Fluorescence and Food Safety

江南大学理学院 陈国庆cgq2098@jiangnan.edu.cn

农药污染

苏丹红事件

三聚氰胺事件

•食品安全不容忽视 !

2005-2008 年的食品安全事件

2005 年 1 、苏丹红事件席卷全国2 、立顿速溶茶涉嫌氟超标3 、雀巢奶粉被指碘超4 、光明被指回收过期变质奶再生产5 、啤酒甲醛风波引发消费者恐慌6 、哈根达斯深圳黑作坊被查7 、鲮鱼罐头在港被检出孔雀石绿

2006 年 1 、福寿螺致病 2 、人造蜂蜜事件 3 、毒猪油事件 4 、“口水油”沸腾鱼 5 、瘦肉精中毒 　 6 、大闸蟹致癌 7 、“苏丹红”鸭蛋 8 、“嗑药”的多宝鱼 9 、有毒的桂花鱼 　 10 、陈化粮事件 　

2007 年 1 、龙凤与思念问题速冻食品深圳撤柜 07/04/12 2 、上海星巴克售过期苹果汁 07/07/30 3 、五粮液幸运星糖精超标 07/11/01 4 、北京王致和豆腐乳被指保质期内发霉 07/11/08 5 、味全食品旗下奶粉被查出致病菌 07/11/21 6 、台湾婴儿配方奶粉检出致病菌 07/11/27 7 、香港的 Godiva 朱古力遭停售 07/12/03 8 、乐事薯片等 23 种进口食品抽查不合格

07/12/10 9 、南昌：统一方便面吃出烟头 07/12/12 10 、浙江义乌：多美滋奶粉中出现小蛆 08/01/0

2008 年

三聚氰胺……

“ 苏丹红”辣酱、毛发酱油、石蜡火锅底料、瘦肉精、毒大米、地沟油劣质奶粉养出大头婴儿、粉丝掺假添加有毒化学肥料、广州假酒中毒致多人死亡……

救命啊！食品安全、人命关天

目 录

一、分子荧光光谱

二、荧光光谱技术在食品安全中的应用

1 、 What is Fluorescence?

（ Historical Overview - Fluorescence）Fluorescence is an emission of light (luminescence) that is usually found as an optical phenomenon in cold bodies.

The absorption of a photon causes the emission of another photon with a longer wavelength. The energy difference between the absorbed and emitted photons ends up as molecular vibrations or heat.

一、分子荧光光谱

Nicolas Monardes

Mention of fluorescence and phosphorescence phenomenon found in Chinese texts dating back to 1500BC.

Associated with medicine for many centuries.

1565: Report of a medicine treating kidney stones: Water containing wood from the Narra tree.

This solution glows when exposed to sunlight

Wood and knowledge imported from middle America to Europe.

First Reference

John Frederick William Herschel (1792-1871)

1845: Report of Quinine emission when excited by sunlight

First Reference in Scientific Paper

George Gabriel Stokes (1819-1903)

1852: Observation that emitted wavelengths are longer than exciting wavelengths.

Discovery of the Stokes Shift

Fluorescence was the name given as a description of the part of the mineral fluorite, composed of calcium fluoride, which produced a visible emission when illuminated with UV radiation.

ground state

absorption

intersystem crossing

phosphorescence

fluorescence

T1

Sn

S3

S2

S1

S0

T2

T3

Tn

Alexander Jablonski (1898-1980)

The Jablonski Diagram

The Jablonski diagram illustrates absorption, emission as well as vibrational (heat) and intersystem effects.

The Franck-Condon Principle

Generalised Coordinates

Po

ten

tial

Ground State (S0)

Excited State (S1)J. Franck (1882-1964)

1925: Proposal for electronic transitions.

1926: Quantum mechanical formulation.

E.U. Condon (1902-1974)

Förster’s Theory

Theodor Förster (1910-1974)

conformational changes protein hydrolysis

ligand-receptor interaction fusion of lipid vehicles

1947: Theory of radiationless energy transfer

Original work: randomly distributed molecules

The real value: distance measurements of rigid pairs

peptide cleavage DNA conformation

2 、产生荧光的条件

(1)物质的分子必须具有吸收结构

(2)物质分子必须有一定的荧光量子产率

(3)适宜的环境 N N N N

The luminescence emitted by a sample can be characterised by five parameters.

• excitation wavelength

• emission wavelength

• emission intensity

• quantum yield

• polarisation

• decay time

3 、荧光特性

4 、分子荧光光谱的分类

（ 1 ）常规荧光光谱（ 2 ）同步荧光光谱（ 3 ）时间分辨和相分辨荧光光谱（ 4 ）偏振荧光光谱（ 5 ）低温荧光光谱（ 6 ）空间分辨荧光光谱（ 7 ）导数荧光光谱（ 8 ）其它

5 、荧光光谱的应用

荧光光谱分析具有灵敏度高、准确度高、选择性高和取样少、方便、快捷、适用范围广的优点，它作为一种常用的光谱分析技术已经被广泛应用到各个领域。

Application Fields Analytical Chemistry Pharmacology• Measurement of extremely low analyte • Monitoring of drug interaction with concentrations biological systems• Identification and detection of single molecules • Anaesthesiology research • Analysis of complex mixtures of fluorescent • Quality control substances • High throughput screening Biochemistry and Medicine Photophysics and PhotoChemistry• Drug monitoring in photodynamic therapy • Characterisation of excited states• Investigation of protein structure and folding dynamics of molecules• Investigation of protein-antibody interactions • Electron and proton transfer• Determination of donor-accepter distances • Intra-molecular relaxations• Investigation of permeability and structure of • Michelle structure and reaction kinetics membranes in molecules• Enzyme research in proteins and membranes • Excimer and exciplex formation• Investigation of dynamics and structure of • Polymer structure and dynamics nucleic acids • Solvent-solute interactions• DNA-sequencing and sizing • Study of monolayers and surfaces• Photosynthesis research

Chemical ApplicationsThere are several ways in which fluorescence is needed in scientific research:

Most basic need:

understanding the sample - emission and absorption

What does this tell us?

How can we use this:

Discover effects of local environment, energy transfer, can be used as a label for interactions.

Fluorescence Detection of Explosives

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

400 450 500 550

Co

un

ts/1

00

Wavelength

To distinguish fluorescence of Explosives from Standard Fluorescence of materials a comparison has to be made

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

300 350 400 450 500

Co

un

ts/1

00

Wavelength

Fluorescence Detection of Explosives

Semtex Fluoresces in similar range as clothing. Therefore difficult to detect optically

Tryptophan MeasurementsTryptophan is a standard Amino Acid and is an essential amino acid for many organisms. Therefore is interaction mechanisms are probed. It is also a useful protein to study conformational changes.

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

250 300 350 400 450

Cou

nts/

105

Wavelength

DNA Fluorescence MeasurementsMany Biological reactions can be monitored by studying the change in spectroscopic data with the addition of reagents to a system. For the case of DNA, fluorescence can be used to identify when certain Enzymes react with the DNA as the spectra changed when the enzyme binds to the DNA.

Fluorescence Lifetime

Sample: pyrene in cyclohexane concentration 10-2M

Fit result: double exponential global fit: M=9.3ns, E=15.4ns

Excimer formation - takes place at only at relatively high concentration dept. on monomer conc.

Monomer has two decay times Excimer has a rise and a decay timeshort decay time of monomer = rise time of excimer; decay time of excimer = long decay time of monomer

Monomer

Emission

ex= 335nm

em= 395nm

Excimer

Emission

ex= 335nm

em= 465nm

InGaAs / InP Quantum Well

Measured Using 760nm Laser diode excitation and a NIR-PMT

em= 920 nm (green curve) substrate: em= 1330 nm (red curve) quantum well

Double exponential decay components of 1.7ns and 6.0ns

Temperature

Information on structure of sample and energy bands

Emission spectrum of triphenydiamine as a function of temperature from 90-107K.

Pyrene in cyclohexane measured at room temperature and at liquid

nitrogen temperature.

Phosphorescent Resonant Energy Transfer between Iridium Complexes, Wasserberg et al J. Phys. Chem. A, Vol. 111, p1381, 2007

Pyrene in cyclohexane measured at room temperature and at liquid

nitrogen temperature.

Anisotropy of Dendrimers

ADSB Dendrimer with different generations, light harvesting system

Anisotropy of DendrimersSteady State Anisotropy

Anisotropy of Dendrimers

Anisotropy decay is constant and same as steady state – very fast depolarisation

Anisotropy of Dendrimers

Different Cored System

Anisotropy of Dendrimers

Decay of Anisotropy – slow depolarisation

Fluorescence as a Probe of DNA Dynamics Investigating DNA-Protein Interactions

 A commonly used probe is an analogue of the adenine base and is called 2 aminopurine (2AP). Adenine is one of the four component bases of both DNA and RNA, as such 2AP can be inserted into a DNA strand in place of an adenine base without significantly disturbing the conformation of the DNA.

The building blocks of DNA and RNA are nucleotides. These naturally occurring nucleotides are non-fluorescent, so in order to study important macromolecules such as DNA using fluorescence spectroscopy, a fluorescence probe must be introduced into the system.

Flipped cytosine base

X-ray crystal structure of DNA duplex bound by the Hha1 enzyme

Fluorescence as a Probe of DNA Dynamics Investigating DNA-Protein Interactions

The fluorescence of 2AP has been used to study base flipping. Base flipping is the mechanism of interaction between the DNA helix and many enzymes and other proteins. After labelling a solution of DNA duplex with 2AP, the fluorescence lifetime is monitored as the enzyme Hha1 is added to the solution.

A marked difference in the fluorescence decay curves for the unbound DNA duplex compared to that of the protein bound duplex with the 2AP flipped into the Hha1 enzyme active site was observed. This behaviour is consistent with the proposed “base flipping” mechanism by which Hha1 is thought to act.

Decay curves for 2-AP labelled free DNA and Hha1 bound DNA

0.2

0.4

0.6

0.8

1.0

0 2 4 6 8 10 12 14 16 18

Cou

nts

/10

4

Time/ns

irfprotein bounfree DNA

Bound DNA

Free DNA

• Donor molecule is excited

•Donor relaxes by transferring

its energy to acceptor molecule

• No photons involved in FRET process

• Energy transfer is a result of long range

dipole-dipole interaction

( )( )

( )T

T F

k rE r

k r k

FRET

Fluorescence resonance energy transfer (FRET) is a process involving the radiationless transfer of energy from a "donor" fluorophore to an appropriately positioned "acceptor" fluorophore.

kT

kF

Fluorescence Resonance Energy TransferFRET

Analysis of peptide linker fused protein domains as FRET sensors.

Merkx et al, Biochemistry 2006, 45, 13183

Application :Phosphor properties for flat panel displays

The excitation and

emission spectra of :-

(a) CaS:Eu,

(b) Ca Sr S;Eu and

(c) SrS:Eu .

The emission spectra

were measured at an

excitation wavelength of

470nm. .

A shift in the emission spectrum to shorter wavelengths, corresponding to a higher luminance, was demonstrated. This has proved the viability of partial ion replacement as a method to increase the luminance of CaS and increase the viability of CaSrS:Eu as a red emitting electroluminescence phosphor material.

X-Ray Excitation

Emission of Caesium Doped Compounds or

Various X-Ray Spectra

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

8.0

9.0

300 350 400 450 500 550 600

Co

un

ts/1

0-1

Wavelength

- YAP

- LSO(Ce)

- PWO

Measurement

conditions

Integration time: 0.2s

Excitation: X-ray

X-Ray

Characterisation of Synchrotron Crystals or Scintillator Crystals

X-Ray

Widely used for PET (Positron Emission Tomography)

Gamma Ray detection (scintillation)

Gamma Rays are absorbed by certain materials which then emits beta-radiation (positron)

Fluorescence studies can

optimise material understanding

二、荧光光谱技术在食品安全中的应用

SP-2558 多功能光谱测量系统 SP-2558 multifunctional spectrometer system

实验仪器

1 、白酒的荧光光谱检测

1.1 醇类物质的荧光光谱分析

(1) 甲醇的荧光光谱

不同波长的紫外光照射 100% 甲醇 ( 光谱纯 ) 液体的荧光光谱图

波长为 230 nm 光激励不同浓度甲醇溶液的荧光光谱

光谱纯乙醇液体在不同紫外光激励下产生的荧光光谱

(2) 乙醇的荧光光谱

230 nm 光激励不同浓度的乙醇溶液产生的荧光光谱

乙醇溶液中掺入甲醇溶液的荧光光谱图

乙醇溶液中掺入甲醇溶液的荧光光谱图(a) 甲醇的浓度为 10%， (b) 甲醇的浓度为 1%， (c) 甲醇的浓度为 0.1%

紫外激励下正丁醇溶液的荧光光谱

200 300 400 5000

1000

2000

3000

4000

5000

6000

7000In

ten

sity

(a

.u.)

Wavelength(nm)

240

220

230210

250

不同波长的紫外光照射下正丁醇的荧光光谱图

(3) 其它醇的荧光光谱

紫外激励下正丁醇溶于正己烷溶液的荧光光谱

150 200 250 300 350 400 450 5000

500

1000

1500

2000

2500

Inte

nsi

ty (

a.u

.)

Wavelength(nm)

90%

70%

50%

30%

10%

80%

60%

40%

20%

220nm激发下不同浓度正丁醇溶于正己烷溶液的荧光光谱图

150 200 250 300 350 400 450 5000

200

400

600

800

1000

1200

1400

1600

1800

2000

Inte

nsity

(a.u

.)

Wavelength(nm)

220nm紫外光照射下正己烷未发现荧光

不同波长的紫外光激励下的不同体积比混合的正丁醇 - 乙醇溶液的荧光光谱图

(a) 10%正丁醇 - 乙醇溶液

200 300 400 5000

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

8000

Inte

nsity

(a.

u.)

Wavelength(nm)

210

220

230

240250

260

200 300 400 5000

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

8000

8500

Inte

nsi

ty (

a.u

.)

Wavelength(nm)

210220

230

240250

260

200 300 400 5000

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

6000

6500

7000

7500

8000

8500

Inte

nsi

ty (

a.u

.)

Wavelength(nm)

210220

230240

250260

200 300 400 5000

2000

4000

6000

8000

10000

Inte

nsity (

a.u

.)

Wavelength(nm)

210220

230240

250

260

200 300 400 5000

2000

4000

6000

8000

10000

Inte

nsity (

a.u

.)

Wavelength(nm)

210 220

230

240

250260

(c) 50%正丁醇 - 乙醇溶液(b) 30%正丁醇 - 乙醇溶液

(d) 70%正丁醇 - 乙醇溶液 (e) 90%正丁醇 - 乙醇溶液

紫外激励下乙二醇和丙三醇溶液的荧光光谱

260 280 300

200

300

400

500

600

700

800

900

1000

1100

1200

Inte

nsi

ty(a

.u.)

Wavelength(nm)

215220

210

225

205230

235

240

290 300 310 320 330 340 350 360

400

600

800

1000

1200

Inte

nsity

(a.u

.)

Wavelength(nm)

230

225

235

250

245

240220

紫外激励下乙二醇的荧光光谱 紫外激励下丙三醇的荧光光谱

198nm激发下七种醇类物和硫酸奎宁溶液的荧光光谱

300 400 500 600

106

108

110

112

114

116

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

300 400 500 600

100

120

140

160

180

200

220

240

260

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

300 400 500 600106

108

110

112

114

116

118

120

122

124

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

300 400 500 600108

110

112

114

116

118

120

122

124

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

300 400 500 600100

110

120

130

140

150

160

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

300 400 500 600

110

120

130

140

Wavelength(nm)

Inte

nsi

ty(a

.u.)

0

10000

20000

30000

40000

50000

60000

70000

Inte

nsity(a

.u.)

300 400 500 600100

110

120

130

140

150

Wavelength(nm)

Inte

nsity

(a.u

.)

0

10000

20000

30000

40000

50000

60000

70000

Intensity(a.u.)

(c)

甲醇 乙醇 正丙醇 异丙醇

正丁醇 乙二醇 丙三醇

1.2 用荧光光谱检测白酒

白酒是中华民族独具特色的一类传统食品。在建国以前就有白酒分析检测方面的相关研究，但真正意义上的白酒分析检测起源于 1964 年，原轻工业部专家组在贵州茅台酒厂进行的科学试点。目前，白酒分析技术除了传统理化分析技术外，有色谱分析及联用技术，包括气相色谱技术和液相色谱技术；光谱分析及联用技术，包括紫外—可见光谱分析法、近红外光谱分析法、原子吸收光谱分析法等。

1 引言

白酒除主要成份乙醇和水外，含有总量很低（约 1%）、种类极多（已测出的有 300 多种）的有机化合物，如醇、酯、酸、羰基化合物、苯酚化合物等。其中醇和酯含量较高，约为千分之几，其余的都在万分之几，甚至百万分之几以下，但这些微量成份却是决定白酒的香气、口味、风格等独特风味的主要因素，是白酒的重要组份。由于白酒成份复杂，各组份含量又极低，且随着时间的变化，酒在贮存过程中又进行着一系列复杂的物理和化学变化，对分析检测工作造成较大难度。目前已有的检测分析方法仅是对白酒的某些成份、含量的个体分析，并没有对白酒品质、特性的总体把握，有一定的局限性，难以满足白酒工业生产、科技创新及消费市场健康发展的需要。

我们在对醇类物荧光光谱的实验检测、特性分析等的研究基础上，运用荧光光谱检测技术，通过测量荧光光谱，建立年份白酒荧光光谱图库，构建光谱特征数据库，研制白酒荧光光谱智能鉴别系统，发挥荧光光谱技术高灵敏度、高准确度和方便、快捷、适用范围广的优点，应用于白酒生产企业管理和年份白酒市场监管。

将 3ml左右白酒试样（ 50 多种各品牌白酒及其年份酒，由酒厂提供，确保真实）盛于本身激发不出荧光的石英比色皿中，置于光谱测量系统样品室中，由 Xe灯通过激发单色仪获得所选定的不同波长激发光，激励试样，产生的荧光通过发射单色仪由 CCD采集，实时输入计算机，测得光谱图。针对每个样品，波长从 200nm 到 500nm每隔 2nm取一个激发光，进行激励，测得 151张发射荧光光谱图，将发射波长设为 x 轴 ,激发波长设为 y 轴，荧光相对强度设为 z 轴，得到样品的三维荧光光谱图。

2 白酒荧光光谱的测定

实验表明，在短波长光激励下，白酒能产生较强的荧光。实验测得 50 多种各品牌白酒及其年份酒的三维荧光光谱。这里，我们任取其中汾酒 (45度 ) 、剑南春 (52 度 ) 、洋河 (55 度 ) 三个品牌各两种年份酒的荧光光谱。

Fen jiu (10years) Fen jiu (20years)

Jian nan chun (15years) Jian nan chun (30years)

Yang he (10years) Yang he (20years)

从荧光光谱图可以明显看出，不同品牌白酒、同一品牌不同年份白酒其荧光光谱各不相同，特征明确。3 白酒荧光光谱鉴别系统

实验测得各种品牌的白酒及其年份酒的荧光光谱图，荧光光谱特性与具有不同成分含量的不同白酒对应，具有指纹性，白酒的荧光光谱图库成为了其指纹图库，完全可以作为鉴别白洒品牌和年份等的依据。因此，运用 SLQ数据库软件和 VB语言，我们以白酒的品牌名称、香型、度数、年份和对应的荧光光谱谱峰个数、峰值波长、最佳激励波长等光谱特征数据，建立了白酒荧光光谱特征数据库，编制了将待检样品光谱数据在白酒荧光光谱特征数据库中进行查询、比对、计算并输出结果的程序，从而，创建了利用荧光光谱进行白酒鉴别的智能化系统。

系统结构如图所示，由四个单元组成。数据存储单元即白酒荧光光谱特征数据库，存储已测定的已知白酒样品荧光光谱特征数据，作为用于查询、比对的基准数据；光谱测量单元由荧光光谱测量设备组成，用于测量待鉴白酒的荧光光谱；处理计算单元将由光谱测量单元测得的待鉴白酒荧光光谱特征数据在数据库中查询、与基准数据比对，并进行相似度计算，由输出单元输出结果。

Output

Measure spectra

Process and calculate

Store data

根据荧光光谱理论和实验测量结果可知，作为乙醇类食品的白酒，在短波长光激励下能产生较强的荧光。不同的白酒成份含量不同，其荧光光谱特征不同，故荧光光谱可作为指纹图谱用来灵敏、准确地鉴别白酒。由此建立的白酒荧光光谱智能鉴别系统，经试用，显示了低成本、高效率、高准确度的特点。相关的专利申请已获受理。该研究工作将对维护白酒消费市场秩序、加强食品安全监管起促进作用。

4 结论

2 、食品色素的荧光光谱检测2.1 引言 食品色素是以调节食品色泽为目的的重要的食品添加剂，又称食用染料或着色剂。一直被广泛用于食品工业及医药和化妆品生产。食品色素有天然色素和人工合成色素两种，其中，人工合成色素因色泽鲜艳、着色力强、稳定性好、价格低廉等特点而被广泛使用。而合成食品色素多以苯、甲苯、萘等化工产品为原料，经过磺化、硝化、偶氮化等一系列有机反应而成，大多为含有 R-N=N-R键、苯环或氧杂蒽结构化合物。许多合成色素有一定毒性，必须严格控制使用品种、范围和数量，限制每日允许摄入量（ ADI）。有些色素长期低剂量摄入，也存在致畸、致癌的可能性。更不用说一些不法分子，在利欲驱使下，突破允许使用品种、范围和数量，滥用、重剂量使用色素，更使食品安全面临挑战。

近几年，随着食品安全问题的不断出现（如苏丹红事件等），世界各国将食品安全视为国家公共安全，纷纷加大监管力度，有关食品色素的毒性及使用安全性的研究越来越受到重视，许多国家都对食品色素的理化性质及安全性展开深入细致的研究，食品色素的毒性与安全性的研究、评估和监督已形成国际化趋势。其中，关键的问题是食品色素的高效检测，目前常用的检测方法有前处理的分离提取技术、高效液相色谱法（HPLC）、薄层色谱法（ TLC）、纸上层析法、分光光度法、极谱法和微柱法等，这些方法或耗时不经济，或准确度、灵敏度有限。近几年也有学者测量了个别色素的吸收光谱和荧光光谱，但长期以来，国内外学者都尚未对食品色素作过光谱方面的系统研究，至今未见运用紫外激励分子荧光光谱分析法，对食品色素系统地进行定性表征和定量检测的报道。

在总结荧光光谱与分子结构关系的规律性基础上 ,分析常用合成食品色素的分子结构特点 , 判定合成食品色素是荧光物质 ,进而对胭脂红、苋菜红、柠檬黄、日落黄、亮蓝五种常用合成食品色素的荧光光谱进行了实验检测和特性分析。而且 , 将荧光光谱与人工人工神经网络实现了合成食品色素的浓度测定和种类鉴别

合成色素种类很多 ,各国允许用于食品的品种有所不同，我国现今准许使用的合成食品色素有胭脂红、苋菜红、柠檬黄、日落黄、亮蓝、诱惑红、赤藓红、酸性红、靛蓝、和新红 10 种，最常用的是前 5 种，其化学结构如下图。

2.2 合成食品色素分子结构

C O C N

合成食品色素分子都有苯环或萘环等芳环或杂环，具有刚性平面结构和共轭双键体系 ,并含有 等荧光发色基团及 -OH 等荧光助色基团，能产生荧光。

NaO3S N N

HO

SO3Na

NaO3S

NaO3S N N

HO SO3Na

SO3Na

NaO3S N N C

HO

C

NN

SO3Na

C

O

ONa

NaO3S N N

HO

SO3Na

C

NSO3

N(C2H5) CH2

SO3Na

(C2H5) CH2

SO3Na

胭脂红 ponceau 4R 苋菜红 amaranth

柠檬黄 tartrazine 日落黄 sunset yellow

亮蓝 brilliant blue

2.3 常用合成食品色素荧光光谱实验 对胭脂红、苋菜红、柠檬黄、日落黄、亮蓝等五种最常用的合成食品色素标准溶液的荧光光谱进行了实验测量 ,实验在 20C 温度下进行 , 测得三维等角和等高线荧光光谱图。

胭脂红 ponceau 4R 苋菜红 amaranth

柠檬黄 tartrazine 日落黄 sunset yellow

亮蓝 brilliant blue

表 1 合成食品色素荧光光谱特性Table 1 Fluorescent characteristic of synthetic food

colors

试样胭脂红 苋菜红 柠檬黄 日落黄 亮蓝

有效激发波长范围 /nm最佳激发波长 /nm荧光峰值波长 /nm

330-430

376621

300-440

370643

280-380

315565

310-410

348592

320-390

350456

实验测得，在紫外光和短波长紫光激发下，这些食品色素能产生较强的荧光，荧光光谱特性如表 1 。

2.4 分析与讨论

（１）胭脂红、苋菜红、柠檬黄、日落黄、亮蓝等合成食品色素的分子中存在羟基、芳环等吸光基团，当以波长 400nm左右的光照射时， 电子吸收光子发生＊跃迁，从基态Ｓ 0 跃迁到第一激发态Ｓ 1 ，并经过振动弛豫降至Ｓ 1 的最低振转能级，由此向基态跃迁时发射出光子，即产生荧光。由图 2 可知，随着激发波长的改变，荧光相对强度发生变化，但峰值波长基本不变，符合荧光光谱的一般规律。

（２）吸收光子是辐射荧光的前提条件，分子的每个电子态均含有丰富的振转能级，即电子态有一定的能量范围，因此能吸收一定波长范围的光子，波长范围与电子态能量范围相应，而荧光通常是由Ｓ 1 态的最低振转能级向Ｓ 0 态跃迁时产生的，故荧光的斯托克斯位移与电子态的能量范围对应，所以，斯托克斯位移与有效激发光波长范围相对应。

由表１数据可算出，苋菜红的有效激发波长范围最大，为 140nm，其荧光峰值波长与最佳激发波长间的斯托克斯波长为 273nm也是最大；亮蓝的有效激发波长范围为 70nm 最小，其斯托克斯波长为 106nm也是最小，而胭脂红、柠檬黄、日落黄的有效激发波长范围均约为 100nm，它们的斯托克斯位移为 245nm左右，基本相同。

（３）由图１和表１可知，不同的合成食品色素因分子结构不同，最佳激发波长，荧光峰值波长等特征值明显不同，即便是胭脂红、苋菜红为同分异构体，一个 -SO3Na基的位置不同，导致其能级结构产生差异，荧光光谱不同，这两者的荧光特性的具体比较及机理，我们正在研究中。

2.5 合成食品色素的浓度测定和种类鉴别

经过理论分析和实验研究得到，常用合成食品色素是荧光物质，荧光光谱能客观、准确地反映物质的信息，荧光光谱分析灵敏度高、选择性好、方便快捷，应用广泛。荧光强度与样品浓度有关，但是，荧光强度与样品浓度之间是复杂的非线性关系，难以建立精确模型，由荧光强度直接进行对应浓度的定量测定，必须辅以其它手段。

人工神经网络（ ANN）是为了模拟人脑的基本特性和功能，利用计算机将大量的处理单元（神经元）相互连接，以大脑神经处理信息的方式，进行信息并行处理和非线性转换的网络系统。神经网络具有自适应、自组织、自学习、高容错和联想记忆等功能 , 能最大限度地识别和利用特征信息 , 进行启发和逻辑推理 , 从而实现对缺乏精确模型的对象进行有效的处理，在非线性系统预测中得到了广泛的运用。 这里，我们以最常用的合成食品色素苋菜红、胭脂红、日落黄、柠檬黄为例，通过测定荧光光谱，建立神经网络，方便、准确地实现了合成食品色素的浓度测定和种类鉴别。

我们选用波长为 400nm 的光激发苋菜红溶液，选用波长为 300nm 的光激发胭脂红溶液，测量试样的荧光光谱。荧光发射光谱如图 2.5.1 、图 2.5.2所示。苋菜红 溶 液 发射荧 光 的 波长范围约为 580nm-750nm，峰值波长为 640nm左右。胭脂红溶液发射荧光的波长范围约为 470nm-720nm，有两个荧光峰，峰值波长分别约为 495nm 和 575 nm。

（ 1）苋菜红溶液和胭脂红溶液的荧光光谱

2.5.1 用径向基函数神经网络对胭脂红和苋菜红的定量预测

由不同浓度溶液的荧光光谱可以看到，荧光相对强度与溶液浓度之间具有非线性关系。根据荧光光谱理论，影响荧光强度的因素多而复杂，难以得到荧光相对强度与溶液浓度对应关系的直接函数式，因此，无法由荧光相对强度直接得出溶液浓度。

图 2.5.1 苋菜红溶液的荧光光谱 图 2.5.2 胭脂红溶液的荧光光谱Fig.2 The fluorescence spectra of amaranth solution Fig.3 The fluorescence spectra of ponceau 4R

solution

径向基函数 (RBF)神经网络是由Moody 和 Darken于 1988 年提出的一种新型的神经网络结构，它是由输入层、隐含层和输出层构成的三层前向网络，其结构如图所示 . 径向基函数神经网络结构简单，隐含层到输出层的权可直接计算，学习速度较快。它是一种局部逼近网络，具有唯一最佳逼近点，能以任意精度逼近任一连续函数。

Fig.2.5.3 The structure of RBF neural network

（ 2 ）径向基函数神经网络

输入层由信号源节点组成；输出层对输入模式的作用作出响应；隐含层采用径向基函数作为传递函数，一般为高斯函数，可表示为如下形式：　　　　　　　　　　　　　　　　　　　　　　　　

　　　　

从输人层空间到隐含层空间的变换是非线性的，而从隐含层空间到输出层空间变换是线性的。隐含层的神经元与输入层的权值向量和输入矢量之间的距离乘上阈值作为其自身的输入。由此，隐含层的第 i个神经元的输入为：　　　　　　　　　　　　　　　　　　　　　　　　输出为： 输出层的输入为各隐含层神经元的加权求和，所以网络最后的输出为：

2xe)x(radbas

ij

qjij

qi b)xW(k 11

))bXW(exp(r iq

iqi

211

i

n

ii

q Wry 21

（ 3 ）用径向基函数神经网络对胭脂红的定量预测

预测网络的建立： 神经网络输入向量为经过归一化处理的荧光光谱数据。光谱数据从测得的荧光光谱中提取，在每种浓度的胭脂红溶液的光谱图中，发射荧光波长从 475nm-615nm，每隔10nm取一个点，取得 15个确定荧光波长处的荧光强度值，这样，对应 8 种不同浓度的胭脂红溶液，得到 8 组光谱数据，归一化后作为网络特征值。输入层神经元个数为 15个。网络输出目标向量为胭脂红溶液的浓度，输出层神经元个数为 1 个。隐含层神经元个数的确定采用递增方法，即隐含层神经元个数从零开始递增，每增加一个神经元都能最大限度的降低误差，如果未达到网络设计精度则继续增加神经元个数，直到满足精度。程序终止条件为达到精度或者达到最大神经元个数。综合考虑神经元的个数和网络性能 , 反复尝试后 , 径向基函数的散布常数（ SPREAD）取为 1 。

8 组光谱数据中，取浓度分别为 10g/ml 、 20 g/ml 、 40g/ml 、 80g/ml 、 100g/ml 的 5组作为训练样本数据，对网络进行训练。网络性能函数为均方误差，训练目标误差为 10-4。经过 3 次训练后，网络误差小于设定值，具体过程如图所示。

Fig.2.5.4 RBFNN (1) training process

RBFNN (1) training process RBFNN (1) training process

对胭脂红溶液浓度的预测

将浓度分别为 30g/ml 、 50g/ml 、 60g/ml 的 3组作为预测样本，应用上述训练好的径向基函数神经网络，进行浓度（含量）预测，预测结果及相对误差如表 1 。结果表明，该网络具有良好的定量预测性能，预测准确度较高。

Table 1 Prediction results of Ponceau 4R solution concentration

样本 1 2 3

实际浓度 (g/ ml)预测浓度 (g/ ml)相对误差

3029.573

01.42%

5049.280

61.44%

6057.639

03.93%苋菜红溶液的浓度预测原理、方法及过程与此相同。

（ 4 ）用径向基函数神经网络对苋菜红与胭脂红的识别

神经网络具有自适应、自组织、自学习等功能，能充分利用不同状态的信息，通过训练，获得状态信息的映射关系，并能随环境变化自适应地调整这种映射关系，因此，神经网络具有优良的模式识别能力。径向基函数神经网络具有结构简单、计算速度快等优点，在模式识别上更具优势。

同样，神经网络输入向量为从荧光光谱图提取的经过归一化处理的光谱数据。具体是在苋菜红溶液和胭脂红溶液的各个光谱图中，发射荧光波长从480nm-660nm，每隔 20nm取一个点，取得10个确定荧光波长处的荧光强度值，这样，对应16 种试样，得到 16组光谱数据，归一化后作为网络特征值。输入层神经元个数为 10个。输出层神经元个数为 1 个，输出目标向量为试样品种值， 0代表苋菜红、 1 代表胭脂红。

预测网络的建立：

径向基函数的散布常数取为 1 。取浓度分别为10g/ml 、 20 g/ml 、 30g/ml 、 60g/ml 、 100g/ml 的 5 组苋菜红溶液和浓度分别为 10g/ml 、 20 g/ml 、 40g/ml 、 80g/ml、 100g/ml 的 5 组胭脂红溶液作为训练样本数据，训练目标误差为 10-3。经过 9 次训练后，网络误差达到要求，具体过程如图所示。

Fig.2.5.5 RBFNN (2) training process

对苋菜红与胭脂红溶液的识别

将浓度分别为 40g/ml 、 50g/ml 、 80g/ml的 3 组苋菜红溶液和浓度分别为 30g/ml 、 50 g/ml 、 60g/ml 的 3 组胭脂红溶液作为预测样本，应用上述训练好的径向基函数神经网络，进行识别预测，预测结果如表 2 ， 0 代表苋菜红溶液、 1 代表胭脂红溶液，识别准确率为 100%。结果表明，该网络具有良好的识别性能，识别准确度高。

Table 2 Identification results for kind of food colors

样本 1 2 3 4 5 6

真实值预测值

0-

0.0179

0-

0.0350

00.000

8

11.0841

10.912

0

11.037

4

2.5.2 日落黄和柠檬黄的定量预测

（ 1 ）日落黄溶液和柠檬黄溶液的荧光光谱

日落黄溶液的荧光光谱 柠檬黄溶液的荧光光谱

(2) 基于二阶导数光谱法对日落黄、柠檬黄的分辨

室温下许多分子的荧光光谱都具有宽带的结构，常规的荧光光谱法分辨重叠谱带的应用受到了限制。自从 20世纪 50 年代引入导数光谱技术应用于分光光度法测定之后，分光光度法的选择性得到了很大的改善。但直到 1974 年，导数技术才应用于荧光分析法，在解决荧光测定中的背景干扰和谱带重叠问题上收到了良好的效果，已被证明是一种提高荧光分析选择性的有效手段。

荧光强度对波长的一阶导数或更高阶导数，就是相应的导数荧光光谱。如以荧光强度随波长改变的速率（即一阶导数）为纵坐标，波长为横坐标所记录的荧光光谱，即为一阶导数荧光光谱，以此类推，纵坐标为时，即为二阶导数荧光光谱。获得导数光谱的方法有两类：一类是对仪器的输出信号进行处理，如电子微分，机械转动调制和数值微分等；另一类是对仪器光路系统中的光束进行处理，如波长调制法及双波长光谱测定等。

350nm 光激发下日落黄和柠檬黄的荧光光谱 370nm 光激发下日落黄和柠檬黄的荧光光谱

350nm 光激发 和 370nm 光激发日落黄、柠檬黄的二阶导数荧光光谱

（ 3 ）基于径向基函数神经网络对日落黄、柠檬黄的识别 将两种食用合成色素进行分类识别，日落黄与柠檬黄分别对应 1 和 0 ，将训练样本数据输入运算程序，让其进行学习，对参数进行调试。然后将预测样本数据输入，运算程序进行计算，由图可见（横坐标为训练次数，纵坐标为网络参数精度），网络参数精度随着训练次数的增加，越来越逼近 0 ，即设定值，说明该 RBF网络推理系统是有效的，符合迭代目标，训练次数 13时，即达到精度要求。利用训练后的 RBF神经网络对 7组样本进行识别，预测值和真实值十分接近，结果见表。

RBF神经网络的训练次数和网络参数精度关系图

样本预测结果

　 日落黄 　 柠檬黄

样品20µg/ml

30µg/ml

40µg/ml

80µg/ml

2µg/ml

40µg/ml

50µg/ml

结果1.0732

0.9618

0.9253

1.1128 　

0.0806

0.0813

0.0765

(4)基于径向基函数神经网络和 BP神经网络对日落黄浓度的预测 对在 370nm紫外光激励下测得的 19组不同浓度日落黄溶

液荧光光谱数据进行划分， 13组（ 1µg/ml 、 2µg/ml 、 5µg/ml 、 20µg/ml 、 40µg/ml 、 50µg/ml 、 60µg/ml、 80µg/ml 、 150µg/ml 、 250µg/ml 、 350µg/ml 、 400µg/ml 、 500µg/ml）为训练数据， 6 组（ 10g/ml 、 30µg/ml 、 100µg/ml 、 200µg/ml 、 300µg/ml 、 450µg/ml）作为预测数据，分别从每个光谱图中，选取 60个测定波长处的荧光强度值，发射波长从 510nm-650nm，每隔 2.3nm取一个点。设置输入层的神经元个数为 60，输出层的神经元个数为 1 ，利用函数 newrb创建一个精确的神经网络，该函数在创建 RBF网络时，自动选择隐含层的数目，误差设为 10-4。这里径向基函数的分布密度SPREAD 取 1.8时，测得结果精确。

　 　 　 RBF神经网络 　 BP神经网络样本序号 实际值 　 预测值 相对误差 　 预测值 相对误差

(µg/ml) (µg/ml) (%) (µg/ml) (%)

1 10 10.0455 0.45 10.3211 3.21

2 30 31.0058 3.35 32.5885 8.63

3 100 105.2008 5.2 109.2655 9.27

4 200 205.093 2.55 204.3461 2.17

5 300 284.2094 5.26 311.1126 3.7

6 450 430.9647 4.23 475.6599 5.7

平均值 3.51 5.45

标准偏差(%) 　 　 　 1.83 　 　 2.95

表 RBF神经网络和 BP神经网络对日落黄浓度的预测结果

（ 5 ）基于小波变换 -径向基函数神经网络对日落黄浓度的预测

日落黄的荧光光谱 (a)原始光谱图 (b) 小波压缩后的光谱图

表 日落黄浓度的预测结果

样本序号 实际值 　 预测值 相对误差(µg/ml) (µg/ml) (%)

1 1010.068

7 0.69

2 3029.578

4 1.41

3 100104.74

51 4.75

4 200201.44

39 0.72

5 300282.70

4 5.7

6 450433.58

82 3.65

平均值 2.82

标准偏差(%) 　 　 　 2.17

(6) 基于遗传算法的神经网络对日落黄浓度的预测

遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，最初由是美国Michigan 大学的 J.H ． Holland教授于 1975 年首先提出的。它模拟的是群体的集体进化行为，其中群体中的每个个体表示问题搜索空间中一个可行解 , 从而实现对特定目标的自适应概率性优化搜索。遗传算法是从任意初始的解群体出发，通过群体中个体基因的杂交和变异，从而有效地达到一种稳定的优化状态的繁殖和选择的过程，使群体进化到搜索空间越来越好的区域。遗传算法作为一种全局优化搜索算法，因其简单通用、适应性强的特点，已广泛应用于不同领域。

将 GA 和 BP结合形成起来的 GA—BP混合训练算法，利用了遗传算法全局搜索能力的特点，能较好的克服 BP算法的收敛速度慢、容易陷入局部极小的缺点，可以使神经网络系统扩大搜索空间，提高计算效率。

基于GA 的 BP网络流程图

对在 370nm紫外光激励下测得的 19组不同浓度日落黄溶液的荧光光谱数据进行划分， 13组（ 1µg/ml 、 2µg/ml 、 5µg/ml 、 20µg/ml 、 40µg/ml、 50µg/ml 、 60µg/ml 、 80µg/ml 、 150µg/ml 、 250µg/ml、 350µg/ml 、 400µg/ml 、 500µg/ml）为训练数据， 6组（ 10g/ml 、 30µg/ml 、 100µg/ml 、 200µg/ml 、 300µg/ml、 450µg/ml）作为预测数据，分别从每个光谱图中，选取 60个测定波长处的荧光强度值，发射波长从 510nm-650nm，每隔 2.3nm取一个点。 采用 GA训练网络时，网络结构的层数 NUM=4，初始种群

N=50，遗传代数为 100，采用浮点数编码，个体长度随着 BP

网络的隐含层节点数的不同而不同，交叉概率为 0 ． 95，变异概率为 0 ． 08，训练目标为误差小于 0 ． 0001，遗传算法的适应值为 2.414031，输入层的神经元个数为 60，隐含层为两层，神经元个数分别为 10 和 25，输出层的神经元个数为 1。学习速率 T=0.01。在 GA-BP训练过程中，通过 GA算法训练过的最优个体来初始化权值和阈值。

样本序号 实际值 　 预测值 相对误差(µg) (µg) (%)

1 10 9.832 1.68

2 30 29.829 0.57

3 100 103.83 3.83

4 200 187.46 6.27

5 300 279.12 6.96

6 450 443.7 1.4

平均值 3.45

标准偏差 (%) 　 　 　 2.69

表 GA-BP神经网络对日落黄浓度的预测结果

分析荧光产生条件，根据合成食品色素的分子结构特点，可知它们是荧光物质。实验得到合成食品色素在紫外光激励下均能产生较强的荧光，且测得的荧光光谱特征明确 , 光谱特性与其分子结构特点对应。理论和实验都表明，可以将荧光光谱分析技术与人工神经网络等智能算法相结合应用于合成食品色素的检测。 将光谱数据作为训练样本，创建神经网络，以此对样本进行浓度预测和种类识别，结果准确。该方法融合荧光光谱分析和神经网络的优点，为方便、快捷、准确地测定合成食品色素提供了一条新途径，可提高食品色素检测水平，为食品安全监管提供支持。

2.6 结论

2.6 结论

分析荧光产生条件，根据合成食品色素的分子结构特点，可知它们是荧光物质。实验得到胭脂红、苋菜红、柠檬黄、日落黄、亮蓝五种常用合成食品色素在紫外光激励下均能产生较强的荧光，且测得的荧光光谱特征明确 , 光谱特性与其分子结构特点对应。理论和实验都表明，可以将荧光光谱分析技术应用于合成食品色素检测，发挥其优点，提高食品色素检测水平，为食品安全监管提供支持。

3 、农药的荧光光谱检测

农药是防治农作物避免受有害生物危害的重要农业生产资料，在农业生产中具有十分重要的作用。据统计，我国有 15个以上省份必须大量使用农药。但是农药不仅可以杀灭有害的生物，同时对人体、有益的生物以及人类赖以生存的环境造成不同程度的危害。目前，农药已成为世界上主要的污染源之一，农药残留问题已受到国际上广泛的关注。

3.1 引言

现在农药的检测手段主要有色谱技术、分光光度技术、免疫检测技术、酶抑制技术、生物传感器技术等，但是这些方法存在前期处理繁琐、使用成本高、操作困难等缺点。

这里，以敌敌畏、敌杀死、乙酰甲胺磷和甲基对硫磷为样品，检测、分析其荧光光谱及其特性。研究成果为荧光光谱分析用于农药检测提供实验和理论依据，也为食品安全监管和环境保护等领域发展高灵敏度的测试农药含量的实用方法提供新思路 。

3.2 实验结果 3.2.1 敌敌畏的荧光光光谱

200 250 300 350 400 450 500 550 600 650 700 750 80050

100

150

200

250

300

Flu

ore

scen

t In

ten

sity

/(a

.u.)

Wavelength/nm200 250 300 350 400 450 500 550 600 650 700 750 80050

100

150

200

250

300

350

Flu

ores

cent

Inte

nsi

ty/(

a.u

.)

Wavelength/nm

200 250 300 350 400 450 500 550 600 6500

200

400

600

800

1000

Flu

ores

cent

Inte

nsity

/(a.

u.)

Wavelength/nm

100%-290nm100%-300nm

50%-310nm

200 250 300 350 400 450 500 550 600 6500

200

400

600

800

1000

1200

1400

1600

1800

2000

Flu

ores

cent

Inte

nsity

(a.u

.)

Wavelength/nm

25%-310nm

3.2.2 敌杀死的荧光光光谱

300 350 400 450 500 550 600 650 700 750 8000

10000

20000

30000

40000

50000

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength/nm300 350 400 450 500 550 600 650 700 750 8000

5000

10000

15000

20000

25000

30000

35000

40000

Flu

ores

cent

Inte

nsity

/(a.

u.)

Wavelength/nm

300 350 400 450 500 550 600 650 700 750 8000

10000

20000

30000

40000

50000

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength/nm

100%-335nm 100%-345nm

100%-355nm

300 350 400 450 500 550 600 650 700 750 8000

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

5500

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength/nm

25%-355nm

50%-305nm

3.2.3 乙酰甲胺磷的荧光光光谱

200 300 400 500 600 700 8000

5000

10000

15000

20000

25000

30000F

luo

resc

en

t In

ten

sity

/(a

.u.)

Wavelength/nm300 400 500 600 700 8000

5000

10000

15000

20000

25000

30000

35000

40000

45000

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength /nm

300 350 400 450 500 550 600 650 700 750 8000

5000

10000

15000

20000

25000

30000

35000

40000

45000

50000

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength/nm

40%-345nm 40%-355nm

40%-365nm

200 250 300 350 400 450 500 550 600 650 700 750 8000

1000

2000

3000

4000

5000

6000

7000

Flu

ore

sce

nt I

nte

nsi

ty/(

a.u

.)

Wavelength/nm

10%-315nm

20%-315nm

3.2.4 甲基对硫磷的荧光光光谱

丙酮的荧光光谱

Introduction ◆ Taihu Lake water pollution is getting more

and more serious.

4 、水质的荧光光谱分析

◆ We measured and compared the different characteristics of fluorescence spectra from Taihu lake water, tap water and pure water, analyzed their relative polluting condition, and hence obtained clear and significant result.

◆ This research method and result can provide support for water treatment work using fluorescence spectra analysis technique.

◆ Molecule Fluorescence Analysis (MFA) is the

method which conducts qualitative or quantitative

analysis through fluorescence, this simple and rapid

method has been broadly used in many areas.

4.1 Experiment and Result

4.1.1 Experimental instrument and sample

SP-2558 multifunctional spectrometer system

sample

Taihu lake water

tap water pure water

4.1.2 Experimental Method

(1) We put 3ml sampled water into quartz vessel , then take it into the sample chamber .

(2) We get UV-lights of various wavelengths from Xe lamp.

(3) We measure its fluorescence spectra.

4.1.3 Experimental result

4.1.3.1 Fluorescence spectra of Taihu Lake water induced by UV-lights with different wavelength

200 300 400 500 600

0

1000

2000

3000

4000

Rel

ativ

e in

tens

ity

Wavelength(nm)

270nm

200 300 400 500 600

0

500

1000

1500

2000

2500

3000

3500

4000

Rel

ativ

e in

tens

ity

Wavelength(nm)

280nm

200 300 400 500 600

0

1000

2000

3000

4000

5000

Re

lativ

e in

ten

sity

W avelength(nm)

290n

m

200 300 400 500 600

0

1000

2000

3000

4000

5000

6000

7000

Rel

ativ

e in

tens

ity

Wavelength(nm)

300nm

300 400 500 600

0

2000

4000

6000

8000

10000

Re

lativ

e in

tens

ity

Wavelength(nm)

310nm

300 400 500 600

0

2000

4000

6000

8000

10000

12000

14000

Rel

ativ

e in

tens

ity

Wavelength(nm)

320nm

Figure 1 Fluorescence spectra of Taihu Lake water induced by different wavelength UV-light

4.1.3.2 Fluorescence spectra of Taihu Lake water, tap water, pure water induced by the same UV-light

200 300 400 500 600

0

1000

2000

3000

4000

5000

Pure-water

Water

Taihu-water

Re

lative

in

ten

sity

Wavelength

Taihu Lake water

tap water

pure water

Figure 3 Fluorescence spectra of three kinds of water induced by UV-light

Table 1 Peak wavelength and relative intensity of fluorescence spectra

sample pure water

tap water

Taihu Lake water

relative intensity

105.0 1286 1788

Peak wavelength (nm)

418.2

428.3

449.9

4.2 Analysis and discussion

◆ Taihu Lake water can generate typical fluorescence spectra excited by UV-light.

◆ The relatively strong fluorescence generated from Taihu Lake water is caused by the pollutants in water. Different fluorescence created from many kinds of pollutants form a wide ranged spectra peak.

◆ Tap water can also create distinctive fluorescence. However, the intensity of fluorescence is pretty weakened and the wavelength is also changed.

4.3 Conclusion

We can easily and precisely tell the pollution conditions of all kinds of water through fluorescence spectra measurement. The stronger the fluorescence intensity is, the broader the spectra range is, means the existence of more quantity and type of water impurities, more serious pollution condition, vice versa.

Recent Developments

550 600 650 700 750 800 850

900

1000

1100

1200

1300

1400

100.0

1133

2167

3200

4233

5267

6300

7333

8367

9400

1.043E4

1.147E4

1.250E4

Exciation, nm

Em

issi

on, n

m

Carbon Nanotubes

FLS920

Single Molecule Detection

Fluorescence Correlation Spectroscopy

Quantum Dots

Fluorescence Lifetime Imaging

0.5 ns 1.0 ns

Drug Discovery

nanoTaurus