本研究由Hao Jiang、Hao Lin、Jinjin Lin、Selorm Yao-Say Solomon Adade、Quansheng Chen、Zhaoli Xue和Chenming Chan共同完成，作者团队主要来自江苏大学食品与生物工程学院以及化学化工学院。研究成果发表于2022年的《Food Control》期刊（卷133，文章编号108640），并于2021年10月25日在线发布。
学术背景
该研究属于食品质量安全与检测技术领域，聚焦于食用油中重金属污染的非破坏性快速检测。玉米油中的铅（Pb）和汞（Hg）是危害人体健康的主要无机污染物，国际标准规定食用油中Pb的最大限量为0.1 mg/kg，而Hg尚未设定明确阈值。传统检测方法如原子吸收光谱（AAS）、电感耦合等离子体质谱（ICP-MS）等需复杂前处理，且存在耗时、易二次污染等问题。因此，开发一种结合纳米修饰比色传感器与近红外光谱（NIRS）的新型检测技术具有重要应用价值。研究目标是通过纳米材料修饰提升传感器性能，实现玉米油中多组分重金属（Pb和Hg）的高灵敏度、便携式检测。
研究流程与方法
材料合成与传感器构建
- 化学响应染料的合成：选取三种对Pb和Hg敏感的卟啉类染料（TPPF2OFeCl、TPPCo、TPPFeCl），通过经典Lindsay法合成，并溶解于N,N-二甲基甲酰胺中。
- 纳米修饰染料的制备：采用多孔二氧化硅纳米球（PSNs）和二甲基嘧啶胺（DPA）修饰染料。DPA通过卤素位点与染料结合（TPPF2OFeCl和TPPFeCl），而PSNs通过其高比表面积增强反应效率。通过核磁共振（H NMR）和紫外光谱验证修饰效果，显示DPA-TPPFeCl与重金属反应后出现蓝移（416 nm→406/407 nm）。
比色传感器阵列的构建
- 将修饰后的染料与含重金属的玉米油样品（浓度梯度10–100 ppb）反应，通过反向硅胶板构建1×3传感器阵列（Por-Sensor）。
- 使用自主设计的嗅觉可视化系统采集反应前后的RGB差异图像，通过MATLAB分析颜色变化特征。
近红外光谱数据采集与处理
- 采用便携式近红外系统（899.20–1724.71 nm）采集传感器反射光谱，参数设置为积分时间70 ms，平滑度10。
- 数据预处理采用标准正态变量变换（SNV）消除基线漂移和噪声，样本分为训练集（90样本）和预测集（60样本）。
模型构建与优化
- 采用偏最小二乘（PLS）及其衍生算法（SI-PLS、GA-PLS、CARS-PLS、ACO-PLS）建模。其中，ACO-PLS（蚁群优化算法）表现最佳，通过路径寻优筛选特征变量。
- 在干扰重金属（Mg²⁺、Zn²⁺、Co²⁺、Na⁺、K⁺）存在下，Por-Sensor&PSN对Hg的预测相关系数（Rp²）达0.9510，检测限（LOD）为7 ppb；Por-Sensor&PSN+DPA对Pb的Rp²为0.9793，LOD为5 ppb。
方法验证
- 通过ICP-MS对比验证，结果显示新方法的检测效率更高（无需前处理），且LOD接近国家标准方法（ICP-MS的Pb/Hg LOD为1.35⁄1.40 ppb）。
主要结果与逻辑关系
- 纳米修饰效果：PSNs修饰显著增强传感器与重金属的反应效率，RGB差异图像亮度提高；DPA虽未提升反应强度，但降低了数据标准差，提高稳定性。
- 模型性能：ACO-PLS通过优化变量筛选，在干扰物存在下仍保持高准确性。例如，对Pb的预测误差（RMSEP）仅为0.2491，优于传统PLS（0.6851）。
- 实际样本检测：在含多种干扰离子的玉米油中，新方法对Pb和Hg的回收率为86.52%–146.9%，满足实际检测需求。
结论与价值
本研究开发了一种基于纳米修饰比色传感器与NIRS联用的非破坏性检测技术，其科学价值在于：
1. 方法创新：首次将DPA和PSNs双重修饰应用于重金属检测传感器，解决了食用油复杂基质干扰问题。
2. 应用潜力：检测限低至5–7 ppb，且可扩展至其他食用油（如大豆油、花生油）。
3. 技术优势：相较于ICP-MS，无需有机溶剂稀释或萃取，实现“即测即得”。
研究亮点
- 多组分同步检测：突破单一重金属定量限制，实现Pb和Hg的混合分析。
- 纳米材料增效：PSNs的高比表面积和DPA的高亲和力协同提升传感器性能。
- 智能算法优化：ACO-PLS模型变量筛选效率优于传统方法，为复杂基质分析提供新策略。
其他价值
研究获国家自然科学基金（31972154）和江苏省农业自主创新基金（SCX203321）支持，未来可进一步推广至农产品质量安全监测领域。