买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京师范大学

摘要：本发明涉及了一种以酶联免疫吸附法结合焦点损失函数‑图像分割网络机器学习算法FL‑SegNet对抗生素类新污染物溯源的方法。首先设计制备与特异性抗生素类污染物结合的多克隆抗体，随后，将碱性磷酸酶与抗体结合，通过酶标二抗法制备碱性磷酸酶标抗体复合物，加入抗生素后形成抗原‑抗体‑酶复合物进一步，以焦磷酸铜、抗坏血酸磷酸酯、4‑氨基苯基磷酸酯等为底物生成有色产物，对该复合体系的荧光指纹波谱进行检测。利用FL‑SegNet深度学习模型对获得的指纹波谱信号进行机器学习，预测荧光信号与污染源与受污染区水样之间的相关性，可达到对抗生素类新污染物的高效、精准溯源之目的。

主权项：1.一种以酶联免疫吸附法结合焦点损失函数-图像分割网络FL-SegNet机器学习算法对抗生素类新污染物溯源的方法，其特征在于，该方法包括以下步骤：步骤1，预先筛选待检测的目标抗生素类新污染物，标记为A1、A2、A3、A4等；步骤2，设计制备与特异性抗生素类污染物结合的多克隆抗体；步骤3，将碱性磷酸酶与抗体结合，通过酶标二抗法制备碱性磷酸酶标抗体复合物；步骤4，加入步骤1中筛选的抗生素后，形成抗原-抗体-酶复合物；步骤5，筛选特定的碱性磷酸酶反应底物，标记为S1、S2、S3、S4等；步骤6，加入步骤5中筛选得到的底物，以激发波长260～350nm，发射波长320～550nm范围内扫描三维荧光波谱，扣除其背景和散射信号，进行数据清洗，获取其指纹波谱信息；步骤7，采集不同抗生素和不同反应底物的对应谱图，如A1-S1、A2-S2、A1-S2、A2-S1…等；步骤8，将所获得的对应谱图导入焦点损失函数-图像分割网络FL-SegNet中进行机器学习，提取波谱细节、纹理、形状关键信息，改善模型的泛化能力和鲁棒性，输出具有指导意义的网络模型；步骤9，对可疑区和敏感区的上下游水体进行野外采样，对水样进行预处理，进行杂质的分离纯化，消除背景杂质的干扰；步骤10，将步骤9获得的纯净水样重复步骤4、步骤6，步骤7，获得对应的指纹波谱信息；步骤11，对获得的谱图进行数据整合和数据清洗，建立数据库，在步骤8建立的网络模型的基础上，将可疑区的水样与下游受污染区的谱图进行比对分析，进行识别和验证，最终确定污染源。

全文数据：

权利要求：

百度查询： 北京师范大学 以酶联免疫和FL-SegNet对抗生素类新污染物溯源的方法