机器学习驱动的基于金属氧化物的便携式传感器阵列,用于现场检测和区分玉米样本中的真菌毒素
Ranbir1, Gagandeep Singh2, Navneet Kaur3
1Department of Chemistry, Indian Institute of Technology Ropar, Rupnagar, Punjab 140001, India.
Food chemistry
|November 8, 2024
概括
一个新的传感器阵列有效地检测和区分五种有害的真菌毒素在玉米样本在现场. 这一进步通过为谷物和料提供快速,可靠的真菌毒素监测来确保食品安全.
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:
- 谷物,谷物和料的真菌污染是一个重大问题.
- 由真菌产生的真菌毒素对食品质量,安全和人类健康构成风险.
- 快速的现场检测方法对于有效的食品安全监测至关重要.
研究的目的:
- 开发一种高效的传感器阵列,用于在现场检测和分离玉米中的真菌毒素.
- 为了利用基于的金属复合物用于真菌毒素传感的等级修饰金属氧化物.
- 通过可靠的真菌毒素分析,确保食品安全和质量.
主要方法:
- 使用层次修改的金属氧化物和基于的金属复合物的传感器阵列的制造.
- 使用先进的分析技术对功能化材料进行表征.
- 使用传感器阵列和线性差异分析 (LDA) 检测和差异化五种真菌毒素.
主要成果:
- 传感器阵列在检测和区分五种不同的真菌毒素方面实现了100%的效率.
- 线性差异分析 (LDA) 评分图验证了数组的性能.
- 对于真菌毒素,检测极限在0.02至0.09ppm之间.
- 传感器阵列在真实样本中的二进制和三进制真菌毒素比率中显示出100%的准确性.
结论:
- 开发的传感器阵列为在现场检测玉米中的真菌毒素提供了高效和准确的解决方案.
- 这种技术对于确保谷物和料的安全性和质量至关重要.
- 传感器阵列为快速监测和分离食品安全提供了可靠的工具.
