动物源性食品是人类营养摄入必不可少的食品之一, 兽药被广泛用于动物饲养和疾病防治, 但兽药残留超标等问题对消费者的健康安全构成了严重威胁。 为防止受污染的食品对消费者造成危害, 研发快速有效的兽药残留分析方法非常必要。 表面增强拉曼光谱法(SERS)作为一种痕量的检测方法, 有望能够满足目前动物源性食品高效、 快速、 灵敏的检测需求。 综述了SERS方法在动物源性食品兽药残留检测中的研究进展, 包括肉类(猪肉、 鸡肉、 鸭肉、 鱼肉)、 乳和乳制品及蜂蜜中兽药残留的SERS分析研究。 概述了SERS技术在肉类食品中主要兽药残留的检测应用进展。 家禽肉中的兽药分析包括四环素类药物、 磺胺类药物、 恩诺沙星和激素类等药物; 猪肉中的兽药主要分析了β-受体激动剂、 氯霉素、 左旋咪唑等药物; 鱼肉中的兽药分析了染料类、 磺胺类和氯霉素等药物。 对乳和乳制品中的四环素类、 氨基糖苷类、 青霉素类、 酰胺醇类药物的SERS检测进行了总结讨论。 简述了SERS在蜂蜜中氯霉素类、 四环素类等药物的分析。 对SERS在动物源性食品的研究发展方向和应用前景进行了总结和展望。 虽然SERS作为一种快速、 超灵敏的检测方法, 在分析复杂食品体系中的微量或痕量化合物方面, 尤其是在食品中可能对健康造成危害的禁用和限用化学物质检测方面显示出了巨大的潜力, 具有较好的发展前景, 但依然面临极大的挑战。 突破技术瓶颈, 建立动物源性食品中兽药残留检测的SERS快速分析策略, 开发出兽药残留的现场实时检测方案, 将对食品安全检测监管具有重要意义。

酸性橙Ⅱ作为一种偶氮类化工染料, 具有致癌致畸性, 因此, 禁止添加于食品中。 但由于酸性橙Ⅱ色泽鲜艳、 着色力强、 价格低廉, 不法商家出于利益考虑非法添加于食品中用于着色, 严重威胁到食品安全和消费者健康。 酸性橙Ⅱ传统检测方法主要是利用仪器分析技术进行分析, 但存在前处理复杂、 耗时费力等缺点, 不能满足快速检测识别的目的。 表面增强拉曼光谱（SERS）技术作为一种快速、 灵敏的新兴指纹光谱分析技术, 在食品安全检测领域的应用受到广泛关注, 因此, 本文采用SERS光谱结合不同纳米材料增强基底, 探索酸性橙Ⅱ的快速检测方法。 首先实验室自制了金纳米颗粒溶胶, 金纳米棒溶胶基底, 并对其结构性能进行了表征, 纳米溶胶基底尺度均匀、 分散性良好。 基于金纳米颗粒溶胶对两种拉曼激发光源（波长为633和780 nm）对酸性橙Ⅱ分析的影响进行了研究, 结果表明基于633 nm激发光源酸性橙Ⅱ的SERS响应信号更强。 在此基础上, 对比了KlariteTM商业化固体基底、 实验室自制金纳米颗粒溶胶和金纳米棒溶胶基底的增强性能, 不同粒径金纳米颗粒溶胶对酸性橙Ⅱ的SERS分析有明显差异, 粒径为(18.0±2.0) nm金纳米溶胶展现出较好的增强性能。 利用增强性能差异不大的三种纳米材料基底（KlariteTM固体基底, 粒径为(18.0±2.0) nm的金纳米颗粒基底, 横纵比为1.8的金纳米棒基底）对系列浓度的酸性橙Ⅱ进行了SERS检测, 结果表明SERS结合三种基底对酸性橙Ⅱ的最低检出浓度分别为0.2, 0.1和0.1 mg·L-1。 SERS强度随着酸性橙Ⅱ浓度的增加而增强, 因此探索建立了酸性橙Ⅱ的定量分析模型。 研究选取1 184, 1 385和1 597 cm-1三个特征主峰, 确定其不同浓度酸性橙Ⅱ所对应的特征峰强度, 建立酸性橙Ⅱ标准溶液浓度与单个SERS特征峰强度之间的线性回归模型, 决定系数R2的范围为0.861～0.938, RMSE为0.88～1.15 mg·L-1, RPD为2.5～4.0, 其中, 1 597 cm-1特征峰强度与浓度之间的线性回归模型最佳（R2=0.933, RMSE=0.88 mg·L-1, RPD=4.0）, 具有良好的线性相关性。 研究表明采用SERS光谱技术可对酸性橙Ⅱ进行定性定量分析, 可作为一种简单、 快速、 高灵敏的检测方法用于色素类污染物检测。

食源性致病微生物导致的食源性疾病已成为全球化的公共卫生问题。 快速、 有效地检测食源性致病微生物是实现食源性疾病预防与控制的关键环节, 也是保障食品安全的技术关键。 表面增强拉曼光谱（SERS）具有简单、 快速、 灵敏度高等优点, 在食品安全、 生物医学、 环境监控等领域展现出良好的应用前景。 介绍了近年来SERS在食源性致病微生物检测中的应用研究进展。 对SERS技术概况、 SERS增强理论及SERS增强基底进行了简要介绍, 重点回顾了SERS在食源性致病微生物检测中的应用和发展现状。 在食品安全分析方面, 利用SERS与模式识别方法相结合对食品中常见食源性致病微生物能实现快速、 有效鉴别, 部分研究已应用于不同食品样品的分析, 体现了SERS作为“指纹图谱”的分析优势; 在医学诊断方面, SERS可对病理样品（如血液、 尿液等）中食源性致病微生物进行快速检测, 缩短了样本分析时间, 使食源性疾病的快速诊断成为可能; 随着微流控技术的发展, 微流控平台结合SERS技术被称为“芯片实验室”应用于食源性致病微生物的检测, 可提高分析的可控性, 稳定性, 特异性和灵敏度。 通过对比分析, 发现不同研究可采用不同分离方法、 不同基底、 不同目标捕获方式等实现了食源性致病微生物的检测, 展示了不同方法间的差异性。 已有研究表明了SERS在食源性致病微生物检测中应用可克服传统方法耗时等缺点, 实现灵敏快速分析, 为食品安全实时监控, 食源性疾病即时诊断提供了有效的分析工具。 同时, 指出了SERS技术应用于食源性致病微生物分析依然面临很大挑战, （1）大多数研究并没有聚焦于实际样品, 而标准培养液和实际样品的SERS检测存在较大差异, 实际样品组分会对SERS响应产生干扰; （2）不同方法结果有较大差异, 主要是由于纳米增强基底差异, 吸附方式原理的差异, 稳定性的差异等, 因此需要更多深入研究进一步优化条件; （3）期望建立标准化的SERS方法替代传统技术, 充分展示SERS作为新兴分析工具快速、 灵敏、 简捷的优势应用于食品安全, 医学诊断等领域。 将来, 随着研究的深入及相关学科的发展, SERS作为极具潜力的快速分析工具, 将在食品安全, 生物医学等领域具有更广阔的应用前景。

表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)技术是基于被测分子吸附在某些经特殊处理、 具有纳米结构的金属表面具有极强拉曼散射增强效应的分子振动光谱技术。 因SERS技术具有前处理简单、 操作简便、 检测时间短、 灵敏度高等优点, 在食品安全检测领域具有良好的应用前景。 食品中化学危害残留超标是主要的食品安全问题之一, 已引起全球的关注, SERS技术对食品中痕量化学危害的分子识别及定量分析检测的相关研究报道数量近年来呈上升趋势。 本综述概括了应用SERS对食品中常被检出的非法添加物、 农药残留、 抗生素及其他药物残留检测中的应用和研究进展, 涉及的拉曼散射增强基底体系多种多样, 如金或银等纳米溶胶体系、 金纳米固体表面基底、 双金属或磁性内核等复合基底。 研究对象一般以化学危害物的标准溶液为起点, 扩展到常被检出该化学危害物的相应食品中, 如乳制品、 鱼、 果蔬等。 由于表面增强拉曼散射强度受多种因素的影响, SERS谱图的重现性还是一个亟需解决的难题, 而食品复杂体系中非目标组分对被分析物拉曼散射信号的干扰导致SERS技术还不能成为一种有效的常规快速分析方法, 但SERS为食品及其他复杂体系中痕量化学物的检测提供了一个新的极具潜力的工具。

利用傅里叶变换近红外漫反射光谱结合不同数学建模算法对不同部位取样的猪肉肉糜进行定性判别建模, 并建立猪肉肉糜品质指标脂肪、 蛋白质和水分含量的定量检测模型。 结果表明: 不同部位取样猪肉肉糜判别分析PLSDA模型性能良好, 最优模型校正集判别正确率为100%, 预测集判别正确率为96%； 比较两种方法结合, 不同光谱预处理建立各品质指标的定量模型, LS-SVM模型性能优于PLSR模型, 脂肪和水分含量最佳预测模型校正及预测相关系数r均高于0.9, 蛋白质含量最优模型校正及预测相关系数r, RMSEC, RMSEP和RMSECV分别为0.722, 0.593, 1.595, 1.550和1.888, 模型精度需进一步提高。 研究表明利用傅里叶变换近红外漫反射光谱快速判别不同部位猪肉肉糜的方法是可行的, 脂肪和水分含量定量分析模型从预测精度、 稳定性及适应性考虑均具一定的通用性, 具有良好的市场应用前景。

以225个猪肉肉糜样本为研究对象, 利用可见/近红外光谱分析技术对猪肉肉糜主要品质指标的的快速检测进行了研究。 光谱经小波去噪后, 采用偏最小二乘法和支持向量机定量分析方法分别建立了肉糜中肌内脂肪、 蛋白质和水分含量的可见/近红外光谱预测模型。 其中, 肌内脂肪的支持向量机定量预测模型最优, 校正相关系数rcal和预测相关系数rval为0.889和0.888; 蛋白质的偏最小二乘定量预测模型最优, 校正相关系数rcal和预测相关系数rval为0.869和0.881; 水分的偏最小二乘定量预测模型最优, 校正相关系数rcal为0.877, 预测相关系数rval为0.848, 所有模型的预测相对分析误差(RPD)均小于3.0。 研究表明, 可见/近红外光谱分析技术可用来检测猪肉肉糜品质, 进一步提高所建模型的精度和稳定性可应用于实际检测。

pH值是猪肉关键品质之一, 实施在线检测对优化肉品加工工艺、 保证产品质量、提高肉及肉制品的经济价值有重要意义。 研究应用可见近红外光谱对新鲜猪肉pH值进行在线检测, 实验时样品以0.25 m?s-1的速度运动, 采集其可见近红外漫反射光谱(350～1 000nm), 进行反射距离校正后应用偏最小二乘回归法建立猪肉pH值在线检测模型。 研究通过Kennard-stone算法划分样品校正集与预测集, 对比了不同的光谱预处理方法(多元散射校正,微分等)对预测结果的影响, 并对建模所用光谱变量进行优化。 研究发现经过多元散射校正结合一阶微分预处理的模型效果最好, 模型预测相关系数为0.905, 预测均方根误差为0.051,经过优化的模型建模所用波长变量数减少一半, 模型的预测相关系数提高到0.926, 预测均方根误差下降至0.045。 结果表明可见近红外光谱可用于新鲜猪肉pH值的在线检测。Spectroscopy

基于近红外(near infrared,NIR)漫反射光谱分析技术对库尔勒香梨中的脱萼果和宿萼果进行了自动化判别试验研究。用对不同波段范围、不同光谱预处理方法(MSC、SNV、微分光谱)和不同主成分因子数对香梨类别判别结果的影响进行了对比分析,建立了香梨类别的定性判别模型。研究结果表明:用判别分析(discrimant analysis,DA)方法在9091～4000cm^-1范围结合原始光谱建立的DA判别模型最优,该方法对校正集正确分类率达100%,预测集正确分类率为95%。