基于微波合成银纳米颗粒的表面增强拉曼光谱与机器学习联用技术实现牛奶中痕量掺假物的快速精准检测

本研究针对牛奶掺假导致的安全隐患，开发了一种结合表面增强拉曼光谱（SERS）与机器学习（ML）的快速检测方法。通过微波合成球形银纳米颗粒（Ag NPs）构建高灵敏度SERS基底，成功实现对三聚氰胺、双氰胺（DCD）和硫酸铵（AmS）等痕量掺假物的精准识别，检测限低至0.012-0.13 ppm，准确率达96%-98%，为复杂基质中食品安全监测提供了无需样品前处理的便携式解决方案。

　　

牛奶作为重要营养来源，其掺假问题会引入有害物质并威胁消费者健康。本研究开发了一种基于表面增强拉曼光谱（Surface-Enhanced Raman Spectroscopy, SERS）的便携式检测技术，结合机器学习（Machine Learning, ML）分析方法，实现了对超痕量级牛奶掺假物——包括三聚氰胺、双氰胺（Dicyanamide, DCD）和硫酸铵（Ammonium Sulfate, AmS）——的快速精准识别。

研究团队系统比较了两种常见SERS基底：胶体银纳米颗粒（Ag NPs）溶液和薄膜型Ag NPs基底。以罗丹明6G（R6G）为探针分子的测试表明，球形胶体Ag NPs因与分析物形成三维粘附结构且接触更紧密，其信号强度显著高于薄膜基底。该方法创新性地将SERS与机器学习整合，通过ML模型对SERS光谱进行解析，实现了多类别掺假物的高效分类与定量。

该技术对三聚氰胺、DCD和AmS的检测限（LOD）分别低至0.012 ppm、0.02 ppm和0.13 ppm，准确率依次达到96%、98%和97%。所优化的SERS基底成本低廉、稳定性高，无需样品预处理即可检测低浓度掺假物，且Ag NPs在长期储存中仍保持性能稳定，显示出良好的实用性与推广潜力。

本研究的核心创新在于将可规模化制备的低成本胶体SERS基底与机器学习定量分析相结合，为复杂食品基质中牛奶掺假物的实时检测提供了快速、可靠且无需复杂前处理的解决方案。