農(nóng)藥殘留檢測中表面增強拉曼光譜的研究進展

邱夢情，徐青山，鄭守國，翁士狀

1.中國科學(xué)院合肥物質(zhì)科學(xué)研究院，安徽 合肥 230031 2.中國科學(xué)技術(shù)大學(xué)，安徽 合肥 230026 3.農(nóng)業(yè)生態(tài)大數(shù)據(jù)國家地方聯(lián)合工程研究中心，安徽大學(xué)，安徽 合肥 230601

引 言

農(nóng)藥是指用于防治農(nóng)、林業(yè)中病、蟲、雜草等有害生物和調(diào)節(jié)植物生長的化學(xué)或生物藥品，它的種類繁多、作用廣泛，極大地提升了農(nóng)作物的產(chǎn)量以及農(nóng)業(yè)經(jīng)濟的發(fā)展。農(nóng)藥殘留是指施用農(nóng)藥后，未能分解的殘留于環(huán)境和農(nóng)作物中的農(nóng)藥原體、降解代謝物等，它們會通過植物果實、水、大氣進入人體。當(dāng)農(nóng)藥殘留量超過國家規(guī)定的最大限值時，會對人體造成致畸或致癌等不良影響[1]。因此，如何有效、精確地檢測農(nóng)產(chǎn)品中的農(nóng)藥殘留，以減小與監(jiān)控其對人類健康的危害，已成為當(dāng)前迫切需要解決的重大問題。

傳統(tǒng)的農(nóng)藥殘留檢測方法有色譜法、質(zhì)譜法、酶聯(lián)免疫法等，它們具備選擇性和靈敏性高的特點，被認為是標準檢測方法。但是這些方法對操作環(huán)境要求高、分析過程復(fù)雜費時、設(shè)備昂貴且需專業(yè)人員參與，在實時高效檢測中存在一定局限性。光譜方法因其簡單，快速，靈敏等特點被視為農(nóng)藥殘留檢測中有前景的途徑，包括近紅外光譜(NIR)，傅里葉變換紅外光譜(FTIR)，拉曼光譜(RS)和SERS[2]。其中NIR和FTIR易受水性環(huán)境干擾，在農(nóng)殘檢測中的應(yīng)用有限。RS是一定激發(fā)光照射到樣品表面時，不同物質(zhì)的分子振動方式不同，產(chǎn)生不同頻率的散射光光譜，也稱為“指紋光譜”，可提供物質(zhì)的分子結(jié)構(gòu)信息且不受水相的影響，但由于拉曼散射固有的橫截面小的特點導(dǎo)致其靈敏度較低，引起信號弱、檢測精度差等問題。相比之下，SERS通過合成貴金屬納米顆粒(Au，Ag等)為基底實現(xiàn)拉曼散射強度增強，在獲取待測物指紋信息的同時，克服了RS靈敏度低的缺點，對于定性和定量分析有很大價值，廣泛應(yīng)用于化學(xué)、生物學(xué)、醫(yī)學(xué)、食品安全等領(lǐng)域。尤其是農(nóng)殘檢測方面，SERS已有效檢測了有機磷類，有機氯類，菊酯類、殺菌劑類和雜環(huán)類等農(nóng)藥殘留。

根據(jù)SERS的指紋特性，每種農(nóng)藥會產(chǎn)生其特有的拉曼特征峰，因此可通過“特征峰位移”實現(xiàn)待測物的定性或定量分析。為了獲得最優(yōu)特征峰光譜，有必要對活性基底制備以及檢測方式進行研究；另外為了使檢測結(jié)果更加快速、準確，也應(yīng)對農(nóng)殘的特征拉曼光譜計算模型進行研究。綜上，本文主要從SERS的增強基底制備、檢測方式以及光譜解析三個方面綜述農(nóng)殘檢測中SERS的研究進展及趨勢，為今后農(nóng)殘的分析檢測提供新的參考。

1 農(nóng)殘檢測SERS增強基底制備技術(shù)

在SERS檢測農(nóng)殘中，由于農(nóng)藥種類繁多、成分復(fù)雜且殘留量較少，因此需制備高活性增強基底以提高對待測物的靈敏性和特異性。近年來，科研人員致力于研究納米材料并通過各種方法制備均一性好和重復(fù)性高的金屬納米材料作為SERS基底實現(xiàn)痕量農(nóng)殘檢測。迄今為止，SERS增強基底主要分為兩類：貴金屬溶膠基底和復(fù)合基底。

1.1 貴金屬基底制備技術(shù)

貴金屬溶膠基底主要包括金、銀等納米溶膠顆粒，是SERS檢測農(nóng)殘中使用較為廣泛的納米材料，可顯著增強其表面吸附的待測物SERS信號強度。目前，常用的金屬溶膠制備方法有電化學(xué)氧化還原法、化學(xué)沉積法、晶種法等。據(jù)了解，金屬納米溶膠表面吸附的待測物SERS信號強度取決于感興趣顆粒的大小和形狀。因此，通常制備不同尺寸或形狀納米膠體如球體、棒、立方體、三角形、多面體、枝晶等促進分子鍵合以提高增強效果，如圖1所示。或者在金屬溶膠中加入誘發(fā)劑如NaCl、NaNO3和半胱胺鹽酸鹽等使納米顆粒富集產(chǎn)生大量熱點進而提高增強效果[3]。Stamplecoskie等[4]通過晶種法制備銀納米粒子(Ag NPs)并控制其尺寸大小，檢測10-3mol·L-1羅丹明6G(R6G)，結(jié)果表明Ag NPs的最佳尺寸為50～60 nm時，R6G表面SERS強度最大，這一方法有望推廣到其他的吸附材料。Xu等[5]開發(fā)一種無需表面活性劑的方法制備爆米花狀金納米粒子(Au NPs)檢測果皮表面毒死蜱，最低檢測限(LOD)達10-6mol·L-1，符合國家最低標準。本人所在團隊采取種子介導(dǎo)的生長法制備金納米棒(GNRs)活性基底檢測圣女果表皮[6]、小麥籽粒[7]中矮壯素的殘留，LOD分別為0.5 mg·L-1，0.25 mg·kg-1。

1.2 復(fù)合基底制備技術(shù)

由于單一的金屬溶膠顆粒產(chǎn)生的熱點是隨機的，且聚集的納米顆粒不穩(wěn)定，在重力的作用下沉積導(dǎo)致檢測時熱點的強度和數(shù)量產(chǎn)生波動。因此，為了提高SERS基底的吸附能力或親和力，使更多的待測物能夠在被應(yīng)用的SERS基底表面被富集并且SERS信號不發(fā)生顯著變化，需解決常規(guī)基底存在的穩(wěn)定性、靈敏性問題。大多研究人員通過對單一溶膠基底進行組裝，加入化學(xué)物質(zhì)、惰性材料等修飾表面以制備高活性SERS復(fù)合基底，從而有效、特異地捕獲待測物，保證SERS信號的良好重現(xiàn)性和靈敏性。為此，各種修飾分子如烷硫醇、氨基酸、DNA適配體和氧化石墨烯等常被用作合適的表面修飾劑。例如，Huang等[8]通過在十二烷基三甲基溴化銨(DTAB)和硫醇化環(huán)糊精(β-CDs)的混合水溶液中還原氯金酸，合成具有對稱單晶結(jié)構(gòu)的金納米晶，由主干和側(cè)枝組成如圖2所示。該金納米晶對甲醇的氧化具有良好的電催化活性，對氨基苯硫酚(4-ATP)分子的SERS敏感性較好，表明其在催化、生物傳感和納米器件等方面具有潛在的應(yīng)用前景。另外，還通過將磁性材料和貴金屬顆粒復(fù)合如利用硝酸銀還原法在共沉淀法制備的Fe3O4表面沉積Ag NPs獲得Fe3O4@AgNPs磁性復(fù)合材料，使待測物在外磁場作用下產(chǎn)生富集，從而實現(xiàn)待測物的超靈敏檢測。

圖2 金納米晶的合成

近年來，研究發(fā)現(xiàn)TiO2和CdTe等半導(dǎo)體在優(yōu)化的條件下有較大的106以上增強。此外，金屬-半導(dǎo)體復(fù)合納米材料被發(fā)現(xiàn)能夠比純金屬襯底顯示更高的增強，歸因于金屬和半導(dǎo)體對SERS的協(xié)同貢獻。因此，這類SERS增強基底在農(nóng)殘檢測中具有很大的潛力。例如，廈門大學(xué)田中群院士團隊長期從事電化學(xué)表面增強拉曼光譜(EC-SERS)方法學(xué)研究，建立一系列表面納米化方法，打破學(xué)術(shù)界長期認為SERS效應(yīng)局限于金、銀和銅等少數(shù)金屬的觀點；同時還研發(fā)了殼層隔絕納米粒子增強拉曼光譜(SHINERS)新技術(shù)，首創(chuàng)SiO2薄層包含AuNPs的制備方法，從根本上解決了SERS基底材料和表面形貌普適性差的瓶頸問題，并將實驗成果于2010年在Nature上發(fā)表[9]，首次將核殼結(jié)構(gòu)Au/SiO2NP組成的“smart dust”噴灑于橘子皮上，實現(xiàn)水果表面農(nóng)藥殘留的檢測，如圖3所示。

圖3 (a)柑橘類水果的拉曼光譜，Ⅰ為干凈果皮、Ⅱ為被甲基對硫磷污染的果皮、Ⅲ為污染的果皮表面修飾Au/SiO2納米粒子、Ⅳ為甲基對硫磷粉末；(b)SHINERS實驗原理圖

2 農(nóng)殘SERS光譜檢測方法

在SERS檢測農(nóng)殘中，由于分析樣品的成分復(fù)雜、農(nóng)藥殘留量較少，對樣品前處理以實現(xiàn)待測物富集是非常關(guān)鍵的。另外，雖然Au和Ag NPs因其制備簡單方便被廣泛使用，但是易受金屬氧化、團聚等因素影響，使得采集信號的靈敏度降低1～2個數(shù)量級，不能達到農(nóng)藥殘留標準檢測要求。并且該方法存在成本高、重復(fù)利用率低等缺點，不能滿足現(xiàn)場快速檢測需求。因此檢測方法從使用單一的Au/Ag NPs作為增強基底進行直接檢測，逐漸趨向于樣品前處理技術(shù)優(yōu)化、特異性SERS探針、納米陣列結(jié)構(gòu)、廉價金屬納米微粒等方向發(fā)展。

綜上，SERS檢測方法不僅在樣品前處理技術(shù)優(yōu)化方面取得進展，在化學(xué)修飾以制備功能化特異性探針和增強基底的物理結(jié)構(gòu)等方面獲得突破，同時在檢測過程中也有了新的方式。這些方法都為SERS技術(shù)在農(nóng)殘檢測中的應(yīng)用提供了途徑，使得痕量農(nóng)殘SERS檢測有更好的發(fā)展趨勢。

2.1 農(nóng)殘SERS檢測樣品前處理新技術(shù)

樣品前處理主要包括樣品分解和樣品凈化兩個重要環(huán)節(jié)。隨著樣品成分日益復(fù)雜、靈敏度和準確度的要求越來越高，樣品前處理已經(jīng)成為決定分析結(jié)果可靠性的關(guān)鍵因素。因此，在農(nóng)殘SERS檢測中引入新的樣品前處理技術(shù)實現(xiàn)省時省力、無污染和高效提取與凈化是非常重要的。目前，結(jié)合SERS取得廣泛應(yīng)用的樣品前處理新技術(shù)主要有：固相微萃取(SPME)、磁性固相微萃取(MSPME)、液-液微萃取(LLME)等。常用回收率、分離度等指標評估這些方法的性能。例如，SPME-SERS和MSPME-SERS實現(xiàn)甲拌磷、福美雙、R6G和毒死蜱等農(nóng)殘檢測，回收率均達到70%～120%；LLME-SERS實現(xiàn)撲草凈、三嗪類等除草劑農(nóng)殘檢測，回收率達80～110%。盡管這些方法減少溶劑的使用并解放實驗室的勞動力，但仍存在一些缺陷未能克服，如SPME不能在單個步驟中提供足夠?qū)挼姆治龇秶琇LME不能提供足夠的選擇性。因此，在固相萃取技術(shù)的衍生和進一步發(fā)展中，提出了一種快速易用的前處理方法—Quick Easy Cheap Effective Rugged Safe(QuEChERS)方法，其重點是在萃取和清理過程中盡可能簡化分析過程，減少提取溶劑用量，降低環(huán)境污染，即使是復(fù)雜的分析物也不犧牲高回收率，已經(jīng)成為農(nóng)殘SERS檢測中首選前處理方法[10]。QuEChERS-SERS已實現(xiàn)溴氰菊酯、毒死蜱和苯甲酸等農(nóng)殘檢測，回收率達到90%～120%，該方法也被廣泛應(yīng)用在其他檢測分析領(lǐng)域。

2.2 納米單元表面化學(xué)修飾新方法

在納米單元表面修飾上功能化探針，如無機鹽、無機酸或者有機胺等，通過靜電作用或共價結(jié)合使得復(fù)雜體系中目標物分子被選擇性地吸附到納米單元表面，可避免其他物質(zhì)對目標物的干擾，實現(xiàn)SERS高靈敏、高重現(xiàn)性和選擇性檢測。該方法與上文提到的基底制備中修飾方法不同，基底制備中是通過修飾某些試劑使得納米粒子自行組裝形成均勻一致、多“熱點”區(qū)域的納米結(jié)構(gòu)以提高靈敏性和重現(xiàn)性，而該化學(xué)修飾法則是通過在基底上修飾功能化探針使得待測物與基底之間產(chǎn)生靜電捕獲(ET)或共價結(jié)合以提高靈敏性和特異性。ET提供了一種通過庫侖吸引將帶電待測物拖曳到SERS襯底上的普遍而有效的方法，通過在SERS襯底上修飾某種探針，使得其所帶電荷與待測物的電荷相異，產(chǎn)生靜電吸附作用，進而實現(xiàn)ET。例如，上海應(yīng)用技術(shù)大學(xué)李丹教授等利用銀顆粒包裹的聚乙烯微球作為SERS活性基底，通過靜電吸附作用，使得修飾半胱胺或巰基丙酸的銀顆粒可以實現(xiàn)海水中帶相異電荷的農(nóng)藥檢測(圖4)[11]。共價結(jié)合是指納米金屬與某種基團進行組裝形成共價鍵，能夠與特異性SERS探針結(jié)合捕捉待測物分子。常用的基團如巰基、烷基等形成Au—S、Au—C化學(xué)鍵，Tang等[12]通過Au—S鍵將單鏈寡脫氧核苷酸poly(21dA)化學(xué)吸附在Au NPs上獲得poly(21dA)-AuNPs結(jié)構(gòu)，并組裝在二氫硫酸修飾的硅片(SH—Si)上形成poly(21dA)-AuNPs@SH-Si探針，用于蓖麻毒素的檢測，檢測限低至8.9 ng·mL-1，該方法為現(xiàn)場快速可靠地檢測活性蓖麻毒素提供了良好的應(yīng)用前景。

圖4 包裹在聚乙烯微球的銀顆粒上修飾半胱胺或巰基丙酸檢測海水中帶相異電荷農(nóng)藥

2.3 農(nóng)殘SERS光譜高效獲取新結(jié)構(gòu)

在空芯光纖、毛細管等內(nèi)部吸附納米顆粒形成膜層結(jié)構(gòu)，并通過一定的工藝技術(shù)控制顆粒的沉積厚度。工藝技術(shù)常采用硅烷偶聯(lián)法[13]，即將正硅酸乙酯(TEOS)與氨丙基三乙氧基硅烷(APTS)在不同條件下水解形成二氧化硅溶膠，然后利用各種涂層技術(shù)將溶膠涂覆在光纖探針表面，使其表面有機硅烷化，獲得不同厚度二氧化硅(SiO2)薄膜。該薄膜表面含有大量的氨基功能單體，可以嫁接多種選擇性納米增強材料，實現(xiàn)金屬納米顆粒在空芯光纖內(nèi)的組裝成膜。待測物通過反應(yīng)或者吸附與內(nèi)部表面膜作用而導(dǎo)致光學(xué)輸出信號改變，從而對其進行定量分析。這種通過借助空芯光纖、毛細管等材料將納米粒子轉(zhuǎn)移至內(nèi)部而形成的內(nèi)鍍金屬納米粒子結(jié)構(gòu)的SERS檢測系統(tǒng)，和以往直接基于活性基底表面的SERS檢測方法相比，該方法可增加光物相互作用體積，提高拉曼散射光收集效率，進而提升SERS信號強度，實現(xiàn)高靈敏痕量檢測。Gao等[14]提出了一種基于懸浮芯微結(jié)構(gòu)空芯光纖(MHF)的光流控表面增強拉曼光譜(SERS)傳感器，利用獨特的內(nèi)部結(jié)構(gòu)，通過化學(xué)鍵合將具有SERS效應(yīng)的銀納米顆粒固定在MHF中，如圖5所示。為了證明該結(jié)構(gòu)的可行性，選擇R6G、頭孢曲松作為分析物，檢出限分別為10-14和10-6mol·L-1。這種具有光流控的光纖SERS傳感器，可以與芯片設(shè)備集成而無需空間光耦合，在醫(yī)學(xué)、食品安全以及生物纖維傳感等方面有廣泛的應(yīng)用。該結(jié)構(gòu)為研究高靈敏的SERS檢測提供了一種新的手段。

圖5 光纖內(nèi)光流控SERS檢測裝置示意圖，插圖是未修飾AgNPs的MHF端面

2.4 農(nóng)殘SERS基底狀態(tài)轉(zhuǎn)換新過程

從基底的狀態(tài)出發(fā)，SERS檢測方法主要包括以下幾種。一種是直接基于溶液的SERS檢測，稱為濕態(tài)法。該方法中拉曼探針與膠體粒子混合，在SERS測量前通過加入外部介質(zhì)誘導(dǎo)粒子聚集而產(chǎn)生熱點，但是很難實現(xiàn)高靈敏度的SERS檢測。另一種是利用膠體納米顆粒形成固體薄膜進行SERS檢測，稱為干態(tài)法。干態(tài)法在靈敏度上雖優(yōu)于濕態(tài)法，但由于激光照射基底的時間較長，基底受到損傷，導(dǎo)致檢測的重現(xiàn)性和穩(wěn)定性較差。為了解決這一難題，有研究小組提出了動態(tài)表面增強拉曼光譜(D-SERS)法[15]，是基于濕態(tài)到干態(tài)的狀態(tài)轉(zhuǎn)換納米顆粒增強拉曼光譜(STNERS)法，此過程會形成一個粒度分散性最小且粒子間距離均勻性最大的三維(3D)熱點結(jié)構(gòu)，該結(jié)構(gòu)中每兩個相鄰粒子之間保持熱點，使待測物的SERS信號強度穩(wěn)定性提升。Weng等[16]采用D-SERS以半胱胺修飾的金納米棒(AuNRs-cys)為基底，對水稻樣品中乙酰甲胺磷殘留在100.2～0.5 mg·L-1范圍內(nèi)的光譜進行測量，如圖6所示。最低可以檢測到0.5 mg·L-1的殘留，該方法克服了乙酰甲胺磷分子對金表面的弱親和力，實現(xiàn)巨大而穩(wěn)定的增強。

圖6 使用D-SERS和AuNRs-cys結(jié)合多變量方法檢測大米中乙酰甲胺磷的示意圖

3 農(nóng)殘SERS光譜智能分析技術(shù)

拉曼光譜技術(shù)在實現(xiàn)超靈敏痕量檢測的同時，也面臨著由背景、檢測環(huán)境變化和設(shè)備參數(shù)差異等多種干擾因素導(dǎo)致的光譜信噪比低、基線漂移、微弱信號被熒光背景湮滅等問題。此外，采用傳統(tǒng)的光譜技術(shù)進行定性和定量需要借助專業(yè)人員，這種分析方法具有個體差異性、費時費力等不足，不適合應(yīng)用推廣。化學(xué)計量學(xué)方法通過建立智能分類或回歸模型可以在無需專家的情況下實現(xiàn)自動快速光譜分析。基于此，光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法可避免或減弱以上問題，進而提升檢測結(jié)果的準確性和效率。常用的方法包括光譜預(yù)處理、特征提取、建模方法等。

3.1 光譜預(yù)處理

為了降低或去除拉曼光譜在采集過程中受到外界雜散光、設(shè)備系統(tǒng)和樣品等因素造成的背景噪聲干擾，獲取待測物的高質(zhì)量光譜信息，有必要對光譜進行預(yù)處理。常采用的方法有多元散射校正(MSC)、主成分分析(PCA)、小波變換(WT)以及標準正態(tài)變換(SNV)等。Zhu等[17]采用SERS技術(shù)結(jié)合化學(xué)計量學(xué)開發(fā)一種用于定性和定量分析茶葉中毒死蜱殘留量的快速，低成本，靈敏的方法。制備具有高增強系數(shù)的Au@AgNPs為增強基底，并采用SNV、一階導(dǎo)數(shù)和二階導(dǎo)數(shù)預(yù)處理方法對光譜數(shù)據(jù)進行預(yù)處理，以消除基線漂移、隨機噪聲和散射效應(yīng)。再將數(shù)據(jù)分別結(jié)合K-近鄰(KNN)和遺傳算法-偏最小二乘(GA-PLS)建立分類、回歸模型進行預(yù)測。其中，KNN模型具有較高的分類正確率(90.84%～100%)；GA-PLS模型展現(xiàn)了極好的回歸質(zhì)量，具有較高的相關(guān)系數(shù)(r=0.96～0.98)；均具備較低的預(yù)測均方根誤差(RMSEP=0.29，0.31)。該方法將是對茶葉樣品中毒死蜱殘留進行分類和定量的更有效和強大的工具。

3.2 特征提取方法

雖然SERS光譜經(jīng)過預(yù)處理后，減小了噪聲干擾，降低或消除了熒光背景。但是由于SERS光譜數(shù)據(jù)高達上千維數(shù)，且包含冗余信息較多使得后續(xù)分析的計算復(fù)雜度增加、準確率降低和模型穩(wěn)健性差。為了優(yōu)化模型并提高其預(yù)測精度，通常不采用全譜變量建模，而是選取特征范圍光譜進行分析處理，提取出貢獻率較高的變量進行建模。常用特征提取方法有非負因式分解(NMF)、離散余弦變換(DCT)、主成分分析(PCA)等，這些方法通過對光譜信號變換后，從數(shù)學(xué)變換的意義上獲得主體信息。另外，也存在有些方法通過對物質(zhì)拉曼光譜的變量進行直接選取，這類方法被稱為變量選擇方法。其中最簡單的方法是人工截取，根據(jù)物質(zhì)拉曼光譜歸屬信息選取特征范圍，但是過分依賴操作人員的經(jīng)驗會導(dǎo)致優(yōu)化結(jié)果不可控。因此，一些自動選擇算法如競爭性自適應(yīng)重加權(quán)法(CARS)、無信息變量消除(UVE)、GA和隨機蛙跳(Random Frog)等被用于變量選擇，它們能夠自動截取譜峰，不依賴專人的經(jīng)驗知識，簡單高效。本人所在研究團隊將SERS技術(shù)與化學(xué)計量學(xué)方法結(jié)合檢測小麥籽粒中殘留的矮壯素[7]，采用包含徑向基函數(shù)(RBF)的核主成分分析(KPCA)對653～683，705～728和847～872 cm-1范圍的光譜進行主要特征提取，并討論了不同核函數(shù)寬度(σ)的影響，如圖7所示。然后，采用支持向量機回歸(SVR)算法建立回歸模型預(yù)測小麥籽粒中矮壯素殘留，交互驗證均方差(RMSECV)評估模型性能，結(jié)果見表1。

圖7 KPCA的σ為1 000(a), 5 000(b), 8 000(c)和10 000(d)的前兩個主成分分數(shù)散點圖

表1 使用化學(xué)計量學(xué)方法建立模型的預(yù)測結(jié)果

從表1可知，多元線性回歸(MLR)和PLSR所建線性模型的RMSECV值較高，可能導(dǎo)致預(yù)測結(jié)果的準確率較低；當(dāng)σ為1 000時，KPCA結(jié)合SVR所建模型的預(yù)測性能最差，而σ為10 000時預(yù)測性能有所提升，但比σ為5 000和8 000時的仍較弱。綜上，σ為8 000的KPCA結(jié)合SVR所建模型是最佳模型，其RMSECV為0.026 8 mg·L-1，誤差較小，能夠?qū)崿F(xiàn)小麥籽粒中矮壯素殘留量的準確預(yù)測，結(jié)果如圖8所示。

圖8 σ為8 000的KPCA結(jié)合SVR所建最佳模型的預(yù)測誤差

3.3 建模方法

現(xiàn)階段，雖然研究人員多利用化學(xué)計量學(xué)方法進行光譜預(yù)處理、復(fù)雜體系中有效信息快速提取及物質(zhì)信息的特征分類、含量信息獲取等，繼而解析物質(zhì)信息。然而，該過程需人為進行特征提取，存在明顯的個體差異、處理流程繁雜，難以獲得全局特征，且所構(gòu)建模型適合小樣本，無法處理大規(guī)模的數(shù)據(jù)。近年來，以全連接網(wǎng)絡(luò)、多層感知網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)以及循環(huán)卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)方法，由于強大的特征學(xué)習(xí)能力、易擴展的網(wǎng)絡(luò)結(jié)構(gòu)以及優(yōu)秀的穩(wěn)健性，在目標檢測、圖像分析、語音識別及語義解析方面得到廣泛應(yīng)用[19]。一些學(xué)者也將深度學(xué)習(xí)方法引入到 SERS光譜分析中，該方法能夠從復(fù)雜的光譜數(shù)據(jù)中自動提取出有效的特征結(jié)構(gòu)，時間成本低、魯棒性強，在農(nóng)殘SERS檢測中取得了較好的分析結(jié)果。加利福尼亞大學(xué)Regina Ragan教授等[20]將卷積神經(jīng)網(wǎng)絡(luò)結(jié)合 SERS 用于羅丹明量化分析模型構(gòu)建，實現(xiàn)對1 nmol·L-1～10 fmol·L-1濃度羅丹明的準確分析，模型的交叉驗證決定系數(shù)達到0.95。Weng等[16]利用輕型級聯(lián)式深度學(xué)習(xí)網(wǎng)絡(luò)-主成分網(wǎng)絡(luò)對大米中0.5～100.2 mg·L-1乙酰甲胺磷殘留進行回歸分析，回歸模型的R2為0.9164，RMSEP為8.4791 mg·L-1。

4 結(jié)論與展望

SERS具有檢測靈敏度高、操作簡單、成本低等優(yōu)點，作為一種快速檢測農(nóng)藥殘留的方法具有很大的發(fā)展?jié)摿Α１疚闹饕C述了SERS在農(nóng)殘檢測中的研究進展，具體包括SERS增強基底的制備、SERS的檢測方式優(yōu)化以及SERS光譜數(shù)據(jù)的智能解析，可為研究人員對于SERS的應(yīng)用及發(fā)展前景提供一定的借鑒。由于農(nóng)藥種類繁多、結(jié)構(gòu)復(fù)雜，使得SERS在分析農(nóng)藥時面臨較大的背景干擾，未來應(yīng)對SERS光譜數(shù)據(jù)分析方法有更深入的研究，實現(xiàn)可獨立于專業(yè)人員的農(nóng)殘快速準確檢測。另外，SERS技術(shù)作為一種強大的分析手段在生物、醫(yī)學(xué)等領(lǐng)域得到了廣泛應(yīng)用，尤其是對人體中腫瘤標志物、蛋白酶、生理指標物和毒物等的檢測，為臨床診斷提供了數(shù)據(jù)支撐。然而，由于人體中成分多樣、復(fù)雜、痕量，為實現(xiàn)快速準確檢測，需對樣本前處理、待測物富集及特異性捕獲等方法做進一步探索。