《食品科学》：首都医科大学孙洁芳研究员等：融合机器学习的表面增强拉曼光谱检测技术在食品安全检测中的应用进展

背景：食品安全检测需要高灵敏度、低成本的技术，以监测食品全链条中的致病微生物、农兽药残留、重金属和微塑料等风险因子。传统方法依赖实验室设备，难以满足现场快速筛查的需求。表面增强拉曼光谱可放大分子信号并提供指纹光谱，但光谱数据复杂，传统解析存在局限。研究目的：本文系统综述了将机器学习与表面增强拉曼光谱联用，用于食品安全风险因子检测的最新进展。文章首先介绍了表面增强拉曼光谱与机器学习的技术框架及构建流程，对比了不同机器学习算法在检测病原体、有机/无机污染物及微塑料中的优化作用。结论：研究表明，通过支持向量机、主成分分析、卷积神经网络等模型，可有效处理光谱重叠与基质干扰，显著提升检测准确性与自动化水平。但技术仍面临基底重现性差、模型泛化能力不足及缺乏标准化等挑战。未来需构建标准化数据库与可解释人工智能体系，推动设备便携化，以实现从实验室到全链条食品安全的实际应用。