机器学习辅助构建一个素碳点传感器阵列,用于检测食品染料
Xinyu Wang1, Junru Huo1, Haolun Gu1
1State Key Laboratory of Woody Oil Resources Utilization, College of Chemistry, Chemical Engineering and Resource Utilization, Northeast Forestry University, Harbin 150040, China.
Food chemistry
|November 7, 2025
概括
一个使用宁碳点的新光传感器阵列提供了准确的,耐干扰的食品染料检测. 这种绿色,具有成本效益的方法有望在现场进行实际的食品安全监测.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 食品科学 食品科学 食品科学
背景情况:
- 合成食品染料带来风险,需要可靠的安全监测.
- 目前的方法,如染色体学是昂贵的,需要专业知识.
- 开发具有成本效益,敏感的检测技术是必不可少的.
研究的目的:
- 开发一种新的,耐干扰的传感器阵列,用于食品染料检测.
- 研究表面化学在传感器性能中的作用.
- 为了证明基于素的碳点在实际食品安全应用中的潜力.
主要方法:
- 制造一个三通道光传感器阵列,使用胺合的素碳点 (CD).
- 逐步化学修改CD,以研究表面化学对光反应的影响.
- 使用化学计量 (HCA,LDA,PCA) 进行数据分析和色素区分.
主要成果:
- 传感器阵列在盲测试中准确区分了四种常见的食品染料 (100-300μM),准确度接近100%.
- 与单通道系统相比,多通道阵列表现出了卓越的性能.
- 系统的化学修饰阐明了功能群对着色剂识别的贡献.
结论:
- 基于素的碳点是有希望的绿色和具有成本效益的传感材料.
- 开发的多通道光策略提供了强大的现场食品染料监测.
- 这种方法为传统的高成本分析技术提供了可行的替代方案.
