论文部分内容阅读
粮食安全与人们的生活息息相关,黄曲霉毒素是最常见的真菌毒素,会污染粮食作物引起发霉变质。粮食中黄曲霉毒素的含量有严格限制,尤其是黄曲霉毒素B1（AFB1）,其污染范围最大、毒性最强、含量最高。目前,检测AFB1的方法存在操作复杂、周期长、成本高等局限,不能满足日益增长的检测要求。电子舌技术是一种新型的检测技术,以传感器阵列为基础,测量未知样品的整体信号,进行模式识别和定性定量分析,操作简单、重复性好,在各领域的应用越来越多。本文搭建了一套检测黄曲霉毒素B1的伏安型电子舌系统,根据AFB1对乙酰胆碱酯酶（AChE）的抑制机理,优化实验条件,利用交联法将AChE固定到玻碳电极（GCE）上,制备成AChE/GCE电极。搭建以AChE/GCE电极为工作电极、Ag/AgCl为参比电极、铂电极为辅助电极的伏安型电子舌数据采集单元,采用C#编写上位机数据采集应用程序控制采集平台工作并接收数据。在最优条件下分别对黄曲霉毒素B1标准液、大米溶液进行检测。采用提取特殊点法与小波压缩对原始数据进行预处理,压缩数据量。通过偏最小二乘法（PLS）、径向基（RBF）神经网络进行定量分析。采用两种数据预处理方法对黄曲霉毒素B1标准液数据进行特征提取,分别建立PLS、RBF神经网络两种浓度预测模型,用于大米溶液中黄曲霉毒素B1的定量预测。实验结果表明,小波压缩后信号的平均剩余能量和置零系数比分别为98.75%、98.81%;利用小波压缩系数作为输入建立的PLS、RBF神经网络模型均方根误差较小,均优于用特征值建立的模型,验证了小波压缩的有效性;用两种数据预处理方法建立的PLS、RBF神经网络模型定量分析效果良好,RBF神经网络模型的均方根误差均小于PLS模型的均方根误差,RBF神经网络的浓度预测效果较好。本文通过搭建基于酶传感器的伏安型电子舌系统,采用定量分析方法,实现了大米中黄曲霉毒素B1的有效检测,本研究为检测黄曲霉毒素B1提供了一种快速、经济、高灵敏度的方法。