近年来，沙尘暴的肆虐和雾霾天气频发，容易引发人体呼吸道疾病甚至癌变。临床医疗报告已经证实，几种癌症的患者可以通过呼出气体进行疾病的早期诊断。以卟啉作为传感器的气体检测系统能够快速准确地与气体反应并产生差值图谱，作为判别气体种类的依据。由于卟啉的高灵敏度，当同种气体进行平行实验时，实验环境和待测气体浓度的细微差异都会导致卟啉差值图谱出现差异。这种现象称为实验结果发散，会影响气体识别的正确率。因此，一种智能的，能以差值图谱的数据为依据对气体进行分类的算法是保证气体检测系统高识别率的关键。本文设计了一种应用于卟啉气体检测系统的气体种类识别算法。该算法以差值图谱的特征提取结果为处理对象，结合粗糙集的数据约简功能与BP神经网络的训练和识别功能，将未知气体样本进行种类识别。在对该算法的可用性和准确性进行验证后，将其以C++语言为开发语言，分别在Windows系统VC++平台和Linux系统的Qt平台编程实现，以加载到卟啉气体检测系统的PC系统软件和嵌入式应用程序中。具体的研究内容包括：(1)结合粗糙集与BP神经网络，利用粗糙集的数据约简功能对气体样本差值图谱的特征值进行约简，再作为BP神经网络的训练输入或者识别输入。避免BP网络陷入局部最小值，提高训练效率和识别精度。(2)对该算法进行验证。包括验证BP网络的性能如训练收敛、识别精度、泛化性等，结果表明本文所构造的网络的上述性能良好；通过对比三种气体的聚类分析结果与本文设计的算法的识别结果，可以证明该算法在实验结果发散时也能保持较好的识别率。(3)分别对该算法的识别程序和训练程序进行功能需求分析以及架构设计，以VC++为平台进行编码，实现了本文设计的气体种类识别程序模块，并加载到卟啉气体检测系统在PC机上的运行软件中，完善了该软件的功能。(4)将PC机上的卟啉气体检测系统软件的气体种类识别模块的识别程序按照嵌入式C程序规范进行了改写，并移植到嵌入式检测系统应用程序中。同时提取PC上训练程序的训练结果并移植，使其能结合识别程序完成气体种类识别。解决了嵌入式仪器神经网络算法训练的工程化移植与应用问题。