作者单位
摘要
1 厦门大学航空航天学院, 福建 厦门 361102
2 福建省传感技术高等学校重点实验室, 福建 厦门 361102
3 厦门市普识纳米科技有限公司, 福建 厦门 361102
4 厦门大学化学化工学院, 福建 厦门 361102
食品安全问题一直是社会和广大群众关注的焦点问题, 食品安全现状较为严峻, 因此实现食品中有害物质的快速检测具有重要的实际意义。 合成色素是一种常见的食品添加剂, 然而合成色素的超标添加和非法添加依旧是食品安全中的重要问题之一, 极大地危害人民群众的身体健康和食品工业的健康发展。 常见的合成色素检测方法, 均存在耗时长、 费用高等缺点, 不适应于合成色素的实时监测和快速筛查。 为克服传统方法的缺点, 提出利用表面增强拉曼光谱检测技术对合成色素进行检测, 该方法具有检测速度快、 检测灵敏度高等优点, 能够达到现场实时检测的目的。 此外, 由于拉曼检测方法往往依赖于复杂的样品前处理操作, 而常见的固相萃取技术一般依赖于人工操作, 过程复杂且耗时较长, 严重影响食品快速检测效率。 因此, 开发了一种全自动固相萃取装置, 通过设计嵌入式硬件电路系统及其软件, 精确控制蠕动泵流速和多路阀门开关实现了活化、 上样、 淋洗、 洗脱四个步骤的全自动操作和参数控制, 从而达到食品样品的全自动快速固相萃取。 在实验部分, 配制不同专利蓝V浓度的果汁饮料, 然后利用该装置对果汁中的专利蓝V进行前处理, 对萃取柱填料和萃取中各个步骤的时间和试剂进行了合理的选择, 利用表面增强拉曼光谱检测技术成功地检测了合成色素中的专利蓝V。 实验结果表明, 所研制的自动固相萃取装置对比传统手工萃取, 每个样品节省了近一半的萃取时间(10 min降为5 min)且能够同时处理5个样品, 萃取时间稳定不易受人为因素影响, 从而极大地提高了萃取效率和稳定性。 此外, 通过自动萃取获得的样品, 对比手工萃取操作, 因其受外界干扰相对较小, 能够得到更强的拉曼光谱信号(约增强50%), 获得了满意的萃取效果。 对不同浓度的专利蓝V样品的结果显示, 该方法能够实现检出质量浓度在0.5 mg·L-1水平, 可有效满足现场监测需求。 具有快速、 方便、 灵敏度高等特点。
专利蓝V 表面增强拉曼光谱 自动固相萃取 快速检测 Patent blue V Surface-enhanced Raman spectroscopy Automatic solid phase extraction Fast detection 
光谱学与光谱分析
2019, 39(10): 3205
作者单位
摘要
1 厦门大学物理与机电工程学院, 福建 厦门 361005
2 厦门大学化学化工学院, 福建 厦门 361005
便携式拉曼光谱仪在现场快速分析中往往由于现场样品比较复杂,需要处理后才能采用光谱仪进行测定,因此一定程度上限制它的使用.常规实验室前处理虽然行之有效,但是过程繁琐费时,不适合现场使用.本课题组开发了一种便携式快速PERS前处理仪器,具有便携、功耗低、操作简便,提取时间短以及重复性好等特点,能满足现场快速检测的前处理需求.该仪器由超声波提取单元、加热抽气挥发单元、尾气净化与吸收单元以及控制系统四个功能模块组成,并且设有LED控制面板和报警装置.整个工作流程主要包括超声提取、液液萃取和溶剂加热抽气挥发三个环节.以三种实际样品(辣椒粉、辣椒油、豆瓣酱)中的违禁添加剂罗丹明B检测为例,结果表明:与常规实验室前处理方法相比,两种前处理方法对于PERS谱图影响不大,但是检测时间缩短一半.另外,重复性实验检测结果的相对标准偏差(relative standard deviation,RSD)小于±5%。
样品前处理 等离激元增强拉曼光谱 罗丹明B Sample pretreatment Plasmon-enhanced Raman spectroscopy Rhodamine B 
光谱学与光谱分析
2015, 35(4): 1107
作者单位
摘要
1 厦门大学机电工程系, 福建 厦门361005
2 厦门大学化学系, 福建 厦门361005
表面增强拉曼光谱(SERS)是一种重要的高灵敏度分析技术。 基于SERS的技术特点, 建立了真实体系下孔雀石绿定性检测方法。 提出了一种光谱自动识别算法, 有机整合了稳健的傅里叶变换基线校正, 基于主成分分析的特征提取与人工神经网络分类器。 该方法结合基线的低频特征, 通过迭代傅里叶变换实现基线校正; 通过样本空间中类间与类内的欧氏距离判别自动获取拉曼光谱信号主成分的最优组合, 实现光谱数据的降维与特征提取; 最后构建三层反向传播神经网络分类器进行样本分类。 实验结果表明, 基线去除可排除基线变化对检测结果的影响; 光谱主成分的优化组合可减小基线校正残余及复杂体系中被测物以外的物质拉曼峰对检测结果的干扰, 同时实现了分类器最小化。 该方法用于养殖用海水中孔雀石绿的现场检测, 最低检出浓度0.1 μg·L-1。 该方法具有可拓展性, 可以直接应用于其他溶胶/凝胶体系中SERS光谱的定性分析。
表面增强拉曼光谱 光谱识别 基线校正 主成分分析 神经网络 SERS Qualitative analysis Background rejection PCA Neural networks 
光谱学与光谱分析
2014, 34(5): 1284

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!