一个支持深度学习的智能手机平台,用于快速和灵敏的色度检测二甲酸农药

科学领域:

• 分析化学 分析化学
• 生物技术是生物技术.
• 计算机科学 计算机科学

背景情况:

• 颜值测量阿普坦生物传感器提供了敏感的检测方法.
• 智能手机集成可以提高生物传感平台的便携性和可访问性.
• 深度学习模型,特别是卷积神经网络 (CNN),在分析复杂的视觉数据方面表现有前途.

研究的目的:

• 开发一个新的深度学习智能手机平台,用于快速和灵敏地检测农药二甲酸盐.
• 整合一个色度测量阿普坦生物传感器与CNN模型,以准确量化农药.
• 创建一个用户友好的智能手机应用程序,用于现场检测二甲酸盐.

主要方法:

• 采用了一种色度测量型阿普坦生物传感器,利用金纳米颗粒 (AuNPs) 的聚合,并在二甲酸盐结合时产生颜色变化 (红色到蓝色).
• 用智能手机捕捉了色度反应的图像.
• 在这些图像上训练了一个卷积神经网络 (CNN) 模型,以预测二甲酸盐度.
• 美国有线电视新闻网的模型被嵌入到一个智能手机应用程序中,用于离线实时分析.

主要成果:

• 开发的平台在二甲酸盐检测中实现了高精度,在0-10μM度范围内回归系数为0.9992.
• 智能手机应用程序的性能与酶链接免疫吸收检测 (ELISA) 套件相提并论.
• 该系统能够在15分钟内在现实环境中离线检测二甲酸盐农药.

结论:

• 配色阿普坦生物传感器和基于智能手机的深度学习的结合为农药检测提供了强大的方法.
• 开发的平台是便携式,负担得起的,用户友好的,使其适合非专家.
• 这项技术在现场环境监测和食品安全应用方面具有重大潜力.