买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于TLC‑SERS技术的快速，自动化区分混合物溶液中成分的方法，它涉及光谱检测领域，本发明要解决TLC‑SERS无法准确分析结构相似的物质，以及过于依赖于操作人员的主观解释和能力的问题。本发明在TLC板表面组装银溶胶纳米粒子，制备出具有高灵敏度和可重复检测的大面积TLC‑SERS基底。光谱采集，生成所有目标物质的TLC‑SERS光谱。然后，采用两种机器学习算法对TLC‑SERS光谱数据进行分析。与传统的人工SERS峰分析方法相比，所提出的机器学习算法依赖于对TLC‑SERS光谱数据的空间信息和光谱信息的整体分析，而不是依赖于主要特征SERS峰所确定的光谱信息，这大大提高了不同物质SERS峰识别的准确性。

主权项：1.一种基于TLC-SERS技术的快速，自动化区分混合物溶液中成分的方法，其特征在于它是按照以下步骤进行的：步骤1：使用溶胶法制备银溶胶纳米粒子AgNPs；步骤2：使用三相界面自组装的方法制备TLC-SERS基底将制备的银溶胶纳米粒子AgNPs、二氯甲烷、去离子水按照体积比0.01-0.1：0.1-1：1的比例混合得到溶液B；再将溶液B与正己烷按照体积比为2-100：1的比例混合，并静置1-30min；采用提拉法，将银溶胶纳米粒子AgNPs转移到TLC板上，得到TLC-SERS基底；步骤3：采用TLC-SERS基底对混合物进行分离并进行光谱采集在制备的TLC-SERS基底底端滴加待分析的混合物，干燥3-10min后，放入展开剂中，展开10-40min后，干燥10-30min，随后采用拉曼光谱仪沿着TLC-SERS基底上混合物展开的路径进行一维的扫描采集SERS光谱，扫描步长为50-200nm，扫描时间为5-30秒，激光功率为10-100mW；步骤4：采用机器学习算法对TLC-SERS基底上采集的光谱进行自动化分析基于python程序中卷积神经网络算法和光谱角算法分别编写光谱分类模型和光谱相似度模型，将上述采集的SERS光谱输入到光谱分类模型和光谱相似度模型中进行自动化分析：光谱分类模型用于预测SERS光谱对应的物质种类信息，光谱分类模型采用卷积神经网络，卷积神经网络的输入为SERS光谱二维数据，输出为SERS光谱对应的物质种类信息对应的分类曲线；光谱相似度模型用于计算标准光谱与采集的SERS光谱的相似度；利用标准光谱与采集的SERS光谱的光谱角计算相似度，得到相似度曲线；同时根据分类模型曲线与相似度模型曲线在TLC-SERS基底上的位置准确的识别待分析混合物中不同成分所在的范围。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于TLC-SERS技术的快速，自动化区分混合物溶液中成分的方法