โครงการวิจัยนี้เป็นโครงการที่จัดทำขึ้นเพื่อส่งเสริมและสนับสนุนเทคโนโลยีทางด้านจมูก อิเล็กทรอนิกส์ ซึ่งเป็นเทคโนโลยีที่กำลังเป็นที่สนใจจากวงการต่าง ๆ อาทิเช่น การตรวจสอบและ ควบคุมคุณภาพสินค้าการเกษตร การตรวจวัดคุณภาพอากาศ เป็นต้น โครงการนี้ได้ทำการพัฒนา เครื่องต้นแบบของจมูกอิเล็กทรอนิกส์ที่สามารถใช้ตรวจวัดได้ทั้งในสภาวะแวดล้อมแบบเปิดและแบบปิด โดยอาศัยเทคโนโลยีก๊าซเซ็นเซอร์หลายตัวมาใช้ในการสร้างรูปแบบที่แตกต่างกันของกลิ่น (ก๊าซ) หลาย ชนิด ซึ่งในเครื่องต้นแบบนี้ได้ใช้เซ็นเซอร์ทั้งหมด 9 ตัวประกอบด้วยก๊าซเซ็นเซอร์ชนิดสารกึ่งตัวนำ โลหะออกไซด์ 7 ตัว เซ็นเซอร์สำหรับตรวจวัดความชื้น 1 ตัว และสำหรับตรวจวัดอุณหภูมิ 1 ตัว นอกจากตัวเครื่องต้นแบบแล้ว งานวิจัยนี้ยังได้พัฒนาโปรแกรมที่ใช้สำหรับวิเคราะห์ข้อมูลที่ได้จากเครื่อง จมูกอิเล็กทรอนิกส์โดยอาศัยเทคนิคการรู้จำรูปแบบเข้ามาประยุกต์ใช้ในการจำแนกชนิดของกลิ่นที่ ตรวจวัด เทคนิคที่ใช้คือวิธีการวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis หรือ PCA) โดยใช้ หลักการกำหนดขอบเขตของกลุ่มข้อมูลที่ต้องการจำแนก และตรวจดูความทับซ้อนกันของข้อมูลเพื่อ จำแนกชนิดของข้อมูลได้ ซึ่งโปรแกรมนี้จะทำการรับข้อมูลสัญญาณจากเครื่องจมูกอิเล็กทรอนิกส์แล้วทำ การหาคุณลักษณะพิเศษ จากนั้นโปรแกรมจะทำการวิเคราะห์องค์ประกอบหลักจากคุณลักษณะที่ได้ และจะจำแนกประเภทของกลิ่นโดยอาศัยการเปรียบเทียบข้อมูลกับโมเดลของกลิ่นที่ได้สร้างไว้ล่วงหน้า แล้ว This project has been proposed for the improvement of electronic nose technology, which is nowadays being focused on by many fields such as quality control of agricultural products and environment monitoring. A prototype of electronic nose was developed to be capable of detecting gas (or smell) in both open and closed system. It employs a sensor array technology to make different patterns of gases in order to obtain more accurate classification results. Nine sensors are employed in the sensor array consisting of 7 metal oxide gas sensors, 1 humidity sensor and 1 temperature sensor. In addition to the prototype, an analysis program for electronic nose data was also developed to visualize classification results. The program applies pattern recognition techniques for the classification of gas detected by the electronic nose. The technique of principal component analysis (PCA) is employed in this program. Receiving signals from the electronic nose, the program performs a feature extraction using the average maximum and the average minimum values of each period of the signal. The PCA, then, is performed to build a PCA space for the data. Finally, decision boundaries are derived and Euclidean distances among the data points are used for the data classification.