基于实验室自行搭建的拉曼点扫描系统, 以市售鸡尾酒为研究对象柠檬酸钠还原硝酸银配制的银溶胶作为表面增强剂, 探讨了鸡尾酒中苯甲酸钠和山梨酸钾两种防腐剂的同时快速检测方法。 首先确定鸡尾酒中苯甲酸钠拉曼特征峰为846.1, 1 007和1 605 cm-1, 山梨酸钾拉曼特征峰为1 164, 1 389和1 651 cm-1, 进而对它们拉曼特征位移强度稳定性及鸡尾酒中两种防腐剂对拉曼特征位移强度的相互影响进行了分析。 结果表明, 利用该方法采集的鸡尾酒中苯甲酸钠和山梨酸钾表面增强拉曼特征位移强度具有较高的稳定性, 而且鸡尾酒中苯甲酸钠和山梨酸钾的拉曼特征位移强度相互影响并不大, 具有较高的稳定性。 分别制备苯甲酸钠浓度范围为0.154 3~1.5 g·kg-1的42个鸡尾酒样品及山梨酸钾浓度范围为0.062~1.5 g·kg-1的45个鸡尾酒样品, 分别建立了苯甲酸钠和山梨酸钾的线性回归模型。 选用最佳的苯甲酸钠1 007和1 605 cm-1二元线性回归预测模型与山梨酸钾的1 164和1 651 cm-1二元线性回归预测模型, 对不同浓度苯甲酸钠和山梨酸钾43个鸡尾酒样品进行了苯甲酸钠和山梨酸钾同时预测验证。 结果显示, 鸡尾酒中苯甲酸钠和山梨酸钾预测值与实际值相关系数(r)分别为0.949 3和0.921 8, 均方根误差(RMSE)分别为0.088 2和0.142 9 g·kg-1。 基于银溶胶表面增强拉曼完全可以实现鸡尾酒中苯甲酸钠和山梨酸钾两种防腐剂的快速同时检测, 为液态食品中防腐剂的同时快速监测提供了技术支撑。

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性, 以贮藏时间为外扰, 研究了不同新鲜程度猪肉样本的二维相关光谱特性。 首先, 获取56个猪肉样本在贮藏1～14 d的400~1 000 nm范围的可见/近红外反射光谱, 经过标准正态变量变换(SNV)处理后, 基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。 然后, 依据TVB-N实测值, 从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0, 36, 72, 108, 144, 180, 216, 252, 288和324 h), 利用一阶导数对光谱进行预处理后, 根据不同样本之间的光谱差异, 选取7个波段用于二维相关光谱解析。 分析各个波段的二维相关同步谱和自相关谱, 从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长, 并建立简化的PLSR模型。 相较于全波段光谱数据所建模型, 模型效果有所改善, 预测集决定系数R2p由0.792 1上升至0.865 8, 误差从3.658 2 mg·(100 g)-1下降至3.246 0 mg·(100 g)-1。 表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的, 该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量, 这也为近红外光谱特征波长选择提供了一个新的方法。

根据硝酸钠自身化学性质较稳定且拉曼特征峰与被测组分山梨酸钾谱峰能完全分离的特点,以硝酸钠为内标物对食品中常用防腐剂山梨酸钾的拉曼光谱进行校正;以质量分数为0.1的硝酸钠在拉曼特征位移1053 cm ^-1处的特征峰作为内标峰,分别计算其与49个样品中相同浓度硝酸钠特征峰强的相对比值,用相对比值分别校正49个样品的山梨酸钾特征峰强,采用一元线性回归分析对山梨酸钾进行定量建模分析。结果表明:校正后,山梨酸钾预测模型校正集和预测集的相关系数显著增大,山梨酸钾在1399 cm ^-1处特征峰强的一元线性回归定量预测模型校正集和预测集相关系数的平方分别为0.9885、0.9865,均方根误差分别为3.0384×10 ^-3、3.7643×10 ^-3;基于最佳预测模型对新配制的18个新样品进行预测,预测值和真实值的相关系数的平方为0.9799,均方根误差为4.8702×10 ^-3,说明用硝酸钠内标法可以有效减小检测仪器、检测环境以及人为因素对山梨酸钾拉曼峰强的影响,提高被测物预测模型的精度。

自行搭建的拉曼光谱点扫描系统, 以柠檬酸钠还原法配制的SC银溶胶为表面增强剂, 建立了桂花酒中山梨酸钾的定量预测模型, 模型校正集决定系数（R2C）和均方根误差（RMSEC）分别为0.978 9和0.070 3 g·kg-1, 验证集决定系数（R2P）和均方根误差（RMSEP）分别为0.934和0.165 7 g·kg-1。 桂花酒中山梨酸钾的定量预测模型为主光谱模型, 结合K/S算法, 探讨了基于DS算法和PDS算法将桂花酒主光谱模型向杨梅酒的修正传递方法。 结果显示, 用K/S算法选取4个杨梅酒样品, 基于DS算法传递桂花酒主光谱模型验证结果RP和RMSEP值分别为0.906 1和0.215 0 g·kg-1。 K/S算法选取3个杨梅酒样品（窗口宽度为5）, 基于PDS算法传递桂花酒主光谱模型验证结果RP和RMSEP值分别为0.905 5和0.225 0 g·kg-1。 DS算法和PDS算法均可以用少量样品将桂花酒中山梨酸钾的主光谱预测模型有效传递给杨梅酒, 实现了一种被测物预测模型在同类物种间的传递, 具有重要实用意义。

利用实验室自行搭建的拉曼光谱检测系统, 确定了苯甲酸钠位于843.5 cm-1、1007 cm-1和1605 cm-1处的3个拉曼特征峰; 以柠檬酸钠还原硝酸银配制的银溶胶作为表面增强剂, 设计了快速检测市售碳酸饮料中苯甲酸钠含量的方法。将44个苯甲酸钠浓度不同的碳酸饮料的原始光谱曲线进行Savitzky-Golay平滑降噪及基线背景扣除预处理, 然后随机分为32个校正集和12个验证集, 采用一元线性回归、多元线性回归、偏最小二乘回归、主成分回归和支持向量机回归等方法进行建模。结果表明, 以843.5 cm-1、1605 cm-1处的2个特征峰建立的二元线性回归模型的建模结果最好, 验证集相关系数为0.9603, 验证集的均方根误差为0.0867×10-3。该二元线性回归模型可以实现市售碳酸饮料中苯甲酸钠的快速定量检测, 为食品中的苯甲酸钠含量的实时在线检测提供了技术支撑。