基于机器学习预测模型的锡-钽-氧掺杂垂直石墨烯电化学传感器用于饮料中镉的实时监测

本研究创新性地将物理/化学气相沉积（PVD/CVD）制备的锡(Sn)-钽(Ta)-氧(O)三元掺杂垂直石墨烯（STO-VG）电极与机器学习（ML）算法结合，开发出具有宽检测范围（0.1-200 μM）、超低检测限（1.80 nM）的镉离子（Cd2+）电化学传感器，在饮料实际检测中回收率达95.6%-105.2%，为食品安全现场快速检测提供了新材料与新策略。

　　

Highlight
本研究开发了一种基于原位生长STO-VG微电极的电化学检测技术，结合机器学习算法实现Cd²⁺的高效检测。根据差分脉冲阳极溶出伏安法（DPASV）原理，Sn@SnO_x纳米颗粒能促进Cd²⁺还原并加速镉沉积，而垂直石墨烯（VG）骨架与Ta₂O₅纳米颗粒协同作用，显著提升Cd氧化为Cd²⁺的效率。

Results and discussion
通过SEM/TEM表征发现（图2），SnO₂溅射5分钟的S₅TO-VG样品呈现纳米颗粒分散在纳米片上的独特结构，而溅射15分钟的S₁₅TO-VG则形成更均匀的纳米片层。截面SEM显示VG层厚度约1.5μm，其三维结构为重金属吸附提供了丰富活性位点。XPS分析证实Sn⁴⁺/Sn²⁺和Ta⁵⁺的共存态，这种多价态协同增强了电子转移能力。

Conclusion
构建的STO-VG传感器在Cd²⁺检测中展现出卓越性能：

1. 宽线性范围（0.1-200 μM）媲美实验室级ICP-MS
2. 1.80 nM的检测限满足最严苛的食品安全标准
3. 在橙汁/矿泉水等复杂基质中保持95.6%-105.2%的回收率
   该技术为食品重金属污染监测提供了"传感材料-算法"双创新解决方案。

CRediT authorship contribution statement
陶志宇：实验验证/论文撰写；苏林：算法开发/数据分析；李明吉：课题设计/资金支持；宣秀伟：数据可视化；李翠平：实验指导；李宏基：论文修订/项目管理。

Declaration of competing interest
作者声明无利益冲突。

Acknowledgements
感谢国家自然科学基金（62271350）资助。