Detection of Buried Explosives Using a Surface-Enhanced Raman Scattering (SERS) Substrate Tailored for Miniaturized Spectrometers
Notice bibliographique
Résumé
The advent of miniaturized, fiber-based, Raman spectrometers provides a clear path for the wide implementation of surface-enhanced Raman scattering (SERS) in analytical chemistry. For instance, miniaturized systems are especially useful in field applications due to their simplicity and low cost. However, traditional SERS substrates are generally developed and optimized using expensive Raman microscope systems equipped with high numerical aperture (NA) objective lenses. Here, we introduced a new type of SERS substrate with intrinsic Raman photon directing capability that compensates the relatively low signal collection power of fiber-based Raman spectrometers. The substrate was tested for the detection of buried 2,4-dinitrotoluene in simulated field conditions. A linear calibration curve ( R 2 = 0.98) for 2,4-dinitrotoluene spanning 3 orders of magnitude (from μg kg –1 to mg kg –1 ) was obtained with a limit of detection of 10 μg kg –1 within a total volume of 10 μL. This detection level is 2 orders of magnitude lower than that possible with the current state-of-the-art technologies, such as ion mobility spectrometry–mass spectrometry. The approach reported here demonstrated a high-performance detection of 2,4-dinitrotoluene in field conditions by a SERS platform optimized for miniaturized Raman systems that can be deployed for a routine inspection of landmine-contaminated sites and homeland security applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».