劉翠玲,胡 瑩,邢瑞芯,孫曉榮,徐瑩瑩

(北京工商大學計算機與信息工程學院,食品安全大數(shù)據(jù)技術北京市重點實驗室,北京 100048)

食品安全問題關系到人們的生命安全與身體健康,其中果蔬農(nóng)藥殘留問題更是受到了社會的廣泛關注。在果樹種植中,常常會對果樹噴灑殺蟲劑。溴氰菊酯(C22H19Br2NO3,分子量505.24)又稱凱素靈,作為常見的殺蟲劑的一種,在蘋果種植時被廣泛使用。溴氰菊酯屬于中毒毒類,如有皮膚接觸會引起刺激癥狀,出現(xiàn)紅色丘疹。所以,對于進行溴氰菊酯殘留量的快速檢測顯得尤為重要。

目前,已有的農(nóng)藥殘留檢測方法主要分為三類:生物測定技術、理化檢測方法和快速檢測法[1]。生物測定技術對指示生物要求較高,測定結果不能確定農(nóng)藥品種;理化檢測方法精度高,靈敏度強,但是操作過程長,效率低，并且浪費人力資源,同時對一些惡意摻假的產(chǎn)品的識別能力較差,對農(nóng)產(chǎn)品少量、痕量水平的存在較難辨別。國標法中對溴氰菊酯的檢測方法大多使用液相色譜法、氣相色譜質譜法等[2]。這些方法具有準確、靈敏度高等特點,但前處理復雜、成本高、檢測速度慢,不適合現(xiàn)場實時快速檢測篩選[3]?？焖贆z測法如酶抑制法、生物傳感器技術等,但是這些技術同樣存在著精度差、成本昂貴等問題[4]。近年來,光譜檢測技術發(fā)展較快,具有綠色環(huán)保、耗時短、成本低、可靠性高的特點,彌補了上述方法的不足。拉曼光譜是光譜檢測技術中常用的一種光譜,由于其自身特性可以對樣品進行定性與定量的分析,已在食品安全檢測方面上得到了應用[3-6]。基本的拉曼光譜檢測技術易受噪聲和熒光背景的干擾,存在著靈敏度較低的缺點,在一定程度上影響了其在微量物質檢測領域中的應用[4]。表面增強拉曼光譜技術(Surface enhanced Raman scattering,SERS)作為目前光譜檢測方法中極為流行的一種檢測方法,克服了基本的拉曼光譜技術存在的不足,具有樣品制備簡單、操作簡便、靈敏度高等優(yōu)點,已經(jīng)逐步應用于農(nóng)產(chǎn)品中農(nóng)藥殘留的快速檢測中[3-5]。

本文采用共焦拉曼顯微儀,以蘋果汁中溴氰菊酯農(nóng)藥為研究對象,進行拉曼光譜數(shù)據(jù)以及SRES數(shù)據(jù)的采集,分別建立拉曼光譜定量分析模型與SERS光譜定量分析模型,并對比分析,得到更適于快速檢測蘋果汁中農(nóng)殘量的方法,以期為后續(xù)研究提供可靠的參考依據(jù)。

1 材料與方法

1.1 材料與儀器

有機蘋果 購于家樂福超市;溴氰菊酯乳油制劑 德國拜耳作物科學(中國有限公司),有效成分含量為25 mg/mL,置于陰涼(0～30 ℃)、干燥通風處儲存,生產(chǎn)日期2016-03-02,詳細物化信息見表1;無水乙醇 北京化工廠,乙醇的質量分量≥99.7%密度(20 ℃);表面增強劑:Easy Peak(舒峰TM)科研型銀溶膠 上海納騰儀器有限公司。

表1 乙醇溶液中溴氰菊酯濃度Table 1 Deltamethrin concentration in ethanol solution

DXR激光共焦顯微拉曼光譜儀 美國Thermo Fisher Scientific公司,有效探測范圍是0～3500 cm-1,實驗前用聚乙烯對拉曼光譜儀進行峰位校準。

1.2 實驗方法

1.2.1 樣品的制備 依據(jù)國標GB 2763-2016食品中農(nóng)藥殘留最大殘留限量的規(guī)定,蘋果中溴氰菊酯含量不得超過0.5 mg/kg。實驗方案如下:在進行蘋果汁中拉曼光譜采集實驗之前,設置一組以無水乙醇為溶液背景的溶液作為該實驗的模擬樣本進行光譜采集。將25 mg/mL標準溴氰菊酯乳油制劑用無水乙醇進行稀釋,配制0.07～1 mg/kg的15個濃度梯度對比樣本溶液如表2。

表2 蘋果汁中溴氰菊酯濃度Table 2 Deltamethrin concentration in apple juice

將有機蘋果用去離子水洗凈后,晾干,切塊后用榨汁機攪打并用過濾網(wǎng)進行過濾。將得到的蘋果汁作為溶液背景,采用25 mg/mL的標準溴氰菊酯乳油制劑溶于得到的蘋果汁中配制濃度梯度為0.07～10 mg/kg的20個樣本溶液如表3。

1.2.2 光譜數(shù)據(jù)的采集 首先,用移液槍取1.2.1中所得樣本溶液100 μL滴在包有錫紙的液體池上,進行拉曼光譜的點掃描,為排除實驗偶然性在掃描時做平行樣本,分別命名為-1、-2(如0.07-1,0.07-2),得到拉曼光譜共計105條;其次,在液體池中加入100 μL的表面增強劑,在滴入等量的樣本溶液進行充分攪拌混合后,再進行拉曼光譜的點掃描,同時也做平行樣本;得到SERS光譜共計105條,為后期進行拉曼光譜數(shù)據(jù)建模與SERS數(shù)據(jù)建模提供原始數(shù)據(jù)。

其中,實驗儀器的各項參數(shù)設置為:奧林巴斯BX51研究級顯微鏡,10X目鏡聚焦,激光波長780 nm,激光能量24 mW,光柵400 lines/mm,光闌50,估計分辨率4.7～8.7 cm-1,采集曝光時間5 s,選擇熒光修正,采用點掃描。

1.2.3 光譜數(shù)據(jù)的預處理 光譜除含有樣品自身的化學信息外,還包含有其他無關信息和噪聲,如電噪聲、雜散光等。因此,在用化學計量學方法建立模型時,旨在消除光譜數(shù)據(jù)無關信息和噪聲的預處理方法變得十分關鍵和必要。常用的預處理方法有均值中心化、標準化、歸一化、平滑、導數(shù)等[9]。其中,光譜的一階導數(shù)和二階導數(shù)是光譜分析中常用的光譜處理方法。此外,在拉曼光譜測試中,熒光是最大的干擾,是影響拉曼光譜定量分析的主要因素之一[9]。因此,需要通過一定的方法消除或降低其影響。本研究基于TQAnalyst拉曼光譜分析軟件,采用熒光校正+基線校正+一階導數(shù)的方法對光譜進行預處理。

2 結果與分析

2.1 光譜數(shù)據(jù)預處理結果

采集得到的樣本原始SERS光譜如圖1所示。經(jīng)預處理后,熒光干擾得到有效降低,并獲得了光譜的一階導數(shù),光譜數(shù)據(jù)預處理結果如圖2所示。

圖1 兩種含溴氰菊酯的樣本溶液的原始SERS光譜Fig.1 Original SERS spectra of two sample solutions containing deltamethrin

圖2 預處理后兩種含溴氰菊酯的樣本溶液的SERS光譜Fig.2 SERS spectra after preprocess of two sample solutions containing deltamethrin

經(jīng)實驗采集得到樣本溶液的拉曼光譜在表面增強技術的作用下,拉曼信號明顯增強,但其背景溶液影響較大;拉曼光譜技術對含溴氰菊酯的乙醇溶液濃度的檢測限度為0.006 mg/mL,低于該濃度的溶液,其拉曼信號完全消失。而基于表面增強拉曼技術所得到的拉曼信號將檢測限度降低為0.004 mg/mL。由圖1中的拉曼光譜中可以看出,在1530 cm-1的特征峰處在波數(shù)范圍1530～1450 cm-1,可能為N=N官能團,而1165 cm-1處則可能為C-O-C官能團,符合溴氰菊酯的分子式,溴氰菊酯的特征官能團在拉曼光譜中以特征峰的形式體現(xiàn)。

2.2 乙醇溶液中溴氰菊酯定量分析

采用經(jīng)典的偏最小二乘法對經(jīng)過光譜預處理的乙醇中溴氰菊酯溶液拉曼光譜與表面增強拉曼光譜進行定量分析建模,建模結果如圖3所示。原始拉曼光譜模型的校正集相關系數(shù)為0.9634，校正誤差均方根(RMSEC)為0.0667；預測集相關系數(shù)為0.9320，預測集誤差均方根(RMSEP)為0.104；真實值-擬合值的殘差值不超過0.2 mg/kg。表面增強拉曼光譜模型的校正集相關系數(shù)為0.9995，校正誤差均方根(RMSEC)為0.00723；預測集相關系數(shù)為0.9893，預測集誤差均方根(RMSEP)為0.104；真實值-擬合值的殘差值不超過0.1 mg/kg。通過對比發(fā)現(xiàn)，表面增強拉曼光譜模型明顯優(yōu)于原始樣本模型，同時在背景溶液影響較大的情況下，還是采集到了有用信息。殘差圖中，擬合值相對于真實值均有一定的偏差，但除個別樣本外，其余樣本的真實值與擬合值的差異均可滿足農(nóng)藥制劑市場的要求。

圖3 乙醇中溴氰菊酯定量模型擬合曲線Fig.3 Fitting curves of deltamethrin quantitative model in ethanol solution注:圖中箭頭指向隨機挑選的三個預測樣本。圖4同。

2.3 蘋果汁中溴氰菊酯定量分析

同樣采用偏最小二乘法,對經(jīng)過光譜預處理的蘋果汁中溴氰菊酯溶液拉曼光譜與表面增強拉曼光譜分別進行定量分析建模,建模結果如圖4所示。原始拉曼光譜模型的校正集相關系數(shù)為0.9355，RMSEC為0.163；預測集相關系數(shù)為0.9520，RMSEP為0.0561；真實值-擬合值的殘差值不超過0.2 mg/kg。表面增強拉曼光譜模型的校正集相關系數(shù)為0.9870，RMSEC為0.0705；預測集相關系數(shù)為1， RMSEP為0.0444；真實值-擬合值的殘差值不超過0.1 mg/kg。表面增強拉曼光譜模型在優(yōu)于原始光譜模型的同時，其誤差值均在可接受范圍內，說明所建立的定量模型具有較高可靠性，這為后續(xù)的快速檢測技術提供了參考。

圖4 蘋果汁中溴氰菊酯定量模型擬合曲線Fig.4 Fitting curves of deltamethrin quantitative model in apple juice solution

3 結論

本研究通過利用拉曼光譜技術與SERS技術,結合偏最小二乘法建立了蘋果汁中溴氰菊酯的定量分析模型。結果表明,原始拉曼光譜模型校正集相關系數(shù)為0.9355,預測集相關系數(shù)為0.9520,校正誤差均方根(RMSEC)為0.163,預測集誤差均方根(RMSEP)為0.0561;而利用表面增強拉曼光譜技術,校正集相關系數(shù)提高為0.9870,預測集相關系數(shù)為1,校正誤差均方根(RMSEC)為0.0705,預測集誤差均方根(RMSEP)為0.0444,蘋果汁中溴氰菊酯樣本溶液的檢測限度降低到0.004 mg/ml,且定量分析模型預測集準確率達到100%,預測誤差為0.1 mg/kg,模型精度得到明顯提高。初期實驗對乙醇中溴氰菊酯溶液進行定量建模分析,分析得出其校正集模型相關系數(shù)最高可達到0.9995。使用表面增強拉曼光譜技術結合偏最小二乘方法,在定量檢測蘋果汁中微量農(nóng)殘中具有一定的可行性,今后可以推廣到其他果蔬農(nóng)藥殘留量的檢測中去,為食品安全檢測提供了一種新方法。此次研究樣本制備較少,可能對于模型的穩(wěn)定性有一定影響,應進一步增加樣本數(shù)量,為該方法走向實際應用奠定基礎。