近日，广东省科学院测试分析研究所（中国广州分析测试中心）科研团队携手广东工业大学科研团队，成功开发出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。相关成果相继发表于《分析化学学报》（国际版）（Analytica Chimica Acta）。

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。研究团队供图，下同

近年来，抗生素及消毒剂使用量不断攀升，药物在环境中的残留问题愈发严峻，对生态系统和人体健康构成潜在威胁。因此，开发快速、精准的药物残留检测与识别方法，对于管控环境药物残留及其生态风险意义重大。表面增强拉曼光谱（SERS）技术凭借成本低、便携、检测快速等优势，在环境药物残留检测领域得到广泛应用。但在实际水体检测中，基质信号干扰和目标物谱峰重叠等问题，导致现有拉曼光谱技术难以准确识别多种目标物。

为解决上述难题，在广东省重点领域研发计划等项目资助下，研究团队将机器学习方法与SERS技术深度融合，开发出适用于水中多种药物残留识别的算法模型。该模型基于多层感知机（MLP）算法构建，可精准识别养殖尾水中的典型药物，如磺胺嘧啶、亚甲基蓝和孔雀石绿等。

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。

与此同时，团队引入高斯核密度数据增强技术，结合多层感知机算法构建出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、湖泊等水体中多种同类抗生素（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。

该技术有效提升了药物残留快速识别的精准度，为环境污染物的高灵敏检测与精准识别提供了创新方案。

相关论文信息：https://doi.org/10.1016/j.aca.2025.343920

https://doi.org/10.1016/j.aca.2025.344896