伴随生活水平的提高，室内有毒且易挥发有机物对空气的污染越来越严重，直接威胁着人们的身体健康。目前国内检测气体的手段主要以实验室化学分析为主，但这些方法的设备都因体积庞大且价格昂贵而无法实现应用推广。电子鼻因具有操作简单、分析快速、可便携、成本低等优点，已被广泛应用于新型气体/气味分析仪器。本课题选用性能稳定的MOX金属氧化物传感器来研究传感器阵列对气氛的检测。为实现传感器阵列在污染气体检测的应用研究，本文设计了一套光催化降解与气体检测相融合的装置。该装置主要包括气体光催化降解单元、气体检测单元和气体循环系统。整个装置的光催化降解和气体检测均由LabVIEW程序控制，实现了对光催化降解过程中气氛的全自动检测。通过相关实验验证搭建的该光催化降解与传感器检测装置具有好气密性和稳定性，同时设定了整个实验流程和参数。本文运用该光催化降解与检测装置对P25/UV光催化降解甲醛和甲苯的过程进行气氛的实时检测，并以红外光声谱气体监测仪测试所得数据作为标准对获取的传感器数据进行分析。研究结果表明，单传感器通过特征学习和拟合的方法对降解效率的评定误差在16%左右。传感器阵列通过这种单纯的特征学习和拟合的方法是无法实现对气氛浓度的识别，但通过BP神经网络学习传感器阵列数据与1412数据的对应关系后，就可以单独判断任意浓度甲醛/甲苯的P25/UV光催化降解的降解效率，预测误差在5%以下。该方法具有重要的实用意义。