通过SERS和1D卷积神经网络快速识别和定量分析鱼类中的马拉绿色
Zhaoyi Zhang1, Hefu Li1, Lili Huang1
1School of Physical Science and Information Technology, Key Laboratory of Optical Communication Science and Technology of Shandong Province, Liaocheng University, Liaocheng 252000, PR China.
概括
一个新的护理点测试 (POCT) 平台使用灵活的表面增强拉曼散射 (SERS) 基板和深度学习来快速检测鱼类中的马拉绿 (MG). 这种方法通过准确量化MG残留物来确保食品安全.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 食品科学 食品科学 食品科学
背景情况:
- 确保水产养殖中的食品安全需要快速准确地检测诸如马拉绿 (MG) 等污染物.
- 现有的MG检测方法可能耗时或缺乏可移植性的现场分析.
- 开发先进的传感平台对于有效监控食品供应链至关重要.
研究的目的:
- 开发一个点照顾测试 (POCT) 平台,用于在鱼类中快速和定量检测马拉绿 (MG).
- 创建一个灵活和透明的表面增强拉曼散射 (SERS) 基板,用于增强信号检测.
- 整合一个深度学习模型来准确量化MG度.
主要方法:
- 使用聚二甲基 (PDMS) 上的银 (Ag) 薄膜的激光分子束表 (LMBE) 制造柔性和透明的SERS基底.
- 在现场检测鱼上的MG残留物,使用纹的Ag NPs/PDMS薄膜和便携式拉曼光谱仪.
- 开发和应用一维卷积神经网络 (1D CNN) 模型,用于对MG度进行定量分析.
主要成果:
- 纹的Ag NPs@PDMS薄膜显示出高SERS活性,优异的可重复性和良好的机械稳定性.
- 该平台实现了MG的最低可检测度为10-6M.
- 1D CNN模型表现出卓越的预测性能,R2 = 0.9947和MSE = 0.0104用于MG量化.
结论:
- 开发的POCT平台结合了灵活的SERS基板和1D CNN模型,为快速检测鱼类MG提供了有效的策略.
- 这一综合系统为定量分析和MG残留物识别提供了可靠的工具,增强了食品安全保证.
- SERS基板的透明性和灵活性,加上深度学习,为现场监测食品污染物提供了有前途的方法.
