机器学习集成高量子产量蓝光碳点,用于实时和现场检测地下水和饮用水中的Cr (VI) 含量

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 材料科学 材料科学 材料科学

背景情况:

• 现场监测诸如六价 (Cr(VI)) 等重金属对于确保地下水和饮用水安全至关重要.
• 现有的光探测方法往往缺乏在现实世界水样中检测所需水平的Cr (VI) 的灵敏度.
• 光探测器和机器学习的先前应用主要用于工业检测,而不是饮用水源.

研究的目的:

• 开发一种灵敏,快速的现场检测方法,用于在地下水和饮用水中检测Cr{VI}.
• 将高量子产量化蓝光碳点 (N-BCD) 与机器学习相结合,以提高检测能力.
• 建立一个实用和准确的方法来评估水质关于Cr (VI) 污染.

主要方法:

• 在3分钟内使用微波辅助合成合成了N-doped蓝光碳点 (N-BCDs) 具有高量子产量 (~90%).
• 利用内部波器效应 (IFE) 在1分钟内基于光火的快速检测Cr{\displaystyle Cr{\text{VI}}).
• 应用机器学习模型 (Ridge,XGB,SVR,线性) 使用RGB和Kmeans特征用于Cr (VI) 度的确定.

主要成果:

• 在0-60μg L-1.1范围内的Cr (VI) 达到0.1574μg L-1的低检测极限.
• 使用机器学习预测Cr (VI) 度的高模型适应性 (95.2%).
• 获得了95.71%的地下水和96.81%的饮用水Cr (VI) 识别的高精度.

结论:

• 开发的基于N-BCD的光探测器与机器学习相结合,为现场Cr6检测提供了高度敏感和快速的方法.
• 这种方法显著提高了在地下水和饮用水中检测重金属的实用性.
• 提供了一种新且有效的战略,通过即时Cr (VI) 监控来确保供水安全.