基于激光诱导荧光光谱技术检测花生中黄曲霉毒素 B1

摘要:

目的 探究激光诱导荧光(laser induced fluorescence, LIF)技术检测花生中黄曲霉毒素 B1 (aflatoxin B1,AFB1)的可行性, 定性和定量分析花生中的 AFB1。方法 制备不同浓度梯度的污染花生, 经 LIF 系统采集荧光光谱, 平滑后分析光谱数据结构。 基于全波长光谱使用 5 种不同建模方法对污染花生定性判别, 采用偏最小二乘法回归(partial least squares regression, PLSR)和 BP 神经网络(BP neural networks, BPNN)进行定量预测。通过竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)提取特征波长, 研究其对定性和定量预测的影响。结果 对于全波长光谱数据, 线性核函数的支持向量机[support vector machine with linear kernel function, SVM(Linear)]建立的判别模型效果最优, 预测正确率 100.00%。PLSR 和 BPNN 均获得较好的定量预测效果, 剩余预测偏差(residual predictive deviation, RPD)>3.0, 检出限(limit of detection, LOD)<20 μg/kg;对于特征光谱数据, SVM(Linear)定性判别预测正确率 93.94%, F1 值为 0.94, 受试者工作特征(receiver operating characteristic curve, ROC)曲线下面积(area under the curve, AUC)为0.989。 建立的 PLSR 模型性能优于未提取特征波长的两种定量模型, RPD 为 3.36, LOD 为 14.76 μg/kg。结论 LIF 技术检测花生中的 AFB1 简单快速, 定性定量预测模型准确性好, 具有一定可行性。

Abstract: