利用表面增强拉曼光谱（SERS）法结合自适应迭代重加权惩罚最小二乘法（air-PLS）快速检测鸭肉中的螺旋霉素残留。首先采用OTR202作为SERS活性基底，确定了螺旋霉素的1 622 cm-1峰可以作为其在鸭肉提取液中残留检测的拉曼特征峰；然后，通过单因素分析法确定了实验的最佳条件，并在该条件下建立了螺旋霉素浓度范围介于4.0~50.0 mg/L之间的鸭肉提取液加标样本的标准曲线，并获得了良好的线性关系且线性回归方程为y=26.681x+1233.5，决定系数R2=0.980 2，最低检测限为4 mg/L，预测样本的平均回收率为73.38％~105.25％。研究表明，采用SERS技术可以实现鸭肉中螺旋霉素残留的快速检测。

以银纳米颗粒(AgNPs)作为表面增强荧光基底，形成的OTC-Eu-AgNPs-Egg white 体系具有强荧光特性，可实现鸡蛋蛋清中土霉素残留含量的检测分析。分析了OTC-Eu-AgNPs-Egg white 体系的三维荧光光谱，确定了最佳激发波长为380 nm。分析了AgNPs加入量、Eu3+加入量、反应时间和金属共存离子对荧光强度的影响，确定了实验中的AgNPs加入量和Eu3+加入量分别为0.25 mL和0.01 mL。应用最小二乘支持向量回归（LSSVR）在光谱区间605~630 nm 建立了鸡蛋蛋清中土霉素残留含量检测的预测模型，模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9909和0.9079 mg/L，说明铕(III)的AgNPs增强荧光结合LSSVR 可用于鸡蛋蛋清中土霉素残留含量的检测。

在纳米银粒子(AgNPs)和乳化剂OP-10的作用下, 土霉素(OTC)与Eu(Ⅲ)生成的配合物可产生较强的荧光强度, 本文将此荧光增强机理用于检测鸭肉中残留的OTC。首先, 分析了OTC+Eu+AgNPs+OP-10体系和OTC+Eu+AgNPs+OP-10+duck meat extract体系的荧光光谱特性。然后, 分别分析了AgNPs加入量、Eu3+加入量、乳化剂OP-10和反应时间对OTC+Eu+AgNPs+OP-10+duck meat extract体系的荧光强度的影响, 确定了最佳实验条件。最后, 建立了预测鸭肉中OTC残留量的标准曲线。实验结果显示: 鸭肉提取液中OTC含量与617 nm处峰面积之间呈良好的线性关系, 其预测集的相关系数(r)和预测均方根误差(RMSEP)分别为0.996 6和0.622 3 mg/L。该结果表明, 提出的研究方法可满足鸭肉中OTC残留量的快速测定要求。

强力霉素能与铕(Ⅲ)相互作用生成EuDC配合物并发射出铕(Ⅲ)的荧光特征峰, 且该荧光峰能够通过纳米银粒子的金属增强荧光效应得到进一步增强。本文将这一方法应用于鸭蛋蛋清中强力霉素残留量的检测。首先, 利用三维荧光光谱法确定了检测鸭蛋蛋清中强力霉素残留量的最佳激发波长和最佳发射波长分别为390 nm和617 nm。然后, 在最佳激发波长下, 通过单因素实验确定了实验的最佳条件。最后, 通过对浓度范围为0.5~30 mg/L的样本进行分析, 发现鸭蛋蛋清中强力霉素的浓度与荧光强度呈现良好的线性关系, 并得到检测限为0.5 mg/L。研究结果表明, 通过纳米银粒子增强铕(Ⅲ)的荧光可以实现鸭蛋蛋清中强力霉素的快速检测。

鸡蛋清中残留的金霉素(CTC)易进入人体内蓄积，从而对人体的健康产生损害。研究表明，银胶能作为表面基底来修饰金霉素与Eu(III)的配合物，进而使配合物的荧光强度得到显著性的增强。本研究应用银胶表面增强Eu(III)的荧光来检测鸡蛋清中金霉素的残留量，分别分析了不同胶体、银胶的加入量、Eu(III)的加入量、反应时间等因素对荧光强度的影响，并确定了最佳的实验条件，在最佳条件下建立了以617 nm 处的荧光特征峰强度(Y)与鸡蛋清中金霉素含量(X)之间的标定曲线。结果表明：鸡蛋清中金霉素浓度范围在1.5~29.5 mg/L 时，鸡蛋清中金霉素含量与荧光强度之间呈现良好的线性关系，线性方程为Y=5.2265X+24.033，决定系数R2 为0.9043，实测值与预测值之间的R2=0.9182。可见用银胶表面增强Eu(III)的荧光来快速检测鸡蛋清中金霉素的残留量是可行的。

以表面增强试剂OTR202 和OTR103 作为表面增强拉曼光谱（SERS）的活性基底，探索建立甲萘威水溶液的SERS 检测方法。首先对比分析了甲萘威水溶液的普通拉曼光谱与SERS。然后分析了表面增强试剂与待测样本的加入量对甲萘威水溶液的SERS 的影响。最后分析了质量浓度在0.1~15.0 mg/L 范围内的甲萘威水溶液的SERS，并以1374 cm-1 处的特征峰强度与甲萘威水溶液浓度进行线性回归，得到线性方程为y=414.5x+481.59，决定系数R2=0.9864。试验结果表明该研究方法对甲萘威水溶液的检测限可达到0.1 mg/L，说明以表面增强试剂OTR202 和OTR103 为SERS 活性基底的SERS 检测方法可用于水中甲萘威残留检测。

应用三维同步荧光光谱法结合交替惩罚三线性分解(APTLD)来建立猪肉中莱克多巴胺残留含量的定量测定模型, 以实现猪肉中莱克多巴胺残留含量的快速测定。 首先分析了莱克多巴胺的荧光光谱产生机理和样本的三维同步荧光光谱; 其次对猪肉提取液中的莱克多巴胺荧光的浓度猝灭现象进行了分析; 然后应用核一致诊断法确定了APTLD的三线性分解组分数为2, 并建立了猪肉提取液中莱克多巴胺的相对荧光峰值强度与训练样本中莱克多巴胺的相对荧光峰值强度之间的标定曲线, 用于待测样本中的相对荧光峰值强度的校正; 最后, 建立了基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱预测模型。 试验结果表明, 该方法可以较好的解决猪肉样本中莱克多巴胺与背景之间的同步荧光光谱严重重叠的问题, 省去了一些烦琐的“化学分离”过程, 模型预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.986 3和0.496 6 mg·L-1, 达到了猪肉中莱克多巴胺残留含量快速定量测定目的。

四环素在NaOH存在的条件下能降解生成具有强荧光特性的异四环素, 应用同步荧光光谱结合小波去噪、 粒子群优化算法（PSO）和支持向量回归（SVR）建立鸭肉中四环素残留含量的预测模型, 可实现鸭肉中四环素残留含量的快速测定和提高预测模型的精度。 首先应用平行因子分析法(PARAFAC)确定检测鸭肉中四环素含量的最佳波长差Δλ为70 nm; 然后对同步荧光光谱进行db6小波的2层分解的小波去噪及去噪后的光谱归一化处理, 并利用PSO筛选出了6个荧光特征波长; 最后应用PSO优化SVR模型参数(c, g), 进而对在PSO筛选的特征波长光谱条件下建立的PSO-SVR, PLS, PCR模型以及在全光谱条件下建立的PSO-SVR模型进行性能比较, 结果表明, 以在PSO筛选的特征波长光谱条件下建立的PSO-SVR模型预测能力更强, 其预测集的相关系数(r)和均方根误差(RMSEP)分别为0.952 0和17.6 mg·kg-1。 说明PSO能够有效提取鸭肉中残留四环素所对应的荧光特征波长, 且PSO-SVR预测模型能满足鸭肉中残留四环素的快速测定要求。

为快速检测猪肉中的四环素残留含量，采用同步荧光法结合竞争适应重加权采样(CARS)变量优选法建立了预测猪肉中四环素残留含量的支持向量回归(SVR)模型。从样本的三维同步荧光光谱中确定了最佳波长差为65 nm，采用CARS方法从中挑选出与四环素相关的特征波长变量，并与连续投影算法(SPA)及遗传算法(GA)进行比较。最后，应用SVR算法对优选出的16个波长变量建立猪肉中四环素含量的预测模型。分析发现，多元散射校正(MSC)光谱预处理后的CARS方法优于SPA及GA变量选择方法，可以有效地筛选出全光谱中的特征波长变量。CARS-SVR建立的四环素预测模型优于原始光谱的SVR模型，其预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.961 2和10.94 mg/kg。研究结果表明，采用同步荧光法结合CARS-SVR模型可以预测猪肉中的四环素残留含量，且CARS-SVR能有效地简化模型并提高预测精度。