食用色素，又称食用染料或着色剂，作为最重要的食品添加剂之一，一直被广泛用于食品生产、医药和化妆品工业。食用色素按其来源可分为天然色素和食用合成色素，食用合成色素大多为含有R-N=N-R键、苯环，或氧杂蒽等结构的化合物，被人体吸收后可转化成致癌物质，对人体造成不同程度的损害。因此，必须严格控制其使用品种、数量，限制每日允许摄入量(ADI)，并建立快速有效的检测方法。　　 近几年，在世界范围内，食品安全事件屡屡发生(如苏丹红事件、农药残留、三聚氰胺奶制品等)，触目惊心、举世震惊。世界各国都将食品安全视为国家公共安全，纷纷加强管理制度，积极建立有效的检测方法。目前，科研人员已运用紫外分光光度法，高效液相色谱法，导数吸附伏安法等方法对食用合成色素进行了检测研究。　　 然而，在国内外，鲜有运用分子荧光光谱法定性表征、定量检测食用合成色素的报道。分子荧光光谱法具有测量精确，样品量少、高分辨率等特点，能解决传统方法中，分析过程繁琐、费时且不易推广等不足，是高效、精确的分析方法，近年来在测定物质种类、含量残留等方面取得了很好的应用。但是，食用合成色素含有多个荧光团，其荧光光谱规律较复杂，荧光相对强度与其浓度存在的非线性关系难以用偏最小二乘(PLS)，多元线性回归等方法定性、定量分析。　　 本文采用Roper Scientific SP--2558多功能光谱测量系统对浓度为0.100mg/ml的日落黄、柠檬黄溶液的荧光光谱进行了实验研究，实验发现，在波长310nm-400nm的紫外光激励下，日落黄溶液荧光光谱的最佳激发波长为370nm，荧光峰值波长为576nm，柠檬黄溶液荧光光谱的最佳激发波长为350nm，荧光峰值波长为569nm。根据分子光谱理论，日落黄和柠檬黄能产生荧光，是因为其分子中含有=C=O、//C=N-、苯环或萘环等荧光发色基团及-OH、-SO3Na等荧光助色基团，通过偶氮键连结在一起，形成足够长的共轭双键体系，电子主要以π→π*跃迁方式吸收光子，产生荧光。进而检测并分析了不同浓度日落黄和柠檬黄溶液的荧光光谱特性。　　 在实验的基础上，本文运用导数光谱法对日落黄和柠檬黄的荧光光谱数据进行处理，突显了日落黄和柠檬黄荧光光谱之间的差异，增强了荧光光谱对日落黄和柠檬黄的识别能力；并引入BP神经网络、径向基函数神经网络(RBF)、遗传算法.神经网络(GA-BP)等智能算法应用荧光光谱对日落黄和柠檬黄进行识别和浓度预测。这些方法各有其优点:径向基函数神经网络与BP神经网络在处理过程中不需要考虑系统误差、不需要知道对象的数学模型，即能完成复杂的非线性识别，且相比之下，径向基神经网络测得结果更精确，更稳定，训练时间也更短。遗传算法一神经网络(GA-BP)模型兼有神经网络的广泛映射能力和遗传算法(GA)的快速、全局收敛以及增强式学习能力等性能，能够准确预测日落黄的浓度。本文还将小波变换应用于对荧光光谱数据的压缩，保持了原始光谱的特征峰，大大压缩了数据量，在网络训练及预测等程序上缩减了训练时间，提高了测量精度。这些方法在利用本身优点的同时，也很好地发挥了荧光光谱法高灵敏度、高准确度和高选择性的特点，将预测的平均误差和标准偏差(RSD)均保持在5%以下。　　 本文虽以日落黄和柠檬黄为研究对象，但研究内容具有普遍性，所用方法也可应用于其它的食用合成色素和食品添加剂的种类识别和浓度预测。通过探索日落黄和柠檬黄的荧光产生机理和光谱特性与其分子结构的关系，为进一步研究食用合成色素的分子结构及毒性产生机理提供了一定的理论支持，可促进分子光谱理论的发展，拓展其应用，为食品安全检测提供新的思路与方法。