用表面增强的拉曼光谱学对水中的德尔塔美林残留物的定量分析.
Xiaorong Sun1, Leran Xuan1, Cuiling Liu1
1Beijing Key Laboratory of Big Data Technology for Food Safety, Beijing Technology and Business University, Beijing 100048, China; Key Laboratory of Industry Industrial Internet and Big Data, China National Light Industry, Beijing Technology and Business University, Beijing 100048, China.
在水中检测微量德尔塔米特林杀虫剂是一项挑战. 这项研究引入了一种新的方法,将表面增强的拉曼光谱 (SERS) 与增强的深度神经网络相结合,用于高度敏感和准确的农药残留分析.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 德尔塔美林杀虫剂的使用构成全球公共卫生风险.
- 由于其无色无味的性质,很难在水中检测出痕迹的德尔塔米特林.
- 准确的定量检测农药残留物仍然是一个重大的技术挑战.
研究的目的:
- 开发一种高度敏感和准确的定量分析方法,用于微量德尔塔米特林.
- 克服农药检测传统分析方法的局限性.
- 为环境污染物监测提供创新的技术解决方案.
主要方法:
- 表面增强的拉曼光谱 (SERS) 与增强的深度神经网络的整合.
- 开发一个CNN-GRU-Attention混合神经网络用于结构增强.
- 使用多维特征注意力聚焦和时间依赖建模.
主要成果:
- 增强的CNN-GRU-Attention模型显著超过了传统方法 (PLSR,SVM,基本的CNN).
- 在R2=0.9827和RMSE=0.3896.6的情况下,取得了优异的预测性能.
- 与传统方法相比,准确度提高了8%,错误率降低了40%.
结论:
- SERS和增强的深度学习的融合战略有效地解决了在微量农药检测中的灵敏度限制.
- 拟议的方法为精确监测环境污染物提供了一种创新的技术途径.
- 这种方法显著提高了deltamethrin残留分析的准确性和灵敏性.
更多相关视频
03:33Author Spotlight: Development and Application of SERS Flexible Substrates Using Synthesized AgNPs
Published on: November 17, 2023
05:46Identification of Pharmaceuticals in The Aquatic Environment Using HPLC-ESI-Q-TOF-MS and Elimination of Erythromycin Through Photo-Induced Degradation
Published on: August 1, 2018
