一、研究背景

在黄曲霉毒素B₁(aflatoxinB₁，AFB₁)是一种典型的真菌毒素，它是二氢呋喃氧杂萘邻酮的衍生物。AFB₁是目前已知的化学物质中致癌性最强的一种，主要对肝脏功能造成严重损伤，故AFB₁是国家市场监督管理总局指定的食品安全必检指标之一。油料作物(如花生、玉米等)由于其含水率高，在储存与加工过程中容易发生霉变，从而受到AFB₁的污染。因此，相关部门需要加大对粮油食品中AFB₁的检测力度，防止食品安全事件的发生。

目前，在食品真菌毒素的光谱快速、无损检测应用中仍采用NIR或SERS单一技术手段。从理论角度来看，NIR反映的是电偶极矩变化引起的振动，SERS反映的是分子极化引起的振动，两种光谱信息在分子信息表达上具有互补性。因此，有必要将两种光谱信息进行融合，实现信息互补，以提高检测精度。

本研究以花生油中AFB₁为检测指标，分别采集其NIR和SERS光谱，使用上海如海光电光谱仪进行测试。

2、研究内容

2.1光谱数据分析结果

以含有不同浓度AFB₁的5条代表性的花生油待测样本的SERS光谱如图1A所示。图1A中主要的SERS特征谱带及其归属为:597cm^?1(C-O伸缩振动)、742cm^?1(C-H面外弯曲振动)、835cm^?1(C-H伸缩振动)、1249cm^?1(C-H面内弯曲振动)、1343cm^?1(CH₃变形振动)、1486cm^?1(C=C伸缩振动)和1557cm^?1(C-C伸缩振动)。由于SERS光谱区域(500~1800cm^?1)信噪比高且包含了主要的特征谱带，故本研究中将此区域用于AFB₁的定量分析。含有不同质量浓度AFB₁的5条代表性的花生油待测样本的NIR光谱如图1C所示。图1C中NIR特征谱带及其归属为:930~970nm(CH₂与CH₃一阶倍频伸缩振动)、1090~1130nm(C-H伸缩振动)、1210~1240nm(CH₂二阶倍频伸缩振动)和1270~1300nm(C=O二阶倍频伸缩振动、C=O合频振动及N-H伸缩振动)。AFB₁与NIR特征谱带有着密切关系，这是由于花生油中的蛋白质、碳水化合物以及脂肪酸易受到AFB₁的影响，从而影响分子的振动。无论是NIR还是SERS光谱，在光谱采集过程中带入干扰信息往往是无法避免的，故需要对光谱数据进行预处理。经AIRPLS基线校正、MSC光散射校正、S-G平滑以及Min-Max归一化处理之后的SERS与NIR光谱分别如图1B与1D所示，与原始光谱(图1A与1C)对比发现，预处理后的SERS和NIR光谱的基线漂移得到了抑制，光谱信号更加平滑，为后续的定量分析起到了积极的作用。

图1.含有不同质量浓度AFB1的花生油待测样本的SERS与NIR光谱

2.2HSIC-VSIO算法参数设置合理性验证

对HSIC-VSIO算法参数设置合理性进行验证:在设置不同的参数情况下，分别对NIR和SERS光谱数据筛选特征变量，并将每次筛选的特征变量进行融合建立PLSR模型，记录RMSEC、RMSEP、和RPD值进行对比分析。

（1） WBMS中二值矩阵的行的数量M

首先，将σ的值分别设置为10%;然后，将M的值分别设置为1000、1500、2000和2500进行对比分析。由表1中的运行结果可知，模型的性能受M的影响并不大。但是，如果M的值越大，模型的计算量将显著增大，综合考虑模型精度与计算量，将M设置为1000是合理的。

（2）从所有模型中挑选出具有较小RMSECV值的模型的比例σ首先，将M的值设置为1000;然后，将σ的值分别设置为10%、20%、30%和40%进行对比分析。由表2中的运行结果可知，当σ=10%时，模型的性能最优。具体表现为，RMSEC和RMSEP值较小，R2C、R2P和RPD值较大，故将σ设置为10%是合理的。

2.3各方法检测结果

将NIR光谱数据、SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据分别构建PLSR多元校正模型检测花生油中AFB₁含量。PLSR建模过程中，最佳隐变量数(latentvariables，LVs)由5折交互验证产生的RMSECV值所确定。各方法的检测结果如表3所示。由表3可知，基于NIR光谱数据定量检测结果如下:LVs=10，RMSEC=0.2812，=0.9533，RMSEP=0.3447，=0.9211，RPD=3.5601，花生油中AFB₁含量PLSR预测值与真实值之间的关系如图2A所示。基于SERS光谱数据定量检测结果如下:LVs=8，RMSEC=0.2105，R²_c=0.9726，RMSEP=0.2349，R²_p=0.9689，RPD=5.6705，花生油中AFB₁含量PLSR预测值与真实值之间的关系如图2B所示。基于NIR与SERS光谱直接融合数据定量检测结果如下:LVs=10，RMSEC=0.1923，R²_c=0.9836，RMSEP=0.2117，R²_p=0.9703，RPD=5.8026，花生油中AFB₁含量PLSR预测值与真实值之间的关系如图2C所示。基于NIR与SERS光谱特征层融合数据定量检测结果如下:LVs=9，RMSEC=0.1569，R²_c=0.9908，RMSEP=0.1827，R²_p=0.9854，RPD=8.2761，花生油中AFB₁含量PLSR预测值与真实值之间的关系如图2D所示。由HSIC-VSIO筛选的NIR光谱特征变量如图2E所示，其中部分特征变量覆盖了NIR特征谱带930~970、1090~1130、1210~1240和1270~1300nm。由HSIC-VSIO筛选的SERS光谱特征变量如图2F所示，其中部分特征变量覆盖SERS特征谱带597、742、835、1249、1486和1557cm^?1。

图2.含花生油中AFB1含量PLSR预测值与真实值之间的关系及HSIC-VSIO筛选的光谱特征变量

2.4各方法检测结果对比分析

各方法所建PLSR模型评价指标的变化趋势如图3所示，显然，由NIR光谱数据构建的PLSR模型预测性能最差，主要在于花生油中AFB₁含量低，分子量小，内部含氢基团振动在近红外区域吸收的能量低，对应的光谱信号弱，影响了其检测精度。相较于NIR光谱数据构建的PLSR模型，由SERS光谱数据NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的预测性能均获得了提高。以NIR光谱数据构建的PLSR模型的预测性能作为基准，SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的RMSEC分别降低了25.14%、31.61%和44.20%;分别提高了2.02%、3.18%和3.93%;RMSEP分别降低了31.85%、38.58%和47.01%;分别提高了5.19%、5.34%和6.98%;RPD分别提高了59.28%、62.99%和132.47%。综上所述，由SERS光谱数据构建的PLSR模型的预测性能明显提高，主要在于SERS技术通过增强基底Q-SERS获得拉曼增强效应使得花生油中痕量AFB₁的信号获得了放大，从而提高了其检测精度。相较于采用NIR或SERS光谱单一检测技术，将NIR光谱与SERS光谱直接融合后，实现了光谱信息的互补，有助于检测精度的进一步提高。然而，光谱直接融合数据中包含大量的冗余甚至干扰变量，采HSIC-VSIO分别对NIR与SERS光谱筛选特征变量，然后将筛选得到的特征变量进行融合并构建PLSR模型，其检测精度获得了较大的提高。

图3.各方法所建PLSR模型评价指标变化趋势

2.5真实样本检测分析结果

从青岛普瑞邦生物工程有限公司购买一批含有AFB₁的花生油样本(AFB₁含量范围为:1.0×10^?5~1.0×10^?3μg/mL)。每个样本分别采用NIR与SERS光谱特征层融合数据构建的PLSR模型(以下简称光谱特征融合方法)以及标准方法(HPLC)检测AFB₁含量，检测结果如表4所示。将两种方法的检测结果做双侧配对t检验，结果表明两者无显著性差异(P=0.84>0.05)。根据检出限的计算公式3S₀/K(S₀为多个空白样本响应值标准差，K为校正曲线的斜率)，可估算得到光谱特征融合方法对AFB₁含量的检出限为5.27×10?6μg/mL。欧盟与中国设置的花生油中AFB₁最大残留限量分别为2.0μg/kg和20μg/kg。为了与上述标准进行对比，可将溶液(花生油+AFB₁)密度设为1g/mL，从而实现将5.27×10^?6μg/mL粗略地转换为5.27×10^?3μg/kg。故本研究提出的光谱特征融合方法可满足对花生油中AFB₁含量是否超标的定量检测。

3、结论

本研究提出了一种基于NIR与SERS光谱特征层融合数据构建PLSR模型实现花生油中AFB₁快速、高精度检测的方法。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:RMSEC=0.1569，R²_c=0.9908， RMSEP=0.1827，R²_p=0.9854，RPD=8.2761。同时，将本研究方法与标准方法分别检测真实的花生油样本中AFB₁含量，结果表明两者的检测性能无显著性差异(P=0.84>0.05)，本研究方法的检出限可换算为5.27×10^?3μg/kg，远远低于欧盟与中国设置的花生油中AFB₁最大残留限量2.0μg/kg和20μg/kg。综上，实验结果表明本研究方法可实现花生油中AFB₁含量的快速、高精度定量检测，验证了NIR与SERS光谱融合的可行性与有效性，尤其是经特征变量筛选后，NIR与SERS光谱数据在特征层的融合能够最大限度地提高模型的检测精度。

文献来源

四、产品推荐

RMS2000微型拉曼光谱仪

1、产品简介

RMS2000（RamanMinimalSystem）是一款微型的785nm同轴共聚焦拉曼光谱仪，其采用全空间光设计，优化散热接口，采用N.A0.11数值孔径激发采集光路。配置超短焦、线扫描、浸入式探头，支持Windows、Linux和Windows多种操作平台和主控系统，随机配备手机端（Andorid）和电脑端采集分析软件。具备非凡的分辨率、灵敏度、穿透能力和抑制荧光干扰能力。既可以单独使用也可以作为核心部件集成进拉曼自动化系统，满足科研院所、相关监管机构与企业在无机/有机材料、生物生命、化学/化工、药物分析、食品安全、刑侦鉴定、环境污染检测等研究中的需求。

2、产品特点

? 体积小巧，重量轻，只有100×80×26mm和280g；

? 空间光、微型共聚焦设计，最小光斑≤30μm；

? 高分辨率（~6cm^-1），高抑制荧光能力，能够轻松测量高荧光样品，获取拉曼光谱；

? 高灵敏度，500ms即可实现常规化学品的拉曼光谱，最低可以检测0.3%的分析纯酒精；

? 可配置线扫式探头，可以采集4.5mm*1mm的线扫光斑，降低样品照射功率密度；

? 可配置浸入式拉曼探头，用于过程分析检测；

? 支持手机和电脑双平台，方便户外现场直接测量；

? 超低功耗，无须额外电源供电，通过USB手机可以直接实现光谱采集分析；

? 强大的软件分析功能，支持常规的HQI，峰位检索，深度学习神经网络等算法；

? 可以适配显微镜组成显微共聚焦拉曼。

NIRPro近红外光纤光谱仪

1、产品简介

NIRPro是一款制冷型近红外光纤光谱仪，结构设计小巧，光谱范围可配置；分辨率高，最佳可达0.3 nm；杂散光低，~0.5％。光谱范围依据选择不同可以覆盖950-1700 nm、950-2200 nm和950-2500 nm多种配置。制冷温度可以达到-20℃。具备良好的光谱响应稳定性和重现性，适用于激光测量、近红外测量，是一款科研级的高性能光纤光谱仪。

2、产品特点

? 分辨率高，最佳可达0.3 nm；

? 可适配如海带销的多芯密排集束光纤，光纤插拔强度一致性≦7%；

? 动态范围宽、信噪比高、稳定性好；

? 背景噪声≦3RMS（10 ms积分时间）；

? 配置USB、串口多种通讯接口，配置24PIN交互接口，配置专有DAC和ADC，可实现配套光源的使能、强度控制和功率反馈。

[来源：上海如海光电科技有限公司]