基于机器学习的3D等离子体纤维素传感器用于在水样中的双化合物的SERS快速检测
Ruili Li1, Yuyang Hu1, Xiaotong Sun1
1College of Chemistry and Chemical Engineering, Central South University, Changsha, 410083, China.
Talanta
|July 10, 2023
概括
一个使用3D等离子体纤维素和机器学习的新型传感器准确地检测水中的微量双 (BPs). 这种方法通过改善双A (BPA),双S (BPS) 和双F (BPF) 识别来提高水质监测.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
背景情况:
- 在复杂的水样中检测微量双 (BPs) 是具有挑战性的,因为它们的度低,结构相似.
- 现有的方法往往难以准确,需要主观的解释.
研究的目的:
- 开发一种快速准确的方法来识别和量化真实水样中的双.
- 创建一个传感器,将先进的材料与机器学习相结合,以提高检测能力.
主要方法:
- 合成的3D等离子纤维素封装在金纳米粒子 (Au@CTSA) 中,用于增强的表面增强拉曼光谱 (SERS).
- 利用溶剂挥发性沉积物进行现场提取,并在Au@CTSA微球内缩BP.
- 应用机器学习算法来分析SERS光谱,以客观和准确地识别BP.
主要成果:
- 由于改善了"热点"的形成,Au@CTSA传感器表现出了优异的SERS检测BP.
- 机器学习分析通过分析光谱配置文件显著提高了双二醇识别的准确性.
- 在水样中成功检测出微量双A (BPA),双S (BPS) 和双F (BPF) 的含量.
结论:
- 开发的机器学习驱动的Au@CTSA传感器为定量双检测提供了一个灵敏而准确的平台.
- 这种方法为有效的水质监测提供了简单的指标.
- 这项研究提高了环境污染物检测的分析能力.
