[发明专利]一种用于检测铝离子的碳量子点的制备方法及其检测应用

说明书

本发明公开了一种用于检测铝离子的碳量子点的制备方法及其检测应用，特点是包括以下步骤：将2，5‑二羟基对苯二甲酸乙酯和尿素按质量比2：1的比例混匀后，置于反应釜中，并在160℃~200℃下加热6~8 h，待反应釜自然冷却至环境温度后，7662×g离心5 min，取上清液于1000 Da透析24~48 h即得用于检测铝离子的碳量子点分散液，其检测铝离子的方法包括将待测样品Al³⁺溶液用智能手机拍摄荧光彩色照片输入图像分类器进行浓度分类输出N个Pi值经公式计算样品中获得Al³⁺浓度，优点是荧光强度高、分散性良好、具有良好的光稳定性，且对Al³⁺特异性响应，检出范围宽、灵敏度和准确性高、检测时间短。

技术领域

本发明涉及一种铝离子的检测方法，尤其是涉及一种用于检测铝离子的碳量子点的制备方法及其检测应用。

背景技术

目前，Al³⁺检测方法主要包括：原子吸收光谱法(AAS)、电感耦合等离子体发射 光谱法(ICP-OES)、电感耦合等离子体质谱法(ICP-MS)、离子色谱法等。这些方法的准 确度、灵敏度、选择性很高，但需要昂贵的仪器、繁琐的实验流程以及熟练的专业人员 等，难以应用于现场检测。传统的电化学方法操作方便、分析成本低，但准确度、灵敏 度、选择性难以满足要求。近年来，利用碳纳米材料构建荧光传感器，因具有灵敏度高、 操作方便、仪器成本低、实时检测等优点，展现出良好的现场检测应用前景，因此开发 水介质的荧光化学传感器、通过基于合适的传感机制设计和制造新型水介质荧光探针， 在生物、化学和环境系统中简单高效检测、识别和量化铝离子变得至关重要。

碳量子点(CQDs)是一种新型的荧光碳纳米材料，具有卓越的生物相容性、水 溶性、化学稳定性、无毒、高导电性和光致发光特性，很适合用于开发荧光传感器。已 有不少基于CQDs检测Al³⁺的报道，如荧光光度法、荧光试纸条法、RGB程序识别法等， 但普遍存在线性范围窄、线性不佳、定量能力弱等问题，原因在于：CQDs具有荧光， CQDs-Al³⁺配合物也具有荧光，二者的激发光谱和荧光光谱并不完全相同，这就使得表 现出来的总荧光强度与Al³⁺浓度并不是简单的线性关系。换言之，在较窄的浓度范围内 表现出一定的线性关系，但在相对较宽的浓度范围内则是复杂体系下的非线性关系，这 就给现场快速定量检测Al³⁺带来了困难。解决这种复杂体系产生的非线性响应信号检测 的问题，深度学习是一个很好的选择。

深度学习算法是一类基于人工神经网络的机器学习方法。深度学习的主要优点可以归结为三个方面：首先，多层特征提取能力得益于逐层的深度架构，这使得它能够完 美地提取与目标问题相关的最有价值的信息。这使得深度学习在图像分类、语义分割等 方面优于大多数传统算法，甚至优于人类专家。其次，深度学习的数据驱动特性恰好满 足了处理不断扩大的大数据的需要。同时，深度学习体系结构的高度灵活性使其能够处 理不同类型的数据，如顺序数据、图像或数据立方体。第三，深度学习模型以端到端方 式利用输入和输出，从而可以规避繁琐的分步过程，减少人工干扰，一旦模型训练良好， 这些特性使深度学习成为生物光谱学和生物光谱成像的一个非常强大的工具。卷积神经 网络通过复杂的学习过程，可以方便快速捕捉图像的颜色特征并且快速处理和显示结 果，进而达到扩大可视化识别范围的目的。与传统分析方法需要相对复杂的仪器相比， 内嵌有深度学习算法的数字图像比色法可以方便进行，实时定量分析目标离子，这为检 测重金属离子提供了一个新的思路。目前，国内外还没有公开关于用于检测铝离子的碳 量子点的制备方法及其基于深度学习算法的检测应用的相关研究报道。

发明内容

本发明所要解决的技术问题是提供一种荧光强度高、分散性良好、具有良好的光稳定性，且对Al³⁺特异性响应的用于检测铝离子的碳量子点的制备方法及其检测应用，该检测方法检出范围宽、灵敏度和准确性高、检测时间短。