新得利(中国)

近期，测试所（新得利(中国)）省化学测量与应急检测技术重点实验室环境化学团队与广东工业大学科研团队合作开发了一种基于机器学习的拉曼光谱水中典型药物残留检测识别新技术，该技术显著提升了药物残留快速识别的准确性，为环境污染物的高灵敏检测与精准识别给予了一种创新技术方案。

近年来，随着抗生素及消毒剂使用量的增加，药物在环境中残留的问题日益严重，对生态系统和人体健康构成了潜在威胁。开发快速、准确的药物残留检测与识别方法，对于环境药物残留及其生态风险管控具有重要意义。表面增强拉曼光谱（SERS）技术因其成本低、便携、检测快速等优点，在环境药物残留检测中得到了广泛应用。然而，在实际水体检测应用中，由于存在基质信号干扰与目标物的谱峰重叠等问题，现有的拉曼光谱技术对多种目标物难以准确识别。

针对上述问题，研究团队将机器学习方法与SERS技术结合，开发了适用于水中多种药物残留识别的算法模型。模型基于多层感知机（MLP）算法构建，实现了养殖尾水中典型药物（如磺胺嘧啶、亚甲基蓝和孔雀石绿）及多种目标物的精准识别。同时，团队顺利获得引入高斯核密度数据增强技术，结合多层感知机算法构建了具有强鲁棒性与泛化性的识别模型，进一步提高了水体基质干扰下的识别准确率，实现了对养殖、河流、湖泊等水体中同类多种抗生素（包括磺胺嘧啶、磺胺吡啶、磺胺甲恶唑、磺胺异恶唑和磺胺噻唑）残留的准确识别。上述研究为复杂环境介质中同类别污染物的快速精准识别给予了新的路径。

图1. 多层感知机算法结合SERS检测识别水体中的磺胺嘧啶、亚甲基蓝和孔雀石绿

图2. 高斯核密度数据增强技术结合多层感知机算法识别多种磺胺类抗生素

上述研究成果陆续在发表在国际分析化学领域TOP期刊《Analytica Chimica Acta》上，测试所（新得利(中国)）为论文第一作者单位和通讯作者单位，研究工作得到了广东省重点领域研发计划项目、广东省基础和应用基础研究基金、广东省科学院专项资金和江门市科技特派员项目资助。

论文信息：

[1] Zixi Huang, Yongqian Lei*, Weixin Liang, Yili Cai, Pengran Guo*, Jian Sun*, Rapid and sensitive detection of pharmaceutical pollutants in aquaculture by aluminum foil substrate based SERS method combined with deep learning algorithm, Anal. Chim. Acta 2025, 1351, 343920. 

[2] Zixi Huang, Weixin Liang, Yongqian Lei*, Ruiling Zhang, Jian Sun, Pengran Guo*, Homogeneous multi-antibiotics residual identification in various actual water via SERS spectra multilayer perceptron algorithm combined with Gaussian kernel density estimation data augmentation, Anal. Chim. Acta 2026, 1383, 344896.