基于太赫兹时域光谱的食用油过氧化值定量分析研究

针对目前太赫兹光谱技术在食用油品质检测方面存在定性多、定量难的问题,提出一种基于衰减全反射（ATR）式太赫兹时域光谱（THz-TDS）技术的食用油过氧化值定量分析方法。首先采集不同种类、不同氧化程度食用油样本的太赫兹时域光谱图,筛选有效信号波段并提取得到光学常数,经预处理算法校正后的光学常数,结合多种化学计量学方法建立定量分析模型,实现快速、无损预测食用油的过氧化值。70个实验样本包括大豆油、菜籽油和玉米,过氧化值覆盖范围0.41~10.23 mmol·kg-1,且样本的过氧化值均匀分布。采用TeraView公司生产配有ATR检测模块的TeraPulse 4000太赫兹脉冲光谱系统采集样本THz-TDS信号,根据THz-TDS谱图信号特征筛选有效波段10~86.78 cm-1用于建模分析。通过快速傅里叶变换得到频域信号并从中提取光学常数：折射率和吸收系数,采用Savitzky-Golay7点卷积平滑分别对折射率和吸收系数进行预处理,去除干扰信号。运用SPXY算法按照3∶1比例划分校正集和预测集样本,结合主成分回归法、偏最小二乘法两种化学计量学分析方法,分别建立基于折射率和基于吸收系数的过氧化值分析模型。对模型评价指标均方根误差和相关系数进行分析,基于折射率的过氧化值分析模型采用偏最小二乘算法建模预测精度最理想,选取最优主成分数为6时,其校正集均方根误差RMSEC为0.168%、决定系数R2为0.981,预测集均方根误差RMSEP为0.231%、决定系数r2为0.977;基于吸收系数的过氧化值分析模型则采用主成分回归算法建模预测模型稳健度最好,选取最优主成分数为10时,其校正均方根误差RMSEC为0.192%、校正集决定系数R2为0.979,预测均方根误差RMSEP为0.262%、预测集决定系数r2为0.97。该研究结果的得出,验证了THz-TDS技术用于食用油过氧化值定量分析的可行性,为食用油的品质评价找到一种高精度、性能稳定、快速无损的检测方法。     

基于SERS法的苹果中农药残留的定性及定量分析

使用共焦显微拉曼光谱仪,结合表面增强拉曼散射(Surface-Enhanced Raman Scattering,SERS)技术,采集含有农药马拉硫磷和二嗪农的苹果汁样本的基于银纳米溶胶的表面增强拉曼光谱,采用距离匹配和判别分析的方法对其进行定性分析。然后结合偏最小二乘(Partial Least Squares,PLS)方法对两种农药的表面增强拉曼光谱分别进行数学建模分析。结果表明表面增强拉曼散射(SERS)技术对无损快速定性分析马拉硫磷和二嗪农具有较高的准确性,而定量分析二者的含量也具有较高的可行性。     

太赫兹时域光谱及成像技术在农作物品质检测中的应用研究进展

太赫兹辐射以其独特的技术优势,如瞬时性、宽带性、相干性、低能量性、穿透性和吸收性,受到了全世界各国政府、高等院校、科研机构等的高度重视并日趋成为生物医学、材料科学和物理学等领域的新兴研究热点。农作物成分如水分、蛋白、脂肪、淀粉等理论上在太赫兹谱区有较为丰富的吸收;太赫兹波的低辐射特性对农业生物样本检测更为安全;太赫兹波的穿透特性对带包装样本、包衣样本的检测又独具优势;太赫兹时域光谱与成像技术结合还可以进一步对农作物样本的组织形态进行辨别评价,因此太赫兹波技术逐渐成为农作物品质检测领域一项极具应用潜力和应用前景的前沿分析技术。简述了太赫兹时域光谱及成像技术的基本原理,聚焦于太赫兹时域光谱及成像技术在农作物品质检测领域的应用研究现状,对该技术在农作物种子质量鉴别（如品种、转基因和活力）、农作物成分分析（如糖类、水分和淀粉）,农作物贮藏品质判别（如新陈度、劣变和虫蚀）以及在农产品安全检测（如农药残留、非法添加物和异物）方面的新近研究工作和进展进行归纳总结,并展望了该技术在农作物品质检测领域的应用前景和发展趋势。     

小麦种子自然老化程度的近红外光谱无损识别

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势,并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。本实验应用VERTEX 70傅里叶变换红外光谱仪,以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、4个月、7个月、9个月的近红外光谱。标准差可以用来表征数据离散程度,因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。为避免单个样本由于偶然因素导致的离散度值异常,实验统计了45份样本的光谱标准差均值,根据均值光谱得到如下谱峰：8 362,6 950,7 563,5 319,4 998和4 478 cm-1处。解析谱峰所在区域对应的化学基团归属可得：6 950 cm-1处对应的是液态水中O-H伸缩振动的一级倍频且该处离散度值较大,因此小麦种子在短期自然老化阶段中水分变化较为显著;5 319,4 998和4 478 cm-1处离散度值较6 950 cm-1处小,对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息,因此蛋白质变化较水分而言相对平缓;8 362和7 563 cm-1处反映的主要是C-H振动的二级倍频信息且离散度值较大,而种子中蛋白质、淀粉等均具有C-H官能团,因此蛋白和淀粉等成分综合变化较为显著。在上述分析基础上,本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。将180份样本光谱按照3∶1随机抽取135个样本作为训练集,其余样本作为测试集。选择核函数为径向基函数,通过网格搜索法进行参数寻优得到惩罚参数为8,核参数为0.008 974 2时,训练集和测试集的识别正确率可达99.26％和99.78％。实验结果表明：近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度,为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。     

基于拉曼光谱技术的蜂王浆品质定量模型研究

蜂王浆是一种具有抗氧化、抗衰老、调节心血管系统和免疫功能的纯天然营养保健食品,近年来在食品、生物医学等领域广泛应用。由于蜂王浆的采集过程费时费力且没有快捷简便的方法检测其品质,使得市场上的蜂王浆产品质量参差不齐,因此实现蜂王浆品质的快速鉴别就显得至关重要。该研究以蜂王浆的水分和蛋白质为研究对象,利用拉曼光谱技术结合主成分回归算法(PCR)和偏最小二乘法对蜂王浆进行了快速定量检测,建立了水分、蛋白质的定量模型,探究对其定量分析的可行性,并进行光谱预处理以提升模型的预测能力,使其预测准确性更高。蜂王浆中水分和蛋白质化学值的测定分别采纳蜂王浆国家标准规定的减压干燥法和凯氏定氮法。蜂王浆光谱的采集则是由DXR激光共焦显微拉曼光谱仪测得。应用TQ Analyst分析软件对蜂王浆光谱进行预处理及建立定量分析模型。其中光谱预处理包括导数、标准正态变换、多元散射校正、Savitsky-Golay卷积这四种光谱预处理法,并按一定关系排列组合成多种不同的预处理方法,对蜂王浆样品光谱进行数据处理,寻找出最优的模型与处理方法。结果表明,利用主成分回归法建立蜂王浆水分和蛋白质的定量模型效果不理想,水分的定量模型结果表明,Savitsky-Golay平滑（7）处理校正集决定系数最高但也仅为0.741 3,预测集决定系数为0.661 6,RMSEC为0.656,RMSEP为1.34,建模效果差。蛋白质的PCR定量模型结果表明,Savitsky-Golay平滑（7）处理相较之下最优,校正集决定系数0.675 0,预测集决定系数为0.566 8,RMSEC为0.548,RMSEP为0.957,建模效果较差。因此,基于PCR所建模型对蜂王浆水分、蛋白质的含量有一定的预测可能性,但建模效果较差,预测准确度低,稳健性差。而结合偏最小二乘法并进行S-G（7）+二阶导数+SNV处理对蜂王浆水分建模效果最好,水分含量校正集和预测集的决定系数分别为0.992 7和0.948 8,RMSEC和RMSEP分别为0.162和0.442。蛋白质的PLS定量模型,通过对多种预处理组合处理结果进行对比,S-G（7）+一阶导数+SNV处理对蜂王浆蛋白质建模效果最佳,蛋白质含量校正集和预测集的决定系数分别为0.991 6和0.879 5,RMSEC和RMSEP分别为0.143和0.497,建模效果好。因此,利用拉曼光谱结合偏最小二乘法快速检测蜂王浆中水分和蛋白质的含量是可行的,且所建定量模型稳健性良好,预测准确度高。通过上述实验可总结得出,在一些不可避免的外界因素影响下,将多种预处理方法组合起来可以提高模型的准确性和稳健性,比用单一的光谱预处理方法修正光谱更加有效,优化效果更加明显,且有效提升了模型的各参数,更好的提高了模型预测的准确性。同时表明了,拉曼光谱技术应用于蜂王浆品质的快速检测是可行的,且检测准确度高,速度快,在蜂王浆品质的快速检测方面展现了很好地应用前景。