近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1

摘要:

目的 在近红外光谱(near infrared spectroscopy, NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)特征层数据融合的基础上构建偏最小二乘回归(partial least squares regression, PLSR)模型实现花生油中黄曲霉毒素 B1 (aflatoxin B1, AFB1)含量的快速检测。方法 首先, 分别采集待测样本的 NIR 与SERS 光谱。其次, 将采集的 NIR 与 SERS 光谱分别进行光谱预处理。然后, 采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization, HSIC-VSIO)分别筛选 NIR 与 SERS 光谱的特征变量。最后, 将筛选的特征变量进行融合并构建 PLSR 模型用于定量检测花生油中 AFB1 含量。结果 与 NIR 光谱数据、SERS 光谱数据以及 NIR 与 SERS 光谱直接融合数据构建的 PLSR 模型相比, NIR 与 SERS 光谱特征层融合数据构建的 PLSR 模型具有最佳的预测性能: 校正集均方根误差(root mean squared error of calibration set, RMSEC)为 0.1569, 校正集决定系数(coefficient of determination of calibration set, R2c)为 0.9908, 预测集均方根误差(root mean squared error of prediction set, RMSEP)为 0.1827, 预测集决定系数(coefficient of determination of prediction set,R2p )为 0.9854, 性能偏差比(ratio of performance to deviation, RPD)为 8.2761。 将本方法与标准方法分别检测真实含有 AFB1 的花生油样本, 结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论 本方法可实现花生油中 AFB1 含量的快速、高精度定量检测, 也验证了 NIR 与 SERS 光谱融合的可行性与有效性。

Abstract: