相关实验视频
Updated: Jul 17, 2026
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
22.3K
综合表面增强的拉曼光谱和机器学习用于识别和量化水果果汁中的多杀虫剂残留物
Shen Jiang1, Qiuyun Li1, Xubin Quan1
1State Key Laboratory of Frigid Zone Cardiovascular Diseases (SKLFZCD), College of Pharmacy, Harbin Medical University, Baojian Road No. 157, Harbin 150081, Heilongjiang, China.
Food chemistry
|November 21, 2025
概括
这项研究引入了一种使用表面增强拉曼光谱 (SERS) 和机器学习 (ML) 的新方法,用于快速准确地检测果汁中的农药,达到99.56%的准确性.
科学领域:
- 分析化学 分析化学
- 食品科学 食品科学 食品科学
- 纳米技术纳米技术
背景情况:
- 果汁中的农药残留物构成了严重的食品安全问题.
- 准确而敏感的检测方法对于监控和监管至关重要.
研究的目的:
- 开发一个新的表面增强拉曼光谱 (SERS) 平台,与机器学习 (ML) 集成,用于在果汁中快速,灵敏和分辨性地分析多目标农药残留物.
- 为了实现对农药的超高灵敏度检测和在复杂的果汁矩阵中识别农药类型的高精度.
主要方法:
- 制造一个核心外Au@AgCNCs纳米结构,通过局部表面等离子体共振和离子诱导聚合来放大拉曼信号.
- 机器学习 (ML) 算法的应用,特别是支持向量回归 (SVR),用于多目标农药残留分析.
- 在纯农药光谱上训练ML模型,并在加果汁样本上进行验证测试.
主要成果:
- 五种农药的超高灵敏度检测,检测极限低至2.7 pM.
- 使用ML算法在复杂的果汁矩阵中识别农药类型的准确率达到了99.56%.
- 具有SVR的多成分农药残留物的定量分析,显示回收率在94.2%至106.1%之间.
结论:
- 集成的SERS和ML平台提供了一个强大的工具,用于在果汁中进行敏感和准确的农药残留分析.
- 这种方法显著提高了检测精度,并简化了食品安全监测的分析工作流程.
- 通过有效的残留物管理,证明了确保食品安全和支持可持续农业实践的巨大潜力.
