拉曼光谱技术在农产品中的应用

曾 荣，陈伟强，何殊妍，高梦蝶，梁艺沛，白永亮

（佛山科学技术学院，广东 佛山 528200）

目前，化学分析广泛用于生化成分的检测，包括高效液相色谱、气相色谱及气相色谱-质谱联用等[1-2]。这些方法不仅耗时，对样品存在一定的破坏，且需要专业的技术人员来处理特殊的程序协议和仪器。此外，很难获得样品中特定物质的空间分布。拉曼光谱是一种光学分析方法，可以在不破坏样品的情况下对关键化合物进行即时、无标记的检测和定量。拉曼光谱可简化分析过程，减少样品的分析时间。

近年来，随着拉曼光谱技术的发展，在农业和食品分析中的应用越来越广泛。具有不同官能团的生物分子由于振动模式不同，在拉曼光谱中表现出不同的特征峰，因此拉曼光谱可以提供细胞、组织或生物流体的化学指纹图谱[3]。拉曼光谱现在在农产品上被广泛用于提供与化学成分和结构特征相关的数据，以及对各种植物材料的半定量和定量分析[4]。在农业方面，存在农产品质量评估[5]、作物生长监测[6]、品质评价及食品安全控制等各种需求。同时，在农产品成分分析、掺伪掺假和分类识别、农药残留检测等方面越来越广泛，在预测和分析食用品质、发酵过程监控、植物疾病鉴定、感官属性预测、新鲜度检测等各方面均有较大的应用价值。

1 拉曼光谱简介

拉曼（Raman） 是一种光的散射效应，入射光子改变分子中电子与核的分布，导致分子极化率发生改变，产生诱导偶极矩，从而发生非弹性光散射[7]。能够在分子运动中掌握分子结构和特性，几乎每一种物质都有其独特的拉曼指纹图谱。因此，可进行定性或定量分析。近年来，随着光谱的发展，拓展出了一系列拉曼光谱检测手段，如傅里叶变换拉曼光谱技术、表面增强拉曼光谱（SERS）、显微拉曼光谱技术、差分拉曼光谱、共振拉曼光谱分析技术等。

拉曼分析几乎是以最少的样品预处理或无需预处理，因此可以被认为是一种环保无损的分析方法。与同样来自分子振动模式的红外光谱相比，拉曼光谱的测量不受水分子的影响，并能进行拉曼光谱成像，以获得某些成分的空间分布。拉曼光谱通过对生物样品产生结构指纹揭示几乎所有的化学成分，包括核酸、碳水化合物、脂质和蛋白质等的特性，并将其光谱指纹与食品的营养价值、掺假或质量等独特性状联系起来。

2 拉曼光谱在农产品检测的应用

2.1 微生物及有害物检测

食品安全是一个重要的民生问题，食品种类繁多，而伴随的各种污染物问题也层出不穷，因此探究快速、灵敏度高的检测方法至关重要。任菲等人[8]采用擦拭法提取薏苡仁表面的黄曲霉毒素G1，建立了薏苡仁中黄曲霉毒素G1的动态表面增强拉曼光谱的快速检测方法，该方法线性范围为8～320 μg/kg 检测良好，检出限为5.5 μg/kg，相对标准偏差为11%，能满足黄曲霉毒素G1的快速检测要求。杨雪倩等人[9]用拉曼光谱法检测玉米中玉米赤霉烯酮和黄曲霉毒素B1，对AFB1 和ZEN 分别选取了22 和36 个特征波长建立了BPNN 模型来进行预测，该模型对AFB1 和ZEN 含量预测值的相关系数和均方根误差分别为0.986 9，0.098 7 和0.967 3，0.092 2。谈铭等人[10]利用便携式拉曼光谱仪对5 种阳性和阴性酒样本中乌头碱的含量进行了检测，检测限可达到10 mg/kg。许明翥[11]采用了差分拉曼和表面增强技术相结合的方法对表皮葡萄球菌、盐单胞菌和耐盐芽孢杆菌进行检测，并得到相应其指纹图谱，三类菌种在728 cm-1处均有拉曼增强，2 种嗜盐菌在955 cm-1处有共同的增强峰，耐盐芽孢杆菌在1 521 cm-1的类胡萝卜素有增强，盐单胞菌在558 cm-1，1 401 cm-1处海藻糖和四氢嘧啶有增强，这可以作为判别二种菌的依据。

以上结果表明，拉曼光谱技术对农产品中黄曲霉毒素G1的现场实时快速分析具有良好的应用潜力，该技术能够快速检测粮食作物中真菌毒素，不同菌种和毒素的光谱差别明显，可通过拉曼光谱特征峰进行判别。

2.2 病虫害检测

冷小梅等人[12]用拉曼光谱技术检测了水稻稻瘟病，与正常水稻茎秆相比，稻瘟病病菌侵染造成了水稻组织内碳水化合物、蛋白质、核酸等分子结构发生变化。在7 个主要拉曼特征峰绘制的ROC 曲线下，面积（AUC） 最小为0.83，说明该方法诊断性较明显，能为稻瘟病早期检测提供参考依据。苹果在贮藏和运输过程中容易受到挤压和碰撞而造成机械损伤，尤其是早期轻微损伤，在外观上与完好部位区别不大，肉眼很难识别，陈思雨等人[13]应用拉曼光谱结合化学计量学方法基于线性和多项式核函数建立了对苹果早期轻微损伤进行快速识别的SVM 分类模型，模型准确率可达到97.8%。郭志明等人[14]采集了苹果表层组织不同侵染阶段的拉曼光谱图像，分别构建了多糖、果胶和纤维素等主要成分分布的伪彩图像，并建立了5 种优势腐败菌侵染苹果组织不同阶段的判别模型，模型的校正集和预测集识别精度均达95%以上。

2.3 农药残留

我国大部分农业生产中都会应用化肥和农药，在保证农业经济效益最大化的同时，也会带来一些农药残留问题，农药残留是影响农产品质量的重要因素[15]。拉曼光谱能够快速、高效的识别不同农药分子，根据不同农药的拉曼指纹图谱进行定性定量分析。

在农药残留检测上，陈念念等人[16]建立了一种果蔬中多菌灵残留的表面增强拉曼光谱快速定性测定方法，多菌灵的拉曼特征位于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，结合检出概率模型（POD），确定出了多菌灵在柑橘、苹果等水果中的检出限为0.5 mg/kg，在辣椒等蔬菜中的检出限为1.0 mg/kg。廉帅等人[17]通过785 nm 拉曼激光光源对联苯菊酯进行检测，位于659 cm-1，948 cm-1，993 cm-1和1 292 cm-1处拉曼活性峰为鉴别联苯菊酯的特征峰。朱晓宇等人[18]采用表明增强拉曼光谱技术分析了绿茶中甲萘威农药残留，以1 557 cm-1处峰强度建立了甲萘威残留浓度在0.28～5.56 mg/kg 范围内的定量分析，最低检出浓度0.83 mg/kg，符合国家规定标准1 mg/kg。刘燕德等人[19]用共聚焦显微拉曼光谱仪对脐橙表面亚胺硫磷和毒死蜱混合农药使用偏最小二乘（PLS） 和主成分回归（PCR） 建模算法结合不同的光谱预处理方法，建立了定量数学模型，对混合农药进行定性与定量分析。

拉曼光谱方法对农药残留的检测，操作简单、快速准确，从样品前处理到结果显示仅需数分钟就可完成。根据农药分子特征峰可进行定性和定量分析。定量检测线可达到国标检测要求，可应用于果蔬中农残的现场快速检测。

2.4 品质鉴定和分类

拉曼光谱被认为是监测食品品质和质量的有效检测技术。例如，可以研究蛋白质二级结构如酰胺I（1 650～1 680 cm-1）、酰胺II（1 262～1 313 cm-1） 区域，以及C-C 基团（940～1 070 cm-1）、C-H 基团（1 440～1 457 cm-1） 和氨基酸（640，850 cm-1） 的修饰，此外，拉曼光谱还被广泛应用于肉品感官特性、腐败、pH 值的测定。谭航彬等人[20]采用拉曼光谱检测了0～40 d 鸡蛋蛋黄和蛋清的拉曼光谱并对光谱进行预处理，通过主成分-线性判别（PCA-LDA） 和正交矫正的偏最小二乘-线性判别（OPLS-LDA） 分类模型，对鸡蛋品质进行分类。PCA-LDA 模型对蛋黄和蛋清的品质分类准确率分别达到96.3%和96.7%，OPLS-LDA 模型对蛋黄和蛋清的品质分类准确率分别达到98.6%和99.2%。苏东林等人[21]通过拉曼检测蜂蜜中果糖、葡萄糖、蔗糖和麦芽糖含量，并对4 种糖分进行了定量分析。绿原酸和芸香苷的含量是烟草品质的重要指标，黄天雄等人[22]采集了120 个烟草溶液样本的拉曼光谱，所建立的偏最小二乘法（PLS）多元校正模型可对烟草中多酚类化合物绿原酸和芸香苷含量实现准确可靠的预测。

这些研究表明，拉曼光谱对农产品品质检测具有良好的应用效果。拉曼系统已被开发用于肉类、烟草等农副产品质量和新鲜度等品质的检测，结合化学计量学分析在质量监测和分类模型中具有很高准确率。

2.5 掺伪掺假

匡俊豪等人[23]以稻米油、玉米油和大豆油作为掺假样品掺入山茶油中，并对样品进行拉曼光谱检测，结合主成分分析-线性判别分析（PCA-LDA） 法能够有效鉴别山茶油掺假，在山茶油三元掺假模型中，训练样品的分类准确率为99.2%，预测样品的判别准确率为96.8%。万恒兴等人[24]将玉米油、花生油、大豆油和葵花籽油掺入葡萄籽油中，按照不同体积比配置掺伪油样224 个，建立了基于拉曼光谱的葡萄籽油掺伪快速定量检测方法。使用SPXY 法按3∶1比例划分校正集和预测集，对葡萄籽油掺伪能较好的进行区分，不同分析方法的相对分析误差（RPD）均大于4。

拉曼光谱结合化学计量学分析方法可以有效区分不同种类的植物油，快速定量检测油中掺伪含量和掺杂物，建立的掺伪模型具有较高的预测精度。

2.6 中药材鉴别和分析

近年来，采用拉曼光谱用于对中药材产品的真伪鉴别和地域性分析比较多见。孙彩霞等人[25]对浙江省5 个浙贝母主产区不同生产基地的浙贝母拉曼图谱进行一阶求导，并对样品的特征拉曼峰进行归属，初步判定在800～2 000 cm-1位移处的9 个特征峰作为鉴别浙贝母品质、产地和溯源的手段。彭艳等人[26]采用拉曼光谱测试了河南、河北、广西及安徽等地的部分山药选片、饮片和麸炒山药的拉曼图谱，判别分析可明显区别广西和其他3 个产地的山药；通过对照标准山药药材和可溶性淀粉拉曼图谱，确定了478，866，941，1 460 cm-1处的峰为山药片的特征峰，并验证了山药根茎部的主要成分是淀粉，麸炒后的山药在478 cm-1处的拉曼峰强度变化可作为山药饮片麸炒过程中的动态变化特征峰。孙佳慧等人[27]用SERS 和计量学方法对冬虫夏草和蛹虫草进行分析鉴别，主成分分析和聚类分析都能很好的区别两者之间的特征。拉曼光谱已成功应用于快速鉴别药材类别、真伪、优劣及产地溯源等方面。

2.7 动态监测

拉曼技术是检测植物生理状态，评估作物品质和植物成熟度的有力工具，具有非侵入、无需标记的检测优点。Chylińska M 等人[28]研究了细胞壁多糖含量、酚类化合物、抗坏血酸和果胶酶活性等对番茄果实生理发育过程中细胞壁微观结构及多糖分布变化的影响。共聚焦拉曼光谱能够可视化植物细胞壁，包括中心片层区域中多糖的空间分布变化。在成熟的绿色番茄中，果胶浓度特别是在细胞角质层中可见，而在成熟的红色番茄中，果胶在细胞壁中均匀分布。Lopez-Sanchez M 等人[29]利用拉曼光谱技术来评估橄榄果实生长和成熟过程中发生的变化，测量了橄榄果实（皮、肉和核） 不同部位在不同发育阶段的光谱，观察到类胡萝卜素和酚类化合物在橄榄生长期间增加，在成熟阶段减少。不同光谱波段的演变与橄榄成分的含量有关，如甘油三酯、水、类胡萝卜素和酚类化合物。Qin J 等人[30]报道了利用拉曼光谱可视化检测番茄中主要的类胡萝卜素番茄红素的含量，对果实成熟过程中番茄红素含量的变化进行成像，能够监测番茄成熟期成分的动态变化和采后过程中的内部分布。Martin D 等人[31]开发了一种基于类胡萝卜素拉曼光谱振动带的番茄成熟模型，利用532 nm 激光对番茄果实生长期和采后成熟期进行分析，构建了描述番茄成熟过程阶段的模型，并能准确评估采后果实品质。Langer R 等人[32]首次使用手持拉曼光谱仪对辣椒进行了类似的研究，描述了辣椒果实中典型的类胡萝卜素的拉曼信号，并跟踪了在成熟过程中的演变。并建立一种多元化学计量学模型和一种简单的一维模型，得到一种用于辣椒果实成熟度分级的四点量表，从而以自动化的方式确定分类过程中的成熟度。

以上研究结果表明，拉曼光谱方法可在农作物生长成熟阶段对生化成分快速监测，在发酵过程方面具有很好的应用前景，在实时动态监测上具有良好的可行性和稳定性。

3 结语

拉曼光谱技术是一种无损、灵敏的检测和分析工具，在农作物研究中，特别集中于拉曼光谱监测植物生理状态、评估作物成熟度和品质、植物病理学及鉴定植物种类方面的应用；同时，可以快速检测农产品的生物和非生物胁迫，还可以用于对植物果实和种子等的营养价值和品质进行非侵入性的评估，此外，可以作为植物育种和选择的先进方法，是数字农学的理想工具。拉曼光谱技术的应用，进一步加强了对农产品质量和安全的检测。

拉曼光谱对未来数字农业发展具有很大的潜力，所呈现的农业优势将会越来越明显。将拉曼技术应用于精准农业可以显著提高农业管理、作物质量评估以及生物和化学污染物检测的能力，从而促进食品安全及农业的生产力和盈利能力。