项目名称: 食品风险残留物快速检测方法研究

项目编号: No.61471341

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 高晓光

作者单位: 中国科学院电子学研究所

项目金额: 83万元

中文摘要: 离子迁移率谱(IMS)技术因灵敏度高、可靠性好、响应速度快等优点而在痕量物质检测领域得到广泛应用。样品离化是实现IMS检测的前提,电喷雾解吸离化(DESI)技术具有基质耐受性好、样品前处理简单等优点,用于IMS可有效提高检测速度。针对食品中风险残留物检出限低的要求,本项目提出一种基于纳米硅尖阵列的表面增强DESI方法,与IMS联用实现食品风险残留物高灵敏、快速检测。利用MEMS技术制备纳米硅尖阵列作为DESI样品载物表面,实现待测物的高效离化;研究样品载物表面结构及电场分布对DESI离化过程的影响,探索硅尖阵列对DESI的表面增强机理;研究电喷液、电喷辅助气体、IMS漂移气体中微量掺杂剂与待测物的分子-离子反应,选择合适的掺杂剂,实现待测物的高选择性离化。本项目提出的表面增强DESI-IMS联用方法为食品风险残留物的高灵敏、快速检测提供新方法和科学依据。

中文关键词: 气体传感器件;食品风险残留物;快速检测

英文摘要: Ion mobility spectrometry (IMS), which has the advantages of high sensitivity, fast detection and good reliability, has been widely used in detection of trace substance. The formation of gas-phase ions precedes the processes of ion separation and detection of product ions by mobility measurements. Desorption electrospray ionization (DESI) can be coupled with IMS to increase the alalysis speed because DESI can ionize sample with complex matrix directly and needs minimal sample pretreatment. In order to meet the need of low detection limit of undesirable residues in food, a novel method of Substrate-Enhanced DESI based on silicon tip array coupled with IMS is proposed.Silicon tip array fabricated by MEMS technology is used as DESI sample substrate to increase ionization efficiency of undesirable residues in food and the mechanism of Substrate-Enhanced DESI is explored. The ion-neutral interactions of analyte with added solute or dopant is studied and controlled to increase the selectivity of DESI to undesirable residues in food. The proposed novel method of Substrate-Enhanced DESI-IMS provides the scientific basis and a new way to develop the food safety determination method with high sensitivity, short analysis time and good reliability.

英文关键词: gas sensing device;undesirable residues in food;rapid detection

成为VIP会员查看完整内容
0

相关内容

军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
《智能制造机器视觉在线检测测试方法》国家标准意见稿
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
11+阅读 · 2021年7月4日
专知会员服务
19+阅读 · 2021年5月4日
【ICLR2021】神经元注意力蒸馏消除DNN中的后门触发器
专知会员服务
13+阅读 · 2021年1月31日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
计算生物学揭秘奥密克戎强感染性原因
微软研究院AI头条
0+阅读 · 2022年4月12日
微信AI的高性能检测器,让识图更精准
微信AI
0+阅读 · 2021年4月22日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
已删除
德先生
53+阅读 · 2019年4月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
《智能制造机器视觉在线检测测试方法》国家标准意见稿
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
11+阅读 · 2021年7月4日
专知会员服务
19+阅读 · 2021年5月4日
【ICLR2021】神经元注意力蒸馏消除DNN中的后门触发器
专知会员服务
13+阅读 · 2021年1月31日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
相关资讯
计算生物学揭秘奥密克戎强感染性原因
微软研究院AI头条
0+阅读 · 2022年4月12日
微信AI的高性能检测器,让识图更精准
微信AI
0+阅读 · 2021年4月22日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
已删除
德先生
53+阅读 · 2019年4月28日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
相关基金
微信扫码咨询专知VIP会员