太赫兹时域光谱融合化学计量学实现小麦粉中过氧化苯甲酰的无损定量检测

为解决小麦粉中非法添加过氧化苯甲酰（BPO）的食品安全隐患，研究人员创新性地结合太赫兹时域光谱（THz-TDS）与化学计量学模型，建立高效检测体系。通过SG滤波预处理光谱数据，采用CARS和VCPA算法筛选关键频率点，并集成线性模型（Lasso、Ridge、PLSR）与非线性模型（BPNN、RF、SVM）进行定量分析。实验证实VCPA优化的Lasso和Ridge模型预测精度最优（RP≥0.97），为小麦粉安全监管提供无损、快速且可靠的技术支撑。

　　

小麦粉作为日常主食的核心原料，其安全性关乎公众健康。过氧化苯甲酰（BPO）因可漂白面粉、提升外观而被部分厂商非法添加，但它的代谢物苯甲酸会损害肝肾功能，干扰钙吸收并存在致癌风险。尽管中国自2011年起严禁在面粉中使用BPO，传统检测方法如高效液相色谱（HPLC）仍存在操作繁琐、需化学试剂等局限。面对低浓度添加剂检测的挑战，江苏大学（基于试剂采购地及国内标准引用推断）的研究团队将目光投向新兴的太赫兹时域光谱技术（THz-TDS）。这项技术能捕捉0.1-6 THz频段内分子间氢键、范德华力等独特信号，此前已在聚合物检测中识别出BPO的0.923 THz特征峰，展现出比近红外光谱更优的物化信息解析能力。

研究人员在《Microchemical Journal》发表的论文中，系统构建了THz-TDS结合多元建模的BPO定量检测平台。关键技术路线包含四步：首先制备0.15%-30%浓度梯度的BPO-面粉样本，经SPXY算法划分训练/预测集；其次通过Savitzky-Golay滤波降噪处理原始光谱；进而采用竞争性自适应重加权采样（CARS）和变量组合群体分析（VCPA）筛选最优频率变量；最后同步建立线性模型（Lasso回归、岭回归、偏最小二乘回归PLSR）与非线性模型（BP神经网络、随机森林、支持向量机SVM），以预测相关系数（R_P）和均方根误差（RMSEP）评估性能。

核心发现如下：

1. 模型性能突破
   VCPA优化后的线性模型表现卓越：Lasso回归与岭回归的R_P均≥0.97，RMSEP约2.0，显著优于非线性模型。这表明BPO在面粉基质中的响应更契合线性关系，复杂算法反易引入过拟合。
2. 关键变量价值
   CARS与VCPA分别筛选出20和16个特征频率点，其中1.0-1.5 THz、2.0-2.5 THz频段变量对模型贡献率超70%，为快速检测设备开发提供频段优化依据。
3. 技术流程标准化
   建立的"光谱采集→SG滤波→变量筛选→多元建模"流程，使不同实验室数据可比性提升，模型平均预测误差稳定在3%以内。

该研究首次实现宽浓度范围（0.15%-30%）BPO的精准定量，突破传统方法检测下限。VCPA-Lasso组合模型仅需16个特征变量即达成R_P=0.98，验证了太赫兹光谱在复杂食品体系中识别微量非法添加物的能力。更重要的是，该技术全程无需化学试剂，单次检测耗时不足5分钟，为市场监管部门提供强力的现场快检工具。研究团队指出，未来需进一步验证方法在多元添加剂共存场景的适用性，并推动THz-TDS检测标准的国际统一。这项成果不仅填补面粉安全快检技术空白，更为太赫兹光谱在农产品质检领域的标准化应用奠定基石。