便携式多通道光谱技术与机器学习相结合,用于检测和分类合成染料

《Talanta》:Portable multichannel spectroscopy integrated with machine learning for the detection and classification of synthetic dyes

【字体: 大 中 小 】 时间:2026年06月01日 来源:Talanta 6.1

编辑推荐:

  安德烈·阿加西(Andre Agasi)|里兹基·阿弗拉哈(Rizky Aflaha)|布兰尼·哈皮·安娜·塔西曼(Brainy Happy Ana Tasiman)|尤利安·德维·普拉博沃(Yuliyan Dwi Prabowo)|伊曼·拉赫曼(Iman Rahman)|库瓦特

  
安德烈·阿加西(Andre Agasi)|里兹基·阿弗拉哈(Rizky Aflaha)|布兰尼·哈皮·安娜·塔西曼(Brainy Happy Ana Tasiman)|尤利安·德维·普拉博沃(Yuliyan Dwi Prabowo)|伊曼·拉赫曼(Iman Rahman)|库瓦特·特里亚纳(Kuwat Triyana)
印度尼西亚日惹市Sekip Utara,BLS 21,加查马达大学(Universitas Gadjah Mada)数学与自然科学学院物理系

摘要

快速可靠地检测合成染料仍然是食品安全监测中的一个关键挑战。传统的分析技术虽然精度高,但具有破坏性、成本高昂,并且仅限于实验室环境。本研究探讨了一种便携式多通道光谱系统与机器学习的结合应用,用于检测和区分四种合成染料(即罗丹明B、胭脂红、品红4R和阿卢拉红)在广泛浓度范围(1–10 ppm、25 ppm、45 ppm、70 ppm和95 ppm)下的存在情况,这些染料存在于水和果冻中。通过机器学习模型,可以根据光谱数据量化染料浓度并分类染料类型。使用吸光度数据的支持向量回归(SVR)模型对所有染料均表现出出色的预测性能:罗丹明B和品红4R的R2值为0.999,胭脂红为0.996,阿卢拉红为0.997。在果冻基质中,将支持向量回归(SVR)模型与Kubelka-Munk(KM)变换和Savitzky-Golay(SG)平滑处理相结合,获得了稳健的定量可靠性,预测偏差比(RPD)值超过32。对于染料鉴定,支持向量分类(SVC)和k最近邻分类(KNNC)模型通过结合Kubelka-Munk光谱以及标准正态变异(SNV)预处理、乘法散射校正(MSC)或Savitzky-Golay(SG)平滑处理,实现了100%的准确率。这些结果表明,所提出的便携式多通道光谱平台能够实现快速、无损且准确的染料检测,凸显了其在现场食品安全监测和监管执行中的潜力。

引言

食品产品的成功商业化不仅取决于价格和质量,还很大程度上取决于其视觉吸引力,包括形状和颜色,这些因素显著影响消费者的兴趣[1]、[2]。为此,人们使用各种食品添加剂来提升食品的口感和吸引力,尤其是对儿童而言[3]、[4]。因此,制造商经常开发出具有吸引人颜色的多种食品以增加消费者的兴趣[5]。颜色是消费者接受和选择食品产品时的一个关键感官因素,与感知的食品质量指标密切相关[6]。几十年来,由于合成染料具有更好的稳定性和性能,制造商更倾向于使用它们,而非天然色素。这种偏好源于天然色素的固有不稳定性,它们在食品加工过程中容易降解[7]、[8]。另一方面,合成染料具有多种优势,如高水溶性、稳定的着色效果、低生产成本以及较低的微生物污染风险[9]。因此,合成染料在全球食品工业中的使用持续增加。
合成染料在当代食品和饮料工业中的广泛使用显著提升了产品的视觉吸引力,尤其是含有合成染料的果冻产品,而这些产品深受儿童喜爱,这使得其安全性成为一个重要问题[10]。不幸的是,食品工业中合成染料的使用不仅限于允许使用的物质[11]、[12],还包括未经授权的合成染料(如罗丹明B)的非法使用。罗丹明B对人体和其他生物具有致癌性和致突变性,因此被国际癌症研究机构(IARC)列为3类致癌物[13]。美国食品药品监督管理局(FDA)禁止在食品中使用罗丹明B,也没有任何国家法规将其列为安全的食品着色剂[13]、[14]。此外,快速食品和饲料警报系统(RASFF)的报告指出,罗丹明B仍在多个国家被使用[12]。
除了罗丹明B之外,过量摄入偶氮染料(如胭脂红、品红4R和阿卢拉红)还会引发儿童过敏、哮喘、荨麻疹、血管性水肿和注意力缺陷多动障碍(ADHD)[4]、[8]、[9]。因此,有效的快速检测对于减轻对人类健康的影响至关重要[15]。基于这些担忧,食品监管机构正在评估合成染料的安全性,特别是针对儿童市场的产品。因此,监测食品产品中合成色素的使用已成为确保消费者所购食品质量和安全的重要全球性议题。
已经采用了多种方法来检测合成色素,包括高效液相色谱(HPLC)、薄层色谱(TLC)、电化学传感器和分光光度法[16]。其中,HPLC因其高精度而最受欢迎[17]、[18]。然而,HPLC是一种破坏性技术,分析时间较长,操作成本较高,并且需要专门的培训[9]、[19]。同时,由于食品样品中的基质复杂性较高,TLC容易受到分析干扰[16]。这些限制使得这些传统方法不太适合快速或现场食品检测[18]。
作为替代方案,紫外-可见光(UV-Vis)和近红外(NIR)光谱技术因其快速且无损的特性而受到认可[20]、[21]。然而,大多数市售的UV-Vis和NIR系统仍基于实验室环境,限制了其在现场应用中的使用。这一限制推动了便携式光谱传感设备的发展,例如多通道光谱仪[22]。与传统光谱仪相比,多通道光谱仪在体积小巧、采集速度快和成本较低方面具有优势,使其适用于便携式传感应用[23]、[24]。
多通道光谱技术可以在单次采集过程中同时利用多个波长通道,从而无需提取过程即可直接收集样品的广泛光谱信息[25]。这些系统基于反射率测量原理工作,检测样品表面在不同波长下反射的光量[25]、[26]。每个通道记录的反射率值形成了独特的光谱特征,可用于识别和区分化合物,包括合成色素[26]。尽管多通道光谱的灵敏度可能低于传统方法,但通过应用机器学习算法可以显著提升其性能[23]。机器学习在识别数据中的复杂模式、优化参数和自动化预测解释方面表现出色[27]、[28]、[29]、[30]。这使得这种组合方法在便携式、无损和实时食品质量监测方面具有巨大潜力[31]、[32]、[33]。
光学光谱技术因其快速、无损和成本效益高的特点而成为一种有前景的替代方案。多项研究表明,光谱技术能够有效检测液体样品中的食品染料[34]、[35]。然而,大多数这些方法依赖于体积庞大的实验室级光谱仪,这限制了其在便携式和现场食品安全监测中的应用[36]。此外,很少有研究探索将多通道光谱技术与机器学习结合用于检测复杂食品基质中的合成染料[37]。
为了解决这些问题,本研究提出了一种便携式多通道光谱系统(410-940 nm),并与机器学习模型相结合,以实现合成染料的定量检测和定性分类。选择蒸馏水和果冻这两种具有代表性的样品基质,以模拟市场上常见的饮料和加工食品。本研究的新颖之处在于:(i)将多通道光谱技术与两种机器学习方法(用于浓度预测的回归和用于染料区分的分类)相结合;(ii)评估模型在不同食品基质中的稳健性;(iii)展示了一种快速、低成本且便携的替代方案,用于现场检测未经授权和允许使用的合成染料。

章节摘录

材料

合成染料粉末(即罗丹明B、胭脂红、品红4R和阿卢拉红)从印度尼西亚当地市场购买。果冻和糖粉也从印度尼西亚当地市场购买。所有实验中使用的蒸馏水均来自Jaya Santona公司。所有化学品和试剂均按原样使用,未经进一步纯化。

样品制备

通过准确称量每种染料10毫克并溶解在水中,制备了浓度为100 ppm的染料溶液

蒸馏水中合成染料的光谱特性

采用多通道光谱技术对四种合成染料(即罗丹明B、胭脂红、品红4R和阿卢拉红)进行了表征。目的是确定它们的特定吸光光谱,这些光谱可作为理解每种化合物光学行为的参考,并揭示出随浓度从1 ppm增加到95 ppm而变化的明显且系统的吸收特征。

结论

本研究成功证明了多通道光谱技术与机器学习的结合在溶液和果冻形式下快速无损检测合成染料(即罗丹明B、胭脂红、品红4R和阿卢拉红)的有效性。在溶液形式下,吸光光谱为SVR模型提供了最高的预测性能。SVR模型的预测准确率最高,R2值达到了0.996及以上。

CRediT作者贡献声明

布兰尼·哈皮·安娜·塔西曼(Brainy Happy Ana Tasiman):撰写 – 审稿与编辑、验证、研究、概念化。里兹基·阿弗拉哈(Rizky Aflaha):撰写 – 审稿与编辑、验证、研究、概念化。伊曼·拉赫曼(Iman Rahman):软件开发、研究、正式分析。尤利安·德维·普拉博沃(Yuliyan Dwi Prabowo):数据可视化、研究、概念化。库瓦特·特里亚纳(Kuwat Triyana):撰写 – 审稿与编辑、验证、资金获取、概念化。安德烈·阿加西(Andre Agasi):撰写 – 审稿与编辑、初稿撰写、验证。

数据可用性

作者确认,支持本研究结果的数据包含在本文中。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究部分由Rekognisi Tugas Akhir(RTA)项目(RTA 2488/UN1.P.III/DIT-LIT/PT/2020)和印度尼西亚教育捐赠基金(LPDP)以及印度尼西亚共和国财政部(Ministry of Finance)资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号