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：桂林理工大学

摘要：本发明公开了一种基于机器学习的罗丹明B修饰剑麻纤维碳量子点识别和预测不同重金属离子种类和浓度的方法。通过两步法制备罗丹明B修饰剑麻纤维碳量子点，加入不同种类和浓度的重金属离子；测试并收集样品的荧光光谱特征，构建传感器阵列；将数据集分为训练集和测试集，通过皮尔逊相关系数分析输入数据的相关性；使用PyCharm软件对荧光数据集进行PCA处理和聚类分析，根据热点图差异化色块区分金属离子；最后选取随机森林（RF）模型进行训练，当决策树的深度或分裂节点中包含的样本数达到设定的参数值时，得到金属离子的种类和浓度。本发明可以准确识别检测不同金属离子种类和浓度，该法识别度高，准确率好，可应用于传感检测、生物医学等领域。

主权项：1.一种基于机器学习的罗丹明B修饰剑麻纤维碳量子点识别检测不同重金属离子种类和浓度的方法，其特征在于具体步骤为：（1）将0.6-1.2g的剑麻纤维剪碎后，转移至聚四氟乙烯为内衬的30mL反应釜中，在160-190℃的烘箱中反应20-25h，冷却后用孔径为0.22微米的水相滤膜进行过滤；接着使用超纯水透析纯化24h，得到基于剑麻纤维的碳量子点（SF-CQDs）原液；（2）取10mL步骤（1）所得CQDs原液，加入0.5-1.5mg的罗丹明B（RB），搅拌30min，得到RB修饰的剑麻纤维碳量子点（SF-CQDs-RB）；（3）取100-200μL步骤（2）所得SF-CQDs-RB，用超纯水定容至6mL；加入不同种类或不同浓度的重金属离子溶液，摇匀，静置10min；在激发电压、狭缝和激发波长分别为450-600V、5-10nm、350-450nm的测试条件下通过记录加入金属离子前后在的荧光光谱特征，以获得数据量为500-1000的数据集，并构建荧光传感器阵列；（4）将所得数据集以8:2划分为训练集和测试集；通过皮尔逊相关系数分析输入数据之间的相关性，找出反应荧光信号变化与金属离子种类和浓度的内在性质和规律，验证数据的真实性、独立性和有效性；（5）使用PyCharm软件对荧光数据集进行主成分分析（Principalcomponentanalysis，PCA）处理，将其转换为更加精确的低维输入数据；再采用PyCharm软件对PCA处理后的数据进行K均值（K-means）聚类分析，根据荧光强度变化导致的热点图显示的差异化色块，表明步骤（3）构建的荧光传感器阵列可以区分金属离子的种类和浓度；（6）选取随机森林（RF）模型对金属离子的种类和浓度进行训练，椭圆和矩形分别代表决策树的节点和输出结果，每个叶子节点中的数值代表了金属离子种类或浓度的预测值；第一层的节点根据输入荧光信号差值（Δ500），根据种类和浓度分为左右两个分裂节点；第三层和第四层的分裂节点属性包括金属离子价态、热点图差异化色块和阵列通道类型；根据节点中的条件分为左、右分裂节点，当决策树的深度或分裂节点中包含的样本数达到设定的参数值时，停止分裂；然后输入的所有数据样本将分布在每个叶子节点中，每个叶子节点中包含的数据可以作为叶子节点的输出值，即为金属离子的种类和浓度。

全文数据：

权利要求：

百度查询： 桂林理工大学 一种基于机器学习的罗丹明B修饰剑麻纤维碳量子点识别检测不同重金属离子种类和浓度的方法