CN115960605B - 一种多色荧光碳点及其应用 - Google Patents
一种多色荧光碳点及其应用 Download PDFInfo
- Publication number
- CN115960605B CN115960605B CN202211584923.7A CN202211584923A CN115960605B CN 115960605 B CN115960605 B CN 115960605B CN 202211584923 A CN202211584923 A CN 202211584923A CN 115960605 B CN115960605 B CN 115960605B
- Authority
- CN
- China
- Prior art keywords
- drug
- detection
- fluorescence
- information
- drugs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title abstract description 32
- 229910052799 carbon Inorganic materials 0.000 title abstract description 32
- 229940079593 drug Drugs 0.000 claims abstract description 108
- 239000003814 drug Substances 0.000 claims abstract description 108
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 33
- 239000000126 substance Substances 0.000 claims abstract description 33
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims abstract description 30
- 239000004202 carbamide Substances 0.000 claims abstract description 30
- YWYZEGXAUVWDED-UHFFFAOYSA-N triammonium citrate Chemical compound [NH4+].[NH4+].[NH4+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O YWYZEGXAUVWDED-UHFFFAOYSA-N 0.000 claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 18
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 16
- 238000001027 hydrothermal synthesis Methods 0.000 claims abstract description 7
- 239000007864 aqueous solution Substances 0.000 claims abstract description 5
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000002156 mixing Methods 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 43
- 230000003595 spectral effect Effects 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 18
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 claims description 13
- 229960002069 diamorphine Drugs 0.000 claims description 13
- 229960001252 methamphetamine Drugs 0.000 claims description 13
- MYWUZJCMWCOHBA-VIFPVBQESA-N methamphetamine Chemical compound CN[C@@H](C)CC1=CC=CC=C1 MYWUZJCMWCOHBA-VIFPVBQESA-N 0.000 claims description 13
- YQEZLKZALYSWHR-UHFFFAOYSA-N Ketamine Chemical compound C=1C=CC=C(Cl)C=1C1(NC)CCCCC1=O YQEZLKZALYSWHR-UHFFFAOYSA-N 0.000 claims description 12
- 229960003299 ketamine Drugs 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000003255 drug test Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000005284 excitation Effects 0.000 description 35
- 239000000243 solution Substances 0.000 description 32
- 239000000523 sample Substances 0.000 description 30
- 230000000694 effects Effects 0.000 description 17
- 238000002189 fluorescence spectrum Methods 0.000 description 14
- 238000002073 fluorescence micrograph Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000002360 preparation method Methods 0.000 description 9
- 238000004445 quantitative analysis Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004451 qualitative analysis Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000012512 characterization method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 239000011777 magnesium Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000000502 dialysis Methods 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 239000007850 fluorescent dye Substances 0.000 description 3
- 238000002173 high-resolution transmission electron microscopy Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 108091023037 Aptamer Proteins 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229910021645 metal ion Inorganic materials 0.000 description 2
- -1 polytetrafluoroethylene Polymers 0.000 description 2
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 2
- 239000004810 polytetrafluoroethylene Substances 0.000 description 2
- 239000011540 sensing material Substances 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 239000011550 stock solution Substances 0.000 description 2
- 238000009210 therapy by ultrasound Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 229910021642 ultra pure water Inorganic materials 0.000 description 2
- 239000012498 ultrapure water Substances 0.000 description 2
- ODKSFYDXXFIFQN-BYPYZUCNSA-N L-arginine Chemical compound OC(=O)[C@@H](N)CCCN=C(N)N ODKSFYDXXFIFQN-BYPYZUCNSA-N 0.000 description 1
- 229930064664 L-arginine Natural products 0.000 description 1
- 235000014852 L-arginine Nutrition 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000012496 blank sample Substances 0.000 description 1
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000001609 comparable effect Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 238000003018 immunoassay Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000002165 resonance energy transfer Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于毒品检测技术领域，具体涉及一种多色荧光碳点，由柠檬酸铵和尿素混合水溶液进行水热反应制备而得，其中，柠檬酸铵的质量浓度为0.1g/25ml‑0.5g/25ml，尿素的质量浓度为0.1g/25ml‑0.2g/25ml，多色荧光碳点的粒径为8nm‑10nm。本发明还公开了一种毒品检测方法，将毒品与多色荧光碳点混合生成待检测物质，根据待检测物质生成检测数据，将检测数据放入分析模型中；分析模型包括卷积神经网络和全连接网络；卷积神经网络提取检测数据中的特征信息，全连接网络根据特征信息、定性分类和定量分类进行分析，并输出毒品的定性结果和定量结果。本发明旨在建立一种便捷、高效率且检测范围广的毒品检测技术。
Description
技术领域
本发明属于毒品检测技术领域，具体涉及一种多色荧光碳点及其应用。
背景技术
毒品检测是毒品犯罪打击中不可或缺的环节，毒品检测环节的前置，有利于实现毒品案件的早发现和早打击。现目前毒品检测方法主要包括质谱法、色谱法、光谱法、电化学法和免疫分析法等，这些方法大多依赖于精密仪器，不利于对现场查获的毒品进行快检；而现有的快检方法多为“一毒一检”，检测效率低、证据利用率低。即现有的主要毒品检测技术限制了毒品检测环节在禁毒工作全链中的前置。
为了提高检测效率，现目前还可以通过碳点(CDs)实现对毒品检测，碳点具有制备简单、荧光优异、光学稳定、生物相容/低度和易于修饰等优点，在毒品检测中通常采取与抗体、适配体和分子印迹等结合的方法实现对毒品的检测，但该检测方法只能对单一或少量的目标物进行识别，且制备环节较为复杂。因此通过将原子掺杂为CDs提供活性位点直接对目标物进行检测成为另一种方法，如2019年，Yen等人以L-精氨酸(C6H14N4O2)为前驱体制备了一种氮掺杂CDs，其可将含有π共轭酮基的毒品还原为羟基，实现了对4-氯乙基卡西酮、可卡因和海洛因三种毒品的检测，这种方法不仅提高了材料的检测通量，制备环节也相对简单，不过其检测范围较窄(0.14mM-1.73mM)。为了提高检测范围，Ju L等人还利用分析从毒品与银纳米簇的三维荧光差谱中，捕获不同毒品的指纹信息，在相互作用机理未知的情况下，即可实现毒品的识别与量化，虽然该方法检测范围较广(0.002mg/mL-100mg/mL)，但是将单一荧光探针作为信标对光谱数据量的要求较多，三维荧光光谱仪也不方便现场携带，影响检测的便捷高效性。
因此，一种高效便捷且检测范围广的毒品检测技术是有必要的。
发明内容
针对以上问题，本发明目的之一在于提供一种以柠檬酸铵和尿素分别作为碳源和氮源通过水热法合成而得的多色荧光碳点(MFCDs)，可以将其作为探针与毒品相互作用，以图像固定和荧光光谱检测的方式记录结果，从而构建图像-光谱双模态数据集，进一步构建分析模型，用该模型分别从图像和光谱数据中挖掘毒品分子的数据指纹，最终在相互作用机理未知的情况下，实现毒品的定性和定量分析，以建立一种便捷、高效率且检测范围广的毒品检测技术。
为了达到上述，本发明可以采用以下技术方案：
本发明一方面提供一种多色荧光碳点，其由柠檬酸铵和尿素混合水溶液进行水热反应制备而得，其中，柠檬酸铵的质量浓度为0.1g/25ml-0.5g/25ml，尿素的质量浓度为0.1g/25ml-0.2g/25ml，多色荧光碳点的粒径为8nm-10nm。
本发明另一方面还提供一种毒品检测方法，将毒品与上述的多色荧光碳点混合生成待检测物质，根据待检测物质生成检测数据，将检测数据放入分析模型中；分析模型包括卷积神经网络和全连接网络；卷积神经网络提取检测数据中的特征信息，全连接网络根据特征信息、定性分类和定量分类进行分析，并输出毒品的定性结果和定量结果。
进一步，根据待检测物质生成检测数据的步骤包括：通过多波段光源照射待检测物质获得图像信息，图像信息为检测数据。
进一步，根据待检测物质生成检测数据的步骤包括：将待检测物质放入荧光光谱仪中获得光谱信息，光谱信息为检测数据。
进一步，卷积神经网络对图像信息进行特征提取的过程具体为：使用卷积核扫描图像信息，将图像信息映射为空间特征信息。
进一步，卷积神经网络对光谱信息进行特征提取的过程如下：
其中，(x，y)为光谱信息的波形输入特征尺寸，p*q是卷积核的尺寸，w是卷积核的权重，v是光谱信息的波形特征，i表示一个卷积核尺寸上权重与特征的索引。
进一步，全连接网络的输出层使用softmax函数作为激活函数。
进一步，定性分类包括海洛因、氯胺酮、甲基苯丙胺和其他类别；定量分类包括0mg/mL、1×10-6mg/mL、1×10-4mg/mL、1×10-2mg/mL和1×100mg/mL。
本发明有益效果包括：
(1)本发明提供的多色荧光碳点在不同波长(365nm、415nm、450nm和510nm)的激发光下，不同颜色的荧光均比较饱满，而且与毒品结合后在不同波长的激发光照下，具有良好的荧光响应，有利于构建图像-光谱双模态数据集，并构建分析模型，进而使得毒品检测能够实现较广的检测范围(1×10-6mg/mL-1×100mg/mL)。
(2)本发明还提供一种毒品检测方法，使用多色荧光碳点与毒品生成的待检测物质，通过多种处理方式根据待检测物质生成检测数据，将检测数据输入分析模型中获得毒品的定量结果和定性结果，定量结果包括毒品为海洛因、氯胺酮、甲基苯丙胺或其他类别，定量分析包括毒品含量为0mg/mL、1×10-6mg/mL、1×10-4mg/mL、1×10-2mg/mL或1×100mg/mL阶段，提高毒品检测的准确性和便捷性。
附图说明
图1为不同含量柠檬酸铵和尿素制备的碳点荧光图；
图2为不同粒径对碳点荧光的影响；
图3为MFCDs的TEM和高分辨TEM；
图4为MFCDs的粒径分布；
图5为MFCDs的荧光光谱图；
图6为MFCDs的紫外可见吸收光谱图；
图7为MFCDs的荧光内滤效应光谱图(激发光440nm)；
图8为MFCDs的荧光内滤效应光谱图(激发光465nm、527nm和586nm)；
图9为图像-光谱双模态毒品识别示意图；
图10为365nm激发光下碳点与毒品不同体积比的荧光情况；
图11为415nm激发光下碳点与毒品不同体积比的荧光情况；
图12为450nm激发光下碳点与毒品不同体积比的荧光情况；
图13为510nm激发光下碳点与毒品不同体积比的荧光情况；
图14为稀释后MFCDs(添加有与毒品等量的纯水)的荧光光谱；
图15为加入1mg/mL海洛因后MFCDs的荧光光谱；
图16为加入1mg/mL氯胺酮后MFCDs的荧光光谱；
图17为1mg/mL甲基苯丙胺后MFCDs的荧光光谱；
图18为MFCDs与三种毒品、常见金属离子的响应比较图；
图19为本发明一种毒品检测方法的步骤流程图；
图20为分析模型的模型结构示意图；
图21为分析模型训练过程的数据示意图；图中A、B分别表示图像信息定性、定量；图中C、D分别表示光谱信息的定性、定量；
图22为图像信息和光谱信息输入的编号和测试集的混淆矩阵示意图；图中A、B分别表示图像信息定性、定量；图中C、D分别表示光谱信息的定性、定量；
图23为图像信息输入和光谱信息输入的t-SNE降维图；图中A、B分别表示图像信息定性、定量；图中C、D分别表示光谱信息的定性、定量。
具体实施方式
所举实施例是为了更好地对本发明进行说明，但并不是本发明的内容仅局限于所举实施例。所以熟悉本领域的技术人员根据上述发明内容对实施方案进行非本质的改进和调整，仍属于本发明的保护范围。
本文中使用的术语仅用于描述特定实施例，并且无意于限制本公开。除非在上下文中具有明显不同的含义，否则单数形式的表达包括复数形式的表达。如本文所使用的，应当理解，诸如“包括”、“具有”、“包含”之类的术语旨在指示特征、数字、操作、组件、零件、元件、材料或组合的存在。在说明书中公开了本发明的术语，并且不旨在排除可能存在或可以添加一个或多个其他特征、数字、操作、组件、部件、元件、材料或其组合的可能性。如在此使用的，根据情况，“/”可以被解释为“和”或“或”。
本发明实施例提供一种多色荧光碳点，其由柠檬酸铵和尿素混合水溶液进行水热反应制备而得，其中，柠檬酸铵的质量浓度为0.1g/25ml-0.5g/25ml，尿素的质量浓度为0.1g/25ml-0.2g/25ml，多色荧光碳点的粒径为8nm-10nm。
需要说明的是，上述多色荧光碳点中，水热反应为本领域所已知的反应，在一些具体实施例中，水热反应包括：将柠檬酸铵和尿素混合水溶液搅拌均匀并超声2min，溶液澄清透明，然后将其转移至40mL的聚四氟乙烯内胆中，置于反应釜中在180℃下反应5h。除此之外，还需要说明的是，柠檬酸铵和尿素的浓度对制备得到的多色荧光碳点的荧光存在不同影响，当柠檬酸铵和尿素的质量浓度选择0.1g/25ml时，在激发光为510nm时的荧光较0.2g/25ml时的荧光逐渐变暗，但是还是具有明显的荧光；当柠檬酸铵和尿素的质量浓度选择0.5g/25ml时，在激发光为450nm和510nm时的荧光较0.2g/25ml时的荧光逐渐变暗，但是还是具有明显的荧光，这是由于用较多含量的柠檬酸铵和尿素制备碳点时，分子间距太小产生了荧光内滤效应，会致使荧光较大程度猝灭；所以为了提高后续构建谱图样品的精准性，选择柠檬酸铵的质量浓度为0.1g/25ml-0.5g/25ml，比如0.2g/25ml、0.3g/25ml和0.4g/25ml，尿素的质量浓度为0.1g/25ml-0.2g/25ml，比如0.2g/25ml、0.3g/25ml和0.4g/25ml；优选在365nm、425nm、450nm和510nm均具有显著的多色荧光的0.1g/25ml-0.5g/25ml的柠檬酸铵和0.1g/25ml-0.2g/25ml的尿素；
还需要说明的是，在柠檬酸铵的质量浓度为0.1g/25ml-0.5g/25ml，尿素的质量浓度为0.1g/25ml-0.2g/25ml的同时，选择8nm-10nm粒径的多色荧光碳点，当粒径＜8nm时的多色荧光碳点在510nm、450nm和415nm以及在日光下的荧光均不明显，不利于后期的毒品检测；所以本发明中选择粒径为8nm-10nm的多色荧光碳点。
定性分类包括海洛因、氯胺酮、甲基苯丙胺和其他类别；定量分类包括0mg/mL、1×10-6mg/mL、1×10-4mg/mL、1×10-2mg/mL和1×100mg/mL。然后记录365nm、415nm，450nm和510nm激发光下的发射波长变化，4个波段下的荧光图像数据和光谱数据总和构成一个图像样本和一个光谱样本；还需要说明的是，还可以将多色荧光碳点与纯水按照1:1的体积比进行混合，然后记录365nm、415nm、450nm和510nm激发光下的发射波长变化，4个波段下的荧光图像数据和光谱数据总和构成一个图像样本和一个光谱样本。还需要说明的是，记录纯水样本的图谱目的是作为“空白样本”；另外，还需要说明的是，本发明检测方法适用毒品可以是本领域所已知的毒品，更适用于海洛因、氯胺酮和甲基苯丙胺。毒品对MFCDs荧光的影响体现在不同波段下峰值的变化，但影响并不局限于峰值的变化，光谱的位置、形状也有细微的影响。同时，对应的图像矩阵亦体现出一定的变化，但用肉眼难以分辨，故需借助分析进行特征提取与分析。
如附图19所示，本发明还提供一种毒品检测方法，包括：将上述的多色荧光碳点与毒品混合生成待检测物质，根据待检测物质生成检测数据，将检测数据放入分析模型中，分析模型包括卷积神经网络和全连接网络；卷积神经网络提取检测数据中的特征信息，全连接网络根据特征信息、定性分类和定量分类进行分析，并输出毒品的定性结果和定量结果。
在一种实施方式中，根据待检测物质生成检测数据的步骤包括：通过多波段光源照射待检测物质获得图像信息，图像信息为检测数据。在其他实施方式中，根据待检测物质生成检测数据的步骤包括：将待检测物质放入荧光光谱仪中获得光谱信息，光谱信息为检测数据。在其他实施方式中，根据待检测物质生成监测数据的步骤还包括：通过多波段光源照射待检测物质获得图像信息，将待检测物质放入荧光光谱仪中获得光谱信息，检测数据包括图像信息和光谱信息。
由上述多种待检测物质生成检测数据的步骤可知，毒品检测包括图像传感和光谱传感；图像传感即将待测物质生成图像信息，仅需多波段光源和智能手机两种易于携带的小型设备，通过多波段光源提供不同激发波长，通过智能手机捕获相应的图像信息并上传至分析模型中，即可实现对毒品的现场检测。
光谱传感即将待检测物质生成光谱信息，通过荧光光谱仪等大型仪器获得毒品小分子与MFCDs之间的荧光响应数据，即光谱信息，将光谱信息放入分析模型中获得毒品的精准的定性定量分析。
为了提高毒品定性定量检测的准确性，还可以将待检测物质的图像信息和光谱信息同时放入分析模型中，分析模型对图像信息和光谱信息进行特征提取，通过提取的特征对毒品进行定性定量分析。
本实施例中，分析模型的表征能力是支持毒品检测任务的核心要求，为了提高分析模型的性能和检测精度，本实施例设计一种特殊的残差结构，该残差结构可作为一种特殊的残差卷积块，能够增强原始卷积核的性能，以增强分析模型的表征能力。考虑原始的第l层输入特征为H，所提出的残差结构如下式所示：
其中，H(l+1)表示第l+1层的输出特征，分别表示三个卷积核，表示批归一化操作。第l+1层特征H(l+1)通过三种卷积操作相加并通过Relu激活函数求得。该残差结构可以从多个方面提取原始信息的特征，并有效提升了分析模型的容量。具体地，该残差卷积块的三种卷积核的参数相同，可以视为多通道的特征提取过程。
所述分析模型的结构如附图20所示，分析模型具有17层隐藏层，其中1层-11层为特征提取层，即卷积神经网络，12层至output输出层为多任务输出模块，即全连接网络，多任务的输出模块是将提取的特征作用于两种不同分析任务，即定性分析和定量分析；分析模型的模型参数表如下表所示，
优选地，卷积神经网络对图像信息进行特征提取的过程具体为：使用(3，3)，stride＝(1,1)的卷积核扫描图像信息，将图像信息映射为空间特征信息。
优选地，卷积神经网络对光谱信息进行特征提取的过程如下：
其中，(x，y)为光谱信息的波形输入特征尺寸，p*q是卷积核的尺寸，w是卷积核的权重，v是光谱信息的波形特征，i表示一个卷积核尺寸上权重与特征的索引。本实施例中输入的光谱数据，横坐标为波长数，纵坐标为激发强度，使用(3，2)，stride＝(1,2)的卷积核提取光谱数据中波长数与激发强度的关联信息。
优选地，全连接网络的输出层使用softmax函数作为激活函数。激活函数具体为：
其中，softmax(Zc)表示毒品类别和含量类别的概率输出，Zc表示卷积神经网络的输出阈值，C表示输出层中的类别数；通过调神经神经网络的输出阈值以适应不同的任务。
不同的任务包括分析模型的输入仅为图像信息，或者分析模型的输入仅为光谱信息，或者分析模型的输入为图像信息和光谱信息。根据不同的任务在进行毒品定量定性分析前对分析模型进行训练；设置训练数据集的光谱信息为X和图像信息S，设置毒品的类别和浓度输出为(T，N)。分析模型根据不同的任务可建立映射(T，N)＝f1(X,S)，或者(T，N)＝f2(X,SH)，或者(T，N)＝f3(XH,S)。SH、XH为满足模型输入格式要求的0值，即输入的图像信息或光谱信息为0，对检测结果输出无贡献。依据任务的不同，训练出f1，f2，f3为三组不同的模型参数，即三种不同的任务使用的分析模型。
具体的，分析模型对图像信息的训练过程如附图21(A、B)所示，训练数据集的数据增强提高了分析模型的性能；若原始图像数据集较少时，分析模型仍然具有良好的性能，图像信息在测试集上的定性与定量任务准确性达到了98.4％和84.4％；说明通过对待检测物质的拍照和图像检测，分析模型可以给出一个有效的初级检测结果。分析模型对光谱信息的训练过程如附图21(C、D)所示，分析模型具有较强的拟合能力，可以有效学习到光谱数据与毒品的类型、浓度之间的特征关联，分析模型在测试集上的定性与定量准确性达到了99.9％与99.6％；这说明通过光谱数据，分析模型可以给出更加精确的结果。
如附图22可知，分析模型能够有效地完成毒品类型与浓度的分析任务；为了进一步检验分析模型的性能，本实施例将分析模型的倒数第二层的输出取出，并经过t-SNE算法降维；由于分析模型的输出层一般与任务类别数相关，而倒数的第二层则是与任务紧密相关的向量特征相同，通过t-SNE降维，分析模型对于不同样本的输出可以可观的展现在二维坐标平面上；因此本实施例通过t-SNE算法降维方式对分析模型的性能进行判断。
如附图23(A)可知，不同毒品类型的图像信息通过分析模型后被合理地分成4种类型和4种浓度，分类效果较强；因此本发明提出的分析模型可以通过图像数据对毒品类型和浓度进行有效的分析；由附图23(B)可知，不同毒品浓度的图像数据在经过分析模型后可以被大致分开，由于特征较弱，不同浓度毒品的特征距离较近，分析模型的效果有限；如附图(C、D)所示，光谱数据在经过模型后被完整地按毒品类别或毒品浓度形成不同地特征向量；因此本发明提出的模型可以有效地处理图片数据和光谱数据，并进行毒品类型与浓度的分析任务。
为了更好地理解本发明，下面结合具体示例进一步阐明本发明的内容，但本发明的内容不仅仅局限于下面的示例。
以下实施例中，荧光图像数据在暗室中获得，碳点溶液或混合溶液(碳点溶液和毒品溶液混合)与多波段光源的距离为20cm，与手机的距离为3cm，以及手机拍照的参数为ISO:1000，S:1/15s，F:1.8，保持一致。
一、多色荧光碳点制备及优化
本发明实施例中，柠檬酸铵(C6H17N3O7)和尿素(H2NCONH2)均购于上海阿拉丁生化科技有限公司；三种毒品(海洛因(Heroin)、氯胺酮(Ketamine)、甲基苯丙胺(Methamphetamine))纯品均由重庆市公安局禁毒总队提供，所有化学试剂为分析纯，实验中所用水均为超纯水(18.2MΩcm)。
本发明实施例中，使用的仪器包括：Milli-Q超纯水机(美国)、BK-360B超声仪(济南)、DZF-6020真空干燥箱(上海)、ESJ200-4B分析天平(沈阳)、A021 FGGY-IVA多波段光源(北京)、岛津RF-6000荧光分光光度计(FL，日本)，Analytik Jena SPECORD 200PLUS紫外可见分光光度计(UV-vis，德国)，ThermoFisher Talos F200S场发射透射电子显微镜(TEM，捷克)，ThermoFisher Nicolet iS50傅立叶变换红外光谱仪(FT-IR，美国)，ThermoFisherESCALAB250Xi型X射线光电子能谱仪(XPS，英国)。
本发明实施例中，多色荧光碳点的制备方法按照以下步骤进行：(1)取一定量的柠檬酸铵溶解于25mL的蒸馏水中，再向其中加入一定量的尿素，搅拌均匀并超声2min，溶液澄清透明；(2)然后将其转移至40mL的聚四氟乙烯内胆中，置于反应釜中在180℃下反应5h；(3)待其冷却至室温后，用针式过滤器(0.22μm)过滤除去较大的颗粒，随后将反应溶液使用透析膜透析(500Da)6h，分别得到透析袋内部的粒径较大(8nm-10nm)的碳点样品和透析袋外面的粒径较小(＜8nm)的碳点样品；将所得碳点溶液置于4℃冰箱冷藏备用。
实施例1多色荧光碳点制备
按照下表1所示的柠檬酸铵和尿素的量结合上述的多色荧光碳点的制备方法进行制备多色荧光碳点，得到下表1中不同的多色荧光碳点样品。
表1不同柠檬酸铵和尿素的量的碳点样品
实施例2多色荧光碳点样品优化
(1)柠檬酸铵和尿素添加量优化
将上述样品1-样品6用多波段光源进行照射，并用手机记录365nm、415nm、450nm和510nm处的荧光图像，荧光图像如图1所示。由图可知，样品4(1.0g柠檬酸铵、1.0g尿素)和样品5(2.0g柠檬酸铵、2.0g尿素)制备的碳点主要呈蓝色，在450nm和510nm激发波长下只有微弱的黄色和红色荧光；而样品1(0.1g柠檬酸铵、0.1g尿素)、样品2(0.2g柠檬酸铵、0.2g尿素)和样品3(0.5g柠檬酸铵、0.5g尿素)，在不同激发波长下均呈现出多色荧光，并且0.2g时效果最佳，其次是0.1g；另外，0.1g时较0.2g时的510nm的激发波长的荧光颜色逐渐变暗；0.5g时较0.2g时的450nm和510nm的激发波长的荧光颜色均逐渐变暗，所以本发明中选择柠檬酸铵和尿素的质量浓度均为0.1g/25ml-0.5g/25ml，优选0.2g/25ml。
(2)碳点粒径优化
将样品6用多波段光源进行照射，使用手机记录日光以及365nm、415nm、450nm和510nm处的荧光图像，荧光图像如图2所示，由图2可以看出，小粒径(＜8nm)的多色荧光碳点在日光下不具有荧光，在365nm和415nm激发光下具有比较明显的荧光，在450nm和510nm的激发光下的荧光比较暗淡；而大粒径(8nm-10nm)的多色荧光碳点在日光下以及365nm、415nm、450nm和510nm的激发光下均具有明显的荧光，所以本发明中选择大粒径(8nm-10nm)的多色荧光碳点进行后续毒品检测。
实施例3多色荧光碳点表征
将实施例1中的样品2通过高分辨TEM、荧光和紫分光光度计对样品的形貌、尺寸和荧光性能等进行表征，表征结果如下所示：图3显示了MFCDs呈准球形、分散良好，其中的内嵌图为样品的高分辨TEM结果，其表现出清晰的晶格条纹，平面间距为0.31nm，这与g-C3N4的平面相一致，证明了MFCDs的成功合成；图4显示了MFCDs的平均粒径约为8.6nm；图5显示在400nm激发波长激发下，MFCDs原溶液在441nm处有最高发射峰，为蓝色荧光，随着激发波长的增加，发射波长存在明显红移和明显减弱。
另外，对MFCDs原溶液和稀释溶液分别进行UV-vis表征，图6中，曲线1(稀释溶液)在234nm和344nm处有特征吸收峰，与Zhao P等人的报道相符；这归因于含有tri-s-trazinerings(C-N＝C)的聚合碳氮化物中sp2杂化C＝C和C＝N键的π-π*电子跃迁，以及g-C3N4中存在C＝O和C＝N键的n→π*转变；曲线2在400nm前的吸光度与曲线1相似，而不同之处在于，在400nm后其呈现出递减后稳定的吸光度。此现象与相关的研究相似，但原理不同，如Zhu等人制备的MFCDs在400nm之后的多色荧光由碳点表面不同化学键决定，其UV-vis吸收光谱不受浓度变化的影响；Tao等人所制碳点荧光光谱峰变宽和长尾向更高波长，则是因为磷光的存在。经试验，本发明中的MFCDs的多色荧光显示出跟浓度的高相关性(见图7)，MFCDs溶液在高浓度下呈多色荧光，而在低浓度时仅有蓝色荧光；随着对MFCDs原溶液的稀释，其最高发射强度(440nm处蓝色荧光)先增后减，这符合荧光内滤效应；而在图8中，465nm、527nm和586nm处等其他颜色荧光的发射强度随MFCDs溶液的稀释而不断下降，聚合状态(高浓度)红移的可能因素是粒子聚集诱导产生共振能量转移，促使短波长区域发射光谱重叠，同时导致较长的波长相对加强，这种现象又类似于聚集诱导发射、簇聚诱导发光效应，聚合状态下形成团簇，其能隙由于新产生的空间共轭而变窄，致使波长红移。
综上，本发明中的MFCDs的多色荧光可归因于类似聚集引起的猝灭、聚集诱导发射复合效应作用而成。同时，其表面富含羟基、羧基、氨基等活性化学键，将其用于对毒品的传感检测，相对于Ju L等人所用的银纳米簇和Tan等人的荧光传感阵列，本发明中的MFCDs在荧光性能、制备过程和成本方面上具有较大的优势。
二、多色荧光碳点标记毒品
本发明实施例中，按照图9所示的示意图进行多色荧光碳点标记毒品并进行图谱和光谱的采集。
实施例4多色荧光碳点与毒品的最优响应比例优化
本发明实施例将甲基苯丙胺配制成浓度为1×10-0mg/mL的毒品溶液，然后将实施例1中的碳点样品2与毒品溶液按照不同体积比(VMFCDs:VDrug＝1:0、3:1、2:1、1:1、1:2和1:3)进行混合，然后分别在365nm、415nm、450nm和510nm的激发光下收集荧光光谱，光谱图如图10-图13所示：图10显示了在365nm激发波长下6个不同体积比的响应程度，在1:1时响应效果最佳；图11显示了在415nm激发波长下的荧光光谱，在1:3时响应效果最佳，但1:1、1:2和1:3的效果相差不大；图12显示了在450nm激发波长下的荧光光谱，效果与415nm处相近；图13显示了在510nm激发波长下的荧光光谱，效果同样与415nm处相近。因此发明中将VMFCDs:VDrug＝1:1作为最优体积比，其中甲基苯丙胺溶液浓度为1×10-0mg/mL，将VMFCDs:VDrug＝1:1的荧光图像和荧光光谱作为以下分析的原始图谱。同样地，对海洛因和氯胺酮按照上述进行试验，优选V毒品:VDrug＝1:1作为最优体积比，其中海洛因溶液或氯胺酮溶液浓度为1×10- 0mg/mL。
实施例5多色荧光碳点与毒品的荧光图像和图谱构建
对毒品的检测关键在于检测的准确性与灵敏性，为提升MFCDs对毒品响应的灵敏度，将实施例1制备的样品2原溶液分成4份，并进行不同程度稀释，第1份加入与样品2溶液体积比为1:1的纯水，记录其在365nm、415nm、450nm和510nm激发光下的发射波长变化4个波段下的荧光图像数据总和和光谱数据总和分别构成一个图像样本和一个光谱样本；
同样地，第2份加入与样品2溶液体积比为1:1的海洛因溶液(浓度为1×10-0mg/mL)，记录其在365nm、415nm、450nm和510nm激发光下的发射波长变化4个波段下的荧光图像数据总和和光谱数据总和分别构成一个图像样本和一个光谱样本；
同样地，第3份加入与样品2溶液体积比为1:1的氯胺酮溶液(浓度为1×10-0mg/mL)，记录其在365nm、415nm、450nm和510nm激发光下的发射波长变化4个波段下的荧光图像数据总和和光谱数据总和分别构成一个图像样本和一个光谱样本；
同样地，第4份加入与样品2溶液体积比为1:1的甲基苯丙胺溶液(浓度为1×10- 0mg/mL)，记录其在365nm、415nm、450nm和510nm激发光下的发射波长变化4个波段下的荧光图像数据总和和光谱数据总和分别构成一个图像样本和一个光谱样本；
在溶液体系中，不同毒品与MFCDs存在不同相互作用，因此体系的荧光光谱整体会因为不同毒品有特异性的变化，这些变化被包含在图像和光谱数据中，而将不同波段的数据变化组合起来即构成了毒品的数据指纹，如图14、图15、图16和图17展示了三种毒品(海洛因、氯胺酮、甲基苯丙胺)的数据指纹，三种毒品对MFCDs荧光的影响体现在不同波段下峰值的变化，但影响并不局限于峰值的变化，光谱的位置、形状也有细微的影响。同时，对应的图像矩阵亦体现出一定的变化，但用肉眼难以分辨，故需借助分析进行特征提取与分析。
另外，为进一步说明加入分析的必要性和优势，在此考察了一些常见金属离子(Sb3+、Cu2+、Mg2+、Ba2+、Pb2+、Al3+和K+)对MFCDs荧光的影响如图18所示，Sb3+、Cu2+和Mg2+对MFCDs的影响最强，其次是Pb2+和Al3+，而这5种离子对MFCDs的影响比本文所检测的毒品(海洛因、氯胺酮、甲基苯丙胺)都要强。现今多数技术通常都是针对响应明显的物质进行检测，如图18中的Sb3+、Cu2+、Mg2+等金属离子；而诸如海洛因、氯胺酮和甲基苯丙胺等这类有机小分子，其与传感材料直接响应的程度较小(图18)，不利于检测，所以多是通过在其表面修饰抗体、适配体和分子印迹等才能实现对毒品的检测，而非利用碳点进行直接检测，寻找或构建对目标毒品具有较高选择性、灵敏度的材料就无法避免耗费大量时间。而在分析模型的辅助下，即使传感材料对目标毒品的选择性和灵敏度不够(图18)，也能够轻松实现对多种毒品的定性与定量分析。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围。
Claims (9)
1.一种毒品检测方法，其特征在于，将毒品与多色荧光碳点混合生成待检测物质，根据待检测物质生成检测数据，将检测数据放入分析模型中；分析模型包括卷积神经网络和全连接网络；卷积神经网络提取检测数据中的特征信息，全连接网络根据特征信息、定性分类和定量分类进行分析，并输出毒品的定性结果和定量结果；多色荧光碳点由柠檬酸铵和尿素混合水溶液进行水热反应制备而得，其中，柠檬酸铵的质量浓度为0.1g/25ml-0.5g/25ml，尿素的质量浓度为0.1g/25ml-0.2g/25ml，多色荧光碳点的粒径为8nm-10nm。
2.如权利要求1所述的一种毒品检测方法，其特征在于，柠檬酸铵的质量浓度为0.2g/25ml，尿素的质量浓度为0.2g/25ml。
3.如权利要求1所述的一种毒品检测方法，其特征在于，根据待检测物质生成检测数据的步骤包括：通过多波段光源照射待检测物质获得图像信息，图像信息为检测数据。
4.如权利要求1至3中任一项权利要求所述的一种毒品检测方法，其特征在于，根据待检测物质生成检测数据的步骤包括：将待检测物质放入荧光光谱仪中获得光谱信息，光谱信息为检测数据。
5.如权利要求1所述的一种毒品检测方法，其特征在于，卷积神经网络对图像信息进行特征提取的过程具体为：使用卷积核扫描图像信息，将图像信息映射为空间特征信息。
6.如权利要求4所述的一种毒品检测方法，其特征在于，卷积神经网络对光谱信息进行特征提取的过程如下：
其中，(x，y)为光谱信息的波形输入特征尺寸，p*q是卷积核的尺寸，w是卷积核的权重，v是光谱信息的波形特征，i表示一个卷积核尺寸上权重与特征的索引。
7.如权利要求1、2、3、5或6所述的一种毒品检测方法，其特征在于，分析模型在训练过程中使用的样本包括：毒品与多色荧光碳点按照1:1体积比混合得到的混合物，通过多波段光源照射混合物获得的图像信息；和/或混合得到的混合物通过荧光光谱仪获得的光谱信息；其中，毒品浓度为1×100mg/mL。
8.如权利要求1、2、3、5或6所述的一种毒品检测方法，其特征在于，全连接网络的输出层使用softmax函数作为激活函数。
9.如权利要求1、2、3、5或6所述的一种毒品检测方法，其特征在于，定性分类包括海洛因、氯胺酮、甲基苯丙胺和其他类别；定量分类包括0mg/mL、1×10-6mg/mL、1×10-4mg/mL、1×10-2mg/mL和1×100mg/mL。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211584923.7A CN115960605B (zh) | 2022-12-09 | 2022-12-09 | 一种多色荧光碳点及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211584923.7A CN115960605B (zh) | 2022-12-09 | 2022-12-09 | 一种多色荧光碳点及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115960605A CN115960605A (zh) | 2023-04-14 |
| CN115960605B true CN115960605B (zh) | 2023-10-24 |
Family
ID=87353548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211584923.7A Active CN115960605B (zh) | 2022-12-09 | 2022-12-09 | 一种多色荧光碳点及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115960605B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019104767A1 (zh) * | 2017-11-28 | 2019-06-06 | 河海大学常州校区 | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 |
| CN110408388A (zh) * | 2019-07-31 | 2019-11-05 | 辽宁科技大学 | 柠檬铵为主体合成不同颜色荧光碳量子点的方法及应用 |
| WO2020012528A1 (ja) * | 2018-07-09 | 2020-01-16 | オリンパス株式会社 | 光分析装置、光分析方法および学習済みモデル |
| CN112226231A (zh) * | 2020-10-20 | 2021-01-15 | 重庆邮电大学 | 一种多色荧光碳量子点及其制备方法和应用 |
| WO2021114817A1 (zh) * | 2020-05-28 | 2021-06-17 | 平安科技（深圳）有限公司 | 基于神经网络的oct图像病灶检测方法、装置及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699868A (zh) * | 2020-12-17 | 2021-04-23 | 深圳视见医疗科技有限公司 | 一种基于深度卷积神经网络的图像识别方法、设备 |
-
2022
- 2022-12-09 CN CN202211584923.7A patent/CN115960605B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019104767A1 (zh) * | 2017-11-28 | 2019-06-06 | 河海大学常州校区 | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 |
| WO2020012528A1 (ja) * | 2018-07-09 | 2020-01-16 | オリンパス株式会社 | 光分析装置、光分析方法および学習済みモデル |
| CN110408388A (zh) * | 2019-07-31 | 2019-11-05 | 辽宁科技大学 | 柠檬铵为主体合成不同颜色荧光碳量子点的方法及应用 |
| WO2021114817A1 (zh) * | 2020-05-28 | 2021-06-17 | 平安科技（深圳）有限公司 | 基于神经网络的oct图像病灶检测方法、装置及介质 |
| CN112226231A (zh) * | 2020-10-20 | 2021-01-15 | 重庆邮电大学 | 一种多色荧光碳量子点及其制备方法和应用 |
Non-Patent Citations (3)
| Title |
|---|
| Highly Green Emissive Nitrogen-Doped Carbon Dots with Excellent Thermal Stability for Bioimaging and Solid-State LED;Waheed Ullah Khan，etc;《Inorg. Chem.》;第57卷;15229-15239 * |
| High-Quality Carbon Nitride Quantum Dots on Photoluminescence: Effect of Carbon Sources;Ping Zhao，etc;《Langmuir》;第37卷;1760−1767 * |
| Hydrothermal synthesis of nitrogen-doped carbon dots as a sensitive fluorescent probe for the rapid, selective determination of Hg2+;Yong Zhang，etc;《International Journal of Environmental Analytical Chemistry》;1-13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115960605A (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pacquiao et al. | Highly fluorescent carbon dots from enokitake mushroom as multi-faceted optical nanomaterials for Cr6+ and VOC detection and imaging applications | |
| Qian et al. | Ratiometric fluorescence nanosensor for selective and visual detection of cadmium ions using quencher displacement-induced fluorescence recovery of CdTe quantum dots-based hybrid probe | |
| Xu et al. | Multi-emission fluorescent sensor array based on carbon dots and lanthanide for detection of heavy metal ions under stepwise prediction strategy | |
| CN111208101A (zh) | 一种基于黄酮苷及其衍生物合成的碳量子点便捷式检测铝离子的方法 | |
| Liu et al. | Specific detection of latent human blood fingerprints using antibody modified NaYF4: Yb, Er, Gd fluorescent upconversion nanorods | |
| Xu et al. | A novel fluorescent sensor array to identify Baijiu based on the single gold nanocluster probe | |
| CN111690405A (zh) | 一种荧光碳点及其制备方法和在检测铜离子中的应用 | |
| Azad et al. | Smartphone-based fluorometer for pH detection using green synthesized carbon dots | |
| Hao et al. | The synthesis of carbon dots by folic acid and utilized as sustainable probe and paper sensor for Hg2+ sensing and cellular imaging | |
| CN114456806B (zh) | 可识别钯离子的近红外荧光纳米探针及其制备方法和应用 | |
| Li et al. | Web system-assisted ratiometric fluorescent probe embedded with machine learning for intelligent detection of pefloxacin | |
| CN115960605B (zh) | 一种多色荧光碳点及其应用 | |
| Li et al. | Green and facile synthesis of silicon-doped carbon dots and their use in detection of Hg 2+ and visualization of latent fingerprints | |
| Wang et al. | Simultaneous fluorescence sensing of vitamin B2 and sulfur ions based on fluorescent copper nanoparticles | |
| CN114540022A (zh) | 纤维素基碳量子点的制备及在尿酸检测中的应用 | |
| Zhang et al. | Machine learning integrated high quantum yield blue light carbon dots for real-time and on-site detection of Cr (VI) in groundwater and drinking water | |
| Xu et al. | Multifunctional upconversion nanoparticles based LRET aptasensor for specific detection of As (III) in aquatic products | |
| Nannuri et al. | Fluorescence-based detection of mercury ions using carbon dots: role of synthesis route | |
| CN113933274A (zh) | 基于铕掺杂碳点的比率荧光分子印迹壳聚糖凝胶球、其制备方法及应用 | |
| Ma et al. | A luminescent sensor based on in-situ formed copper nanocluster-loading terbium coordination polymer with multicolor response for identification of antibiotics | |
| Teng et al. | Identification of antibiotic residues in aquatic products with surface-enhanced Raman scattering powered by 1-D convolutional neural networks | |
| Huang et al. | Deep learning-assisted multicolor fluorescent probes for image and spectral dual-modal identification of illicit drugs | |
| Kayani et al. | A Dual-Mode Detection Sensor Based on Nitrogen-Doped Carbon Dots for Visual Detection of Fe (III) and Ascorbic Acid via a Smartphone | |
| CN109884023A (zh) | 锌离子检测方法及锌离子检测用发光纳米探针的制备方法 | |
| Bécue et al. | Fingermarks and other body impressions–a review (July 2013–July 2016) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |