等离激元增强拉曼光谱食用合成色素快速检测系统设计

范贤光， 梁 骏， 王 昕， 许英杰， 阙 靖， 左 勇

1. 厦门大学航空航天学院， 福建 厦门 361005

2. 北京长城计量测试技术研究所国防科技工业第一计量测试研究中心， 北京 100095

等离激元增强拉曼光谱食用合成色素快速检测系统设计

范贤光1， 梁 骏1， 王 昕1， 许英杰1， 阙 靖1， 左 勇2

1. 厦门大学航空航天学院， 福建 厦门 361005

2. 北京长城计量测试技术研究所国防科技工业第一计量测试研究中心， 北京 100095

基于等离激元增强拉曼光谱技术， 研制出适合现场分析检测的食用合成色素快速检测系统， 适用于饮料、 肉制品、 蜜饯等食品中合成色素的快速检测。 检测系统的硬件部分主要由双CPU(ARM和FPGA)主控板、 样品前处理模块(含有增强粒子施加装置)、 半导体激光光源、 光谱数据采集模块构成； 软件部分控制样品前处理模块自动运行， 并可读取被测样品的拉曼谱图。 利用快速检测系统对三种实际样品(蜜饯、 汽水、 火腿肠)中的食用合成色素胭脂红、 柠檬黄、 诱惑红进行检测， 以验证该系统在食用合成色素检测中的性能。 样品检测结果的相对标准偏差小于±5%， 表明此检测系统具有良好的灵敏度和重现性， 且检测时间短， 能够满足食品中合成色素现场快速检测的要求。

等离激元增强拉曼光谱； 合成色素； 样品前处理； 检测系统

引 言

近年来， 合成色素因成本低廉、 色泽鲜艳、 着色力强等特点被食品生产商广泛使用。 合成色素是以甲苯、 萘等化工产品为原料制成的偶氮类化合物， 几乎不能为人体提供营养物质[1]。 此外， 过量食用合成色素会导致慢性中毒甚至致癌[2]， 对于儿童则可能影响神经系统发育从而导致行为异常。 我国《食品添加剂使用标准》中也明确禁止在儿童食用的肉制品、 饮料等食品中添加合成色素。 因而， 合成色素的快速现场检测成为控制合成色素在食品中滥用的关键问题。

传统的合成色素检测方法有高效液相色谱法(high performance liquid chromatography, HPLC)[3-5]、 高效液相色谱-质谱联用法(high performance liquid chromatography-mass spectrometry, HPLC-MS)[6]、 毛细管电泳法[7]、 薄层色谱法[8]等。 薄层色谱法操作简便快速， 原材料易得， 但相对而言准确性和灵敏度较低， 毛细管电泳法则重现性较差； 高效液相色谱-质谱联用法在检测分辨率及灵敏度方面有一定优势， 然而仪器的昂贵使其难以在日常检测中推广应用； 高效液相色谱作为目前最为普遍的合成色素检测方法， 需专业人员在实验室操作， 步骤繁琐， 其检测时间一般为1 h以上， 无法满足合成色素快速现场检测。 随着等离激元增强拉曼光谱(plasmon-enhanced Raman spectroscopy, PERS)技术的日趋成熟， 拉曼光谱信号增强因子达到104～106， 极大地拓宽了拉曼光谱检测系统的应用范围[9]。 结合其快速、 简便、 对样品无接触、 无损伤等特点， 在现场快速检测方面表现出明显的优势。 但合成色素测定的国标GB/T5009.35—2003[11]中叙述的样品前处理方法过程复杂耗时长， 易引入人为误差， 很大程度限制了拉曼光谱技术在现场快速检测中的应用。 目前， 使用拉曼光谱技术检测合成色素的研究很少。

本文基于等离激元增强拉曼光谱技术， 研制出食用合成色素快速检测系统。 针对合成色素前处理问题， 设计了样品前处理模块(包含增强粒子施加装置)， 实现了合成色素的高效自动化提取。 利用此检测系统对多种实际样品中的合成色素进行了检测， 检测时间小于6 min， 耗时相对常规方法大大缩短， 检测结果表明仪器具有良好的灵敏度与重现性， 特别适合现场快速检测。

1 检测系统设计

本文所研制的基于等离激元增强拉曼光谱技术的食用合成色素检测系统， 其原理如图1所示。 该系统主要包括样品前处理模块、 激光源模块和光谱数据采集模块。 三大模块均由数字控制器控制并实现数据通信。 数字控制器采用双CPU模式， 其中ARM(Contex-M4)作为系统的控制显示核心， 而FPGA(EP2C8Q208)则用于时序驱动及数据同步采集， 并在ARM上加载μC/OSⅢ操作系统。 检测系统设有LCD触摸显示屏， 操作简便智能， 使其更适用于现场快速检测。 系统的具体设计如下：

(1) 通过嵌入式软件实现样品前处理模块的自动运行， 洗脱液用量、 洗脱次数及增强粒子加入量可由LCD触摸屏精确设定；

(2) 采用闭环负反馈控制激光器的光功率及工作温度， 以保证激光光源的稳定性。 这里， 光功率可调范围为20～450 mW， 工作温度范围为0～40 ℃， 温度波动小于0.1 ℃；

(3) 由FPGA产生时序驱动CCD和AD， 实现光电转换及数据同步采集， CCD的光谱响应范围为790～1 050 nm；

(4) 对采集到的拉曼信号进行算法处理， 与标准品拉曼光谱对照得到检测结果。

图1 检测系统框图

1.1 样品前处理模块

样品前处理过程的先进与否， 直接关系到分析方法的优劣[11]。 对于食品中合成色素的测定， 样品前处理的效率和提取精度显得更为重要。

本系统的样品前处理模块由五个部分组成： 超声提取装置、 进液装置、 鼓气混合装置、 液体抽除装置、 增强粒子施加装置。 所有装置运转均由嵌入式软件控制， 实现了前处理过程的自动化。 前处理模块内部结构如图2所示。

图2 样品前处理模块内部结构图

食用合成色素测定的国家标准中， 对于固体类试样， 采用温热溶解或漂洗方式[10]。 超声提取装置利用超声波效应， 通过增加介质分子的运动速度以提取物质有效成分[12]， 相比温热溶解和漂洗， 提取效率和收集率可以得到显著提高。 由于超声源频率与提取效率正相关， 在综合考虑模块便携性要求和提取效率的情况下， 采用频率为40 kHz， 功率为60 W的换能器作为超声源。

进液装置采用高精度微型蠕动泵， 由控制系统按洗脱顺序将洗脱液泵入前处理样品管。 进液管路上加装多路选择阀， 可选择多个样品通道同时进液。 鼓气混合装置通过鼓入空气使洗脱液与吸附剂充分接触。 鼓气泵由电机驱动芯片驱动， 鼓气效率可控。

液体抽除装置包括两条管路， 分别用于抽出洗脱废液和待测液。 平时由电磁夹管阀夹紧， 抽液时即松开对应阀门。 前处理使用的吸附剂为聚酰胺粉， 与试液混合后呈粥状， 经常造成过滤筛板阻塞， 影响液体抽除效率， 并易引起合成色素残留。 该装置采用大力矩齿轮自吸泵， 每次抽液仅需5 s， 极大的缩短了前处理时间。

施加装置的功能是将增强粒子添加到待测液中， 并与待测液充分混合以增强拉曼信号。 利用蠕动泵将增强粒子加入待测液， 并用搅拌器混合。 蠕动泵与搅拌器均由主控系统控制， 可自动定量地进行增强粒子施加。 这里， 增强粒子为覆盖氧化铝或二氧化硅薄壳层的Au纳米粒子， 即SHINERS粒子， 其表面附近形成的等离子体激元能够产生较强的表面增强效应， 是一种新型的等离激元增强粒子。

1.2 激光源模块

激光源波长稳定性是影响拉曼信号的关键因素。 本系统采用785 nm的高功率蝶形光纤耦合激光器， 线宽≤0.2 nm， 最大功率达到500 mW， 其内部由体布拉格光栅技术对波长进行稳定。 主控系统通过激光器内置光电二极管监控其输出的光功率， 并利用负反馈机制由驱动恒流源保证光功率稳定。 温度控制器采用高线性度的温度传感器Pt100对激光器管芯进行温度采样， 并通过MOS管H桥恒流源驱动半导体制冷器(TEC)， 从而实现对激光器的温度调控。

1.3 光谱数据采集模块

光谱数据采集模块的架构如图3所示。 根据光谱响应目标范围， 该模块选用高灵敏度的线阵背照式CCD， 此CCD具有动态范围大及低暗电流特性。 多级电源供电系统同时向CCD及时序主控芯片FPGA供电， FPGA产生CCD控制时序， 经过功率放大及电平转换后达到CCD正常曝光和电荷转移所需要求。 CCD在时序驱动下， 将拉曼光谱信号转换为模拟电信号， 并逐个像素输出。 各模拟信量经过信号调理后由AD转换模块依次捕捉， 输出的数字量送入FPGA， 此处AD转换时序也由FPGA提供。 ARM通过FIFO与FPGA通信， 读取光谱数据后进一步分析处理。 温度控制器利用闭环负反馈驱动CCD内置半导体制冷器对CCD进行制冷， 有效降低暗电流的影响， 提高采集电路工作性能。

图3 光谱数据采集模块图

2 检测流程与原理

在食用合成色素快速检测中， 将待测样品放入前处理样品池， 经前处理模块施加纯化水、 甲酸、 乙醇洗脱后， 抽入待测样品池， 增强粒子施加装置按设定量向待测液添加SHINERS粒子。 激光源模块产生激光通过拉曼探头照射待测液， 拉曼散射信号被CCD光学系统收集。 CCD光电转换输出的光谱信号经过一系列信号调理、 AD双采样由FPGA接收后送入ARM。 嵌入式下位机程序对光谱数据进行算法处理， 并自动识别食用合成色素添加类型， 拉曼谱图及检测结果显示于LCD上。

拉曼光谱能够反映物质分子固有的振动、 转动方面的信息， 不同种类食用合成色素的分子结构不同， 其振动谱也有明显区别。 因为可以将拉曼光谱作为“分子指纹”来识别各类合成色素。 对各个种类食用合成色素标准品进行拉曼光谱检测， 并记录谱图中的特征峰个数， 特征峰对应的拉曼位移以及各峰相对强度。 简便的可以选择强度最强而又不重叠的峰作为特征峰与其他色素加以区别， 例如可将柠檬黄的特征峰选定在1 600和1 345 cm-1附近。 由此建立食用合成色素拉曼光谱数据库及判别模型。 本检测系统的软件处理算法将被测样品的拉曼谱图与数据库中食用合成色素的谱图进行比对， 根据特征峰位置及其强度， 可以自动识别被测样品中的食用合成色素。

3 实验与结果

3.1 蜜饯中胭脂红的检测

在本实验中， 为了验证所开发的食用合成色素检测系统相对于常规拉曼更易获得拉曼特征峰， 分别检测未加入SHINERS粒子及加入SHINERS粒子之后的蜜饯前处理试液。 检测光功率设为100 mW， 实验结果如图4所示。 对于未加入SHINERS粒子的试液， 尽管使用10 g的蜜饯样品及5 s的积分时间， 仍然无法获得明显的拉曼特征峰。 而使用1 g蜜饯样品提取的试液， 在加入SHINERS粒子后， 只需1 s的积分时间即可在1 235和1 605 cm-1附近获取清晰的胭脂红拉曼特征峰， 整个检测流程仅耗时5.5 min。

图4 蜜饯中胭脂红的检测谱图

实验表明， 含有增强粒子施加装置的食用合成色素检测系统能够大幅增强被测物质的拉曼特征信号， 具有很高的检测灵敏度。

3.2 汽水中柠檬黄的检测

为了进一步验证本系统对于食用合成色素的检测性能， 将其用于汽水样品中柠檬黄的检测。 柠檬黄是生产商最常用的食用合成色素之一， 但国家在食品添加剂使用标准GB2760—2011[13]中规定， 柠檬黄的最大限用量为50 mg·kg-1。

实验中使用本系统对等体积的10， 25和50 mg·L-1三种柠檬黄标准品及某品牌汽水进行检测， 系统光功率设为120 mW， 积分时间为2 s， 以1∶1体积向待测液施加SHINERS粒子， 检测结果如图5所示。 柠檬黄的拉曼特征峰处于1 345， 1 502和1 601 cm-1附近， 特征峰强度随着试液中柠檬黄浓度的提高而明显增强。 而汽水样品的拉曼特征峰位置与柠檬黄标准品具有一致性， 表明汽水中有柠檬黄检出。 对于液体样品， 不需要超声提取过程， 检测耗时相对固体样品更短， 约为4.6 min。

图5 汽水中柠檬黄的检测谱图

图6 某品牌火腿肠5次检测谱图

由实验可知， 所开发的快速检测系统能够用于食用合成色素检测， 具备较高的有效性及可靠性。

3.3 检测效率及重现性测试

为了考察本系统的检测重现性， 以等质量的某品牌火腿肠进行5次检测， 光功率设为100 mW， 积分时间为5 s， 按待测液1∶1体积施加SHINERS粒子。 平均检测耗时约5.8 min， 检测结果如图6所示。 该样品拉曼光谱的特征峰分析如表1， 可确定其中有诱惑红检出。 计算5次检测谱图各个特征峰面积的相对标准偏差(relative standard deviation, RSD)， 结果均小于5%， 表明本检测系统具有良好的重现性及较高的检测效率。

表1 拉曼光谱的特征峰分析误差

4 结 论

基于等离激元增强拉曼光谱技术， 研制出食用合成色素快速检测系统。 只需将待测物放入前处理样品池， 该系统即可自动地实现样品前处理、 SHINERS粒子施加等流程， 并检测其拉曼光谱信号， 对光谱信号进行分析处理后显示检测结果。 利用该系统检测三种实际样品中的食用合成色素， 实验结果表明， 该系统具有良好的检测灵敏度及重现性， 检测效率高， 适用于食用合成色素的现场快速检测。

[1] Collier S W, Storm J E, Bronaugh R L. Toxicology and Applied Pharmacology, 1993， (118): 73.

[2] WANG Yan -ji, SONG Zeng-fu(王彦吉, 宋增福). Spectrum Analysis and Coromatogram Analysis(光谱分析与色谱分析). Beijing: Peking University Press(北京: 北京大学出版社), 1995. 86.

[3] CHEN Yan， LIU Si-jie， LI Hao(陈 艳, 刘思洁, 李 皓). Food Science(食品科学), 2007， 28(9): 487.

[4] SUN Ya-na, ZHU Lei, CUI Fang(孙娅娜, 朱 蕾, 崔 芳). Food Science and Technology(食品科技), 2012, 36(12): 310.

[5] QIAO Ling(乔 玲). Food Research and Development(食品研究与开发), 2007, 29(9): 125.

[6] García-Beneytez E, Cabello F, Revilla E. Journal of Agricultural and Food Chemistry, 2003, 51(19): 5622.

[7] ZHAO Xin-ying, JIA Li, ZHOU Xiao-jing, et al(赵新颖, 贾 丽, 周晓晶， 等). Modern Instruments(现代仪器), 2008, 14(4): 58.

[8] GE Zao-chuan, LIN Hui-gai(戈早川, 林辉概). Journal of Instrumental Analysis(分析测试学报), 1993, 12(3): 45.

[9] FAN Xian-guan, WANG Xin, XU Ying-jie, et al(范贤光, 王 昕, 许英杰， 等). Infrared and Laser Engineering(红外与激光工程), 2013, 42(7): 1798.

[10] Determination of Synthetic Colour in Foods(食品中合成着色剂的测定). National Standards of the People’s Republic of China(中华人民共和国国家标准), GB/T 5009.35—2003: 277.

[11] Alvira P, Tomás-Pejó E, Ballesteros M, et al. Bioresource Technology, 2010, 101(13): 4851.

[12] LI Zeng-xin(李增新). Journal of Biology(生物学杂志), 2005, 22(1): 34.

[13] Standards for Uses of Food Additives(食品添加剂使用标准). National Standards of the People’s Republic of China(中华人民共和国国家标准), GB 2760—2011.

Design of Raman Spectroscopy Rapid Detection System for Synthetic Edible Pigment Based on PERS

FAN Xian-guang1, LIANG Jun1, WANG Xin1， XU Ying-jie1, QUE Jing1， ZUO Yong2

1. School of Aerospace Engineering, Xiamen University, Xiamen 361005, China

2. Changcheng Institute of Metrology & Measurement, The 1st Metrology & Measurement Research Center of National Defense Science Industry of China, Beijing 100095, China

Based on Plasmon-enhanced Raman Spectroscopy (PERS) technology, the detection system for rapid field determination of synthetic edible pigments in food，such as beverage，meat productsand preserves，is presented. The hardware framework of this detection system is mainly composed of double central control chips (ARM and FPGA), a sample pretreatment module (containing a nanoparticle giving device), a laser diode source, and a spectral data acquisitioning module; Besides, the software can run the sample pretreatment module automatically while receiving the Raman spectrogram. To verify its performance in edible synthetic pigments, the rapid detection system was applied to determine carmine, citrine, allure red in three actual samples (i.e. preserves, sodas, sausage). The relative standard deviations of the sample detection were in the range of ±5%, which indicated that the system developed in this paper have the advantage of favorable sensitivity, excellent repeatability and short testing time. Thus, it meets the requirements for rapid field determination of synthetic pigments in food.

PERS; Synthetic pigments; Sample pretreatment; Detection system

Feb. 2, 2015; accepted Jun. 19, 2015)

2015-02-02，

2015-06-19

国家重大科学仪器设备开发专项(2011YQ03012417)， 厦门大学中央高校基本科研业务费项目(20720150091， 20720150094)， 福建省高端装备制造协同创新中心资金项目资助

范贤光， 1980年生， 厦门大学航空航天学院副教授 e-mail: fanxg@xmu.edu.cn

O657.3

A

10.3964/j.issn.1000-0593(2016)08-2487-05