从光成像到智能量化:使用机器学习增强的Ratiometric探针在食品样本中检测Al3+的自动化和智能化平台
Xu Liu1, Qinghui Bu1, Zheng Cheng1
1College of Chemistry and Chemical Engineering, Henan Key Laboratory of Function-Oriented Porous Materials, Luoyang Normal University, Luoyang 471934, China; College of Food and Bioengineering, Henan University of Science and Technology, Luoyang 471022, China.
Food chemistry
|March 6, 2026
概括
本研究介绍了使用光和神经网络检测离子 (Al3+) 的智能平台. 该系统提供快速,选择性和准确的Al3+传感,适用于高通量分析.
科学领域:
- 分析化学 分析化学
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
背景情况:
- 准确检测离子 (Al3+) 对于环境和食品安全监测至关重要.
- 现有的Al3+检测方法可能耗时,需要专门的设备.
- 需要开发快速,选择性和用户友好的传感平台.
研究的目的:
- 开发一个用于Al3+传感的智能检测平台.
- 整合一个比度光探测器,智能手机成像和前神经网络 (FFNN) 算法.
- 为了实现快速,选择性和自动化的Al3+量化.
主要方法:
- 合成了一种呈现Al3+结合时颜色转变的比度光探针.
- 智能手机成像捕获的光图像,处理以提取RGB值.
- 一个三层FFNN模型被训练并验证用于预测Al3+度.
主要成果:
- 探测器显示了广泛的线性范围 (0.1-100μM),高选择性,低检测极限 (11.6μg/kg) 和快速响应 (30秒).
- 对于Al3+度,FFNN模型实现了高预测性能 (R2 > 0.997).
- 该平台在粉面条中展示了精确的Al3+检测,其回收率高 (98.60%-102.2%).
结论:
- 集成平台为自动Al3+传感提供了用户友好,快速和有效的解决方案.
- 这种方法可以在无人驾驶条件下对大型样本集进行高通量分析.
- 结果与标准ICP-MS方法一致,验证了平台的准确性.
