近期在利用比色传感器阵列、近红外和中红外光谱技术对花生种子中的挥发性有机化合物进行定量分析方面取得的进展

《Journal of the Science of Food and Agriculture》：Recent advances for the use of colorimetric sensor arrays, near-infrared and mid-infrared spectroscopy in the quantitative analysis of volatile organic compounds in peanut seeds

花生种子中挥发性有机物（VOCs）的定量分析方法研究采用色度传感器阵列（CSA）、近红外（NIR）和中级红外（MIR）光谱技术结合化学计量学，通过气相色谱-质谱联用（GC-MS）提取验证。实验表明NIR与CSA联用对2-呋喃甲醇等6种VOCs的预测模型最优（最高R2=0.9697），显著优于单独MIR应用。

　　

摘要

背景

本研究开发了一种前所未有的方法，用于定量检测花生种子样本中的挥发性有机化合物（VOCs）。该方法结合使用了比色传感器阵列（CSA）以及近红外（NIR）和中红外（MIR）光谱技术，既单独使用这些技术，也将它们结合使用，并结合了化学计量学方法，以解决单一技术检测花生种子中VOCs时的不可靠性问题。通过测试验证了该方法是否能够对花生种子样本中的VOCs进行定量分析。

结果

首先通过固相微萃取技术对样品中的化合物进行分离，随后利用气相色谱-质谱联用技术进行鉴定。为了定量分析花生种子样本中丰富的VOCs，研究人员建立了六个校准模型。结果显示，结合使用CSA和NIR光谱技术的模型在预测2-呋喃甲醇（R_p = 0.9096）、己酸（R_p = 0.9111）、苯甲醛（R_p = 0.9268）、2,3-二甲基吡嗪（R_p = 0.9697）、2-戊基呋喃（R_p = 0.9563）和2-吡咯烷酮（R_p = 0.8641）等化合物方面具有最佳效果。与仅使用MIR光谱技术相比，结合CSA的NIR光谱技术获得了更优异的检测结果。

结论

本研究结果表明，所开发的多技术融合系统能够快速且定量地预测不同品种花生种子样本中的VOCs含量，其中结合NIR和CSA的系统具有最佳的预测效果。? 2025 化学工业协会。