使用算法辅助的表面增强拉曼光谱仪监测油的脂氧化和脂肪酸概况
Tanya Nagpal1, Vikas Yadav2, Sunil K Khare3
1Nanoscopic Imaging and Sensing Lab, Department of Chemistry, Indian Institute of Technology Delhi, New Delhi 110 016, India; Food Customization and Research Lab, Centre for Rural Development and Technology, Indian Institute of Technology Delhi, New Delhi 110 016, India; Enzyme and Microbial Biochemistry Lab, Department of Chemistry, Indian Institute of Technology Delhi, New Delhi 110 016, India.
Food chemistry
|July 8, 2023
概括
这项研究引入了一种快速,无标签的方法,使用表面增强拉曼光谱 (SERS) 和人工神经网络 (ANN) 来评估油质. 该技术精确检测脂质氧化和脂肪酸概况,确保食品安全.
科学领域:
- 分析化学 分析化学
- 食品科学与技术 食品科学与技术
- 频谱学是一种光谱学.
背景情况:
- 深油炸产生脂质氧化产物,降低油质,并对健康构成风险.
- 目前的石油分析方法通常很慢,需要实验室设置.
- 需要快速,准确和现场油品质和安全检测技术.
研究的目的:
- 开发一种快速,无标签的方法,以在现场确定油的过氧化物值 (PV) 和脂肪酸成分.
- 为了利用表面增强的拉曼光谱法 (SERS) 和先进的化学测量技术进行石油分析.
- 建立一个有效的系统来监测油氧化,并确保食品安全.
主要方法:
- 采用基于等离子调节的,生物相容的Ag@Au核心外纳米颗粒的SERS基板来增强信号检测.
- 将复杂的化学测量技术,特别是人工神经网络 (ANN) 分析,应用于SERS数据.
- 在现场进行油品质量参数的无标签确定.
主要成果:
- 联合SERS和ANN方法在确定脂肪酸概况和PV时达到高达99%的准确性.
- 该SERS-ANN方法准确量化了低水平的反式脂肪 (<2%),准确度为97%.
- 开发的系统证明了尽管存在矩阵干扰,但可以有效检测油成分.
结论:
- 算法辅助的SERS系统为现场油氧化监测提供了光滑快速的解决方案.
- 这种技术为确保食用油的质量和安全提供了一个有前途的方法.
- 这项研究强调了SERS与化学测量相结合的潜力,用于实时食品分析.


