智能手机辅助的纳米酶色度传感器阵列结合了"图像分割-特征提取"深度学习,用于检测不和脂肪酸

科学领域:

• 分析化学 分析化学
• 材料科学 材料科学 材料科学
• 生物技术是生物技术.

背景情况:

• 检测不和脂肪酸 (UFA) 的传统方法往往耗时,需要大量的样品准备,并依赖于昂贵的仪器仪表.
• 需要快速,具有成本效益和便携性的分析工具来进行UFA分析,用于各种应用,包括食品质量控制.

研究的目的:

• 开发一个智能平台,方便且低成本地对不和脂肪酸 (UFA) 进行定性和定量分析.
• 将智能手机辅助的色度传感器阵列 (CSA) 与深度学习相结合,以增强UFA检测能力.

主要方法:

• 开发一种使用MnO2纳米酶的CSA,通过使用Ag,Pd和Pt进行兴奋剂增强,模仿哺乳动物的嗅觉系统.
• 实施"图像细分-特征提取"深度学习 (ISFE-DL) 方法,使用MobileNetV3小型模型进行多组件定量分析.
• 使用智能手机应用程序"快速查看"和"智能分析大师"进行数据采集,处理和一键量化.

主要成果:

• 该CSA成功地区分了油酸 (OA),酸 (LA) 和α-酸 (ALA),包括它们的混合物和各种食用油.
• 使用ISFE-DL模型,OA (0.9969),LA (0.9668) 和ALA (0.7393) 获得了高的确定系数.
• 该平台展示了驼花油 (CAO) 的有效差异化和伪造样本的检测.

结论:

• 开发的智能平台为UFA的快速定性和定量分析提供了创新和高效的方法.
• 基于智能手机的CSA和ISFE-DL的组合为传统分析方法提供了低成本,便携和敏感的替代方案.
• 这项技术有可能分析具有相似特性的其他化合物,从而扩大其适用性.