便携式人工智能驱动的电化学胃口传感器,用于实时检测食品和饮料中的金黄色葡萄球菌

科学领域:

• 电化学 电化学 电化学
• 生物传感器是一种生物传感器.
• 机器学习 机器学习
• 食品安全 食品安全

背景情况:

• 准确和快速检测食物传播的病原体,如金黄色葡萄球菌 (金黄色葡萄球菌) 对于公共卫生至关重要.
• 目前用于S. aureus检测的方法可能耗时,需要实验室设置.
• 需要开发便携式现场检测系统,以实时监测食品安全.

研究的目的:

• 开发一个便携式的电化学感应传感器,与机器学习集成,用于快速地在现场检测S. aureus.
• 评估不同机器学习模型的性能,用于分类金黄色细菌度.
• 为实时细菌检测创建一个用户友好的移动应用程序.

主要方法:

• 使用印碳电极 (SPCE) 用金纳米粒子 (AuNPs) 和一个IsdA特定的aptamer进行修改的电化学适应传感器的制造.
• 从S. aureus添加的食品和饮料样本收集和处理循环电压测量 (CV) 数据.
• 机器学习模型的应用,包括卷积神经网络 (CNN) 和变压器架构,用于数据分析和分类.

主要成果:

• 开发的食感传感器在检测金黄色细菌方面取得了很高的准确性.
• 卷积神经网络 (CNN) 模型表现出卓越的性能,测试准确率为99.21%,测试损失为0.0402.
• 开发了一个Android应用程序,用于在移动设备上实时推断细菌度.

结论:

• 集成的便携式电化学感应传感器和机器学习系统为现场S. aureus检测提供了快速,准确和可扩展的解决方案.
• 该系统在加强食品安全监测和预防食源性疾病方面具有重大潜力.
• 开发的移动应用程序提高了现实应用的检测系统的可用性和可访问性.