领学术科研之先，创食品科技之新
—— 中国食品杂志社
表面增强拉曼光谱（surface-enhanced Raman spectroscopy，SERS）因其高灵敏度、经济性和特异性，在食品安全风险因子的现场快速筛查中展现出显著优势。然而，该技术的广泛应用仍面临诸多挑战，包括高维光谱数据的管理与信息挖掘、复杂食品基质对痕量目标物检测的干扰，以及光谱峰重叠导致的解析困难等问题。近年来，深度学习（deep learning，DL）及机器学习（machine learning，ML）的快速发展为SERS数据分析提供了新的解决方案。通过将ML方法（尤其是多元分析工具）与SERS技术深度融合，能够高效处理复杂光谱数据，从而显著提升检测性能，这一方向已成为当前研究的热点。本综述首先简要回顾了SERS和ML基本原理；其次，重点总结了SERS-ML在食品安全风险因子检测中的典型应用，包括病原体（如细菌、病毒）、有机/无机毒物（如农药、抗生素）以及微塑料等的高效识别与定量分析；此外，还探讨了SERS-ML技术在复杂食品体系中应用的关键影响因素和面临的挑战。最后，本文展望了SERS与ML融合技术在实际检测中的潜力，旨在推动该领域的进一步研究和技术创新。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
