1 广西民族大学化学化工学院, 林产化学与工程国家民委重点实验室, 广西林产化学与工程重点实验室, 广西林产化学与工程协同创新中心, 广西高校食品安全与药物分析化学重点实验室, 广西 南宁 530006
2 横州市综合检验检测中心, 广西 横州 530300
茉莉花的风味、 药用、 营养等方面的品质受其产地因素的影响, 因此茉莉花产地溯源对于保护消费者权益, 促进茉莉花产业健康发展具有重要意义。 为实现对不同产地的茉莉花产地溯源, 收集了广西横州、 福建福州、 四川犍为、 云南元江四个国内茉莉花主产地的100个茉莉花样本, 分别采用积分球和光纤探头两种方式获得茉莉花花蕾干样的近红外漫反射光谱(900～1 700 nm)。 采用Savitzky-Golay (SG)光谱平滑和多元散射校正(MSC)相结合进行光谱预处理, 光谱预处理后再利用主成分分析(PCA)结合线性判别分析(LDA)、 K近邻法(KNN)建立了茉莉花原产地判别模型。 建模过程中68个样本作为训练集, 32个样本作为测试集, 并通过交互检验进行模型参数优化。 结果表明, 基于PCA-LDA和PCA-KNN两种方法建立的判别模型均有良好的预测能力, 其中对于积分球采样得到的光谱数据两种方法预测准确率均达到100%, 对于光纤探头采样得到的光谱数据PCA-LDA和PCA-KNN的预测准确率分别为100%和93.75%。 最后, 通过不同产地茉莉花的色谱指纹图谱对比分析, 进一步阐明了基于近红外光谱技术进行茉莉花产地识别的物质基础。 该研究为茉莉花产地溯源提供了一种绿色、 快速、 准确的新方法, 在茉莉花原产地保护上有重要的潜在应用价值。
茉莉花 产地溯源 近红外光谱 化学计量学 Jasmine Traceability of the Geographical Origin Near-infrared spectroscopy Chemometrics 光谱学与光谱分析
2023, 43(11): 3389
1 广西民族大学化学化工学院, 广西高校食品安全与药物分析化学重点实验室, 广西林产化学与工程重点实验室, 广西 南宁 530006
2 横县综合检验检测中心, 广西 横县 530300
3 昆明理工大学材料科学与工程学院, 云南 昆明 615000
戊二醛在精细化工中的使用, 导致大量戊二醛产品如鞣革剂、 消毒剂、 蛋白质交联剂、 组织固化剂等被排放到水体中, 对水体生物及生态环境造成严重污染, 对整个生态系统带来危害, 因此开发对戊二醛快速简易的检测技术至关重要。 表面增强拉曼光谱法(SERS)是一种基于待测物分子对光的散射效应而建立起来的定量检测技术, 具有灵敏度高, 所需样品量少, 水干扰小等优势, 功能强大, 被广泛应用于分析检测领域中。 目前尚未见文献报道基于SERS技术用于定量检测环境水体中戊二醛的案例。 基于金纳米粒子(AuNPs)的局域表面等离子体共振效应、 金属有机框架材料MIL-101(Cr)的富集能力以及对氨基苯硫酚(PATP)与戊二醛之间的席夫碱反应, 基于Au@MIL-101/PATP复合材料建立了一种检测水中戊二醛的表面增强拉曼光谱分析方法。 通过溶液浸渍法制备Au@MIL-101材料, 再利用Au-S共价键作用将PATP修饰到AuNPs表面得到Au@MIL-101/PATP复合基底。 利用透射电镜(TEM)、 能量色散X射线光谱(EDS)、 X射线衍射(XRD)、 X射线光电子能谱(XPS)和拉曼光谱等方法对基底材料进行表征。 论文研究了MIL-101(Cr)中AuNPs的密度对拉曼增强效果的影响, 氯金酸浓度为0.6 g·L-1时增强效果最好。 戊二醛与PATP的席夫碱反应产物在1 621 cm-1处产生C=N特征峰, 戊二醛浓度与I1 078/I1 621信号比值在1×10-7~1×10-5 mol·L-1范围内具有良好的线性, 检出限(LOD)为3.5×10-8 mol·L-1。 实际样品分析结果表明, 自来水和河水水样中戊二醛的加标回收率分别为91.4%~111.8%, 89.8%~114.2%, 相对标准偏差分别为5.2%~14.5%, 8.6%~13.4%。 本方法具有操作简单、 分析时间短、 绿色等优点, 为检测水中的痕量戊二醛提供了新思路。
表面增强拉曼光谱 戊二醛 席夫碱反应 Surface enhanced Raman spectroscopy MIL-101(Cr) Glutaraldehyde Schiff base reaction MIL-101(Cr)
1 广西民族大学化学化工学院， 广西高校食品安全与药物分析化学重点实验室， 广西林产化学与工程重点实验室， 广西 南宁 530008
2 广西林业科学研究院， 广西 南宁 530001
不同种类的松脂因其化学组成的差异而对松脂下游产品的质量产生影响， 因此确保松脂种类的稳定性是保证松脂下游产品质量的关键， 针对在松脂原料采购过程中松脂种类识别困难的问题， 提出了一种基于漫反射近红外光谱和偏最小二乘判别分析（PLSDA）相结合的分析技术， 该技术能够快速识别马尾松松脂和湿地松松脂， 为松脂原料采购提供可靠的种类信息。 以在广西区内武鸣、 防城、 富川、 梧州、 百色、 乐业共6个不同松脂产区采集所得的82个松脂样本进行建模， 包括湿地松松脂51个， 马尾松松脂31个， 利用i-spec型近红外光谱仪采集松脂样本在900～1 700 nm范围内的近红外光谱。 利用子窗口随机化分析法（SPA）进行变量选择， 从510个波长点中优选出300个波长点组成的变量子集， 再通过重复双重交叉检验技术（RDCV）确定偏最小二乘判别分析建模的潜变量数（n=7）。 结果表明， 所建立的分类模型能够准确识别两种不同种类的松脂， 模型对于外部测试集中的松脂样本识别准确率为96.30%， 能够满足松脂行业在原料采购过程中质量控制的需要。 该方法具有分析速度快、 操作简便、 分析成本低、 样本无损等优势， 适用于松脂原料采购环节的质量控制。
马尾松松脂 湿地松松脂 近红外光谱 种类识别 Pinus msssoniana Pinus elliottii Near infrared spectroscopy Species discrimination 光谱学与光谱分析
2018, 38(8): 2395
