基于SERS的几种有机致癌物深度学习检测与研究

作     者：阳成 

作者单位：中央民族大学 

学位级别：硕士

导师姓名：邹斌;张谷令

授予年度：2023年

学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070302[理学-分析化学] 0703[理学-化学] 0811[工学-控制科学与工程] 

主      题：SERS TiO2 神经网络模型 

摘      要：SERS的检测技术相比其他技术而言具有高灵敏性、特异性、快速检测等优点,在环境和生物医学各类检测领域具有广泛的应用,而重复性强、增强效果好的基底则是实现其优点的关键。在SERS基底中,贵金属复合半导体的基底已经得到较好的发展,实现较为稳定SERS增强性能,但是更低的有机物浓度检测依然存在问题以及浓度的定量分析误差较大。本论文首先利用水热法制备TiO2纳米锥复合Au和Ag颗粒,并且对R6G、苋菜红以及甲醛衍生产物进行检测,利用深度学习的神经网络模型进行定量分类。以锐钛矿为主的二氧化钛,利用1:1:1的去离子水、异丙醇和丙酮对TiO2进行超声清洗。之后加入不同比例的氢氧化钠与尿素的摩尔比,通过水热法制备前驱结构,经过盐酸的中和以及去离子水和酒精的清洗,之后再煅烧得到TiO2纳米锥的基底。利用磁控溅射法沉积银颗粒和小型离子喷射仪沉积金颗粒,得到金与银复合的TiO2纳米锥基底。在进行XRD衍射之后,确定TiO2以锐钛矿结构占据主要成分。在本论文条件下,通过对同一浓度的R6G检测,7min Au复合30 s Ag颗粒的基底SERS性能最好,对R6G的检测达到10-8 mol/L,对苋菜红的检测达到10-7 mol/L,甲醛衍生物的检测达到10-8 mol/L。除此之外,本文针对液态下的三类有机物进行了定量检测及分析研究。利用定制的石英槽分别对不同液面高度的R6G、苋菜红、甲醛衍生物进行SERS检测,对比不同高度的SERS信号,液面高度的上升可以改善其SERS强度和均匀性,并为定量分析积累重复性高的数据。之后本文研究卷积网络模型、残差网络模型以及注意力机制网络模型并利用三种模型对三类有机物不同浓度进行定量分析,表明同一有机物不同浓度之间的SERS信号存在一定的变化关系。通过一定复杂程度的神经网络模型可以实现不同浓度的分类,得出有机物的SERS信号与浓度存在一定的相关性并且大部分特征可以被神经网络模型识别。