三唑类杀菌剂（TFs）是一类重要的广谱杀菌剂，其分子结构中通常含有1,2,4-三唑基团，已被广泛用于水果、蔬菜、豆类和谷物等多种农作物病害防治。然而，TFs具有较高的化学/光化学稳定性以及较长的环境半衰期，容易在不同环境介质中迁移和累积。其残留不仅会对人体和非靶标生物产生潜在毒性，还可能因不同亚型在生物活性、毒理特征和降解途径上的差异而增加风险评估难度。因此，开发一种能够在复杂基质中实现痕量检测并同时区分结构相似TFs亚型的分析方法具有重要意义。
传统的TFs鉴别与检测方法主要依赖气相色谱、高效液相色谱以及质谱联用等技术，通常还需要复杂的预浓缩或样品前处理过程以提升灵敏度并降低基质干扰。这些方法存在成本较高、流程繁琐、仪器昂贵和对专业人员依赖强等问题。近年来，光学、电化学和比色传感方法因操作简便受到关注，但在区分结构相近的TFs亚型方面仍存在不足。传感器阵列技术能够通过交叉反应信号形成特征识别模式，突破单一探针识别能力有限的问题；然而，许多阵列仍易受到样品基质、背景荧光和散射信号干扰。因此，构建一种信号输出直观、抗背景干扰能力强、同时具备高效识别和检测能力的新型方法十分必要。
近期，河北师范大学王振光教授课题组与山东省疾病预防控制中心姜大峰主任技师联合报道了一种基于主客体掺杂的深度学习辅助室温磷光传感器阵列，该阵列成功实现了五种分子结构相似三唑类杀菌剂亚型及其混合物的可视化区分。通过将余辉响应与线性判别分析、层次聚类分析以及DenseNet深度学习算法相结合，该平台能够直接从余辉图像中自动识别TFs的类型和浓度，准确率超过91%，识别速度小于1 s。相关成果发表在国际化学权威杂志Analytical Chemistry上。河北师范大学-河北大学联合培养博士研究生沈松为第一作者，河北师范大学王振光教授，王恒刚博士，山东省疾病与控制中心姜大峰主任技师为通讯作者。
这项工作通过简单热处理策略，将五种三唑类杀菌剂掺入硼酸（BA）基质中，制备出具有强烈、多色和长寿命余辉发射的BA@TFs主客体复合材料。刚性BA基质能够有效降低客体分子的单线态-三线态能级差，并抑制非辐射跃迁，从而显著放大原本较弱的TFs室温磷光信号。通过监测浓度依赖的余辉颜色、发射强度和寿命变化，实现了对TFs的定量检测和亚型鉴别。此外，利用时间分辨RTP信号采集可以有效消除自发荧光和散射背景干扰，使该方法在真实样品检测中具有更高的可靠性。本研究为农药残留的现场、可视化和智能化检测提供了一种简便策略，在环境监测和食品安全评估领域具有良好的应用前景。
图1. 基于主客体掺杂诱导RTP信号放大的三唑类杀菌剂传感器阵列制备示意图。图片来源：Anal. Chem.
首先，作者以BA为主体基质，通过简便的热处理过程来调节TFs的室温磷光性能。研究选择了丙硫菌唑、环氧菌唑、苯醚甲环唑、戊唑醇和烯效唑五种结构或功能相似的TFs作为目标分子。单独的TFs在室温下几乎不显示延迟光致发光信号，而在掺入BA并加热后，所得BA@PTC、BA@EPC、BA@DIF、BA@TEB和BA@DIN复合材料均表现出明显的蓝色发射和多色余辉（图2a）。其余辉颜色可由青色调控至黄色（图2b-2f），持续时间约为0.1至3.2 s（图2g），并在存放30天后仍保持良好的发光稳定性。
然后，为了更深入地了解复合材料余辉的来源和性质，测试了BA@TFs及对应客体分子的温度相关延迟光致发光光谱和发射衰减曲线（图2h-2m）。随着检测温度从325 K降低至77 K，复合材料的延迟光致发光强度逐渐增强，而峰位几乎不发生移动；同时，随着温度升高，发射寿命缩短。这些结果表明，复合材料的余辉主要来源于磷光过程，而非多发射中心或热激活延迟荧光。同时，复合材料的延迟光谱与相应TFs在77 K下的延迟光谱高度重叠，进一步说明余辉主要来自被包埋客体分子的磷光发射，BA基质则起到增强余辉强度和延长寿命的作用。
图2. 主客体复合材料的光物理性质和余辉发光表现。图片来源：Anal. Chem.
为了阐明主客体体系的结构组成及增强机制，进一步开展了热重分析、X射线衍射、X射线光电子能谱和傅里叶变换红外光谱等表征（图3b-3f）。结果表明，硼酸在加热过程中经历熔融、脱水和结构转化，最终形成B2O3基质（图3a）；TFs客体分子成功嵌入该刚性基质中，并与基质之间形成相互作用。通过比较客体分子和复合材料的ΔEST发现，掺入BA基质后产物的ΔEST明显减小，有利于提高系间窜越效率（图3g-3h）。同时，BA基质的刚性环境能够隔离客体分子，减少氧气、分子振动等外界因素导致的激子猝灭。降低ΔEST和抑制非辐射衰减的协同作用，共同促成了TFs室温磷光性能的显著增强（图3i）。
图3. 余辉材料的结构表征与RTP增强机理。图片来源：Anal. Chem.
基于复合材料RTP强度与TFs负载量之间的相关性，构建了五种TFs的定量检测模型（图4a-4e）。即使痕量TFs也能够诱导形成强烈余辉产物，且RTP强度随客体分子负载量增加而增强。该方法的检测过程简单、重复性良好，并可通过时间分辨信号采集有效避免样品基质背景的影响。此外，针对金属离子、阴离子、氨基酸和小分子生物物质等28种常见潜在干扰物进行了选择性测试，结果显示大多数干扰物仅产生与空白样品相近的微弱RTP信号，证明该RTP检测方法具有优异的抗干扰能力和选择性（图4f）。
图4. 三唑类杀菌剂的定量检测曲线和选择性测试。图片来源：Anal. Chem.
此外，基于不同TFs亚型负载后复合材料在余辉颜色、发射强度和寿命方面的差异，构建了RTP传感器阵列。收集不同类型和不同浓度TFs反应所得复合材料的延迟光致发光光谱、发射衰减曲线、延迟光强和平均寿命参数（图5a-5c），并进一步转化为热图和三维判别图（图5d-5f，图5j-5k）。通过线性判别分析（LDA）和层次聚类分析（HCA），五种TFs在不同浓度下均能够形成清晰分离的特征簇，实现无重叠区分（图5g-5i，图5m-5o）。进一步地，判别因子1与TFs浓度之间具有良好的线性关系，说明该阵列不仅可用于亚型识别，也可用于浓度相关的定量分析。
图5. RTP传感器阵列对单组三唑类杀菌剂的鉴别结果。图片来源：Anal. Chem.
为了进一步验证该传感器阵列的交叉响应能力和实际鉴别性能，研究人员开展了二元和三元TFs混合物分析。通过改变不同TFs组分比例，获得了相应的延迟光谱、衰减曲线、寿命数据和余辉强度变化，并将这些信息整合为雷达图、聚类热图和LDA判别图（图6g-6b，图6d-6e）。结果显示，不同比例的二元和三元混合物均呈现出差异明显的余辉指纹特征，并在LDA图中实现完全分离，没有出现误分类现象，表明该方法能够有效处理多组分复杂农药残留体系（图6c，图6f）。
图6. RTP传感器阵列对混合三唑类杀菌剂的鉴别结果。图片来源：Anal. Chem.
最后，受益于TFs传感器阵列高度可视化的余辉响应，研究人员进一步构建了基于DenseNet算法的智能人工视觉平台。该平台通过采集不同类型和浓度TFs复合材料的余辉图像，提取RGB和HSV等颜色特征，并经过卷积层、池化层和全连接层进行特征学习与结果输出(图7a)。研究共收集了1230张余辉图像，其中80%用于模型训练，20%用于测试。测试结果表明，DenseNet能够在1 s内自动输出TFs的类型和浓度，识别准确率超过91%(图7b，图7c)。该结果说明，将可视化RTP响应与深度学习算法结合，能够显著提升农药残留检测的智能化、便携化和自动化水平。
图7. 基于DenseNet的智能视觉平台对TFs类型和浓度的自动识别。图片来源：Anal. Chem.
总结
本研究通过主-客体掺杂策略，以硼酸为刚性主体基质，开发了一种深度学习辅助的室温磷光传感器阵列，用于三唑类杀菌剂的快速、可视化和智能化鉴别。该策略能够将原本室温磷光较弱的TFs转化为具有强发射、可调颜色和长寿命余辉的BA@TFs复合材料。其增强机制主要归因于BA基质降低ΔEST、促进系间窜越，并通过刚性限域抑制非辐射衰减和环境猝灭。不同TFs及其混合物产生的余辉颜色、强度和寿命指纹可通过LDA和HCA实现清晰区分，同时该体系还表现出良好的灵敏度、选择性和真实样品适用性。DenseNet智能视觉平台的引入进一步简化了数据解读，可直接从余辉图像中自动识别TFs类型和浓度。该平台具有以下三个主要优势：（1）制备过程简单，采用易获得的BA基质和热处理策略；（2）信号采集抗背景干扰能力强，可实现可视化和时间分辨检测；（3）结合机器学习后具备快速、准确和自动化识别能力。这些综合特性凸显了该技术在食品安全检测、环境监测和现场农药残留筛查中的应用潜力。
原文（扫描或长按二维码，识别后直达原文页面）：
Deep Learning-Assisted Room-Temperature Phosphorescence Sensor Array Based on Host–Guest Doping for Visual Discrimination of Triazole Fungicides
Song Shen, Caicai Liu, Henggang Wang*, Jinzhu Ma, Yun-Kai Lv, Yupeng Wang, Dafeng Jiang*, Zhenguang Wang*
Anal. Chem., 2026, DOI: 10.1021/acs.analchem.6c00501
导师介绍
王振光
https://www.x-mol.com/groups/wang_zhenguang-hebtu
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
