基于多源振动光谱融合技术的贝类重金属富集信息快速检测方法与机理研究

Shellfish has strong heavy metal accumulation ability.Accumulated heavy metals in shellfish have the features of concealed, chronicity, and cumulative. Heavy metal is responsible for causing adverse effect on human health through food chain contamination.Rapid detection of heavy metals in shellfish is the key point for ensuring the safety of shellfish. Regular accesses to the heavy metals in shellfish are time-consuming, complex, and destructive, and are difficult to achieve large-scale and real-time assessment of information. Vibrational spectroscopy has advantages of being non-destructive and rapid, and is known as one of the emergent food quality detection technologies. In this project, two typical vibrational spectroscopy, infrared spectroscopy and Raman spectroscopy, will be applied for rapidly and non-invasively detecting four typical heavy metal ions of copper,zinc,lead,chromium in two typical coastal aquaculture shellfish of tegillarca granosa and sinonovacula constricta. The change of molecular structure caused by the pollution of heavy metals will be measured by using two spectroscopy techniques. On the basis of fusion and data mining on infrared and Raman spectral data, the different advantages of two vibrational spectra on reflecting the material structure and content information will be fully utilized, resulting in making up the shortcoming of each spectroscopy and improving the accuracy and robustness of the detecting models.The quantitative relationship models for the rapid and accurate access of heavy metals in shellfish will be established. Finally, the rapid detection of heavy metals in shellfish will be achieved, which is of great significance in enriching detection methods of heavy metals in shellfish, and safeguarding the quality and safety of shellfish in China.

贝类具有很强的重金属富集能力，富集的有害重金属因具有隐蔽性、长期性、累积性等特性，可通过食物链的形式进行传递，严重威胁着人类健康。贝类的重金属富集信息的快速准确获取是保证贝类食品安全的关键技术之一。常规获取重金属富集信息的方法耗时费力、操作复杂且只能进行抽样检测，难以实现大规模的实时信息获取。振动光谱技术因具有简便、无损、快速等特点，被誉为发展最快的食品品质检测技术之一。本项目以典型沿海养殖贝类-泥蚶和缢蛏为研究对象，以铜、锌、铅、镉四种典型重金属离子为分析指标，通过红外和拉曼两大振动光谱技术获取重金属污染所引起贝类的分子结构的变化信息，充分利用两大振动光谱所反映的物质结构和含量信息各不相同的优势，对其进行融合与挖掘，弥补独立谱各自缺陷，提高分析精度，并建立定量关系模型，实现贝类的重金属富集信息的准确、快速地检测。项目的实现对丰富贝类重金属检测手段，保障我国贝类食品的质量安全具有重要意义。

贝类具有很强的重金属富集能力，富集的有害重金属因具有隐蔽性、累积性等特性，通过食物链的形式进行传递，严重威胁着人类健康，因此，贝类食品的重金属富集信息的快速准确获取是保证贝类食品安全的关键技术之一。 当前，常规获取重金属富集信息的方法耗时费力、操作复杂且只能进行抽样检测，难以实现大规模的实时信息获取。本研究通过利用重金属污染所引起贝类等水产品动物的分子结构以及分子构象的变化信息，研究红外光谱和拉曼光谱信息与分子结构以及分子构象的变化信息的耦合关系，进行数据挖掘和融合，建立泥酣、黑鲷等水产动物的重金属污染信息的快速检测模型；基于融合思想，研究连续投影以及间隔偏最小二乘算法的缺点，结合共识模型算法，利用连续投影算法和间隔偏最小二乘算法提取光谱特征信息，构建子模型，根据子模型对预测精度的贡献程度，分配相应的权系数，构建共识融合模型，提高光谱的检测精度，给出相应的理论解释。研究对无重金属污染（对照组）和铜、锌、镉、铅污染的泥蚶进行两类识别，发现竞争性自适应重加权算法结合支持向量机算法的识别效果最好，识别率超过90%，且光谱变量从原来的3525个减少到33个（对照组和铜污染）、10个（对照组和镉污染）、31个（对照组和锌污染）以及22个(对照组和铅污染)；研究对所有种类的泥蚶包括无重金属污染(对照组)和不同重金属包括铜、锌、镉、铅污染的泥蚶进行识别，同样发现竞争性自适应重加权算法结合支持向量机识别效果最好，识别率超过90%。研究融合红外和拉曼两种振动光谱技术对无重金属污染和不同重金属包括铜、锌、镉以及三种重金属交叉污染的的黑鲷进行识别检测，发现随机森林模型检测效果最好，识别率超过90%。研究采用蒙特卡洛无信息变量二值操作去除算法和结合支持向量回归算法对泥蚶体内富集的重金属铜进行定量分析，获得了相关系数为0.96以及均方根误差为17.27mg/kg的的理想结果，且光谱变量从原来的1762减少到45个，简化了检测模型。深入研究泥蚶在正常情况下以及不同重金属胁迫下的红外光谱响应信号，确定了能够反映泥蚶、黑鲷等水产品的重金属污染的红外指纹波段，揭示了黑鲷、泥蚶等水产动物的不同重金属富集信息与红外、拉曼两种振动光谱信息的耦合关系。本项目的成果，不仅为振动光谱技术在贝类重金属富集信息进行快速、方便的检测提供理论基础，还对其他水产品食品的品质和安全检测提供一种新的方法和途径。