每年因食品中发现的潜在异物,全球范围内都会发生大量食品召回事件。如何快速、准确识别污染物来源,并监控食品营养成分?布鲁克M4 TORNADO微束X射线荧光光谱仪(micro-XRF)给出了高效解决方案。
食品中的异物污染——如金属屑、塑料、玻璃或昆虫等——可能源于生产加工环节的问题、仓储虫害或运输过程中的污染。这类污染不仅可能对消费者健康造成威胁,还会给企业带来经济损失和品牌信誉风险。
我国《食品安全法》及相关标准对食品污染物有严格限定。现有的筛查手段往往难以同时实现材料定性与尺寸测量,而微束XRF技术正好填补了这一技术空白。
M4 TORNADO
布鲁克M4 TORNADO是一款微束大面积元素成像光谱仪,具备以下特点:
采用多导毛细管聚焦镜将激发光聚焦到非常小的区域(<20um),以获得良好的空间分辨率,进行元素成像分析。不同类型的样品都可以通过简单的样品制备甚至不制备直接进行分析。
微束大面积元素成像光谱仪(Micro-XRF)提供一种大面积材料成份分布无损高通量定量表征方案,从单点/多点/线扫描/面扫描多角度分析样品。
应用案例详解
分析对象包括:用于检测污染物的生土豆、用于研究营养成分分布的几个土豆品种的冷冻干燥切片,以及用于了解调味料和盐含量分布的薯片。所有测量均采用面扫描模式进行,具体测量条件见表1。
表1 样品与测量条件
污染生土豆的分析
图1 生土豆表面污染分析
对含有金属污染物的生土豆使用M4 TORNADO进行分析。测量完成后,使用多种软件工具进行分析。在土豆表面的金属污染物周围绘制对象区域(图1a),以获取代表特定区域的光谱。通过光谱匹配工具,从已知标准库中查找与污染物光谱相似的光谱。该库由在相同测量条件下以点模式测量的合金标准编制而成。如图1b所示,不锈钢合金SS 408与对象1表面污染物的光谱匹配度更高。
图1a 含有不同金属污染物的土豆元素分布图
图1b 对象1的光谱与可能合金数据库匹配的叠加对比
土豆切片营养成分分析
为了进行更深入的研究(如研发领域),适当的样品前处理可以显著增强对产品及其特性的了解。因此,我们对薄土豆切片进行了分析,这些切片从土豆中切出后进行了冷冻干燥。薄切片方法的好处在于可以利用高空间分辨率,而在体积较大的样品中,入射的汇聚光束在通过焦平面后会开始发散(图2)。根据颗粒与焦平面之间的距离,物体会变得越来越模糊。如果颗粒位于聚焦表面下方,光束会再次变宽,实际上增大了物体的尺寸。
图2 探测体积和所得颗粒尺寸示意图
绿色矩形表示薄切片,显示颗粒的分辨率;粉色矩形表示体积样品,显示颗粒的散焦尺寸
对于制备好的薄切片,源体积自然减小到光束与样品的横截面。这样可以实现更高的空间分辨率,从而可以分辨小至20 μm的小型不均匀性。由于系统创建了一个包含所有可见元素信号的高光谱数据立方体,可以提取每个元素的分布图。
图3a展示了新鲜土豆冷冻干燥薄切片的多元素分布图。可以轻松提取单个元素的分布。叠加这些元素分布图可以理解样品中元素之间的相关性,并对样品的化学性质得出结论,即使用了哪种类型的盐。为了可视化图中Cl的微小浓度变化,使用假彩色显示(图3b)来展示氯信号强度的完整动态范围。很明显,Cl集中在土豆切片的中心。
图3a 新鲜土豆冷冻干燥切片的多元素分布图
图3b 土豆切片样品中归一化Cl强度的热图(任意单位),可视化Cl分布
如果样品前处理一致且采用相似的测量条件,可以对成分进行半定量比较。因此,选择相似尺寸对象的积分光谱,并比较每个元素的计数率(表2)。计数率反映了不同品种之间成分的变化。这可以推断不同品种的营养价值。Rh是激发产生的伪影(背散射),它反映了探测体积的密度。
表2 不同土豆品种整个切片的元素计数率(cps)
根据分析的元素不同,检测限可低至几个ppm(对于原子序数22 < Z < 42的元素)。通过XMethod附加软件包和使用适当的标准品,可以轻松建立基于经验的定量分析。
工业制造薯片的分析
如污染土豆样品所示(图1),M4 TORNADO是评估产品质量控制的宝贵工具。其优点包括小光斑尺寸,可检查低至μm级的不均匀性,并获取详细的元素分布图。
对工业制造的薯片(图4a)进行分析以显示其元素分布。无需样品前处理。薯片具有明显的曲率。将样品的高点(边缘)调焦进行测量。虽然样品的部分区域不在焦点上,但它们仍然能够提供元素分布图。高度变化也为样品创造了看似三维的效果,距离焦平面较远的部分提供的信号较少(激发、样品和探测器之间距离的平方反比定律)。
图4 薯片分析
a) 带有测量区域的薯片拼接图像
b) Na和Cl元素分布图
c) 带有定义对象的Na元素分布图
d) 对应于c中对象的光谱
M4 TORNADO为食品行业内的分析提供了多种机会。这些包括元素分布以及小型包裹体的识别和定量。微束XRF技术是非破坏性的,需要更少甚至无需样品前处理。
分析污染物(如生土豆中的金属包裹体)可以积极识别合金。可以可视化几个土豆品种之间营养成分分布的差异,并比较它们的绝对含量。薯片元素组成的变化可以轻松检测,显示调味料应用的不均匀性。
作者
Rebecca Novetsky, 微束XRF应用专家, Bruker AXS Inc., Madison, USA
Max Bigler博士, 微束XRF应用专家, Bruker Nano GmbH, Berlin, Germany