Espectroscopia Raman de doble canal mejorada en superficie integrada con aprendizaje automático para la clasificación...

Área de la Ciencia:

• Química analítica
• Ciencias del medio ambiente
• Espectroscopia

Sus antecedentes:

• La espectroscopia de Raman mejorada por superficie (SERS) es vital para el monitoreo de tintes ambientales.
• La superposición espectral y la variabilidad de la señal dificultan el análisis preciso de mezclas complejas de tintes.

Objetivo del estudio:

• Desarrollar un sistema SERS de doble canal integrado con aprendizaje automático (ML) para mejorar la detección de mezclas de tintes.
• Mejorar la precisión y la eficiencia del análisis de composiciones complejas de tintes en muestras ambientales.

Principales métodos:

• Se utilizan SERS de doble canal con sustratos magnéticos Fe3O4@SiO2-Au para la captura selectiva de tintes aniónicos y catiónicos.
• Se han desarrollado y comparado modelos de aprendizaje automático (LDA, KNN, árbol de decisiones) para la clasificación de datos de SERS.
• Implementó un algoritmo de conjunto multimodel que combina LDA y KNN para una mayor precisión.

Principales resultados:

• El sistema SERS de doble canal capturó efectivamente las mezclas de colorantes de contraste de carga simultáneamente.
• Los modelos LDA y KNN lograron una precisión de clasificación de más del 92% para los tintes mixtos.
• El algoritmo ML conjunto alcanzó una precisión de clasificación del 98% para mezclas complejas de tintes.

Conclusiones:

• El sistema integrado SERS-ML ofrece una mayor precisión y eficiencia para el análisis de tintes.
• Este enfoque reduce la intervención manual, mostrando un gran potencial para la detección de contaminantes ambientales de alta precisión.
• La tecnología es adecuada para aplicaciones en el mundo real en química analítica y monitoreo ambiental.