报告摘要：荧光高光谱技术（fluorescence hyperspectral imaging，FHSI）具有较高的灵敏度及分辨率在含有苯环及共轭π键荧光基团的微痕量物质检测方面发挥了重要作用。以宁夏滩羊肉为研究对象，对其烤制过程产生多环芳烃类物质及兽药残留进行原位定量检测研究。实验利用352 nm激发波长得到发射波谱进行羊肉总多环芳烃（polycyclic aromatic hydrocarbons，PAHs）的检测建模，结合迭代保留信息变量（iterative retained information variable，IRIV）算法提取特征波长建立偏最小二乘回归（partial least squares regression，PLSR）模型决定系数R²_p＝0.92，均方根误差（root mean squared error，RMSEP）为0.02 μg/kg，FHSI方法较可见近红外高光谱检测R²_p（0.87）准确率显著提升；随后利用熵权法结合FHSI对羊肉烤制过程中产生6 种不同多环芳烃类物质进行综合指数（quantify the composite index，PCI）构建及定量分析，采用广义和非均相二维相关光谱分析方法解析了痕量物质的特征荧光峰，并阐释了波段变化序列，通过对模型性能进行多变量比较分析，确定连续投影算法CARS-PLSR为最优模型，R²_p＝0.94，RMSEP＝2.07 μg/kg，并对PCI值进行了原位可视化表征，进一步说明了FHSI定量检测多环芳烃类物质的准确性。同时利用FHSI对5 种喹诺酮类药残进行定量分析，在激发波长280 nm条件下，对达氟沙星发射波长建立最小二乘支持向量机模型R²_p＝0.96，RMSEP＝0.06；构建区间变量迭代空间收缩法IVISSA-PLSR模型对洛美沙星含量预测R²_p＝0.85，RMSEP＝0.36；构建卷积平滑-竞争自适应加权-空间融合卷积网络（Deresolve-CARS-SFCN）模型对氧氟沙星含量预测R²_p＝0.83，RMSEP＝0.33，构建矢量归一化Normalize-IVISSA-SFCN模型对诺氟沙星含量预测R²_p＝0.80，RMSEP＝0.32，构建卷积平滑-无信息变量消除-空间融合卷积网络模型对培氟沙星含量预测R²_p＝0.86，RMSEP＝0.31；5 种喹诺酮类药残预测模型决定系数均大于0.80，充分证明FHSI在喹诺酮类抗生素检测方面的有效性；最后通过量子化学密度泛函和含时密度泛函理论，构建最优分子结构模型和分子激发态结构模型，计算最优激发态对应的振子强度，用高斯函数展宽成峰形得到荧光发射计算谱图，与实际光谱相比具有相同的趋势且发射峰位置误差比在5%以内，有效验证了FHSI对微痕量物质检测的科学合理性。