项目描述：（1）将单层Ti3C2纳米片与金纳米颗粒进行静电组装形成纳米复合材料体系，该复合材料作为SERS基底基于电磁场增强与化学增强机理，具有高灵敏度，应用于天麻的快速检测。
（2）对制备的SERS 基底进行扫描电镜表征、对基底优化、对检测条件进行优化。
（3）将天麻进行破碎处理，对得到的天麻粉末进行超声提取，得到天麻提取液。
（4）使用上述制备基底对不同品质不同浓度的天麻进行拉曼测定，得到大量的光谱数据，对数据进行预处理。
（5）将预处理好的数据导入搭建好的机器学习模型进行模型性能的对比，并在学习过程中进行参数优化，得到性能最优的机器学习模型。
（6）对机器学习模型和分类及定量前后的光谱数据进行可视化，解释机器学习内容。

项目描述：1）使用电化学沉积法控制不同的沉积电位、沉积时间制备一个高灵敏度的SERS 基底用于麦冬的快速检测。对制备的SERS 基底进行扫描电镜表征、对基底优化、对检测条件进行优化。
（2）将麦冬进行粉碎，对麦冬粉末进行超声提取，得到醇提取物。
（3）使用上述制备基底对不同品质不同浓度的麦冬进行拉曼测定，得到大量的光谱数据，对数据进行预处理。 
（4）将预处理好的数据导入搭建好的机器学习分类模型和回归模型，设计比较了几种不同品质麦冬之间具体差异并进行定量分析，并在学习过程中进行参数优化，根据分析软件的分类与定量结果，对分类器与回归器进行分类效能的性能分析以及模型验证、泛化能力验证等，最终判断模型的优劣及是否达到实际应用的标准。

项目描述：（1）通过引入具有低表面自由能的全氟分子，提供丰富的超疏水结构赋予金纳米双锥粒子超高的接触角，使其在5S内快速的在油水界面形成排列致密的2D薄膜，再将金膜转移到胶带上，得到SERS活性基底用于黑蒜的快速检测。后续对制备的SERS 基底进行扫描电镜表征、基底优化、检测条件优化。
（2）对五种产地的黑蒜进行切片处理，后使用上述制备基底对五种产地的黑蒜进行拉曼测定，每种产地得到200个左右的光谱数据，对光谱数据使用PCA法进行数据预处理，同时保留未经过预处理的数据和拉曼光谱图。
（3）将所有数据导入搭建好的传统机器学习模型进行模型性能的对比，将拉曼光谱图导入预先训练好的CNN 模型中进行迁移学习以适应 我们的小数据集，同时在学习过程中进行参数优化，最终通过测试集准确度、混淆矩阵、ROC曲线等多种方法对训练好的模型进行性能的评估，得到最优的机器学习模型。
（4）通过上述制备的自组装基底与训练好的机器学习模型对不同产地黑蒜进行识别。