便携式传感器阵列用于现场检测和区分农药和除草剂,使用多变量分析

科学领域:

• 分析化学 分析化学
• 环境科学 环境科学
• 食品安全 食品安全

背景情况:

• 食品和土壤中的农药和除草剂残留物对环境和公共健康构成重大风险.
• 目前的检测方法可能缺乏复杂样本矩阵所需的灵敏度或选择性.
• 需要快速,可靠的分析工具来监测农业化学污染.

研究的目的:

• 开发一种基于的色素传感器阵列,用于检测和区分农药和除草剂.
• 利用机器学习来处理传感器阵列数据并实现自动化分析.
• 评估传感器阵列在食品和土壤样本中定性和定量确定目标分析物的性能.

主要方法:

• 制造一种基于基的色素传感器阵列,包含各种金属离子.
• 使用多变量分析技术:等级聚类分析 (HCA),主要组件分析 (PCA),线性差异分析 (LDA) 和部分最小平方回归 (PLSR).
• 测试传感器阵列的农药 () 和除草剂 (草甘) 标准和混合物.

主要成果:

• 传感器阵列对各种农药和除草剂表现出明显的光物理反应.
• 机器学习算法成功处理了传感器数据,用于选择性和敏感的分析物识别.
• 在定量分析中实现了高线性相关性 (R2:0.890.96) 和敏感检测极限 (5.311.8 ppm).
• 证明了二进制混合物基和草甘的成功区分.

结论:

• 开发的基于azodye的传感器阵列与机器学习相结合,为农药和除草剂监测提供了一个有前途的方法.
• 该方法提供了一个灵敏,选择性和自动化的平台,用于检测和区分环境和食品样本中的农业化学残留物.
• 这项技术对保护环境质量和公共健康有重大影响.