基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法

该文提出了一种基于数据增强的特征选择拉曼光谱浓度分类方法(Recursive Feature Elimination-Principal Component Analysis-Back Propagation Neural Network,RFE-PCA-BP)。实验将购买于超市的食用油与不同浓度的嵌二萘溶液滴在硅藻土板上,采集九种不同浓度芘(Pyrene)的拉曼光谱数据,通过数据增强,将每种浓度数据通过添加不同信噪比(SNR)来扩充样本数量;RFE-PCA-BP浓度分类模型将拉曼光谱数据的特征消除、数据预处理、浓度分类合而为一。通过实验证明,RFE-PCA-BP算法的准确率高达99.42%远高于BP神经网络算法(Back Propagation Neural Network,BPNN)的86.67%。     

TLC-SERS对鸡肉中的氧氟沙星快检研究

采用薄层色谱法与表面增强拉曼光谱联用技术(TLC-SERS)分离和检测鸡肉中的氧氟沙星(OFX)。薄层色谱法(TLC)可以将目标分析物从混合物中快速分离出来,解决了SERS无法准确识别目标分析物的问题,且SERS具有灵敏无损的特点。采用商用硅胶60 F254荧光板作为固定相,无需对样品进行预处理,将含有OFX的鸡肉组织液混合液滴在商用硅胶板上即可实现TLC分离。鸡肉混合样品采用TLC分离后,在OFX对应位置滴加银纳米粒子,采用银纳米粒子作为增强基底,进行SERS检测。TLC-SERS联用技术实现了快速分离检测鸡肉的氧氟沙星,其检出限可达到0.01 ppm。