使用可适应形状的灵活SERS基板与深度学习相结合,快速检测和定量分析水果中的西拉姆
Hongjun Wang1, Ziyang Bian1, Yue Wang1
1School of Physical Science and Information Engineering, Liaocheng University, Liaocheng, 252000, PR China. lihefu@lcu.edu.cn.
Analytical methods : advancing methods and applications
|February 10, 2025
概括
一种新的灵活的SERS基板与深度学习相结合,可以准确地检测水果表面上的杀虫剂蒂拉姆. 这项技术为不规则的产品提供了快速,灵敏和可重复的食品安全分析.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
背景情况:
- 食品安全至关重要,需要快速检测水果上的农药残留物.
- 传统的农药检测方法可能耗时,并且可能与不规则的表面作斗争.
研究的目的:
- 开发一种灵活的表面增强拉曼散射 (SERS) 基板,用于在水果表面检测兰杀虫剂.
- 将这种SERS基底与用于定量分析的深度学习算法集成.
主要方法:
- 使用银纳米粒子 (Ag NPs) 在波纹聚甲基 (PDMS) 薄膜上制造可适应形状的SERS基材.
- 使用Ag NPs@PDMS基质检测番茄和蓝皮上的蒂拉姆.
- 开发和应用一维卷积神经网络 (1D CNN) 用于对SERS信号进行定量分析.
主要成果:
- 灵活的SERS基板表现出高灵敏度,检测到iram的度低至10-7M.
- 基板在曲面水果表面上保持了一致的SERS活性和稳定性.
- 1D CNN模型实现了定量蒂拉姆分析的高精度 (R2=0.9905,RMSE=0.1364).
结论:
- 灵活,可适应形状的SERS基板和1D CNN算法的组合提供了一个有前途的方法,用于快速准确地检测水果中的thiram.
- 这一综合系统通过在各种水果表面提供敏感和可重复的农药残留分析来增强食品安全监测能力.
