— 引起動機 —
1 / 9
← → 切頁 ｜ F 全螢幕 ｜ 食品化學研究生版
食品分析 · Food Analysis · Raman Spectroscopy Applications

拉曼光譜
食品分析

不破壞樣品、不怕水分子、可透過包裝掃描
——食品安全檢測的新利器

1014
SERS 最高訊號增益倍數
9
驗證通過的核心事實（107 agents deep research）
4
食品安全應用域
農藥殘留偵測 SERS 熱點增強 摻假鑑別 可攜式 Raman
入射雷射 彈性散射 Stokes Raman （能量損失） Anti-Stokes 分子振動指紋 → 每種分子唯一光譜
為什麼選拉曼？· Raman vs FTIR

水不干擾 + 透包裝掃描——兩大致勝優勢

特性FTIR拉曼
水分子干擾⚠ 強烈吸收
OH 伸縮 3400 cm⁻¹ 蓋掉訊號		✓ 幾乎不干擾
水是極弱 Raman 散射體
透包裝測量✗ 無法穿透
紅外線被多數材料吸收		✓ 可穿透塑膠/玻璃
雷射穿透、散射光採集
樣品前處理通常需要
乾燥、壓片等		通常可省略
液體、固體、粉末直接測
螢光干擾✓ 不受影響⚠ 有機物螢光可蓋過訊號
複雜食品基質風險高
靈敏度（基礎）中等中等（SERS 後 10⁷~10¹⁴×↑）
定量穩健性✓ 成熟驗收框架⚠ SERS 重現性仍是瓶頸

來源：PMC10707828 (2023 peer-reviewed review)

💧 為什麼水不干擾拉曼？

Raman 訊號來自分子極化率（polarizability）的改變。水的 O-H 伸縮振動極化率變化極小，因此散射截面比大多數有機官能基低 3~5 個數量級。

結果：水溶液可直接分析，無需脫水或稀釋。

📦 透包裝的物理基礎

可見~近紅外雷射（785 nm、1064 nm）可穿透透明/半透明的 PET、玻璃、PE 包裝。散射光由同一物鏡採集，不需要開封，完整保留包裝完整性。

限制：不透明包裝、深色印刷區域無效。

⚠️ 螢光干擾注意事項

複雜食品（橄欖油、蜂蜜、香料）含高螢光有機物，可能將 Raman 訊號完全蓋過。選用 1064 nm 雷射可大幅降低螢光激發。

拉曼原理 · Raman Spectroscopy Mechanism

非彈性散射 → 每個分子的唯一指紋

基態 v=0 振動態 v=1 虛激發態 (virtual state) Rayleigh (彈性，同波長) Stokes (能量損失↓) Anti-Stokes 拉曼光譜（Stokes 側） Raman 偏移 (cm⁻¹) 強度 800 1003 1340 1601 每個分子的唯一指紋 峰位 = 振動模式

什麼是 Raman 散射？

  • 入射光子打到分子，大部分彈性散射（Rayleigh，波長不變）
  • 極少數（約 1/10⁷）發生非彈性散射：光子把能量傳給分子振動
  • 散射光能量減少 = Stokes Raman（食品分析主要使用）
  • 能量差 = 特定化學鍵的振動能量 → 分子結構指紋

三類散射比較

類型能量變化強度比例
Rayleigh（彈性）無~ 1
Stokes Raman損失（紅移）~ 10⁻⁷
Anti-Stokes Raman獲得（藍移）≪ 10⁻⁷
Δν (cm⁻¹) = 1/λlaser − 1/λscattered → 分子振動模式

Raman 偏移（Δν）與入射雷射波長無關，只反映分子結構——不受雷射選擇影響。

SERS · Surface-Enhanced Raman Spectroscopy

熱點（Hot Spot）把訊號放大 10⁷ ~ 10¹⁴ 倍

Au 奈米金 Ag 奈米銀 HOT SPOT 分析物分子 增強因子 (EF) 10⁷ ~ 10¹⁴ 電磁增強主導 EF ≈ 10¹⁰~10¹¹ 雷射激發 SERS 訊號 EM 增強：間隙電場集中 → EF ~ 10¹⁰⁻¹¹（主要機制） 化學增強：電荷轉移 → EF ~ 10¹⁻² （次要機制）
10⁷ ~ 10¹⁴

SERS 訊號增益倍數

分析物分子吸附在奈米顆粒「熱點」間隙時，局部電磁場劇烈增強，把原本極微弱的 Raman 訊號放大 7 到 14 個數量級。

¹ PMC11989198 (2025 peer-reviewed review) · S0924224425001311 (Trends Food Sci Technol, 2025)

常用奈米基板

  • 銀奈米顆粒 / 奈米星（AgNP / AgNS）：增強最強，但較易氧化
  • 金奈米顆粒 / 奈米棒（AuNP / AuNR）：化學穩定性佳，生物相容
  • Au-Ag 雙金屬複合（AuNR@Ag）：結合兩者優點，近年主流
7 ~ 27%

RSD（重現性警示）

銀奈米星基板的 spot-to-spot 相對標準偏差高達 7–27%（20 個測量點），熱點分布不均是核心挑戰，限制了定量應用。

來源：PMC10820608 (MDPI Sensors, 2024)

SERS 食品安全應用 · 2024 系統性綜述

四大食品安全應用域（PMC11547707, 2024）

🧪

① 生化汙染物偵測

  • 農藥殘留：imidacloprid LOD 9.4×10⁻⁸ mg/mL（~5000× EU MRL）
  • 黴菌毒素：DON 0.053 fg/mL（SERS-LFIA）
  • 重金屬：汞、鉛等離子

⚠️ 注意：多數 LOD 在緩衝液測得，食品基質干擾使實際表現顯著降低

🦠

② 食源性病原菌鑑別

  • Raman + LDA：鑑別 E. coli、S. aureus、S. typhimurium
  • LDA 驗證準確率 95.65%
  • PCA 可分群 B. cereus、S. aureus 等

⚠️ 僅在純培養條件驗證；食品基質中的鑑別效果尚未確立

🫒

③ 食品鑑別 / 品管

  • 橄欖油摻假：Ridge Regression R² = 0.984（vs 大豆油）
  • 酪梨油 vs 芥花油：R² = 0.910（光譜差異較小）
  • 蜂蜜來源鑑別、酒類品質管制

結論：光譜差異越大，預測模型越準確

📦

④ 包材安全評估

  • 透包裝偵測遷移汙染物（塑化劑、殘留單體）
  • 不需開封即可分析食品-包材接觸面
  • 即時評估冷鏈儲存中包材完整性

是拉曼光譜「透包裝掃描」優勢最直接的食品應用

📚 來源：PMC11547707 (MDPI Nanomaterials 14(21):1750, October 2024, 3-0 verified) · 以上四大域為該系統性綜述的明確分類架構

數字說話 · Quantitative Performance

農藥偵測 5000× EU 標準；橄欖油摻假 R²=0.984

🌿 農藥殘留偵測（SERS 銀奈米星）

5×10⁻⁴
mg/mL
EU MRL
歐盟農產品最高殘留限量
vs
9.4×10⁻⁸
mg/mL
SERS LOD
imidacloprid 偵測下限
~5,000× 比 EU MRL 靈敏

⚠️ LOD 使用 SNR=2:1（非 IUPAC 標準 3:1），且在純溶液測得，非食品基質

來源：PMC10820608 (MDPI Sensors, January 2024)

📊 EF 與重現性（同一平台）

2.86×10⁴
imidacloprid EF
3.61×10⁵
thiacloprid EF
7–27%
RSD（20 測量點）

🫒 食用油摻假定量（Raman + Ridge Regression）

橄欖油 vs 大豆油：R²=0.984 ｜ 酪梨油 vs 芥花油：R²=0.910

光譜差異越大 → 模型預測越準確。來源：PMC10304463 (Food Chemistry 2022)

可攜式拉曼 · Portable & Handheld Raman

從實驗室到現場：軟性基板 + 手持儀

📱 手持式拉曼儀

  • 重量 < 500g，電池供電，不需要光學平台
  • 應用場景：超市貨架、海關查驗、農場採樣、生產線即時監控
  • Au@Ag 奈米顆粒標記 → 諾如病毒 LOD 0.76 fg/mL（線性範圍：10 fg/mL ~ 100 pg/mL）

⚠️ 上述 LOD 在 PBS 緩衝液中測得，非食品基質條件

來源：PMC11989198 (2025)

📄 可彎曲 / 軟性 SERS 基板

基板類型操作方式應用
紙基（Paper）浸泡 / 滴加農藥、抗生素
黏膠薄膜（Tape）擦拭採樣表面農藥
複合薄膜貼覆食品表面水果農藥

優勢：大幅減少前處理時間，可現場即採即測

🔬 可攜式 vs 桌上型 Raman

特性桌上型手持式
靈敏度高中（進步中）
重現性✓ 穩定⚠ 環境干擾
樣品量標準可極微量
部署成本高（實驗室環境）✓ 低
使用門檻需專業操作員✓ 簡化操作介面
監管接受度✓ 成熟⚠ 尚無統一標準

⚡ 發展趨勢（2024–2025）

  • AI + Raman：深度學習模型提升複雜基質的辨識率
  • 晶片整合（LOC）：微型化 Raman 感測器嵌入食品包裝
  • 多模態融合：Raman + NIR + 機器視覺三合一平台
誠實面對現況 · Challenges & Takeaway

三大瓶頸 → 實驗室數字 ≠ 現場規格

🧫

① 食品基質干擾

  • 幾乎所有漂亮 LOD 在純緩衝液或添加標準品的提取液中測得
  • 真實食品（麵粉、肉汁、果汁）含有螢光物質、競爭吸附分子
  • 基質效應可使實際靈敏度降低 1–3 個數量級
實際 LOD ≫ 文獻 LOD（在食品中）
🎲

② 重現性瓶頸

  • 奈米基板熱點分布本質不均勻
  • spot-to-spot RSD 高達 27%（遠高於 HPLC/ELISA 的 <5%）
  • 批次間差異（batch-to-batch）更難控制
  • 現階段適合定性篩選，而非精確定量
⚖️

③ 監管框架缺口

  • SERS / 便攜式拉曼目前無法作為官方執法依據
  • EU、FDA、Codex 均無 SERS 數據驗收標準
  • 必須搭配 HPLC / ELISA 作確認測試
  • 定位：快篩工具，篩選陽性樣品後送實驗室確認
💡
帶走這一句話：
拉曼光譜（SERS）是食品分析的重要未來方向——
但看到漂亮的偵測下限，先問：這是在食品基質裡測的嗎？重現性如何？監管認可了嗎？
水不干擾 ✓ 透包裝掃描 ✓ SERS 增益 10⁷~10¹⁴ ✓ 四大應用域 ✓ 食品基質 LOD ≠ 緩衝液 LOD ⚠️ RSD 高達 27% ⚠️
食品分析 · Food Analysis · Cited References

引用文獻 Cited References

核心綜述 · Core Reviews

  • PMC10707828 — Huang et al. (2023). Raman spectroscopy in food safety and quality analysis. Peer-reviewed review.
  • PMC11989198 — (2025). SERS advances in food contaminant detection. EF 10⁷~10¹⁴ citation.
  • PMC11547707 — MDPI Nanomaterials 14(21):1750 (Oct 2024). Nanomaterial-based SERS: four food safety domains taxonomy.

定量數據來源 · Quantitative Data

  • PMC10304463 — Food Chemistry 373 (2022). Raman + Ridge Regression: olive oil adulteration R²=0.984.
  • PMC10820608 — MDPI Sensors (Jan 2024). Silver nanostar SERS: imidacloprid LOD 9.4×10⁻⁸ mg/mL; RSD 7–27%.
  • PMC11593597 — (2024). Raman + LDA: 95.65% pathogen discrimination accuracy.
  • PMC12192556 — (2025). Au-Ag bimetallic SERS-LFIA: DON 0.053 fg/mL.

SERS 機制 · SERS Mechanism

  • S0924224425001311 — Trends Food Sci Technol (2025). Noble metal nanomaterials as SERS substrates; EM enhancement dominant.
  • PMC11765993 — (2024). Photobleaching resistance and molecular fingerprint spectra in SERS.

⚠️ 驗證方法：deep research workflow · 107 agents · 95 claims extracted · 25 verified · 9 confirmed, 14 refuted (killed). 被 adversarial verification 否決的聲稱（如 AFB1 LOD 0.05 ng/mL）未納入本投影片。