使用基于纤维素的有机凝传感器在复杂矩阵中快速地在现场检测卡巴里尔,并以机器学习的帮助进行检测

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 材料科学 材料科学 材料科学

背景情况:

• 监测卡巴林杀虫剂残留物对于食品和环境安全至关重要.
• 现有的卡巴里尔检测方法在速度,现场应用和复杂矩阵干扰方面面临挑战.

研究的目的:

• 开发一种快速,现场和准确的传感器,用于复杂矩阵中的卡巴里尔检测.
• 将纤维素有机凝传感器与智能手机成像和机器学习集成,以增强检测.

主要方法:

• 通过使用固定p-aminobenzoic酸的溶剂诱导策略制造稳定的纤维素有机凝传感器.
• 使用卡巴里尔水解产品 (纳夫托尔) 和p-aminobenzoic酸之间的阿佐合反应进行视觉检测.
• 使用你只看一次 (YOLO) 算法通过智能手机进行图像分析,以提高准确性和减少干扰.

主要成果:

• 纤维素有机凝传感器表现出极好的抗矩阵干扰,使其能够在河水,大米,卷心菜和大豆油中直接检测.
• 达到了0.19 mg/kg的低检测极限,可检测高回收率 (>85.2%) 的卡巴里尔.
• 整个检测过程,包括样品预处理,在不到40分钟内完成.

结论:

• 开发的纤维素有机凝传感器为现场卡巴里尔检测提供了可靠和高效的解决方案.
• 机体凝传感和机器学习的结合为环境和食品安全监测提供了一个强大的工具.
• 这种方法克服了传统方法的局限性,促进了快速风险评估.