环境中挥发性污染物现场快捷检测系统研究

聂新明　陈正毅　宗成华　范孟豹　陈斯

摘 要 表面增强拉曼散射（Surface-enhanced Raman scattering， SERS）光谱技术检测挥发性有机污染物，具有检测速度快、灵敏度高以及可指纹识别等优点， 但常规SERS技术存在前处理设备体积庞大、人机交互性不足、操作不便等问题，限制了其在现场检测中的使用。本研究构建了可用于现场实时检测的便携式检测系统。此系统提供了一种微型化便携式吹扫捕集装置， 用于挥发性样品的前处理富集， 具有样品用量少、耗时短等特点;搭载了微型化拉曼光学检测模块， 采用ARM+CPLD（Advanced RISC Machine & Complex Programmable Logic Device）双核主控模式， 引入Android操作系统， 使用人机直接交互的模式实现挥发性有害物质的现场实时定量检测。以土壤中苯硫酚为检测模型， 以金纳米颗粒（AuNPs）为增强基底， 利用此系统对土壤中的苯硫酚进行了定性和定量分析， 检出限为0.104 μg/g， RSD在4.2%～6.2%之间， 整体实验结果重现性良好。

关键词 表面增强拉曼散射; 挥发性有机污染物; 便携式; 吹扫捕集; 人机交互

1 引 言

表面增强拉曼散射（Surface-enhanced Raman scattering， SERS）光谱技术具有检测速度快、灵敏度高、可指纹识别等特点， 已广泛用于环境、食品、卫生等领域[1～4]以及爆炸物[5.6]和挥发性有机污染物[7]的检测中。然而， SERS在检测挥发性有害物质时仍然面临很多问题， 尤其在用于现场检测时， 常规拉曼光谱仪体积大、样品基质干扰和仪器的人机交互性不足等显得尤为突出。SERS增强粒子在复杂基质中也常出现团聚或发生其它物理化学变化， 导致在复杂体系中应用时， SERS的灵敏度、准确性和重复性下降[8～10]， 严重影响SERS的推广和使用。为了避免上述情况， 实现样品的快速、高效分离尤为重要。

目前， 样品前处理技术主要有固相萃取[11]、分子印迹[12，13]、液液微萃取[14]和磁性材料功能化[15，16]等。然而，这些技术相对复杂、耗时， 有些需要用到大量有毒有害的有机试剂; 有些方法所需的仪器体积大， 不适于现场实时快速检测分析。虽然拉曼光谱仪的研究应用发展迅速， 但是目前我国的拉曼光谱仪生产制造水平和国际化市场化推广水平都很低， 其核心技术包括配套的前处理富集装置和软件很多依赖国外的生产厂商。

针对SERS在挥发性有机污染物现场实时检测中的瓶颈和不足， 本研究设计并搭建了一套微型化便携式的现场快捷检测系统， 主要包含3个模塊：挥发性样品前处理富集模块、拉曼光谱微型化设计应用模块以及嵌入式控制显示模块。在挥发性样品前处理富集模块中， 提供了一种微型化便携式吹扫捕集装置（Trap）， 可以利用待分析物质与基体的沸点差异实现目标物与基体的分离， 具有微型化、便于拆卸组装、样品用量少、耗时短等特点; 拉曼光谱微型化设计应用模块， 主要实现拉曼光学模块的优化设计以及拉曼光谱的采集; 嵌入式控制显示模块主要采用ARM+CPLD双核主控模式， 引入Android操作系统， 使用人机直接交互的模式， 实现在现场快捷一体交互式实时定量检测挥发性有机污染物。以土壤中有机污染物苯硫酚为模型物， 验证了本系统的有效性。

2 实验部分

2.1 仪器与试剂

BSA224S电子分析天平（德国Sartorius公司）; TG16-WS台式高速离心机（湖南湘仪实验仪器开发有限公司）; SP131010-33Q加热板磁力搅拌器（美国Thermo公司）; 超声波清洗器（上海科导公司）。

苯硫酚（C6H6S）、氯金酸（HAuCl4·4H2O）、柠檬酸三钠（Na3C6H5O7·5H2O）、乙醇（C2H6O）均为分析纯， 购于国药集团化学试剂公司; 实验用水为超纯水（18.3 MΩ·cm）。

2.2 系统设计

本系统中， 在样品前处理阶段， 使用微型化Trap装置， 将待分析物质气化， 利用待分析物质与基体的沸点差异实现目标物与基体的完全分离， 消除基体干扰。装置结构简单、体积小， 便于实现现场实时检测。利用拉曼光谱检测的优势， 同时将系统整体进行微型化处理， 降低样品用量， 使用高活性的拉曼增强基底解决极低痕量检测目标物拉曼光学信号弱的问题， 实现痕量物质的高灵敏检测。

图1为搭建的微型便携式检测系统的总体方案结构图。采用模块化开发的方式， 本系统主要分成3个模块：样品处理模块、拉曼光学模块和嵌入式控制显示模块。样品处理模块可以有效实现挥发物与基体的快速分离， 并将目标检测物快速与所制备拉曼信号增强试剂结合， 进行检测。在拉曼光学模块中， 激光源发出的光经过采样镜头/拉曼探头， 照射在样品上， 拉曼散射光经过采样镜头/拉曼探头收集、滤波后输送到色散模块上， 然后传输到线阵CCD上， 得到拉曼光谱。在嵌入式控制显示模块中， 采用ARM+CPLD双核主控模式， 引入Android操作系统， 使用人机直接交互的模式， 通过把拉曼特征谱与数据库进行比对， 显示模块显示被测物的定性和定量信息， 并通过USB接口对外进行数据交换。

2.2.1 挥发性污染物富集模块设计与SERS增强试剂的制备

在目前商业化的吹扫捕集装置中， 如意大利DANI动态顶空及吹扫捕集仪、美国Teledyne Tekmar公司Lumin PTC吹扫捕集浓缩仪等， 其总体体积仍然过大，主要用于气相色谱-质谱法检测的前处理， 因为集成度过高， 不便于现场清洗拆卸， 目前缺乏可以直接用于SERS现场快捷检测的微型吹扫捕集装置。为了有效避免固体颗粒物的干扰， 可利用沸点不同， 实现易挥发待测物与基体杂质分离。本研究采用自主专利设计的便携式吹扫捕集装置[17]， 如图2所示， 此装置主要包括吹扫管、捕集器、便携式气泵和电源， 以及内置式的样品加热装置（加热腔中加热池的满载容积为1 mL， 加热面积为1.2 cm2）， 样品加热装置设置在吹扫管内部并通过导线与电源连接， 吹扫管为四通管， 吹扫管后部通口为样品加热装置的置入口， 上端口为样品入口， 两侧端口分别为进气口和出气口， 吹扫管后部通口和上端口设有密封塞， 进气口与便携式气泵通过气管连接， 出气口与捕集器通过传输管连接。吹扫管的进气口处设有流量控制阀， 传输管为L形， 捕集器包括捕集管和冷肼， 电源为可充电电源， 设有可控输出电压开关， 输出电压为12 V以下的安全电压。

为了实现挥发物的现场快捷检测， 整个系统按照微型便携化设计。目前常用的具有表面增强活性的金属有金、银和铜[18～21]， 考虑到银纳米颗粒易氧化不稳定以及铜纳米颗粒相对较弱的增强能力， 本研究采用柠檬酸还原的方法制备金纳米颗粒（Gold nanoparticles， AuNPs）[22]， 作为SERS基底。

2.2.2 拉曼光学模块 如图3所示， 拉曼光学模块可以完成对待测样品拉曼光信号的激发、收集与光电信号转换的功能， 采用激光探头光路与分光光路的共光路集成设计， 具有整体体积小、所用光学器件少、高光通量的特点[23]。系统采用的具体参数见表1。

激光探头光路可实现激光激发、拉曼散射信号收集、散射光聚焦等功能。采用中心波长为（785±0.5） nm的微型激光器， 以后向方式进行收集。采用二相色滤光片通大于785 nm波长光信号， 反射波长≤785 nm的光信号， 使光路更加紧凑， 减少光学器件使用量， 提高光通量。

系统的分光光路主要采用C-T结构设计[24，25]， 经过二相色滤光片产生的拉曼光信号， 进入Mini-Chrom微型单色仪中， 该器件集成了双狭缝和光栅的法斯第-艾伯特结构，最后投射到CCD上， 实现光电信号的转换。CCD采用的是滨松公司生产的制冷型线性CCD传感器。

2.2.3 嵌入式控制显示模块 系统中的嵌入式控制显示模块主要包括电源管理、CCD驱动及信号处理、激光驱动、嵌入式处理器平台、人机界面等子模块， 软件部分包括Android操作系统、光谱计量应用程序等。其框图如图4所示。

现有的便携式拉曼光谱仪一般采用便携式电脑或者智能手机完成数据处理的功能， 本系统中所包含的嵌入式控制显示模块主要采用嵌入式操作系统完成上述功能， 并且可脱离电脑和手机而独立工作。本系统基于ARM+CPLD双核模式， 实现基于Android操作系统的嵌入式拉曼光谱主控系统， 实现快速的光谱信号采集处理、友好的人机交互接口和智能的谱线识别技术。本系统还可以通过USB、Internet或者无线传输与电脑进行数据交换， 接受来自电脑、网络的命令， 将采集到的拉曼光谱数据发布到网络中， 实现远程化、在线化、无人化工作， 同时也可以实现拉曼光谱数据的远程共享。

（1）嵌入式处理平台硬件设计方案 本系统中的嵌入式处理器平台使用ARM+CPLD雙核心结构[26]实现拉曼光谱数据的采集、存储与传输。选用ARM作为嵌入式主控模块的主芯片， 负责接收处理CPLD采集到的光谱数据， 并利用USB、LAN等接口技术实现与PC端的数据交换。同时以搭载的电阻触摸屏为媒介进行人机交互。模块采用Cortex-M4内核的STM32F407ZGT6芯片， 并利用ISA（Industrial Standard Architecture， 工业标准结构总线）与CPLD 进行通讯。具体功能参数见表2。

（2）人机交互软件设计流程 为了实现检测的便携性， 本系统使用Java语言， 利用Android Studio开发环境[27，28]自主开发了拉曼光谱检测软件， 将软件嵌入Android系统， 结合使用得出检测数据， 将检测数据与构建的挥发性有机污染物SERS光谱特征数据库进行对比， 最终得出定量检测结果。

2.3 样品处理

取6.8 mg苯硫酚， 用10%乙醇分别配制成0.68、0.34、0.23、0.17 和0.115 μg/mL的苯硫酚标准液。分别取5份1 g的土壤放置于电热鼓风干燥箱烘干， 依次放入5支10 mL离心管中， 并分别加入上述5种按不同比例稀释的苯硫酚标准工作液各2 mL; 同时， 取1 g 土壤， 烘干后与2 mL 10% （V/V） 乙醇溶液混合后， 作为空白样; 从上述离心管中各取200 μL混合液，分别加入微型Trap装置的吹扫管中，依次进行处理。

2.4 数据分析与数据特征库构建

为便于系统能够脱机工作， 首先需要在系统的非现场工作状态下， 将拉曼光谱仪所检测到的光谱， 利用USB装置传输到电脑;然后用 Origin 8.5 （Origin Lab， Northampton， MA）软件进行分析， 获取拉曼相关特征图谱;将所获得苯硫酚检测特征数据存储到Android系统中的SQLLite数据库中， 确保在现场检测时可以从系统中直接调用SQLLite数据库中的特征光谱数据，实现脱机检测工作。

3 结果与讨论

3.1 样品富集模块应用条件参数优化

为了能够充分发挥样品富集模块（即微型Trap）在现场快捷检测方面的优势， 兼顾加热时间和回收率， 本研究采用苯硫酚（2 mg/mL）作为待测模型物。如图5A所示， 在吹扫气流速度为0.2 L/min时， 回收率较差， 这是因为吹扫管中气流是湍流形式， 速度过低会导致部分气流回归到吹扫管中， 影响捕集效率。气流为0.6 L/min时的回收率比0.3 L/min时低， 这主要是因为吹扫的速率过快会使接收管中出现较多气泡， 导致部分回收目标物回归到空气中， 无法完全回收。同理， 如图5B所示， 随着工作电压升高， 加热片温度升高， 虽然所需的加热时间缩短， 但是过高的温度会使所回收目标物在接收管中产生较多的气泡， 影响回收率。为了确保系统的稳定性和样品回收率， 吹扫气流的参数设置为0.3 L/min， 工作电压设置为6.25 V， 加热时间3 min， 在此条件下， 回收率稳定在95%以上。

3.2 AuNPs基底增强效果

AuNPs基底增强效果与其分散性和形貌密切相关。合成的AuNPs在530 nm处有强吸收峰（图6A）， 半峰宽较窄， 说明粒径均匀; 图6B是AuNPs的扫描电镜（SEM）图，

3.3 微型拉曼光谱检测模块结构

图7为光谱检测系统， 带Android触屏操作， 同时集成了样品槽， 可以实现单机条件下直接人机交互式操作， 无需电脑， 有效提高了现场检测效率。对此检测系统进行了相关测试， 结果见表3， 其中关键参数稳定， 符合相关行业技术标准[29]。

与国内外主流商业化拉曼光谱仪产品参数对比如表4所示， 在配有前处理装置的基础上， 本系统整体表现良好。

3.4 光谱数据分析与计量

经过上述步骤所得拉曼光谱图谱与线性标准曲线如图8所示.由图8A可见， 423、1069 和1571 cm-4处各峰强度随苯硫酚浓度的增加而逐渐增强， 与文献[30]报道的苯硫酚拉曼特征峰一致， 因此， 选择423、1069和1571 cmSymbolm@@1为系统检测的指纹谱。利用最小二乘法在适当的浓度范围内获得不同特征峰的线性回归曲线， 如图8B所示， 峰强度（Y）与土壤上清液中苯硫酚浓度（X）的线性方程分别为：Y=3.222X+1.291; Y=1.271X+0.943; Y=1.262X+0.742。 将特征峰参数和线性回归方程及其浓度范围植入所开发的Android光谱计量程序中， 可用于后续现场定性和定量检测。按照3σ标准[31]计算实际样品检出限为0.104 μg/g， 满足《HJ/T 166-2004土壤环境监测技术规范》[32]中对土壤中苯硫酚检测的需求。

在同样检测条件下， 对前处理收集的0.68 mg/L苯硫酚溶剂重复检测5次， 结果如图9所示，

所获得的特征峰强度相对标准偏差（Relative standard deviation R在4.2%～6.2%之间， 表明本系统的稳定性和重现性良好。

4 结 论

本研究针对SERS技术现场检测挥发性有机污染物时技术上的难点， 在检测样品的前处理阶段， 构建了一种结构简单、体积小型化、便于拆卸组装携带、用样少、耗时短的微型化吹扫捕集装置， 有效克服了样品复杂的基质干扰， 同时也具有广泛的跨领域应用前景。在样品计量检测阶段， 采用ARM+CPLD双核模式， 基于Android操作系统的人机直接交互式拉曼光谱信号处理系统， 实现快速的光谱信号采集处理、友好的人机交互接口和智能的谱线识别技术， 在现场采集实时分析过程中更能满足流动执法等应用需求; 同时， 光学模块设计中采用激光探头光路与分光光路的共光路集成设计， 具有整体体积小、所用光学器件少、高光通量的特點， 性能达到行业技术标准要求。采用本系统检测土壤中挥发物苯硫酚， 验证了其实际应用的可行性， 利用自制的金溶胶纳米增强粒子进行定性和定量的分析， 检出限为0.104 μg/g， RSD在4.2%～6.2%之间， 整体实验结果重现性良好。

References

1 WANG Xiao-Meng， ZHANG Zhen， LIU Jing， ZHANG Shu-Sheng. Chinese J. Anal. Chem.，  2017， 45（12）： 2026-2031

王晓蒙， 张 振， 刘 静， 张书圣. 分析化学，  2017，  45（12）： 2026-2031

2 ZHANG Nan， ZHENG Long-Zhen， XIONG Lei-Yan， GUO Zan-Ru， KANG Xiao-Wei， WANG Qian， WU Zi-Rui， DONG Ze-Min. Chinese J. Anal. Chem.，  2017，  45（2）： 261-267

张 楠， 郑龙珍， 熊乐艳， 郭赞如， 亢晓卫， 王 倩， 吴子睿， 董泽民. 分析化学，  2017，  45（2）： 261-267

3 ZHU Ying-Jie， GUO Lei， LIU Yi， GONG Ying， QIU Ze-Wu， WU Jian-Feng， XIE Jian-Wei. Chinese J.Anal.Chem.，  2017，  45（5）： 627-632

朱颖洁， 郭 磊， 刘 易， 龚 莹， 邱泽武， 吴剑峰， 谢剑炜.  分析化学，  2017，  45（5）： 627-632

4 ZHAO Rui-Chi， WANG Pei-Long， SHI Lei， SU Xiao-Ou. Chinese J. Anal. Chem.，  2017，  45（1）： 75-82

赵蕊池， 王培龙， 石 雷， 苏晓鸥.  分析化学，  2017，  45（1）： 75-82

5 Shaik U P， Hamad S， Mohiddon M A， Soma V R， Krishna M G. Appl. Phys.，  2016，  119： 093103

6 Hamad S， Podagatlapalli G K， Mohiddon M A， Rao S V. Chem. Phy. Lett.，  2015，  621：171-176

7 Guo Q， Xu M M， Yuan Y X， Gu R A，Yao J L. Langmuir，  2016，  32（18）： 4530-4537

8 Gu X， Camden J P. Anal. Chem.，  2015，  87（1）： 6460-6464

9 Ma P， Liang F， Wang D， Yang Q， Ding Y， Yu Y， Gao D， Song D， Wang X. Microchim. Acta，  2015，  182： 863-869

10 Zheng Y， Chen Z， Zheng C， Lee Y， Hou X， Wu L， Tian Y. Talanta，  2016，  155（6）： 87-93

11 Liu C， Zhang X， Li L， Cui J， Shi Y E， Wang L， Zhan J. Analyst，  2015，  140（1）： 4668-4675

12 Esther T， Antonio M E. Anal. Chim. Acta，  2010，  668（5）： 87-99

13 Liu P， Liu R Y， Guan G J. Analyst，  2011，  136（8）： 4152-4168

14 Doctor E L， McCord B. Talanta，  2015，  144（1）： 938-943

15 Ranc V， Markova Z， Hajduch M， Prucek R， Kvitek L， Kaslik J， Safarova K， Zboril R. Anal. Chem.，  2014，  86（12）： 2939-2946

16 MA Qun， LI Yan-Le， GONG Nian-Chun， JIANG Xi， HUAN Shuang-Yan. Chinese J. Anal. Chem.，  2015，  43（11）： 1676-1681

马 群， 李艳乐， 龚年春， 江 西， 宦双燕. 分析化学，  2015，  43（11）： 1676-1681

17 ZHU Wei-Jie， NIE Xin-Ming， ZHAO Xin-Sheng， TIAN Ya-Ping， YAO Zhi-Chao， ZONG Cheng-Hua. China Patent， 201820309672.4，  2018

祝伟杰， 聂新明， 赵新生， 田亚平， 姚智超， 宗成华. 中国专利， 201820309672.4，  2018

18 Tian K Z， Wang W， Yao Y， Nie X M， Lu A X， Wu Y， Han C Q. Raman Spectrosc.，  2018，  49 （3）： 472-481

19 Baruah B， Miller T A. J. Colloid Interface Sci.，  2017，  487（18）： 209-217

20 Xu M W， Zhang Y. Appl. Surf. Sci.，  2017，  393（22）： 197-209

21 Zhao L Y， Gu W， Zhang C L， Shi X H， Xian Y Z. J. Colloid Interface Sci.，  2016，  465： 279-286

22 Yoon J， Choi N， Ko J， Kim K， Lee S， Choo J. Biosens. Bioelectron.，  2013，  47（24）： 62-67

23 NIE Xin-Ming， TIAN Ya-Ping， YAO Yue， DUAN Ling-Feng， WANG Wen， ZOU Qi， BAO Xu-Xiang， HAN Cai-Qing. China Patent， 201611235177.5，  2018

聂新明， 田亚平， 姚 悦， 段凌风， 王 稳， 邹 琦， 包旭翔， 韩彩芹. 中国专利， 201611235177.5，  2018

24 AN Yan， SUN Qiang， LIU Ying， LI Chun. Chinese Optics，  2012，  5（5）： 470-475

安 岩， 孙 强， 刘 英， 李 淳. 中国光学，  2012，  5（5）： 470-475

25 Fan X G， Tang M， Wang X. Appl. Optics，  2015，  54（33）： 9966-9975

26 XU Qiao-Yu， MAO Peng， WANG Jun-Wei， ZHU Pei. Journal of Henan University of Science and Technology （Natural Science Edition），  2018，  39： 16-22

徐巧玉， 毛 鵬， 王军委， 朱 佩. 河南科技大学学报（自然科学版）， 2018，  39： 16-22

27 PENG Guo-Jun， LI Jing-Wen， SUN Run-Kang. Journal of Wuhan University （Science Edition），  2015，  61（1）： 21-33

碰国军， 李晶雯， 孙润康. 武汉大学学报（理学版）， 2015，  61（1）： 21-33

28 Bill P， Chris S， Kristin M. Android Programming： The Big Nerd Ranch Guide， Third Edition， Translated by Wang Ming-Fa， Beijing： People′s Posts and Telecommunications Press，  2017：  3139， 226-242

BillP， Chris S， Kristin M. Android編程权威指南. 王明发译. 北京： 人民邮电出版社，  2017：  3139： 226-242

29 JJF 1085-2018， Calibration Specification for Portable Raman Spectrum Fast Detection Instruments/Local Measuring Technique. Standard of Fujian of China

便携式拉曼光谱快速检测仪校准规范. 福建省地方计量技术规范. JJF 1085-2018

30 XU Xiao-Yana， LI Shu-Jin， WU De-Yin， GU Ren-Ao. Acta Chimica Sinica，  2007，  65（12）： 1095-1100

许小燕， 李淑瑾， 吴德印， 顾仁敖. 化学学报，  2007，  12（65）： 1095-1100

31 Jozef U. Talanta，  2014，  119（1）： 178-180

32 HJ/T 166-2004， Technical Specification for Soil Environmental Monitoring. National Standards of the People′s Republic of China

土壤环境监测技术规范. 中华人民共和国国家标准. HJ/T 166-2004

A Rapid On-site Detection System for Volatile

Pollutants in Environment

NIE Xin-Ming1，4， CHEN Zheng-Yi2， ZONG Cheng-Hua*3， FAN Meng-Bao*1， CHEN Si4

1（School of Mechatronic Engineering， China University of Mining and Technology， Xuzhou 221116， China）

2（School of Pharmacy， Guilin Medical University， Guilin 541199， China）

3（School of Chemical Engineering & Materials Science， Jiangsu Normal University， Xuzhou 221116， China）

4（School of Physics and Electronic Engineering， Jiangsu Normal University， Xuzhou 221116， China）

Abstract Surface-enhanced Raman scattering （SERS） spectroscopy technology can be used to detect volatile organic pollutants with many advantages such as fast detection speed， high sensitivity and fingerprint recognition. However， the pre-processing equipment in conventional SERS is bulky and has insufficient human-computer interaction and inconvenient operation. All these issues limit its applications to onsite tests. In this work， a portable detection system was developed for onsite and real-time detections. This system provided a miniaturized portable purge and trap device for the enrichment of volatile samples in pretreatment. It had the characteristics of low consumption of samples and short consumption of time. Meanwhile， it was also equipped with a miniaturized Raman optical detection module that adopted ARM + CPLD （Advanced RISC Machine & Complex Programmable Logic Device） dual-core control mode and Android operating system. These features enabled the device realizing the real-time quantitative detection of volatile and harmful substances onsite in human-machine direct interaction mode. For example， by using thiophenol in the soil as the detection target and gold nanoparticles as the enhanced substrate， the developed system was used to quantitatively analyze the thiophenol level in the soil， with detection limit of 0.104 μg/g and RSD of 4.2%-6.2%. The result showed that the experimental data were reproducible.

Keywords Surface-Enhanced Raman scattering; Volatile organic pollutants; Portable; Purge and trap; Man-machine interaction

（Received 11 February 2020; accepted 14 May 2020）

This work was supported by the National Natural Science Foundation of China （No. 21804060）， the Natural Science Foundation of Higher Education Institutions of Jiangsu Province （No.17KJB510017）.