基于表面增强拉曼光谱（SERS）与机器学习联用技术在食用油抗氧化剂检测中的创新应用研究

本综述系统探讨了利用表面增强拉曼光谱（SERS）结合机器学习算法快速检测食用油中合成抗氧化剂（BHA、BHT、TBHQ）的新方法。研究通过金纳米粒子（AuNPs）基底实现了20–1000 mg/kg浓度范围内的痕量检测（检出限＜10 mg/kg），并采用多种机器学习模型（如K近邻、随机森林、卷积神经网络等）实现抗氧化剂分类与超标判定，准确率分别超99%和94%。该技术为食品安全监测提供了高灵敏度、高效率的解决方案。

　　

Section snippets

Reagents and materials

丁基羟基茴香醚（BHA）、丁基羟基甲苯（BHT）、叔丁基对苯二酚（TBHQ）、氯金酸（HAuCl₄·4H₂O）、柠檬酸钠（Na₃C₆H₅O₇）、罗丹明6G（R6G）、甲醇（CH₃OH）和无水乙醇（C₂H₆O）均购自国药集团化学试剂有限公司。大豆油购自天猫平台。实验全程使用去离子水以确保实验过程的纯净度和准确性。所有实验试剂均为分析纯，无需进一步纯化即可使用。

Characterization and performance evaluation of AuNPs

首先对合成的金纳米粒子（AuNPs）进行了表征。紫外-可见吸收光谱（图1a）显示在525 nm附近存在特征吸收峰，与AuNPs的典型峰位一致，证实了AuNPs的成功合成。插图中显示合成的AuNPs溶液呈酒红色，与预期颜色相符。不同放大倍数下的透射电镜图像（图1b和1c）清晰展示了AuNPs的形态和分布情况。

Conclusions

本研究制备了金纳米粒子作为表面增强拉曼光谱（SERS）基底，开发了一种检测食用油中抗氧化剂的新方法。该方法实现了对BHA、BHT和TBHQ在国家限量标准附近的痕量检测，检出限低于10 mg/kg。针对实际应用中多种抗氧化剂复合使用的情况，采用多种机器学习算法进行分类和超标判定，为食用油质量安全控制提供了高效可靠的技术支持。