智能手机集成的分子印记传感器与卷积神经网络,用于现场检测诺夫洛克萨
Yuge Chen1, Jinjie You1, Qin Li1
1State Key Laboratory for Quality and Safety of Agro-products, School of Marine Sciences, Ningbo University, Ningbo, 315211, PR China.
Analytica chimica acta
|March 1, 2026
概括
一个新的便携式传感器结合了光和深度学习,以快速检测诺夫洛克萨 (NOR). 这项技术可以在生物样本中进行敏感的现场抗生素监测,确保水产品的安全.
科学领域:
- 分析化学 分析化学
- 生物医学工程 生物医学工程
- 环境科学 环境科学
背景情况:
- 诺夫洛克萨 (NOR) 是一种广泛使用的抗生素,具有潜在的环境和健康问题.
- 准确和快速的检测方法对于监测各种矩阵中的NOR水平至关重要.
- 现有的方法往往缺乏便携性,速度或现场功能.
研究的目的:
- 开发一个便携式传感平台,快速地在现场检测诺夫洛克萨.
- 将双排放分子印记光传感器与深度学习模型集成在一起.
- 验证平台在生物样本中的性能,用于抗生素监测.
主要方法:
- 开发了一种新型的光传感器探测器Ir-NOR@MIP-CdSe@ZnS.
- 传感器与卷积神经网络 (CNN) 模型进行数据分析.
- 构建一个小型的,3D打印的便携式光传感平台.
- 使用智能手机捕获的光图像优化CNN模型.
主要成果:
- 实现了高灵敏度的NOR检测 (0.010-15.0 mg/L),检测时间为5分钟.
- 证明了出色的抗干扰能力和长期稳定性.
- CNN模型有效地纠正了环境干扰,并超越了传统的RGB分析.
- 在生物样本中进行定量检测,组织检测极限为0.53μg/kg,恢复率高 (88.0%-110.0%).
结论:
- 开发的便携式传感平台为Norfloxacin检测提供了快速而灵敏的解决方案.
- 深度学习与光感应的整合提高了准确性,并纠正了环境因素.
- 这项技术为水产产品安全保证中的抗生素残留监测提供了宝贵的支持.
