论文部分内容阅读
近年来,致幻类药物被用于违法犯罪用途的案件呈多发态势,严重威胁当事人的人身安全。因此,需要一种对致幻类药物进行快速检测并鉴别的方法。目前对致幻类药物的检测方法存在检测时间长,仪器设备成本较高等缺点。表面增强拉曼光谱技术(SERS)凭借其仪器设备相对便携,检测时间短,实验操作相对简便等优点被广泛应用于药品分析与诊断领域。本论文基于SERS技术通过使用灵敏度高的银溶胶基底对氟班色林、他达拉非进行检测,完成了对两种药品的定性及定量分析,并结合机器学习算法完成对氟班色林的快速分类,非常适用于迷幻药品的快速准确现场检测。首先基于密度泛函理论优化两种药物的分子结构并计算其理论拉曼光谱。根据理论计算得到的拉曼光谱对比实际样品拉曼光谱,进行归属特征峰及其振动模式。然后制备银溶胶基底,使用高分辨场发射扫描电镜以及动态光散射仪对银溶胶的纳米颗粒形貌、分布与粒径大小进行表征,结果说明银溶胶基底粒径均匀,并完成其稳定性的测试。之后使用制备完成的SERS基底对氟班色林、他达拉非两种药品进行SERS检测,氟班色林检测限为1μg/m L并且他达拉非检测限为10μg/m L。对两种药品进行定量分析,氟班色林白酒溶液的回收率范围在93.70%-108.32%之间,他达拉非甲醇溶液的回收率范围在90.79%-107.12%之间。最后使用主成分分析(PCA)结合支持向量机(SVM)模型与卷积神经网络模型(CNN)对氟班色林白酒、啤酒、葡萄酒溶液进行定性及定量分类,以算法程序降低判定工作量和人工误判的概率。PCA-SVM模型对氟班色林白酒、啤酒、葡萄酒光谱数据集的定性分类准确度分别为100.00%、95.80%、92.00%,而对这三种数据集的定量分类准确度分别为92.30%、91.70%、92.00%。CNN模型的定性分类准确度分别为100.00%、94.70%、96.90%,定量分类准确度分别为95.00%、90.70%、91.10%,基本验证了算法代替人工的优势与可行性。论文充分展示了SERS技术在迷幻药物的快速现场检测方面巨大的应用潜力以及未来自动对样品检测定量的可能。