曾 榮，陳偉強(qiáng)，何殊妍，高夢(mèng)蝶，梁藝沛，白永亮

（佛山科學(xué)技術(shù)學(xué)院，廣東 佛山 528200）

目前，化學(xué)分析廣泛用于生化成分的檢測(cè)，包括高效液相色譜、氣相色譜及氣相色譜-質(zhì)譜聯(lián)用等[1-2]。這些方法不僅耗時(shí)，對(duì)樣品存在一定的破壞，且需要專業(yè)的技術(shù)人員來(lái)處理特殊的程序協(xié)議和儀器。此外，很難獲得樣品中特定物質(zhì)的空間分布。拉曼光譜是一種光學(xué)分析方法，可以在不破壞樣品的情況下對(duì)關(guān)鍵化合物進(jìn)行即時(shí)、無(wú)標(biāo)記的檢測(cè)和定量。拉曼光譜可簡(jiǎn)化分析過(guò)程，減少樣品的分析時(shí)間。

近年來(lái)，隨著拉曼光譜技術(shù)的發(fā)展，在農(nóng)業(yè)和食品分析中的應(yīng)用越來(lái)越廣泛。具有不同官能團(tuán)的生物分子由于振動(dòng)模式不同，在拉曼光譜中表現(xiàn)出不同的特征峰，因此拉曼光譜可以提供細(xì)胞、組織或生物流體的化學(xué)指紋圖譜[3]。拉曼光譜現(xiàn)在在農(nóng)產(chǎn)品上被廣泛用于提供與化學(xué)成分和結(jié)構(gòu)特征相關(guān)的數(shù)據(jù)，以及對(duì)各種植物材料的半定量和定量分析[4]。在農(nóng)業(yè)方面，存在農(nóng)產(chǎn)品質(zhì)量評(píng)估[5]、作物生長(zhǎng)監(jiān)測(cè)[6]、品質(zhì)評(píng)價(jià)及食品安全控制等各種需求。同時(shí)，在農(nóng)產(chǎn)品成分分析、摻偽摻假和分類識(shí)別、農(nóng)藥殘留檢測(cè)等方面越來(lái)越廣泛，在預(yù)測(cè)和分析食用品質(zhì)、發(fā)酵過(guò)程監(jiān)控、植物疾病鑒定、感官屬性預(yù)測(cè)、新鮮度檢測(cè)等各方面均有較大的應(yīng)用價(jià)值。

1 拉曼光譜簡(jiǎn)介

拉曼（Raman） 是一種光的散射效應(yīng)，入射光子改變分子中電子與核的分布，導(dǎo)致分子極化率發(fā)生改變，產(chǎn)生誘導(dǎo)偶極矩，從而發(fā)生非彈性光散射[7]。能夠在分子運(yùn)動(dòng)中掌握分子結(jié)構(gòu)和特性，幾乎每一種物質(zhì)都有其獨(dú)特的拉曼指紋圖譜。因此，可進(jìn)行定性或定量分析。近年來(lái)，隨著光譜的發(fā)展，拓展出了一系列拉曼光譜檢測(cè)手段，如傅里葉變換拉曼光譜技術(shù)、表面增強(qiáng)拉曼光譜（SERS）、顯微拉曼光譜技術(shù)、差分拉曼光譜、共振拉曼光譜分析技術(shù)等。

拉曼分析幾乎是以最少的樣品預(yù)處理或無(wú)需預(yù)處理，因此可以被認(rèn)為是一種環(huán)保無(wú)損的分析方法。與同樣來(lái)自分子振動(dòng)模式的紅外光譜相比，拉曼光譜的測(cè)量不受水分子的影響，并能進(jìn)行拉曼光譜成像，以獲得某些成分的空間分布。拉曼光譜通過(guò)對(duì)生物樣品產(chǎn)生結(jié)構(gòu)指紋揭示幾乎所有的化學(xué)成分，包括核酸、碳水化合物、脂質(zhì)和蛋白質(zhì)等的特性，并將其光譜指紋與食品的營(yíng)養(yǎng)價(jià)值、摻假或質(zhì)量等獨(dú)特性狀聯(lián)系起來(lái)。

2 拉曼光譜在農(nóng)產(chǎn)品檢測(cè)的應(yīng)用

2.1 微生物及有害物檢測(cè)

食品安全是一個(gè)重要的民生問題，食品種類繁多，而伴隨的各種污染物問題也層出不窮，因此探究快速、靈敏度高的檢測(cè)方法至關(guān)重要。任菲等人[8]采用擦拭法提取薏苡仁表面的黃曲霉毒素G1，建立了薏苡仁中黃曲霉毒素G1的動(dòng)態(tài)表面增強(qiáng)拉曼光譜的快速檢測(cè)方法，該方法線性范圍為8～320 μg/kg 檢測(cè)良好，檢出限為5.5 μg/kg，相對(duì)標(biāo)準(zhǔn)偏差為11%，能滿足黃曲霉毒素G1的快速檢測(cè)要求。楊雪倩等人[9]用拉曼光譜法檢測(cè)玉米中玉米赤霉烯酮和黃曲霉毒素B1，對(duì)AFB1 和ZEN 分別選取了22 和36 個(gè)特征波長(zhǎng)建立了BPNN 模型來(lái)進(jìn)行預(yù)測(cè)，該模型對(duì)AFB1 和ZEN 含量預(yù)測(cè)值的相關(guān)系數(shù)和均方根誤差分別為0.986 9，0.098 7 和0.967 3，0.092 2。談銘等人[10]利用便攜式拉曼光譜儀對(duì)5 種陽(yáng)性和陰性酒樣本中烏頭堿的含量進(jìn)行了檢測(cè)，檢測(cè)限可達(dá)到10 mg/kg。許明翥[11]采用了差分拉曼和表面增強(qiáng)技術(shù)相結(jié)合的方法對(duì)表皮葡萄球菌、鹽單胞菌和耐鹽芽孢桿菌進(jìn)行檢測(cè)，并得到相應(yīng)其指紋圖譜，三類菌種在728 cm-1處均有拉曼增強(qiáng)，2 種嗜鹽菌在955 cm-1處有共同的增強(qiáng)峰，耐鹽芽孢桿菌在1 521 cm-1的類胡蘿卜素有增強(qiáng)，鹽單胞菌在558 cm-1，1 401 cm-1處海藻糖和四氫嘧啶有增強(qiáng)，這可以作為判別二種菌的依據(jù)。

以上結(jié)果表明，拉曼光譜技術(shù)對(duì)農(nóng)產(chǎn)品中黃曲霉毒素G1的現(xiàn)場(chǎng)實(shí)時(shí)快速分析具有良好的應(yīng)用潛力，該技術(shù)能夠快速檢測(cè)糧食作物中真菌毒素，不同菌種和毒素的光譜差別明顯，可通過(guò)拉曼光譜特征峰進(jìn)行判別。

2.2 病蟲害檢測(cè)

冷小梅等人[12]用拉曼光譜技術(shù)檢測(cè)了水稻稻瘟病，與正常水稻莖稈相比，稻瘟病病菌侵染造成了水稻組織內(nèi)碳水化合物、蛋白質(zhì)、核酸等分子結(jié)構(gòu)發(fā)生變化。在7 個(gè)主要拉曼特征峰繪制的ROC 曲線下，面積（AUC） 最小為0.83，說(shuō)明該方法診斷性較明顯，能為稻瘟病早期檢測(cè)提供參考依據(jù)。蘋果在貯藏和運(yùn)輸過(guò)程中容易受到擠壓和碰撞而造成機(jī)械損傷，尤其是早期輕微損傷，在外觀上與完好部位區(qū)別不大，肉眼很難識(shí)別，陳思雨等人[13]應(yīng)用拉曼光譜結(jié)合化學(xué)計(jì)量學(xué)方法基于線性和多項(xiàng)式核函數(shù)建立了對(duì)蘋果早期輕微損傷進(jìn)行快速識(shí)別的SVM 分類模型，模型準(zhǔn)確率可達(dá)到97.8%。郭志明等人[14]采集了蘋果表層組織不同侵染階段的拉曼光譜圖像，分別構(gòu)建了多糖、果膠和纖維素等主要成分分布的偽彩圖像，并建立了5 種優(yōu)勢(shì)腐敗菌侵染蘋果組織不同階段的判別模型，模型的校正集和預(yù)測(cè)集識(shí)別精度均達(dá)95%以上。

2.3 農(nóng)藥殘留

我國(guó)大部分農(nóng)業(yè)生產(chǎn)中都會(huì)應(yīng)用化肥和農(nóng)藥，在保證農(nóng)業(yè)經(jīng)濟(jì)效益最大化的同時(shí)，也會(huì)帶來(lái)一些農(nóng)藥殘留問題，農(nóng)藥殘留是影響農(nóng)產(chǎn)品質(zhì)量的重要因素[15]。拉曼光譜能夠快速、高效的識(shí)別不同農(nóng)藥分子，根據(jù)不同農(nóng)藥的拉曼指紋圖譜進(jìn)行定性定量分析。

在農(nóng)藥殘留檢測(cè)上，陳念念等人[16]建立了一種果蔬中多菌靈殘留的表面增強(qiáng)拉曼光譜快速定性測(cè)定方法，多菌靈的拉曼特征位于630±5 cm-1，728±5 cm-1，1 002±5 cm-1，1 224±5 cm-1，1 264±5 cm-1，1 316±5 cm-1，結(jié)合檢出概率模型（POD），確定出了多菌靈在柑橘、蘋果等水果中的檢出限為0.5 mg/kg，在辣椒等蔬菜中的檢出限為1.0 mg/kg。廉帥等人[17]通過(guò)785 nm 拉曼激光光源對(duì)聯(lián)苯菊酯進(jìn)行檢測(cè)，位于659 cm-1，948 cm-1，993 cm-1和1 292 cm-1處拉曼活性峰為鑒別聯(lián)苯菊酯的特征峰。朱曉宇等人[18]采用表明增強(qiáng)拉曼光譜技術(shù)分析了綠茶中甲萘威農(nóng)藥殘留，以1 557 cm-1處峰強(qiáng)度建立了甲萘威殘留濃度在0.28～5.56 mg/kg 范圍內(nèi)的定量分析，最低檢出濃度0.83 mg/kg，符合國(guó)家規(guī)定標(biāo)準(zhǔn)1 mg/kg。劉燕德等人[19]用共聚焦顯微拉曼光譜儀對(duì)臍橙表面亞胺硫磷和毒死蜱混合農(nóng)藥使用偏最小二乘（PLS） 和主成分回歸（PCR） 建模算法結(jié)合不同的光譜預(yù)處理方法，建立了定量數(shù)學(xué)模型，對(duì)混合農(nóng)藥進(jìn)行定性與定量分析。

拉曼光譜方法對(duì)農(nóng)藥殘留的檢測(cè)，操作簡(jiǎn)單、快速準(zhǔn)確，從樣品前處理到結(jié)果顯示僅需數(shù)分鐘就可完成。根據(jù)農(nóng)藥分子特征峰可進(jìn)行定性和定量分析。定量檢測(cè)線可達(dá)到國(guó)標(biāo)檢測(cè)要求，可應(yīng)用于果蔬中農(nóng)殘的現(xiàn)場(chǎng)快速檢測(cè)。

2.4 品質(zhì)鑒定和分類

拉曼光譜被認(rèn)為是監(jiān)測(cè)食品品質(zhì)和質(zhì)量的有效檢測(cè)技術(shù)。例如，可以研究蛋白質(zhì)二級(jí)結(jié)構(gòu)如酰胺I（1 650～1 680 cm-1）、酰胺II（1 262～1 313 cm-1） 區(qū)域，以及C-C 基團(tuán)（940～1 070 cm-1）、C-H 基團(tuán)（1 440～1 457 cm-1） 和氨基酸（640，850 cm-1） 的修飾，此外，拉曼光譜還被廣泛應(yīng)用于肉品感官特性、腐敗、pH 值的測(cè)定。譚航彬等人[20]采用拉曼光譜檢測(cè)了0～40 d 雞蛋蛋黃和蛋清的拉曼光譜并對(duì)光譜進(jìn)行預(yù)處理，通過(guò)主成分-線性判別（PCA-LDA） 和正交矯正的偏最小二乘-線性判別（OPLS-LDA） 分類模型，對(duì)雞蛋品質(zhì)進(jìn)行分類。PCA-LDA 模型對(duì)蛋黃和蛋清的品質(zhì)分類準(zhǔn)確率分別達(dá)到96.3%和96.7%，OPLS-LDA 模型對(duì)蛋黃和蛋清的品質(zhì)分類準(zhǔn)確率分別達(dá)到98.6%和99.2%。蘇東林等人[21]通過(guò)拉曼檢測(cè)蜂蜜中果糖、葡萄糖、蔗糖和麥芽糖含量，并對(duì)4 種糖分進(jìn)行了定量分析。綠原酸和蕓香苷的含量是煙草品質(zhì)的重要指標(biāo)，黃天雄等人[22]采集了120 個(gè)煙草溶液樣本的拉曼光譜，所建立的偏最小二乘法（PLS）多元校正模型可對(duì)煙草中多酚類化合物綠原酸和蕓香苷含量實(shí)現(xiàn)準(zhǔn)確可靠的預(yù)測(cè)。

這些研究表明，拉曼光譜對(duì)農(nóng)產(chǎn)品品質(zhì)檢測(cè)具有良好的應(yīng)用效果。拉曼系統(tǒng)已被開發(fā)用于肉類、煙草等農(nóng)副產(chǎn)品質(zhì)量和新鮮度等品質(zhì)的檢測(cè)，結(jié)合化學(xué)計(jì)量學(xué)分析在質(zhì)量監(jiān)測(cè)和分類模型中具有很高準(zhǔn)確率。

2.5 摻偽摻假

匡俊豪等人[23]以稻米油、玉米油和大豆油作為摻假樣品摻入山茶油中，并對(duì)樣品進(jìn)行拉曼光譜檢測(cè)，結(jié)合主成分分析-線性判別分析（PCA-LDA） 法能夠有效鑒別山茶油摻假，在山茶油三元摻假模型中，訓(xùn)練樣品的分類準(zhǔn)確率為99.2%，預(yù)測(cè)樣品的判別準(zhǔn)確率為96.8%。萬(wàn)恒興等人[24]將玉米油、花生油、大豆油和葵花籽油摻入葡萄籽油中，按照不同體積比配置摻偽油樣224 個(gè)，建立了基于拉曼光譜的葡萄籽油摻偽快速定量檢測(cè)方法。使用SPXY 法按3∶1比例劃分校正集和預(yù)測(cè)集，對(duì)葡萄籽油摻偽能較好的進(jìn)行區(qū)分，不同分析方法的相對(duì)分析誤差（RPD）均大于4。

拉曼光譜結(jié)合化學(xué)計(jì)量學(xué)分析方法可以有效區(qū)分不同種類的植物油，快速定量檢測(cè)油中摻偽含量和摻雜物，建立的摻偽模型具有較高的預(yù)測(cè)精度。

2.6 中藥材鑒別和分析

近年來(lái)，采用拉曼光譜用于對(duì)中藥材產(chǎn)品的真?zhèn)舞b別和地域性分析比較多見。孫彩霞等人[25]對(duì)浙江省5 個(gè)浙貝母主產(chǎn)區(qū)不同生產(chǎn)基地的浙貝母拉曼圖譜進(jìn)行一階求導(dǎo)，并對(duì)樣品的特征拉曼峰進(jìn)行歸屬，初步判定在800～2 000 cm-1位移處的9 個(gè)特征峰作為鑒別浙貝母品質(zhì)、產(chǎn)地和溯源的手段。彭艷等人[26]采用拉曼光譜測(cè)試了河南、河北、廣西及安徽等地的部分山藥選片、飲片和麩炒山藥的拉曼圖譜，判別分析可明顯區(qū)別廣西和其他3 個(gè)產(chǎn)地的山藥；通過(guò)對(duì)照標(biāo)準(zhǔn)山藥藥材和可溶性淀粉拉曼圖譜，確定了478，866，941，1 460 cm-1處的峰為山藥片的特征峰，并驗(yàn)證了山藥根莖部的主要成分是淀粉，麩炒后的山藥在478 cm-1處的拉曼峰強(qiáng)度變化可作為山藥飲片麩炒過(guò)程中的動(dòng)態(tài)變化特征峰。孫佳慧等人[27]用SERS 和計(jì)量學(xué)方法對(duì)冬蟲夏草和蛹蟲草進(jìn)行分析鑒別，主成分分析和聚類分析都能很好的區(qū)別兩者之間的特征。拉曼光譜已成功應(yīng)用于快速鑒別藥材類別、真?zhèn)?、?yōu)劣及產(chǎn)地溯源等方面。

2.7 動(dòng)態(tài)監(jiān)測(cè)

拉曼技術(shù)是檢測(cè)植物生理狀態(tài)，評(píng)估作物品質(zhì)和植物成熟度的有力工具，具有非侵入、無(wú)需標(biāo)記的檢測(cè)優(yōu)點(diǎn)。Chylińska M 等人[28]研究了細(xì)胞壁多糖含量、酚類化合物、抗壞血酸和果膠酶活性等對(duì)番茄果實(shí)生理發(fā)育過(guò)程中細(xì)胞壁微觀結(jié)構(gòu)及多糖分布變化的影響。共聚焦拉曼光譜能夠可視化植物細(xì)胞壁，包括中心片層區(qū)域中多糖的空間分布變化。在成熟的綠色番茄中，果膠濃度特別是在細(xì)胞角質(zhì)層中可見，而在成熟的紅色番茄中，果膠在細(xì)胞壁中均勻分布。Lopez-Sanchez M 等人[29]利用拉曼光譜技術(shù)來(lái)評(píng)估橄欖果實(shí)生長(zhǎng)和成熟過(guò)程中發(fā)生的變化，測(cè)量了橄欖果實(shí)（皮、肉和核） 不同部位在不同發(fā)育階段的光譜，觀察到類胡蘿卜素和酚類化合物在橄欖生長(zhǎng)期間增加，在成熟階段減少。不同光譜波段的演變與橄欖成分的含量有關(guān)，如甘油三酯、水、類胡蘿卜素和酚類化合物。Qin J 等人[30]報(bào)道了利用拉曼光譜可視化檢測(cè)番茄中主要的類胡蘿卜素番茄紅素的含量，對(duì)果實(shí)成熟過(guò)程中番茄紅素含量的變化進(jìn)行成像，能夠監(jiān)測(cè)番茄成熟期成分的動(dòng)態(tài)變化和采后過(guò)程中的內(nèi)部分布。Martin D 等人[31]開發(fā)了一種基于類胡蘿卜素拉曼光譜振動(dòng)帶的番茄成熟模型，利用532 nm 激光對(duì)番茄果實(shí)生長(zhǎng)期和采后成熟期進(jìn)行分析，構(gòu)建了描述番茄成熟過(guò)程階段的模型，并能準(zhǔn)確評(píng)估采后果實(shí)品質(zhì)。Langer R 等人[32]首次使用手持拉曼光譜儀對(duì)辣椒進(jìn)行了類似的研究，描述了辣椒果實(shí)中典型的類胡蘿卜素的拉曼信號(hào)，并跟蹤了在成熟過(guò)程中的演變。并建立一種多元化學(xué)計(jì)量學(xué)模型和一種簡(jiǎn)單的一維模型，得到一種用于辣椒果實(shí)成熟度分級(jí)的四點(diǎn)量表，從而以自動(dòng)化的方式確定分類過(guò)程中的成熟度。

以上研究結(jié)果表明，拉曼光譜方法可在農(nóng)作物生長(zhǎng)成熟階段對(duì)生化成分快速監(jiān)測(cè)，在發(fā)酵過(guò)程方面具有很好的應(yīng)用前景，在實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)上具有良好的可行性和穩(wěn)定性。

3 結(jié)語(yǔ)

拉曼光譜技術(shù)是一種無(wú)損、靈敏的檢測(cè)和分析工具，在農(nóng)作物研究中，特別集中于拉曼光譜監(jiān)測(cè)植物生理狀態(tài)、評(píng)估作物成熟度和品質(zhì)、植物病理學(xué)及鑒定植物種類方面的應(yīng)用；同時(shí)，可以快速檢測(cè)農(nóng)產(chǎn)品的生物和非生物脅迫，還可以用于對(duì)植物果實(shí)和種子等的營(yíng)養(yǎng)價(jià)值和品質(zhì)進(jìn)行非侵入性的評(píng)估，此外，可以作為植物育種和選擇的先進(jìn)方法，是數(shù)字農(nóng)學(xué)的理想工具。拉曼光譜技術(shù)的應(yīng)用，進(jìn)一步加強(qiáng)了對(duì)農(nóng)產(chǎn)品質(zhì)量和安全的檢測(cè)。

拉曼光譜對(duì)未來(lái)數(shù)字農(nóng)業(yè)發(fā)展具有很大的潛力，所呈現(xiàn)的農(nóng)業(yè)優(yōu)勢(shì)將會(huì)越來(lái)越明顯。將拉曼技術(shù)應(yīng)用于精準(zhǔn)農(nóng)業(yè)可以顯著提高農(nóng)業(yè)管理、作物質(zhì)量評(píng)估以及生物和化學(xué)污染物檢測(cè)的能力，從而促進(jìn)食品安全及農(nóng)業(yè)的生產(chǎn)力和盈利能力。