（方国强/文图）近日，哈工大航天学院/郑州研究院光子传感研究团队创新性使用TLC-SERS光谱结合机器学习，实现了农药混合物的自动识别。研究成果以论文形式发表在Journal of Hazardous Materials（IF:13.6），题目为Automated identification of pesticide mixtures via machine learning analysis of TLC-SERS spectra（通过对TLC-SERS光谱进行机器学习分析实现农药混合物的自动识别）。该研究成果有望为农产品安全检测提供便利，以降低农药混合物残留对人类健康和环境的潜在风险。
以下为该论文详细情况：
农药混合使用是现代农业生产中的常见现象，多种农药残留可能会产生相互强化的毒性从而进一步危害人类健康。表面增强拉曼散射技术与薄层色谱（TLC-SERS）相结合已被应用于药品及食品中的成分检测。然而，由于TLC技术不能保证混合物的完全分离以及人工光谱分析的主观性，TLC-SERS技术在农药混合物中成分的准确识别方面仍需要进一步优化。
针对上述问题，团队开发了一种自动、准确、高效的TLC-SERS传感基底用于复杂混合物中多种分析物的检测。首先，采用界面自组装方法在TLC板表面组装Ag纳米粒子来制备具有高灵敏度和混合物分离检测的SERS基底。通过沿着TLC板路径进行一维SERS光谱的采集，生成混合物溶液中所有物质的TLC-SERS光谱。然后，卷积神经网络（CNN）分类模型和光谱角度（SA）相似度模型对TLC-SERS光谱数据进行分析。与传统的人工分析方法相比，所提出的机器学习算法是对TLC-SERS光谱数据的空间和光谱信息的整体分析，而不是仅依靠主要的拉曼特征峰便确定光谱信息。此外，只需采集一次纯分析物的SERS光谱作为标准光谱，就可以应用于各种混合物的自动识别，这大大提高了所提方法的可扩展性。最重要的是，当算法模型训练成功后，在个人计算机上的执行时间小于5 min，这对快速检测非常重要。因此，这种自动化、客观的TLC-Ag SERS光谱分析技术有望在农药混合物的检测领域中受到青睐。
哈工大为第一通讯单位。航天学院哈斯乌力吉教授、大连民族大学林翔副教授为共同通讯作者。航天学院博士研究生方国强为第一作者。
该研究获国家自然科学基金、内蒙古自治区自然科学基金项目基金等项目支持。
论文链接：https://doi.org/10.1016/j.jhazmat.2024.134814
论文相关信息截图
TLC-Ag SERS底物的制备和表征
混合物的TLC-SERS光谱
卷积神经网络分类算法识别混合物的TLC-SERS光谱
光谱角相似度算法识别混合物的TLC-SERS光谱
卷积神经网络分类算法与光谱角相似度算法结合识别混合物的TLC-SERS光谱
采用机器学习算法分析农药混合物的TLC-SERS光谱数据
责任编辑：梅鹏飞
审核：张懿文、姜桃飞
