应用表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)技术, 结合线性回归算法, 开展蜂蜜乐果中农药残留快速定量分析方法研究。 含乐果农药残留的益母草蜂蜜样品30个作为被测对象, 划分成建模集(20个)和预测集(10个)。 采用具有规则倒四角锥体结构的Klarite基底作为增强基底, 提高特征拉曼位移峰的相对强度。 通过含乐果农药残留蜂蜜样品的SERS光谱与乐果标准品的常规拉曼光谱间的对比分析, 找到了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰867, 1 065, 1 317和1 453 cm-1。 采用线性回归方法, 建立了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰强与乐果浓度间的线性回归模型。 10个未参与建模的预测集样品, 评价了模型的预测能力。 经比较, 采用867 cm-1处特征拉曼位移峰强建立的线性回归模型预测结果最优, 模型预测相关系数为0.984, 预测均方根误差为0.663 ppm。 检测限达到2 ppm, 接近我国农药残留最大限量标准的检测限。 实验结果表明采用表面增强拉曼光谱技术结合线性回归算法实现蜂蜜中乐果农药残留的快速定量分析是可行的。 可为其他农产品的农药残留快速定量分析提供参考依据。

为探讨小波压缩算法结合近红外光谱技术在马铃薯全粉还原糖含量检测中的可行性, 采用傅里叶变换近红外光谱仪采集了250份马铃薯全粉样品的近红外光谱。 分别优化了消失矩、 小波系数和主成分因子数, 优化结果为10, 100和20。 基于db小波函数将1 501个马铃薯全粉的近红外光谱变量压缩成100个小波系数。 分别以1 501个光谱变量和100个小波系数为变量分别建立了偏最小二乘(PLS)校正模型。 以62个未参与建模的样品作为预测集, 考察模型的预测能力。 经比较, 小波压缩结合PLS的校正模型预测结果最优, 模型预测相关系数为0.98, 预测均方根误差为0.181%。 实验结果表明小波压缩算法结合近红外光谱技术有效地保留了有效光谱信息, 实现了光谱数据降维, 简化了马铃薯全粉还原糖PLS校正模型, 提高了模型的预测能力。