机器学习驱动的表面等离子增强双光谱仪提高了对危险化学品的识别和实时监测

科学领域:

• 分析化学 分析化学
• 频谱学是一种光谱学.
• 纳米技术纳米技术

背景情况:

• 准确识别和实时监测危险化学品仍然是一个重大挑战.
• 现有的光谱方法如SERS和P-DUS在准确性和实时能力方面存在局限性.

研究的目的:

• 开发和演示一种新的双光谱技术,SPEDS,用于增强化学传感.
• 提高危险化学品的准确性和实时监测.

主要方法:

• 通过将SERS和P-DUS结合起来,开发了表面-等离子增强双光谱仪 (SPEDS).
• 使用了等离子金合体系统和各种等离子纳米结构.
• 集成的SPEDS与机器学习算法用于数据分析.

主要成果:

• 使用机器学习的SPEDS实现了98.2%的识别准确率和98.6%的化学品量化准确率.
• 在单个SERS (80.3%,86.5%) 和P-DUS (63.2%,95.1%) 方法中,SPEDS的表现明显优于单个SERS (80.3%,86.5%) 和P-DUS (63.2%,95.1%) 方法.
• 证明了Hg2+在8小时的会话中的强大实时监测,具有良好的反干扰能力.

结论:

• SPEDS是一个多功能和有效的平台,用于准确的化学识别和量化.
• 该技术显示了环境监测,工业安全和公共卫生应用的重大实际潜力.
• SPEDS代表了化学传感技术的尖端进步.