《表1 近红外光谱技术在产毒真菌鉴定及毒素检测中的应用》
注:-.文献中未提及;准确度一栏结果与目的对应。VNIR.可见近红外光谱(visible-near infrared spectroscopy);SKNIR.自动单粒样品近红外光谱法(automated single kernel near-infrared spectroscopy);PLSR.偏最小二乘回归(partial least squares regression);SEP.预测集的标
红外光谱法在测定小麦[8-9]、大麦[8]、玉米[10-11]等中的真菌及毒素具有广泛应用(表1),分类及回归模型预测精度均较高,但Dachoupakan Sirisomboon等[12]研究表明淀粉和水分含量对NIR测定可能产生较大影响。与传统NIR相比,傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy,FT-NIR)通过干涉仪进一步提高了光谱精度、再现性和波长分辨率[13]。因此在玉米粉[14]、小麦[15-16]、稻谷[17]、糙米[18]、大米[19]、花生[20]等样品中得到了广泛的应用。但这些方法多基于全波长扫描及多波长建模,为了建立高效的分类模型,Stasiewicz等[11]利用多光谱方法在9个不同波长处对AFT含量大于10μg/kg和FB含量大于1 000μg/kg的玉米粒进行鉴别分析,结果可达到77%的灵敏度和83%的特异性。Falade等[1 0]表明在单波长(2 198 nm)下,多元线性回归模型可以区分不同成熟度玉米粒是否受黄曲霉侵染,模型决定系数(R2)可达0.88。NIR作为检测农产品理化性质应用最广泛的光谱技术之一,由于其检测效率高、成本低而成为一种有使用前景的产毒真菌和毒素污染的无损检测方法。然而尽管许多研究将近红外技术应用于真菌及毒素的检测,但并没有明确地指出方法的检测限[21]。由于FT-NIR具有较高的仪器稳定性、光穿透深度和模型预测能力,被广泛应用于农产品的无损检测,但是仪器仅适用于静态检测分析,而不适用于工厂机械分选机中使用,因为机械振动和温度变化会对其产生影响[13]。
图表编号 | XD00195481500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 武琳霞、翟文磊、韦迪哲、付海龙、王蒙 |
绘制单位 | 北京市农业质量标准与检测技术研究中心农业农村部农产品质量安全风险评估实验室(北京)、北京市农业质量标准与检测技术研究中心农业农村部农产品质量安全风险评估实验室(北京)、北京市农业质量标准与检测技术研究中心农业农村部农产品质量安全风险评估实验室(北京)、北京市农业质量标准与检测技术研究中心农业农村部农产品质量安全风险评估实验室(北京)、北京市农业质量标准与检测技术研究中心农业农村部农产品质量安全风险评估实验室(北京) |
更多格式 | 高清、无水印(增值服务) |