سواب SERS با آرایه میکرومخروطی الکتروریسی شده انعطاف‌پذیر برای تشخیص سریع تقلب در زعفران در محل

پراکندگی رامان بهبود یافته سطحی (SERS) به دلیل حساسیت بالای آن نسبت به رنگ‌ها و آلاینده‌های مولکولی کمیاب، توجه فزاینده‌ای را در آزمایش اصالت مواد غذایی به خود جلب کرده است. با این حال، کاربرد عملی آن در مواد گیاهی رشته‌ای مانند زعفران همچنان چالش برانگیز است، عمدتاً به این دلیل که سطوح نامنظم آنها مانع نمونه‌برداری کارآمد شده و منجر به یکنواختی ضعیف نقاط داغ می‌شود. در اینجا، ما یک غشای فیبری الکتروریسی شده با الگو با آرایه‌های میکرومخروطی منظم (EFM-OMA) را به عنوان یک پلتفرم SERS سه‌بعدی انعطاف‌پذیر برای تشخیص سریع تقلب زعفران گزارش می‌کنیم. معماری میکرومخروطی منظم، یک محیط بهبود نانومقیاس بسیار تکرارپذیر را فراهم می‌کند و نقاط داغ متراکم و یکنواخت مبتنی بر AgNPs را در کل زیرلایه امکان‌پذیر می‌سازد. این ساختار نه تنها اتصال الکترومغناطیسی را افزایش می‌دهد، بلکه راندمان جمع‌آوری مولکولی را نیز در طول سواب‌گیری از نمونه‌های جامد نامنظم به طور قابل توجهی بهبود می‌بخشد. سواب EFM-OMA SERS با بهره‌گیری از حساسیت و یکنواختی بالا، به ضریب تقویت 3.7×1011، حد تشخیص تا 10-14M و تکرارپذیری سیگنال عالی با RSD 7.86% دست می‌یابد. اثر انگشت‌های پایدار طیف کامل به‌دست‌آمده از سواب را می‌توان با استفاده از یک طبقه‌بندی‌کننده جنگل تصادفی به‌طور قابل اعتمادی تجزیه و تحلیل کرد و امکان شناسایی دقیق زعفران تقلبی با رنگ را فراهم کرد. این کار یک استراتژی مقیاس‌پذیر را نشان می‌دهد که یک بستر SERS سه‌بعدی انعطاف‌پذیر را با تجزیه و تحلیل طیفی به کمک یادگیری ماشین ادغام می‌کند و مسیری مؤثر برای تأیید هویت سریع و در محل مواد گیاهی جامد ارائه می‌دهد.

Surface-enhanced Raman scattering (SERS) has attracted increasing attention in food authenticity testing due to its high sensitivity toward dyes and trace molecular contaminants. However, its practical application to filament-type herbal materials such as saffron remains challenging, largely because their irregular surfaces hinder efficient sampling and lead to poor hotspot uniformity. Here, we report a template-assisted electrospun fiber membrane with well-ordered microcone arrays (EFM-OMA) as a flexible 3D SERS platform for rapid detection of saffron adulteration. The well-ordered microcone architecture provides a highly repeatable nanoscale enhancement environment, enabling dense and uniform AgNPs-based hotspots across the entire substrate. This structure not only enhances electromagnetic coupling but also significantly improves molecular collection efficiency during swabbing of irregular solid samples. Benefiting from its high sensitivity and uniformity, the EFM-OMA SERS swab achieves an enhancement factor of 3.7 × 1011, a detection limit down to 10−14 M, and excellent signal reproducibility with an RSD of 7.86%. The stable full-spectrum fingerprints obtained from the swab can be reliably analyzed using a Random Forest classifier, enabling accurate identification of dye-adulterated saffron. This work demonstrates a scalable strategy that integrates a flexible 3D SERS substrate with machine-learning-assisted spectral analysis, offering an effective route for on-site, rapid authentication of solid herbal materials.