拉曼光谱是一种分子指纹工具，在水产食品及水产养殖相关样本的非破坏性筛查方面具有巨大潜力。本批判性综述系统考察了传统色散拉曼光谱（dispersive Raman spectroscopy）、傅里叶变换拉曼光谱（FT-Raman）、表面增强拉曼光谱（surface-enhanced Raman spectroscopy, SERS）、空间偏移拉曼光谱（spatially offset Raman spectroscopy, SORS）、共聚焦拉曼显微术（confocal Raman microscopy）以及便携式系统在全产业链（从养殖场到餐桌）中的应用。该综述并未将已报道的准确率视为可直接比较的指标，而是按基质、目标物、激发策略、采样几何构型、预处理方法、验证设计及决策目的对证据进行系统归类。研究特别关注物种鉴别、新鲜度评估、污染物与掺假物检测、营养成分分析、疾病与病原体检测、水产养殖用水及生理状态监测、采后加工、微塑料检测及便携式设备部署。综述同时评估了荧光干扰、基质效应、SERS重现性、小样本机器学习、模型可迁移性、监管验证以及现场系统的工程约束。现有证据支持拉曼光谱作为一种有前景的替代性或互补性筛查技术，而非取代既有参考方法。本综述提出分阶段路线图，其中标准化采样、基质匹配校准、外部验证、互操作性光谱数据库及确证性检测是获得监管和工业采纳的前提条件。拉曼光谱是一种分子指纹图谱工具，在水产及养殖相关样本的非破坏性筛查方面具有巨大潜力。该批判性综述考察了传统色散拉曼、FT-Raman、SERS、SORS、共聚焦拉曼显微术及便携式系统在整个“从养殖场到餐桌”价值链中的应用。综述并未将已报道的准确率视为可直接比较的数据，而是按照基质、目标物、激发策略、采样几何、预处理方法、验证设计和决策目的对证据进行归类。特别关注物种鉴别、新鲜度、污染物与掺杂物、营养成分、疾病与病原检测、养殖水体与生理监测、采后加工、微塑料及便携式部署等方面的应用。综述还评估了荧光效应、基质效应、SERS重现性、小样本机器学习、模型可迁移性、监管验证及现场系统的工程约束。证据支持拉曼光谱作为一种有前景的替代性或互补性筛查技术，而非替代既有参考方法。综述提出分阶段路线图，其中标准化采样、基质匹配校准、外部验证、可互操作光谱库和确证性检测是获得监管与工业采纳的先决条件。
1 引言
渔业和水产养殖是保障全球粮食安全和生计的重要贡献者。联合国粮农组织（FAO）《2026年世界渔业和水产养殖状况》报告显示，2024年全球渔业和水产养殖总产量达2.35亿吨，其中水生动物为1.95亿吨；89%的水生动物产量用于人类消费，为约31亿人提供至少五分之一的动物蛋白消费量，并支撑全球超过6亿人的生计。经济合作与发展组织（OECD）与FAO联合发布的《2025-2034年农业展望》则独立报告2024年全球渔业和水产养殖产量约1.93亿吨，并预测2034年将达到2.12亿吨；两者差异反映了各自统计口径和展望框架的不同。上述规模增加了对能够支持真实性、安全性、质量、可追溯性和可持续性决策的分析系统的需求。拉曼光谱之所以具有相关性，因为它能够以有限的样品制备提供分子特异性测量，但其实际作用必须对照既有参考方法加以界定，而非想当然地取代后者。
振动光谱包括红外和拉曼方法，可用于生物和食品基质的非侵入性分析。拉曼光谱相对于某些常规实验室流程可能较为快速，但实际采集时间取决于激发波长、样品制备、荧光抑制、校准和验证。其分子指纹可支持涉及物种身份、新鲜度、污染物和组成的渔业应用，同时性能仍取决于基质和仪器。
早期拉曼光谱受限于激光源性能和探测器灵敏度，因此在数十年间仅局限于研究实验室使用。20世纪90年代，随着电荷耦合器件（charge-coupled device, CCD）探测器、二极管激光源以及先进信号处理技术的推出，价格可承受的拉曼仪器开启了工业应用的新时代。随后出现的表面增强拉曼光谱（SERS）、空间偏移拉曼光谱（SORS）、共聚焦拉曼显微镜及便携式手持光谱仪等工具和技术，使拉曼光谱转变为适用于多领域应用的灵活工具。
过去20年间，拉曼光谱已在物种鉴定、海鲜欺诈检测、新鲜度和质量监测、污染物和掺杂物筛查、营养分析、疾病和病原体检测及加工应用等方向得到广泛研究。化学计量学和机器学习方法包括偏最小二乘法（Partial Least Squares, PLS）、主成分分析（Principal Component Analysis, PCA）、支持向量机（Support Vector Machine, SVM）、人工神经网络（Artificial Neural Network, ANN）和卷积神经网络（Convolutional Neural Network, CNN）。本综述评估了拉曼光谱在渔业和水产养殖价值链上的应用，识别证据最为充分的领域，并区分实验室可行性、中试验证、现场部署与监管就绪之间的差距。其目标在于确认识别适用的拉曼原理及其技术变体、综合归纳渔业特有的应用场景、批判性评估方法论进展、并定义实现转化必须解决的验证和标准化差距。
2 范围与批判性综述方法
本综述采用结构化证据综合方法而非正式荟萃分析。研究按应用领域、拉曼配置、基质、目标测量量、预处理策略、化学计量学方法和验证设计进行分组。仅在来源提供明确度量和验证背景时才报告量化性能值。由于鱼类物种、组织类型、储存条件、参考分析、样本量和验证策略在研究间存在显著差异，本文避免对不同研究的准确率、R2、检出限或均方根误差（RMSE）值进行直接汇总。这防止仅基于校准的结果被误解为普遍性能。
2.1 拉曼光谱原理
2.1.1 拉曼效应与散射理论
当单色辐射与分子相互作用时，大多数光子经历弹性瑞利散射（Rayleigh scattering），而一小部分则发生非弹性拉曼散射。在斯托克斯散射中，光子向分子传递能量；在反斯托克斯散射中，光子从振动激发态分子获得能量。拉曼活性要求振动诱导的分子极化率变化，而红外活性则要求偶极矩变化。在鱼类基质中，观察到的谱带反映蛋白质、脂质、色素和其他组分，并受浓度、基质环境以及荧光的影响。
拉曼光谱的SERS核心机制为：入射激光激发纳米结构金属表面的局域表面等离激元（localized surface plasmons），增强局部电磁场，从而放大了原本非常弱的近基底分子拉曼散射。因此，该图应理解为增强机制而非独立的分子鉴定方法；基底化学性质、热点分布和待测物-表面相互作用直接影响重现性和定量性能。
图2比较了渔业应用中使用的各类主要采样几何构型。传统背向散射在光照点附近收集拉曼光子，FT-Raman通常使用较长波长的激发以减少荧光，SERS通过在等离激元基底上增强信号，SORS则将照明和收集位置分离以恢复亚表层信息。实际选择因此取决于基质厚度、荧光、目标浓度以及需要的表面信息或亚表面信息类型。
2.2 应用于渔业的拉曼光谱主要变体
2.2.1 传统（色散）拉曼光谱
传统色散拉曼系统通常使用激光、光谱仪/光栅和CCD或类似检测器来分辨拉曼位移。在渔业应用中，785–830 nm激发常被选用，因为该波段可减少但不能完全消除来自色素和加工产物的荧光，同时保持有用的拉曼灵敏度。该方法适用于完整鱼片、油脂、粉末和表面，当目标具有足够强的拉曼指纹时可产生良好效果。其优点包括分子特异性、耗材用量有限以及与便携式仪器兼容；局限性包括拉曼散射强度固有较弱、荧光干扰、表面偏差以及对采样几何的敏感性。代表性应用包括鱼类物种鉴别、新鲜度筛查、脂肪酸表征和便携式认证。
2.2.2 傅里叶变换拉曼光谱（FT-Raman）
FT-Raman通常使用1064 nm Nd:YAG激光器和干涉检测。更长的激发波长相对于可见光激发可显著降低荧光，因此对富含脂质、色素沉着或加工过的基质具有吸引力。已发表的渔业应用包括鱼类油脂/脂肪酸表征以及富含蛋白质鱼类系统的拉曼检测。对熏制或重度色素沉着的鱼类，当较短波长激发产生过量荧光时，FT-Raman在技术上具有吸引力，但针对熏制产品直接的鱼类特异证据仍有限。核心权衡在于拉曼散射强度随激发波长的增加而显著下降，因此荧光抑制是以较弱的本征拉曼散射强度为代价获得的。FT-Raman应仅在荧光为主要限制因素时选用，而非作为普遍意义上更灵敏的替代方案。
2.2.3 表面增强拉曼光谱（SERS）
SERS在待测物与等离激元纳米结构（通常为银或金）相互作用时增强拉曼信号。等离激元热点附近的电磁增强可以将灵敏度提升至足以检出痕量污染物、病原体或生物标志物的水平，而这些在传统拉曼下难以测量。在渔业中，SERS已被研究用于兽药残留、抗生素、孔雀石绿、重金属、防腐剂和微生物特征检测。其优点在于高灵敏度和与少量样品量的兼容性；局限性包括基底间差异性、基质污染、分析物吸附要求以及将实验室检出限转化为可靠现场决策的困难。近期海产研究既展示了基底稳定性的进展，也凸显了基质匹配验证的需求。
2.2.4 空间偏移拉曼光谱（SORS）
SORS将照明与收集位置分离，使得从递增空间偏移处收集的光子包含更大的亚表层贡献，因此不同于普通背向散射几何，不应简单描述为透射测量。线扫描及相关SORS配置对完整或包装海产品尤为重要，因为可在不打开包装的情况下探测表面以下的信息。优点包括非破坏性亚表面探测信号水平降低、校准复杂以及依赖光学几何和样品厚度。应用包括全鱼质量区分及完整虾类新鲜度评估。
2.2.5 共聚焦拉曼显微术与拉曼成像
共聚焦拉曼显微术将拉曼光谱与光学显微技术相结合，能够在微米级分辨率下生成空间化学图谱。目前该技术已应用于鱼类组分分布表征、加工过程中微观变化的监测以及鱼组织中污染物的空间分布。先进的超光谱拉曼成像技术可为每个像素生成完整光谱，在鱼类疾病的病理诊断方面具有相当大的潜力。
2.2.6 手持式与便携式拉曼光谱仪
光子学和微电子学的进展推动了拉曼仪器的微型化，催生了重量仅约500克的电池供电手持式检测设备。三款商业平台——Thermo Scientific TruScan、Metrohm Mira 和 Ocean Insight——均配备内置光谱库匹配软件。这些设备可部署在港口、鱼市等水产品相关场景，以支持渔业部门的真实性验证、掺假筛查和污染检测。然而，这些手持式设备的光谱分辨率和灵敏度仍低于实验室级仪器，正在进行的激光功率管理和探测器微型化努力正在缩小这一性能差距。
3 物种鉴别与欺诈检测
为免重复，详细的物种鉴别研究见表1，表2保留为整个价值链证据的完整表。
3.1 海产品欺诈：范围与经济影响
海产品欺诈包括错误标签、物种替代及其他可能影响经济价值、消费者安全和可追溯性的欺诈行为。近期证据持续显示存在显著的产品和市场特异错标率，同时强调全球估计因采样设计和产品类别而异。2025年美国一项覆盖35项研究和4,179份商业样本的荟萃分析报告显示，总体错标率为39.1%，其中26.2%的样本存在物种替代。这些发现支持对鉴别工具的需求，但同时也说明了为何单一的综合错误率不应被视为全球通用估计。DNA基方法仍是重要的参考方法，而拉曼光谱在分子和基质信息可以非破坏性测量的条件下可能提供互补性筛查能力。
3.2 拉曼光谱用于物种区分
拉曼光谱可通过捕获蛋白质、脂类和色素组成的差异来区分鱼类物种。2023年一项覆盖11个生物种/群的研究中，对台式及便携式785 nm拉曼系统均采用层次化学计量学分类器进行评价；在第二层次，便携式拉曼对鲑科和非鲑科群体的准确率均达到93%，而台式模型分别达到90%和84%。这些结果证明了可行性，但也表明物种鉴别模型在监管使用前需要广泛的光谱库、多种生物学重复和独立验证。
拉曼光谱基于两类核心生物标志物进行检测：其一是四组与脂质不饱和指数相关的波数段，其二是与蛋白质二级结构相关的酰胺I谱带（amide I band）和酰胺III谱带（amide III band）。通过适配体修饰基底进行的表面增强拉曼散射（SERS）技术可解决加工处理罐装鱼类DNA检测失效的问题。该技术可识别罐装金枪鱼、烟熏鲑鱼和鱼露，检测限达到纳克级。
3.3 地理来源和生产方式可追溯性
拉曼光谱以往主要用于鱼类物种鉴别，近年来其在机器学习模型中的扩展应用越来越受到关注。通过利用化学成分、色素、脂质和其他分子特征的差异，该技术已被越来越多地探索用于地理来源和生产系统区分研究。类胡萝卜素（包括叶黄素、角黄素和虾青素）可能提供有用的可追溯性光谱特征。然而，将实验室模型转化为实际监管工具仍然具有挑战性，因为季节变化、环境异质性、生物学变异和批间光谱差异都可能影响模型性能。
与近红外光谱（NIR）和高光谱成像（HSI）相比，拉曼在脂质、类胡萝卜素和结构蛋白信息方面具有更丰富的化学特异性振动谱带，而近红外/高光谱成像通常提供更高的通量和更强的空间覆盖。最紧迫的瓶颈在于与统一参考化学方法关联的标准化、多物种外部验证。
大多数拉曼新鲜度研究仍处于实验室或中试规模。强证据主要集中在受控存储条件下对挥发性盐基氮（TVB-N）和K值等新鲜度指标进行的预测或分类。海鲈鱼的拉曼基TVB-N预测外部验证R2为0.898，而2024年鲑鱼的一项近红外-拉曼数据融合研究R2P=0.910；由于物种、存储模式、参考检验和验证设计均不同，这些数值不应视为汇总估计。
## 4 新鲜度与质量评估
### 4.1 鱼类质量劣变的生化基础
学术界普遍认为，鱼类宰后品质劣化涉及糖酵解性酸化、尸僵、内源性酶介导的自溶、脂质氧化及微生物分解过程。核心指标包括挥发性盐基氮（TVB-N）、游离脂肪酸、三甲胺、K值及组胺等生物胺。传统方法常需破坏性取样和实验室流程。拉曼光谱可支持对分子变化的非破坏性、可能近实时的筛查，但证据仍依赖于基质、校准和验证条件。
### 4.2 拉曼新鲜度指标
K值是水产品鲜度检测的核心指标，由次黄嘌呤和肌苷之和与总核苷酸的比值计算获得。其生物学基础是核苷酸降解途径：ATP→ADP→AMP→IMP→Ino→Hx。拉曼光谱可基于728 cm?1（腺嘌呤）和785 cm?1（胞嘧啶等相关物质）的特征波数进行定量检测。K值评估已在后续冷藏海鲈鱼（Dicentrarchus labrax）研究中得到验证。
总体评价：与拉曼新鲜度相关的研究主要依赖于实验室和中试研究，将光谱变化与K值、TVB-N等生化指标相关联。拉曼光谱具有分子特异性和非破坏性采样优势，而NIR/HSI在批量筛查方面通常提供更高的吞吐量和空间覆盖。现有证据不支持将拉曼视为在通用意义上更优或者已完全验证的实时替代传统鲜度检测方法的方案。最紧迫的瓶颈是物种外、存储历史、组织区域和仪器跨的外部验证，且需使用基质匹配的参考化学方法。未来研究应使用样本级分离的生物学重复、独立测试集并明确报告预处理和校准迁移程序。在拉曼用于操作筛选时，阳性或超阈值结果应保持与确证性参考方法关联，直至证明等效性。
与NIR/HSI相比，拉曼/SERS对特定污染物具有更强的分子特异性，而NIR/HSI通常更适合批量筛查。主要瓶颈是在复杂湿基质上保持决策相关浓度的可重现性能。
污染物和掺假物检测在传统拉曼对相对丰富化学特征与SERS对痕量分析物之间有所划分。2023年一项SERS研究检测了养殖水体中六种喹诺酮类抗生素的回收率为82.9–113.5%；2024年一项增强拉曼研究（Liu et al.， 2023b；[33]）对鱼体内Hg、Cd和Pb进行了5 ppb–5 ppm的测定。这些结果证明了可行性，但并未确立与已验证色谱或元素分析方法的监管等效性。
## 5 污染物残留与掺假检测
### 5.1 水产品中的兽药残留
养殖中广泛使用的激素类、抗菌药和抗寄生虫药物对食品安全构成严重威胁；欧盟、美国FDA和食品法典委员会三大权威机构已针对六类高风险养殖药物建立最大残留限量。SERS技术利用等离子体增强效应，可检测至万亿分之一（ppt）级别，在鱼类组织中的兽药残留检测方面表现突出。被禁用物质孔雀石绿虽被禁用于食用鱼，却在相关样品中仍频繁检出，并且是SERS检测方法开发的常见基准分析物。
当采用飞摩尔级银和金纳米粒子基底时，可清晰识别孔雀石绿的三条特征拉曼谱带：1173 cm?1的面内C-H弯曲模式、1369 cm?1的苯环C-C伸缩模式以及1617 cm?1的N-苯环伸缩模式。He等人2018年研究表明，使用银纳米花基底在鲑鱼提取物中原位SERS检测孔雀石绿的回收率为92–108%，检出限为0.02 ppb，而其代谢产物无色孔雀石绿可检测至亚ppb级。适当功能化的SERS基底还可检测恩诺沙星、土霉素和氯霉素，检出限分别为0.01 ppb、0.05 ppb和0.001 ppb。
### 5.2 农药与环境污染物
在水生食物网中，重金属、多环芳烃（PAHs）、多氯联苯（PCBs）和有机氯农药通过生物富集和生物放大作用于累积在鱼体组织中。表面增强拉曼散射（SERS）和拉曼光谱技术均可检测这些污染物。烟熏过程会产生致癌性多环芳烃，因此对烟熏鱼类中PAHs的识别尤为关键。基于金包覆磁纳米粒子构建的SERS平台可检测烟熏鲑鱼和鳗鱼中的PAHs，检出限可达0.1–1 ppb；SERS结合化学计量学可区分鱼油和鱼肝中的PCBs同类物。
现有研究表明，经硫醇官能化螯合配体修饰的SERS基底可检测鱼组织消化液中神经剧毒物汞。汞倾向于在吞拿鱼和剑鱼等掠夺性鱼类中富集，该方法检出限为0.5 ppb，性能与原子吸收光谱法相当。类似修饰基底也可检测监管样品中的铅、镉和砷，性能与之相当。
### 5.3 掺假检测
鱼类产品的物理性掺假可引发经济、营养和可追溯性担忧，包括注水、明胶添加以及以低价物种替代。拉曼光谱结合偏最小二乘回归已被研究用于定量掺假评估。已报道研究确定了明胶相关谱带位于约920、876和1665 cm?1，水相关变化位于3400 cm?1附近，报告中明胶检出阈值为1%（w/w），过量水的检出阈值为5%。这些数值为特定研究数据，不应理解为通用检出限；确证性方法对监管决策仍然必要。
### 5.3.1 其他掺假场景
除注水和明胶添加外，相关掺假情景还包括鱼油的替代或稀释、冷冻水产品中过量包冰衣、虾的磷酸盐浸泡、高低价值物种间替代以及未申报的防腐剂。当掺假物改变脂质组成或分子添加剂指纹特征时，拉曼光谱最为有力；痕量残留检测可能需要SERS。由于许多掺假问题需要色谱、元素分析或DNA确认，分析目的应被明确界定为筛查或确证。近期针对加工食品中防腐剂的SERS研究提供了一种有价值的工作范式，即可将拉曼谱带与HPLC参考测量值进行比较。
未解决的关键问题是跨物种、组织部位和仪器的校准迁移。模型必须在独立生物学批次上进行测试，并最好在与模型开发期间不同的仪器上进行测试。
污染物和掺假物应用仍主要处于实验室或中试阶段。拉曼针对特定目标具有分子特异性，而NIR/HSI则更适合批量筛查和空间图谱。近期多模式研究表明，互补信息可改善预测，而非仅依赖拉曼光谱。
## 6 营养成分分析
### 6.1 脂质和脂肪酸解析
鱼类和水产品富含优质蛋白、omega-3长链多不饱和脂肪酸（LC-PUFA）、脂溶性维生素和必需矿物质。精确的脂质品质和组成表征对包括鱼油补充剂和omega-3强化产品质量控制在内具有重要意义。拉曼光谱可在无需传统GC-FAME流程中必需的提取或酯交换步骤的情况下，以非破坏方式提供脂质组成和脂肪酸不饱和度的信息。
鱼类脂肪酸的光谱分析普遍使用与分子不饱和度和多元回归相结合的拉曼特征谱带，并以参考测量值校准。已报道的研究表明拉曼光谱特征与脂肪酸相关参数之间存在很强的关联，尽管性能取决于物种、基质、仪器配置和验证设计。约1266和1444 cm?1附近的特征谱带也与鱼类基质中的脂质和脂肪酸结构信息相关联。
拉曼光谱也已应用于鱼油中EPA和DHA的表征。Broadhurst等人报道了鱼油中EPA和DHA的详细拉曼数据和振动归属，证明了拉曼光谱在非破坏性脂质表征方面的潜力。近期工作已将进一步基于拉曼的化学计量学方法扩展到鱼油产品的鉴别和质量评估。
### 6.2 蛋白质质量和变性检测
拉曼光谱可在鱼类加工过程中对肌原纤维蛋白和肌浆蛋白的二级结构比例进行密码化检测。利用热加工引起的蛋白质变性光谱特征位移，该技术可准确评估鱼类产品热加工的有效性。它同时支持鱼类和贝类的三种主流加工场景的全流程监测，符合食品检测领域科研内容的严谨性要求。
### 6.3 类胡萝卜素与色素分析
虾青素、角黄素、β-胡萝卜素和叶黄素等类胡萝卜素具有独特的拉曼特征，可在鱼类和水产养殖基质中提供有价值的分子信息。这些信号可支持时效鉴别和溯源应用，但荧光、基质异质性、组织差异和仪器差异可能影响定量鲁棒性。当与SORS或其他空间分辨方案结合使用时，拉曼方法还可能支持对完整生物材料进行非破坏探测，但实地监管应用仍需进行独立验证。
营养成分应用目前主要处于实验室和中试阶段。拉曼在分析不饱和脂质结构、类胡萝卜素和蛋白质构象方面尤为有信息量，而NIR和高光谱成像通常更适合整体成分预测和空间图。因此，拉曼的主要优势是分子特异性而非普遍优越性。其主要限制是对不饱和肌肉组分、含水量和蛋白质-脂质重叠谱带的敏感性，这些因素可降低跨物种、组织和仪器的稳健性。最紧迫的研究需求是标准化、基质匹配校准，然后进行独立的生物学和仪器验证。当分子特异性和整体组成信息都需要时，拉曼-近红外或拉曼-高光谱多模态方法可能是最实用的途径。
## 7 鱼类疾病与病原体检测
### 7.1 细菌性病原与鱼类疾病
细菌性疾病是水产养殖的重要制约因素，准确鉴定病原体有助于及时干预和生物安全管理。传统培养法和分子检测方法各具运行优势和局限性。SERS为选定病原体提供了敏感的分析路线，但基底重现性、基质效应、校准和外部验证限制了其在受控研究之外的转化进程。
无标记SERS可将细菌富集到SERS基底上，记录源自细胞蛋白和其他生物分子成分的光谱指纹。当与PCA-LDA结合时，此类方法可在受控研究中区分选定的鱼类病原体，但所报告的灵敏度和准确度仍取决于底物化学、样品基质和验证设计。
### 7.2 寄生虫与抗性病原体
对现有水产品拉曼光谱检测研究进行综述显示，食用生或未煮熟的海洋鱼类使人类暴露于异尖线虫（Anisakis simplex）等人畜共患寄生虫感染风险中。该技术可通过利用皮蛋白和特异性物质等线虫的特征光谱来鉴定鱼片中的异尖线虫幼虫。结合SORS，该技术可在鱼片中对肌肉组织进行非破坏性检测，还可检测粘孢子虫寄生虫包括Kudoa和Ceratomyxa，这些寄生虫可导致真鲷和大西洋鲑在后熟期发生肌肉液化。
### 7.3 水产养殖水与水质 - 环境监测
Raman和SERS在水产养殖水污染监测场景中日益增多，涵盖孔雀石绿以及抗生素残留检测。2023年一项研究报道了使用Ag包覆Au纳米结构对孔雀石绿的检测限为2.5 nmol L?1，而Fe?O?@mTiO?@Ag平台对六种喹诺酮类抗生素的加标回收率为82.9–113.5%。这些仅为受控实验验证，尚未达成养殖场规模的验证监测系统。天然有机物、悬浮固体、盐度和生物污染可改变吸附类型和热点可达性。现场工作流程应包含与基质匹配的标准化合物、重复采样、内部质量控制和确证性实验室测试。
### 7.4 活体生理状态检测与饲料监测
鱼类体表粘液及其表面相关生物分子的非侵入式拉曼检测为生理应激监测提供了潜在途径。2024年一项水产养殖研究使用表皮粘液的体表增强拉曼与PCA-LDA判别并区分了耐低氧和不耐低氧的杂交石斑鱼，说明粘液中分子变化可作为间接健康表型。然而，对于活鱼饲料营养状态的直接实时拉曼评估证据仍有限，应视为新兴研究方向而非已确立的工业应用。
### 7.5 微塑料与聚合物污染物
拉曼微光谱能识别微塑料颗粒的聚合物化学，但在海产品应用方面受到组织消化、颗粒回收率和低通过量制约。因此，拉曼在更广泛的颗粒分离流程中始终是化学识别步骤作为补充，而非独立的高通量筛选工具。近期海产品微塑料研究领域强调生物残留和通量方面的挑战。
### 7.6 微藻与水工程监测
拉曼微光谱可通过色素和生物分子相关指纹图谱表征微藻细胞，并逐渐被应用于水质和环境监测研究。2026年一项研究从真实水产养殖用水中分离出14种微藻物种，利用卷积神经网络对单细胞拉曼光谱进行分类，成功区分有害蓝藻和绿藻，展示了拉曼-机器学习工作流程用于早期环境筛查的潜力。然而，其报道的99.6%的分类准确率来源于受控实验数据集，不应解读为经验证的养殖场级实时监测。藻类生理差异、混养种群、浊度、溶解性有机物、荧光效应、季节性组成和仪器响应差异均可能改变光谱指纹。因此，实际部署需要长期现场采样、独立生物学批次、外部场所验证以及与显微或分子参考方法的对照比较。当前拉曼在微藻组成和生理状态检测方面最适宜作为补充性筛查和表征工具，整合至自动化水产养殖水质监测仍属于新兴研究方向。
疾病和病原体应用的核心瓶颈在于跨农场、季节、病原体菌株、合并感染和仪器的过程鲁棒性校准。后续研究应使用独立生物学批次并报告模型是面向筛查、临床式诊断还是决策支持。
疾病与病原体拉曼研究目前主要处于实验阶段，部分水产养殖基质领域已进入初步中试。SERS可提供高灵敏度，而常规拉曼适用于检测丰富的结构成分或色素特征。迫切需求是对来自多样化现场样本进行盲法外部验证并对照已建立的微生物学或分子参考方法。
## 8 采后加工监测
### 8.1 烟熏、盐渍和干燥
在水产品加工中，烟熏、盐渍、干燥和发酵均可改变蛋白质、脂类和细胞外基质组分。拉曼光谱支持对选定的分子变化进行非破坏性、在线或近实时的监测，并可关联到PAH相关特征和处理状态等指标。所报告的性能值（包括R2和RMSEP）均与特定样品和验证设计相关联，应与此相联系解读，而非作为通用工业实时控制的证据。
拉曼光谱可跟踪盐腌鳕鱼和鲱鱼加工过程中蛋白质构象的变化。便携式设备可预测NaCl含量，R2=0.93；水分含量，R2=0.96，可实现在线加工控制，显示出良好的产业化潜力。
### 8.2 鱼糜与重组鱼制品
大多数加工海产品如蟹棒、鱼丸和蒲烧鳗鱼均以鱼糜（经过精炼纯化的鱼肌原纤维蛋白浓缩物）为原料。加热过程中，肌球蛋白重链交联度和蛋白质网络成形水平决定凝胶强度和质地，而该凝胶发展可通过拉曼光谱跟踪特征峰的变化加以监控。二硫键峰5 00/540 cm?1强度比与凝胶破裂力之间R2为0.91，可辅助生产商针对不同鱼种和配方调整加热工艺。
### 8.3 鱼油加工
商业鱼油的原料最初多为沙丁鱼、鲱鱼和鲭鱼等小型中上层渔获物的加工副产物。三文鱼加工副产物后也被作为补充原料。在提取、精炼、脱臭及储存全过程中可能发生过氧化相关的质量衰退。传统湿化学法测定过氧化值、总氧化值（TOTOX）和对甲氧基苯胺值等指标，而拉曼光谱则可提供氧化相关分子变化的及时、非破坏性检测。近期化学计量学研究进一步证明了拉曼光谱在鱼油鉴别质量评估中的潜力。
采后加工技术的应用仍主要处于实验室或中试阶段。拉曼光谱可在不破坏样品的情况下跟踪蛋白质构象变化、脂质氧化和色素转化，然而表面异质性、水分变化和加工诱导的荧光改变可能独立于目标属性使谱图发生偏移。相比NIR和HSI，拉曼具有更强的化学特异性分子信息，但通常对直接高通量空间覆盖方面较弱。最紧迫的瓶颈在于跨原料批次、加工条件和仪器的过程鲁棒校准，以及使用生产批次的独立验证而非同批次随机谱图。
## 9 化学计量学与机器学习集成
### 9.1 化学计量学方法
本综述系统归纳了拉曼光谱分析在渔业领域的技术体系。该体系分析能力与专门用于处理高维、复杂光谱数据集的化学计量学和统计框架深度融合。其核心模块包括两大类：一是预处理工作流，消除非信息性变异并提高模型鲁棒性，涵盖基线校正、归一化和平滑等方法；二是变量选择技术，定位高价值光谱区间并提升模型简约性，包括iPLS和CARS等。
本综述回顾了在鱼类质量、鱼种和鱼类加工等光谱数据集分析中采用的各类统计建模技术。将方法分为三类核心研究需求：PCA等无监督技术用于探索性分析；LDA等有监督方法用于分类和区分；PLS等回归模型用于预测K值等质量指标。模型性能以预测均方根误差（RMSEP）和性能偏差比（RPD）评估，实际应用资格阈值设为大于2.5。所有分析工作流均采用交叉验证和独立测试集验证程序。
### 9.1.1 渔业光谱数据的算法选择规则
算法选择应遵循数据结构而非依据模型流行程度。PCA主要用于探索性分析；PLS/PLSR适用于连续目标变量；PLS-DA、SVM和基于树的分分类器适用于小标注分类数据集；CNN/ANN模型需要足够大且多样化的标注数据集。预处理必须视为模型流程的一部分，且预处理选择须在训练集内拟合，以防信息泄漏。
### 9.1.2 小样本、高维与迁移学习障碍
渔业拉曼数据集常因生物重复成本过高且同一标本多次光谱并非统计独立而规模较小。因此，以标本为单位拆分、嵌套交叉验证、外部测试集和透明预处理手段必不可少。迁移学习虽可降低数据需求，但也可能转移仪器或基质的特定偏差。近期光谱学领域的研究虽展示了其潜在价值，也强调领域偏移问题。
### 9.2 机器学习（ML）与深度学习（DL）
已发表研究显示，拉曼光谱结合机器学习和深度学习方法可在特定渔业应用中改善分类和预测性能。算法选择应根据数据结构、样本量、目标变量和验证设计决定。传统机器学习方法适用于较小标注数据集，而深度学习方法对大规模多样化数据集更具优势。所报道的高准确率证明了在受控数据集上的技术可行性，但不应等同于实际或监管就绪的充分证明。独立生物学批次、外部测试集、多仪器验证和透明预处理在实地部署前仍然不可或缺。
联邦学习是当光谱数据不能集中共享时的协作模型开发的可选框架，但当前文献中尚未展示渔业领域有已建立的行业级联邦拉曼基础设施。现实试点需要统一的光谱格式、校准元数据、公共标签、安全模型更新协议、漂移监测与独立场所验证。
2024年以后的最新文献进一步拓宽了证据基础。近期研究包括SERS用于养殖水体硝酸盐监测、鱼类粘液特征分析、重金属检测、便携式污染物筛查、海鲜鲜度传感和病原体识别等方面的探索，机器学习研究则探索了CNN、随机森林、Transformer等架构用于光谱分类和回归。光谱研究以外的近期方法论研究也强化了同样的审慎态度：模型性能为数据集特异，独立验证仍属必须。
## 10 渔业便携与现场拉曼系统
商业化的紧凑型、电池供电拉曼光谱仪降低了实验室分析的时空限制，并已能在市场、卸货中心和水产养殖场开展筛查。便携性并不保证达到监管级别性能：光学对准、检测器灵敏度、温度、电池状态、校准漂移、样品定位和操作技能均会影响光谱。2023年鱼类鉴权研究中便携式拉曼在层级物种判别任务准确率94%，但该数据集为受控条件，并不等同于工业验证。
便携式拉曼光谱仪已在鱼类物种鉴别、新鲜度筛查、特定兽药残留检测、鱼油鉴别和色素相关测量等应用中进行了研究或验证。便携性可减少采样时空限制，但现场性能仍依赖校准稳定性、样品定位、环境条件、操作技能和可用光谱库等。智能手机联动与云辅助拉曼工作流是新兴方向，但其渔业部署仍处于早期阶段。
现有证据支持在中试规模的市场和养殖场筛查中使用此类设备，而非可持续的工业拉曼控制。现场实施应规定校准检查、参考物质QC、环境操作限值、维护、操作员培训、数据备份以及跨决策阈值的样品的确认路径。
## 11 局限性、挑战与分析注意事项
### 11.1 已报道检出限描述性汇总
本研究从本综述中明确报告的研究水平数值编制了描述性检出限汇总。由于各研究在分析物、基质、拉曼配置、SERS基底、样品制备、单位和验证设计方面存在差异，因此未跨全部应用进行统计汇总。对同类浓度级数值按单位进行描述性汇总显示，以ppb表示的化学检出
