近日，中国农业大学工学院智能检测与精密
仪器研究中心汤修映教授研究团队在气体传感器及其仪器装备制造领域取得重大进展。该研究合成了分子印迹聚合物(MIPs)和金属有机框架(MOF)的复合涂层用于修饰
石英晶体微天平气体传感器，并以该传感器为核心部件开发了嗅觉检测系统实现了不同霉变程度小麦的鉴别。
该研究成果以“Fabricating Quartz Crystal Microbalance Sensors by Synthesizing Molecularly Imprinted/ZIF-8 Framework Composites for Discrimination of Moldy Wheat”(通过合成分子印迹/ZIF-8框架复合材料制备石英晶体微天平传感器用于霉变小麦的鉴别)为题，发表在《Chemical Engineering Journal》(化学工程杂志)(中科院一区Top期刊，IF=13.4)期刊上。
小麦谷物在储存过程中，随着时间的推移会因老化而发生自然变质，而温度和湿度的不利条件会导致真菌生长，从而加速变质。小麦作为我国主要的粮食作物之一，其在保障国家粮食安全、满足人民生活需求等方面扮演着至关重要的角色。因此，对于小麦早期霉变检测尤为重要。
在该研究中，团队使用分子印迹聚合物(MIPs)和金属有机框架(MOF)的复合涂层来修饰石英晶体微平衡(QCM)气体传感器，且以该QCM传感器为核心部件开发了嗅觉检测系统用于区分不同霉变程度的小麦。
气相-
色谱质谱联用仪(GC-MS)分析表明1-辛烯-3-醇是霉变小麦的特征标志物，将其作为模板分子合成MIP用于修饰QCM传感器。在MIP合成过程中，为了提高传感器的检测性能加入了一种典型的MOF(沸石咪唑酸框架-8(ZIF-8))。QCM传感器在5-100 ppm范围内对1-辛烯-3-醇的灵敏度为0.66 Hz/ppm，检测限为4.53 ppm。以QCM传感器为核心组件的嗅觉检测系统极大的缩短了检测过程的响应时间和恢复时间。最后，使用4种分类器对不同霉变程度的小麦样品进行分类。
结果表明，支持向量机(SVM)模型是最有效的分类模型，分类准确率高达98.6%。该研究为气体传感器的发展和小麦早期的霉变检测提供了新思路。
团队成功研发以石英晶体微天平气体传感器为核心部件的嗅觉检测系统，标志着仪器制造领域又迎来一次重要的突破。这项研究为小麦早期霉变检测提供了新的思路。未来，随着技术的不断优化升级，其有望在更多领域发挥更加重要的作用。
素材来源：中国农业大学新闻网
