混合BK7/Ag/WS2/GaN/ZrN/石墨烯SPR传感器的吸收、共振响应、电场分布、传感指标及机器学习性能。氢经济的发展——电解槽、氢化物和液态载体储氢、氢气掺入燃气管网以及加氢基础设施——正推动氢从实验室规模应用走向工业设施和人口密集区域。氢气无色无味，在空气中的体积浓度为4–75%时即可燃，点火能量约为0.02 mJ。因此，可靠的泄漏检测、工艺介质的在线监测以及新型储氢材料的快速表征是安全扩大规模的前提条件，而非可有可无的附加项。

在这一环境中，已有的传感原理存在固有局限：催化（热导）式传感器需要氧气并依赖加热元件工作；金属氧化物半导体（MOX）传感器需要高温且易受交叉灵敏度影响；电化学电池则存在漂移且使用寿命有限。光学等离子体传感器提供了一种无需电力、抗电磁干扰、并可通过光纤复用实现远程询问的传感点——这些特性在潜在爆炸性环境（IEC 60079）及大型工业设施中至关重要。表面等离子体共振（SPR）传感器的性能并非由单一“智能”材料决定，而是由其组成层与光学配置之间的相互作用所决定。等离子体金属、超薄二维及介电中间层、顶部功能层、波长以及耦合光学元件构成了一个耦合设计空间，其中包含五个或更多厚度参数以及材料选择。该空间中的每一个点都要求

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。