在Allium tuberosum中检测农药残留的多任务检测,使用基于素染料的色度传感器阵列,与模式识别算法相结合

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 环境科学 环境科学

背景情况:

• 确保食品安全和促进可持续农业需要快速可靠地检测农药残留物.
• (Allium tuberosum) 是一种广泛消费的蔬菜,在这种情况下,农药残留物监测至关重要.

研究的目的:

• 开发一种新的,环保的色度传感器阵列 (CSA),用于检测Allium tuberosum中的农药残留物.
• 通过使用先进的模式识别模型,评估CSA在识别农药类别,度和含量的表现.

主要方法:

• 开发一种CSA,使用九种在凝板上的安东素染料.
• 通过头部空间固态微提取和GC-MS.通过挥发性有机化合物 (pH) 的颜色变化相关性验证.
• 卷积神经网络 (CNN) 和支持向量回归 (SVR) 的应用用于数据分析.

主要成果:

• 美国农药局在分类农药类型方面证明了100%的准确性.
• 度分类的准确性在75%至100%之间.
• 该SVR模型实现了1.02-2.68毫克/公斤的根平均平方误差和0.93-0.95.5的相关系数.

结论:

• 开发的CSA与模式识别相结合,为例行和快速的食品安全检测提供了一个有希望的方法.
• 这种方法可以准确地识别和量化Allium tuberosum中的农药残留物.
• 传感器阵列的环保性质支持可持续的农业实践.