基于银溶胶表面增强拉曼光谱对菠菜毒死蜱农药的快速检测

利用表面增强拉曼光谱(SERS)技术,建立了一种用于菠菜中毒死蜱农药残留的非破坏、快速检测方法。以碱性环境下盐酸羟胺还原法制备的银溶胶作为表面增强剂滴涂于菠菜样品表面后,采用实验室自行搭建的拉曼系统直接采集样品的拉曼信息,该方法无需对样品进行前处理,可以实现菠菜中毒死蜱含量的实时在线定量分析。采集24片不同毒死蜱含量的菠菜样品拉曼光谱,每个样品采集20个点。拉曼信号采集后,用气相色谱法对24个菠菜样品中毒死蜱含量进行检测。为了消除光谱噪音以及荧光背景对分析建模的影响,分别采用Savitzky-Golay平滑和有效峰线性拟合法对原始拉曼光谱进行预处理。该表面增强拉曼方法具有较好的重复性,实验中对50个相同毒死蜱含量,但不同状态的菠菜进行光谱采集,其相对标准偏差为13.4%,说明该方法具有一定的普适性。光谱预处理后,选取615.5~626.4 cm-1波段为感兴趣区域,建立0.05~37.4 mg·kg-1浓度范围内毒死蜱含量的多元线性预测模型,结果表明感兴趣区域的拉曼信号和毒死蜱浓度呈良好的线性关系,其校正集和验证集相关系数R_C和R_P分别为0.961和0.954。该方法的最低检出含量为0.05 mg·kg-1,低于国家标准规定的农药残留最大限量。该方法简单快速,无需样品前处理,可以实现果蔬的农药残留快速、定量检测。     

脐橙表皮两种混合农药残留的表面增强拉曼光谱定量检测

针对水果生产中的农药残留问题,利用表面增强拉曼光谱技术(SERS),把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象,探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。采集混合农药样品的SERS光谱,通过对比农药的特征峰可以对混合农药进行定性分析。同时利用化学计量学方法,建立混合农药的定量数学模型,并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果,选择出最优预处理方法与算法的组合。在拉曼光谱范围200～2 300 cm-1内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的脐橙表皮混合农药残留回归模型效果较好,预测相关系数(R_p)为0.912,预测均方根误差(RMSEP)为3.601 mg·L-1。经过波段筛选后并对光谱处理结果对比,发现光谱在200～620,830～1 040及1 250～2 300 cm-1范围内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的回归模型效果较好,R_p为0.909,RMSEP为3.338 mg·L-1。研究表明使用SERS技术,可以对脐橙表皮上残留的混合农药进行定性与定量的分析。     

蜂蜜中乐果农药残留的表面增强拉曼光谱定量分析

应用表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)技术,结合线性回归算法,开展蜂蜜乐果中农药残留快速定量分析方法研究。含乐果农药残留的益母草蜂蜜样品30个作为被测对象,划分成建模集(20个)和预测集(10个)。采用具有规则倒四角锥体结构的Klarite基底作为增强基底,提高特征拉曼位移峰的相对强度。通过含乐果农药残留蜂蜜样品的SERS光谱与乐果标准品的常规拉曼光谱间的对比分析,找到了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰867,1 065,1 317和1 453 cm-1。采用线性回归方法,建立了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰强与乐果浓度间的线性回归模型。10个未参与建模的预测集样品,评价了模型的预测能力。经比较,采用867 cm-1处特征拉曼位移峰强建立的线性回归模型预测结果最优,模型预测相关系数为0.984,预测均方根误差为0.663 ppm。检测限达到2 ppm,接近我国农药残留最大限量标准的检测限。实验结果表明采用表面增强拉曼光谱技术结合线性回归算法实现蜂蜜中乐果农药残留的快速定量分析是可行的。可为其他农产品的农药残留快速定量分析提供参考依据。     

基于表面增强拉曼光谱及密度泛函理论的农药毒死蜱检测研究

毒死蜱作为一种广谱高效有机磷杀虫剂,在农业等领域被广泛使用。但是,环境毒理学研究发现,毒死蜱可直接施于土壤中,与土壤颗粒牢固结合,几乎不会迁移或挥发,而且水溶性低,容易造成药物残留,影响着农副产品食用的安全性,对生态环境具有潜在的危险性,许多国家对毒死蜱在农产品中的残留量有严格的规定。因此,检测毒死蜱残留的生态风险问题是当务之急。表面增强拉曼光谱(SERS)技术具有快捷、高效、灵敏度高等优势,已经成为光谱检测领域的热点研究技术;密度泛函理论被广泛用于分子结构与性质的理论模拟计算及光谱分析。基于表面增强拉曼光谱和密度泛函理论对杀虫剂毒死蜱的拉曼和表面增强拉曼光谱进行理论研究。首先,利用GaussView5.0对毒死蜱分子及加入银团簇基底的分子结构进行构型。其次,对毒死蜱分子采用6-31G基组,并基于密度泛函理论进行结构优化,利用Gaussian09模拟计算出其拉曼及表面增强拉曼光谱,并确定拉曼光谱和SERS光谱峰值归属。最后,从频移量角度分析银团簇Ag₂和Ag₃对毒死蜱拉曼光谱的增强效应,并进行频移量大小对比。研究发现,在两种尺寸银团簇作用下,拉曼光谱在326,463,741,781,1 068,1 294,1 435和1 602 cm-1波数处的特征峰强度均有明显的增强,且随着银团簇结构尺寸增大,拉曼信号增强效果更为明显;在不同银团簇增强作用下,一些特征峰发生偏移,其频移量与银团簇结构相关联,在Ag₂和Ag₃银团簇增强下,表面增强拉曼光谱在463,741～781 cm-1波数处均产生了较大的频移,其余特征峰波数处频移量较小,均在20 cm-1以下,毒死蜱分子分别与Ag₂和Ag₃入侵后的表面增强拉曼光谱进行对比,频移方向有很好的一致性。该研究结果为表面增强拉曼光谱技术在农药残留检测领域的应用提供了理论依据。     

应用表面增强拉曼光谱法检测鸭肉中萘夫西林残留的研究

采用金胶颗粒作为活性基底,氯化钠溶液作为活性剂,并采用表面增强拉曼光谱(SERS)技术建立一种检测鸭肉中萘夫西林残留的检测方法。首先分析了奈夫西林水溶液的SERS特征峰及其归属。然后分析了奈夫西林在鸭肉提取液中的SERS特征峰,确定了鉴定鸭肉中奈夫西林残留的拉曼特征峰,并选取521与1 449 cm-1处的拉曼峰强度进行条件的优化。最后应用内标法对鸭肉提取液中萘夫西林的残留量进行定量分析。结果表明,鸭肉提取液中萘夫西林的质量浓度范围在0.2~10 mg·L-1 时,应用拉曼峰强度比值所建立的四种标定曲线均具有良好的线性关系,决定系数均大于0.95。其中三种标定曲线具有较高的准确度,其回收率介于88%~144%。由此可见,应用SERS检测鸭肉中萘夫西林的残留是可行的,该方法简便、快速,为检测禽肉类食品中萘夫西林的残留提供了技术支持。     

噻菌灵农药的表面增强拉曼光谱分析

利用表面增强拉曼光谱技术(SERS)分析噻菌灵农药的拉曼特征峰。采用微波法制备银溶胶表面增强基底,利用激光显微共焦拉曼光谱仪分别采集514.5和785 nm激发波长下的噻菌灵农药拉曼光谱,解析不同激发波长下的拉曼特征峰并进行比较。结果表明：不同激发波长下噻菌灵的拉曼峰强度和拉曼频移差异较大,514.5 nm激发波长下的782和1 012 cm-1最强,是C—H变形振动较强特征峰,而785 nm激发波长下的1 284,1 450和1 592 cm-1最强,是环振动和CN伸缩振动较强特征峰。对比分析各个激发波长下噻菌灵的SERS谱图,找到了噻菌灵农药的5个较强特征拉曼峰：782,1 012,1 284,1 450和1 592 cm-1。这些特征峰可作为食品及农产品中噻菌灵农药残留定性定量判别的依据。     

表面增强拉曼光谱法快速检测猪肉中氟尼辛葡甲胺残留

氟尼辛葡甲胺（FM）是动物专用的非甾体类消炎药,是兽医临床上最常用的消炎镇痛类药物。近年来,随着其应用范围的扩大,其不良反应逐渐显现,其在兽肉中的残留引起了人们的重视。目前猪肉中FM残留的主要检测方法为色谱法、色谱质谱联用法。设备昂贵、笨重、操作复杂等缺点极大的限制了这类方法在现场快速检测中的应用,表面增强拉曼（SERS）具有指纹识别、迅速检测、便携等优势,能克服色谱技术在现场检测中带来的不便,因而近年来被广泛应用于兽药残留的快速筛查检测。因此,为实现猪肉中FM的现场快速检测,建立了猪肉中FM的SERS检测方法。用柠檬酸钠还原氯金酸钾的方法制备金溶胶,通过单因素实验确定在样品与金胶体积比为1∶3,样品pH为6,不添加促凝剂,为检测条件。用密度泛函理论计算理论光谱,结合固体拉曼光谱,对各峰进行振动模式归属。其中731 cm-1处为吡啶环、苯环摇摆,1 085和1 376 cm-1处均为苯环上C—H振动。之后通过优化萃取前处理方法与萃取剂的选取,建立了猪肉中FM的定性定量检测方法。在该方法中,FM在猪肉基质中的特征峰为731,1 085和1 376 cm-1。选取731 cm-1作为定性定量峰,该处拉曼强度与FM浓度在1～250 mg·L-1内有良好的线性关系,R2为0.99。对加标样品的实际浓度进行检测,其检测限为1 mg·L-1,回收率在89.61%～95.63%,RSD在1.80%～3.30%内。该法稳定、快速、简单,可实现FM在猪肉中的现场快速筛查检测。     

有机磷农药残留的表面增强拉曼光谱快速检测

农药残留严重影响人类身体健康与生命安全,故亟需建立一种简单高效的农药残留快速检测方法。本文以金纳米溶胶作为表面增强拉曼光谱(SERS)的增强基底,结合便携式拉曼光谱仪,实现了倍硫磷与对硫磷等常用有机磷农药的多靶标同时检测。结果表明倍硫磷和对硫磷分别在1053 cm~(-1),1216 cm~(-1)和857 cm~(-1),1112 cm~(-1)处具有特征拉曼谱峰,且两者互不干扰。同时进一步研究表明,倍硫磷和对硫磷的浓度与其特征拉曼谱峰强度线性相关,故可实现定量检测,其中倍硫磷检测限可达0.01μg/mL对硫磷检测限可达0.025μg/mL。同时,该SERS方法可直接用于菠菜实际样品中多种农药残留的多靶标快速检测,检测限达到0.05μg/mL。该SERS方法具有方便、快速、灵敏度高、多靶标同时检测等优点,有望实现农药残留的现场快速检测。     

基于表面增强拉曼光谱技术的豆芽6-BA残留快速检测方法

采用快速溶剂提取前处理技术与表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)检测技术建立豆芽中6-苄基腺嘌呤(6-benzylaminopurine,6-BA)残留物的快速定量检测方法。以自发豆芽为空白对照,通过对梯度浓度的6-BA插标豆芽提取液进行SERS检测发现,在1 002cm-1处具有明显的6-BA特征拉曼峰,且归一化处理后的特征峰峰强与6-BA浓度呈良好的线性关系,高浓度与低浓度的线性范围分别为0.5～14μg.mL-1与0.1～2μg.mL-1,最低定量检出限为0.02mg.kg-1,回收率为82.3%～95.1%,相对标准偏差小于5%。该方法重现性较好、前处理简单、全程检测耗时短、设备操作简便,为市场大规模的快速检测提供了现场、高效、灵敏的解决方案。     

基于超低频拉曼光谱的有机磷农药的研究

有机磷农药的P=O、P=S基团具有极高拉曼活性,故利用拉曼光谱检测有机磷农药残留是一种十分高效且无损的手段。然而,当前常用的表面增强拉曼光谱因缺乏标准化基底和预处理技术,使其难以应用于高精度定量农药残留检测。新型超低频拉曼光谱能够有效探测对浓度更为敏感的低频拉曼峰(0~500 cm^(-1))。因此,本文研究了两种具有代表性的有机磷类农药毒死蜱和敌百虫在不同浓度下的低频拉曼峰频率与强度变化,并对每一低频振动模进行精准指认。此外,我们通过建立两类农药浓度与振动频率和强度的依赖关系,可实现对浓度的指认。超低频拉曼技术在毒死蜱和敌百虫检测中可测得的最低限分别为0.012 mg/kg和0.25 mg/kg,能够基本满足国标要求,为食品农药检测提供了一种初步的、新的实验思路。     

农药残留检测中表面增强拉曼光谱的研究进展

农药直接污染环境和食物,最终被人体吸收。其残留物具有高毒性,对人体健康造成严重影响。色谱法、气液色谱串联质谱法等在农药残留检测中应用较为广泛,但存在预处理步骤复杂、费时耗力等缺点。表面增强拉曼光谱（SERS）技术因具备灵敏度高、特异性好、提供全面指纹信息且对样品无损等优点被视为一种新型农残检测方法,可通过简单提取实现液体或固体样品中痕量农药残留的高效检测。在这篇综述中,主要从SERS的增强基底制备、检测方法以及光谱智能解析三个方面对农药残留SERS检测技术及方法的研究进展进行综述,以期为农药残留检测方法提供新的参考。首先,针对SERS增强基底制备,单一的贵金属溶胶纳米颗粒因其“热点”随机、不可控等因素导致稳定性和灵敏性较差,已不能满足痕量农药残留检测。为提高SERS基底的吸附能力使待测物在其表面富集且信号不发生显著变化,对单一贵金属溶胶纳米颗粒进行组装,或加入化学物质、惰性材料等进行修饰制备均一性高的SERS复合基底,保证SERS信号有良好的重现性和灵敏性。其次,为了实现特异性和高灵敏检测,SERS检测方法不再只以单纯的金、银纳米颗粒作为增强基底,而是逐渐趋向于优化样本前处理技术、化学修饰法制备特异性SERS探针、基底物理结构突破以及动态SERS（D-SERS）检测等方向发展。在获得物质的拉曼光谱后,有效拉曼特征区通常在较短的波数范围内,而光谱数据高达上千维,冗余较多,导致后续分析复杂度增加。SERS光谱智能分析则采用化学计量学方法对原始光谱进行预处理、特征提取和模型构建,实现数据降维和主要信息提取,进而实现农残的定性与定量。综上,SERS作为一种快速检测农药残留的方法具有很好的发展前景,可为今后的分析检测领域提供新的借鉴。     

有机磷农药残留的快速定量检测方法研究

传统的农药残留检测为理化检验方法,具有前处理过程繁琐、耗时、复杂等不足,以目前农业上使用较广的毒死蜱作为研究对象,提出了一种有机磷农药残留快速定量检测方法。首先,根据毒死蜱的化学特性,综合考虑比色剂的显色效果以及二次污染问题,确定在弱碱性环境下以间苯二酚对毒死蜱进行显色反应的预处理方案;然后,通过分析0.5 ～400 mg·kg-1之间毒死蜱样品的紫外-可见光光谱数据,确定了显色反应后的特征信息主要集中在365～420 nm之间。接着,以偏最小二乘法构建全谱预测模型,其校正相关系数达到0.999 6,预测相关系数达到0.995 6,校正标准差RMSEC为2.814 7 mg·kg-1,验证标准差RMSEP为8.012 4 mg·kg-1;提取400 nm为中心波段的特征区域构建预测模型,其校正相关系数达到0.999 6,预测相关系数达到0.999 3,校正标准差RMSEC为2. 654 6 mg·kg-1,验证标准差RMSEP为3.465 5 mg·kg-1。最后,通过分析0.5～16 mg·kg-1之间毒死蜱样品的近红外光谱数据,发现其显色功能团的特征不是很明显,但会引起间苯二酚本身5 200 cm-1处吸收峰的变化。实验结果证明了所提出用于快速定量预测有机磷农药残留的方法是有效可行的,该方法通过比色剂的显色加强有机磷农药在全光谱特别是紫外-可见光范围内的信息,为实现农产品农药残留的快速检测提供了一条新途经。     

纳米增强激光诱导击穿光谱的苹果表面农药残留检测

水果表面的农药残留严重危害身体健康,而常规检测方法需要采样处理,耗时、费力。激光诱导击穿光谱技术具有多元素分析和原位测量的能力,在水果表面农药残留检测方面潜力巨大。但是较差的检测灵敏度,限制了此技术在水果表面微量有害元素检测方面的应用。提高激光诱导击穿光谱系统的检测能力是目前的研究热点领域,研究了纳米粒子表面增强技术对苹果表面残留的毒死蜱农药的激光诱导击穿光谱信号的增强效果。通过在被测样品表面涂抹币族金属纳米粒子,然后利用激光诱导击穿光谱激发样品表面,对诱导出的原子发射光谱信号进行测量,实验结果表明,苹果表面涂抹金属纳米粒子后毒死蜱农药中磷元素的特征峰有4倍的增强。此方法的应用对提高果蔬表面微量有害元素的检测能力具有重要意义。然后我们对币族金属纳米粒子的增强效果进行了优化。研究了金纳米粒子和银纳米粒子的增强能力,同时对纳米粒子的粒径的增强效果进行了比较,通过对20 nm的金纳米粒子、20 nm的银纳米粒子和80 nm的银纳米粒子的增强效果比较,发现80 nm的银纳米粒子对苹果表面毒死蜱农药光谱的增强效果最好。研究了信号采集延时时间对光谱信噪比的影响,确定了0.2 μs的延时时间可以获得较为理想的信噪比。在以上研究的基础上,采用最优的实验参数(80 nm银粒子增强、0.2 μs的延时时间),以毒死蜱中磷元素在213.62,214.91,253.56和255.33 nm处的特征峰峰强作为依据,对苹果表面残留的毒死蜱农药进行了定量化分析。分别采集了毒死蜱残留浓度分别为30,20,15,12,10和6 μg·cm-2的苹果表面的LIBS光谱,然后分别利用磷元素的四个特征峰峰强进行了定量化曲线拟合,结果发现LIBS对残留的毒死蜱具有很好的定量化预测能力,R2在0.89以上。根据定量化拟合曲线,探讨了纳米增强LIBS的检测限,计算得到,利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μg·cm-2的检测限。研究证明了金属纳米粒显著提高了LIBS对苹果表面农药残留的检测灵敏度。     

可见近红外光谱的甘蓝叶片毒死蜱农药残留定性分析

有机磷农药毒死蜱是目前农业生产中使用最广泛的农药之一,但有机磷农药过度使用导致的农药残留却给自然环境和人类生命健康造成严重威胁,因此,开发一种快捷、准确、经济的毒死蜱农药在农产品表面残留的直接检测方法意义重大。配制4组不同体积浓度（1∶200, 1∶500, 1∶800, 1∶1 000）的毒死蜱农药溶液,对照组为纯净水,分别浸泡甘蓝叶片3 min,每组采集30个叶片样本,5组共计150个样本。采用可见近红外光谱仪获取其谱图信息,然后开展不同浓度毒死蜱农药在甘蓝叶片上残留的可见近红外光谱定性分析研究。建模时,将每组数据中24个样本,5组共计120个样本作为建模训练集,剩下每组6个样本,5组共计30个样本作为预测集。鉴于甘蓝叶面不平整、皱褶较多,叶片颜色深浅不一等因素会给近红外光谱分析带来干扰,给预测模型的建立增加难度,提出一种光谱全波段平均分组积分（求和）预处理方法,将光谱波段平均分成n组,再对分组后每组数据积分求和,用预处理后的数据训练BP神经网络。实验表明,光谱全波段平均分组积分（求和）预处理方法,对光谱反射率一阶导数（FD）且分组数为25的神经网络训练效果最好,建模集识别准确率为97.50%,预测集识别准确率为96.67%,建模效果优于通常采用的提取光谱敏感、特征波段建模方法（建模集识别准确率为91.67%）。光谱全波段平均分组积分预处理方法在保留光谱数据更多特征波段的同时探索更多潜在敏感波段,能够降低光谱数据维度,减小单个光谱数据噪声对建模效果的影响,选择合适的分组数n,能取得较好的建模预测效果。     

高灵敏银纳米棒阵列对农药啶虫脒的表面增强拉曼散射快速检测

The determination of pesticide residue on agricultural products is increasingly important.Exposure to pesticides can cause severe acute reactions in humans,including aplastic anemia and leukemia.In this work,we developed a rapid and sensitive method to detect acetamiprid pesticide residue based on surface-enhanced Raman scattering.Silver nanorod (AgNR) arrays were fabricated by oblique angle deposition technology and were used as SERS substrates.Prior to detection,the AgNR arrays were cleaned with nitric acid solution or a mixture of methanol and acetone.Compared to the unwashed AgNR arrays,the AgNR arrays washed with methanol and acetone shows a signal enhancement 1000 times greater than the unwashed AgNR array due to the effective removal of the impurities on its surface.The limit of detection of acetamiprid was determined to be 0.05 mg/L.In addition,the molecular structure of acetamiprid was simulated and the corresponding vibration modes of the characteristic bands of acetamiprid were calculated by density function theory.To demonstrate its practical application,the AgNRs array substrates were applied successfully to the rapid identification of acetamiprid residue on a cucumber''s surface.These results confirmed possibility of utilizing the AgNRs SERS substrates as a new method for highly sensitive pesticide residue detection.