在當今快節奏的現代社會，食品安全問題猶如一顆不定時炸彈，時刻牽動著大眾的敏感神經。隨著食品工業的蓬勃發展，食品種類日益豐富，生產工藝愈發復雜，不法商家為了追求利潤最大化，可能會在食品中非法添加各種物質，如三聚氰胺、蘇丹紅、瘦肉精等，這些非法添加物猶如潛伏的惡魔，對人體健康的危害極大，輕則引發腸胃不適，重則導致嚴重的器官損傷甚至致癌。
現有的檢測手段，如色譜法、光譜法等，雖然在一定程度上能夠檢測出部分非法添加物，但在面對復雜多樣的食品基質和痕量添加物時，往往顯得力不從心。檢測過程繁瑣、耗時長，且需要專業的技術人員和昂貴的設備，難以實現快速、大規模的篩查。這就使得一些非法添加行為有機可乘，無法及時被發現和制止。因此，開發一種高靈敏度、快速、低成本且智能化的食品非法添加檢測平臺，對于保障公眾健康、維護市場秩序具有至關重要的意義，這不僅是科學界的迫切需求，更是全社會共同的期望。
2025年7月1日，哈爾濱醫科大學藥學院李洋教授團隊在Food Chemistry發表題為“An ultra-sensitive, intelligent platform for food safety monitoring: Label-free detection of illegal additives using self-assembled SERS substrates and machine learning”的研究性論文。該研究成功構建了一種基于自組裝SERS基底和機器學習的無標記超靈敏智能食品安全監測平臺，可快速、高靈敏度地檢測食品中地非法添加物，為食品安全監管提供了有力的技術支持。
文獻基本信息
本研究巧妙融合了表面增強拉曼光譜（SERS）技術和機器學習算法，打造出了一個極具創新性的食品非法添加檢測平臺。在檢測方法的構建過程中，首先精心制備了自組裝的SERS基底。通過精確控制納米材料的尺寸、形狀以及排列方式，研究人員成功構建出了高度均勻且穩定的SERS活性表面。這種基底能夠顯著增強食品中非法添加物的拉曼信號，即使在極低濃度下，也能產生清晰可辨的光譜特征，為后續的精準檢測提供了有力保障。隨后，研究人員收集了大量涵蓋各種已知非法添加物和正常食品成分的SERS光譜數據，構建了一個全面且高質量的數據集。在此基礎上，運用先進的機器學習算法，如支持向量機（SVM）、人工神經網絡（ANN）等，對這些海量數據進行深度訓練和學習。機器學習算法憑借其強大的數據挖掘能力，能夠自動識別并提取非法添加物與正常成分之間的光譜特征差異，建立起精準的識別模型，從而賦予了該平臺智能化的檢測能力。
實驗結果充分展現了該超靈敏智能平臺的卓越性能。在檢測靈敏度方面，該平臺對于多種常見的食品非法添加物，如三聚氰胺、蘇丹紅等，實現了極高的檢測精度，最低檢測限達到了納克甚至皮克級別，這一靈敏度遠超傳統檢測方法，使其能夠輕松應對食品中痕量非法添加物的檢測挑戰。在檢測速度上，整個檢測流程從樣品采集到結果輸出僅需短短幾分鐘，極大地提高了檢測效率，滿足了快速篩查的實際需求。此外，該平臺還具備良好的選擇性，能夠在復雜多樣的食品基質中，準確區分非法添加物和食品中的天然成分以及其他合法添加物，有效避免了誤判和漏判的情況。在實際的食品樣品檢測中，無論是液體食品還是固體食品，該平臺都能穩定地發揮其出色的檢測性能，展現出廣泛的適用性。這些優異的檢測結果有力地證明了該平臺在食品安全監測領域的巨大應用潛力，為食品非法添加物的快速、準確檢測提供了一種全新的解決方案。
這項研究成功地開發出了一個基于自組裝 SERS 基底和機器學習的超靈敏智能食品非法添加檢測平臺。它不僅在檢測靈敏度、速度和準確性等方面遠超傳統檢測方法，而且具有操作簡便、成本低廉等顯著優勢。這一成果的出現，意味著我們有望在未來的食品安全監管中，實現快速、大規模、智能化的非法添加物篩查，有效遏制食品非法添加行為，為公眾的飲食安全筑牢防線。同時，該平臺的構建也為其他領域的檢測分析提供了新的思路和借鑒，如環境監測、藥物檢測等，具有廣闊的應用前景。
從這個研究中，我們可以深刻地感受到科技的力量。隨著科學技術的不斷進步，越來越多的創新技術被應用到食品安全領域，為我們解決復雜的食品安全問題提供了新的途徑和方法。這也提醒我們，要持續關注和投入科研力量，鼓勵跨學科的合作與創新，不斷探索新的檢測技術和手段。同時，監管部門也應該積極引入這些先進的檢測技術，完善食品安全監管體系，加強對食品市場的監管力度。而作為消費者，我們也應該增強食品安全意識，積極參與到食品安全監督中來，共同營造一個安全、健康的食品消費環境。讓我們攜手共進，借助科技的翅膀，守護好舌尖上的安全，迎接一個更加健康美好的未來！
參考文獻：Chunjuan Yang, Shuang Jiang, Yue Zhao, et al. An ultra-sensitive, intelligent platform for food safety monitoring: Label-free detection of illegal additives using self-assembled SERS substrates and machine learning. Food Chemistry 479 (2025) 143754. DOI:10.1016/j.foodchem.2025.143754.
來源：微生物安全與健康網，作者~陳富。
