研究目的
研究采用可见-近红外(Vis-NIR)光谱结合化学计量学方法检测花生仁表面黄曲霉毒素B1(AFB1)污染的可行性,旨在建立一种快速、无损的筛查方法。
研究成果
可见-近红外光谱结合PLS-DA和RF算法可有效检测花生仁中的黄曲霉毒素B1污染,具有高准确率(高达94.29%)和降低数据维度的优势。这表明其在快速无损筛查方面具有潜力,不过针对自然污染的实际应用仍需进一步研究。
研究不足
该研究在理想实验室条件下进行,采用人工污染样本,可能无法完全反映自然真菌感染情况。该方法对其他农产品或在田间条件下的有效性尚未验证。探测器范围末端的频谱噪声将可用频谱范围限制在410-1070纳米和1120-2470纳米之间。
1:实验设计与方法选择:
本研究采用400-2500 nm波段的可见-近红外光谱技术检测花生仁中的黄曲霉毒素B1(AFB1)。通过偏最小二乘判别分析(PLS-DA)和随机蛙跳算法(RF)进行数据分析与变量筛选。
2:样本选择与数据来源:
选取市售带壳花生仁(跑道型品种),人工添加浓度为10、20、50、100、500和1000 ppb的AFB1标准品,另设甲醇/水溶液处理的对照组,共制备210个样本。
3:500和1000 ppb的AFB1标准品,另设甲醇/水溶液处理的对照组,共制备210个样本。
实验设备与材料清单:
3. 实验设备与材料清单:使用Foss XDS快速成分分析仪(Foss NIRSystems公司)采集光谱,AFB1标准品购自Sigma-Aldrich公司,花生原料来自Premium Peanut公司,甲醇和乙醇用于灭菌处理。
4:实验流程与操作步骤:
样本经表面灭菌后接种AFB1,干燥处理,采用Foss XDS分析仪以反射模式扫描(每样本32次扫描)。光谱数据经标准正态变量变换(SNV)预处理,按2:1比例划分为校正集和预测集。分别建立全光谱PLS-DA模型及RF算法筛选特征波长的简化模型,通过留一法交叉验证评估模型性能。
5:数据分析方法:
计算灵敏度、特异性、总体准确率等统计指标,利用RF算法筛选分类最优波长变量。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容