一种新的基于阵列的光传感方法,用于识别和量化基于可区分的交叉响应算法的高灵敏度农药
Jincan Lei1, Shixian Zhao2, Jing Huang3,4
1Chongqing Engineering and Technology Research Center of Intelligent Rehabilitation and Eldercare, Chongqing City Management College, 401331, Chongqing, China.
Journal of fluorescence
|January 8, 2025
概括
一个新的光传感器阵列探测器 (ARF-SAD) 平台可以快速区分和量化常见的农药. 机器学习算法和光指纹图允许在环境样本中准确检测,具有高灵敏度和选择性.
科学领域:
- 环境化学环境化学
- 分析化学 分析化学
- 传感器技术 传感器技术
背景情况:
- 过度的农药残留物威胁着生态和人类健康.
- 准确和快速的检测方法对于监测农药污染至关重要.
- 现有的方法可能缺乏简单性,成本效益或特异性.
研究的目的:
- 开发一种新的,低成本的,精确的传感平台,用于区分和监测常见的农药.
- 使用光变化创建农药快速表征方法.
- 在现实环境样本中验证平台的性能.
主要方法:
- 基于阵列的比率光传感器阵列探测器 (ARF-SAD) 的构建,使用.
- 在农药反应之前和之后获取光数据.
- 机器学习算法的应用 (HCA,PCA,多项式拟合) 用于数据分析.
- 开发一种光指纹地图,用于农药识别.
主要成果:
- ARF-SAD平台成功生成了用于农药特征的独特光变化模式.
- 机器学习使农药及其混合物的准确区分成为可能.
- 该平台表现出良好的灵敏度和选择性,检测极限 (LODs) 低于10ppb.
- 真实样本分析显示,河水中混合农药的回收率高 (86.13%-114.84%) 和RSD低 (3.04%).
结论:
- 开发的探测器是用于农药差异化和定量分析的快速和可行的传感平台.
- 与机器学习集成的ARF-SAD为环境农药监测提供了一个有希望的方法.
- 该平台展示了在农药检测和风险评估方面的实践应用的巨大潜力.
