Ag@CDS SERS基底与线形校正算法和BP神经网络相结合,用于检测饮料中的西拉姆
Yu Shen1, Qian Ou1, Ya-Qi Yang1
1College of Chemistry and Chemical Engineering, Guangxi Minzu University, Nanning, 530006, China; Key Laboratory of Chemistry and Engineering of Forest Products, State Ethnic Affairs Commission, Nanning, 530006, China; Guangxi Key Laboratory of Chemistry and Engineering of Forest Products, Guangxi Collaborative Innovation Center for Chemistry and Engineering of Forest Product, Guangxi Minzu University, Nanning, 530006, China; Laboratory of Optic-electric Chemo/Biosensing and Molecular Recognition, Education Department of Guangxi Zhuang Autonomous Region, Guangxi Minzu University, Nanning, 530006, China.
一个新的直线形状校正算法 (LCA) 增强了表面增强的拉曼散射 (SERS) 分析,用于检测饮料中的提拉姆残留物. 该方法提高了预测准确度,使污染物的敏感和可靠量化成为可能.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 材料科学 材料科学 材料科学
背景情况:
- 表面增强拉曼散射 (SERS) 为化学分析提供了高灵敏度,但在从复杂的光谱中提取有意义的数据方面面临挑战.
- 开发可靠的光谱预处理方法对于使用SERS准确量化至关重要.
研究的目的:
- 开发一种新的光谱预处理算法,即线形调整算法 (LCA),用于SERS分析.
- 为了创建一个复合SERS基板 (Ag@CDS) 增强"热点"以改善分析物检测.
- 使用开发的SERS基质和LCA.量化检测各种饮料中的提拉姆残留物.
主要方法:
- 通过在二甲基粉 (Ag@CDS) 中封装银纳米颗粒来制造复合式SERS基底.
- 为SERS光谱预处理开发和应用直线形状校正算法 (LCA).
- 使用反向传播 (BP) 神经网络回归模型对提拉姆残留物的定量分析.
主要成果:
- Ag@CDS基板为SERS检测提供了密集的"热点".
- LCA显著提高了BP模型在果汁,葡萄汁和牛奶中探测兰的预测性能 (Rp2从0.24-0.56增加到0.91-0.93).
- 优化的模型实现了低检测极限 (1.0 × 10 - 7 M) 的,远低于监管限制.
结论:
- 开发的LCA是一种有效和用户友好的方法,用于预处理SERS光谱,增强定量分析.
- Ag@CDS基板与LCA相结合,为检测食品和饮料中的iram残留物提供了一个敏感和可靠的平台.
- 这种方法表明了SERS集成基板设计和光谱处理算法用于微量污染物分析的潜力.
更多相关视频
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
03:33Author Spotlight: Development and Application of SERS Flexible Substrates Using Synthesized AgNPs
Published on: November 17, 2023
