CN101701909A - 微量农药的快速检测方法 - Google Patents
微量农药的快速检测方法 Download PDFInfo
- Publication number
- CN101701909A CN101701909A CN 200910236834 CN200910236834A CN101701909A CN 101701909 A CN101701909 A CN 101701909A CN 200910236834 CN200910236834 CN 200910236834 CN 200910236834 A CN200910236834 A CN 200910236834A CN 101701909 A CN101701909 A CN 101701909A
- Authority
- CN
- China
- Prior art keywords
- filter paper
- quick
- pesticide
- spectrum
- described step
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种微量农药的快速检测方法,包括以下步骤:S1,样品的制备:制备多个滴有农药溶液的滤纸样品,并将其进行干燥;S2,光谱数据的采集:获取干燥后滤纸样品的近红外透射光谱曲线;S3,光谱数据的分析:对所述近红外透射光谱曲线进行校正,并进行数据标准化,然后选取建模的主成分数,并建立预测模型。本发明的技术方案通过近红外光谱透射技术和光谱数据分析方法实现对农药浓度的检测,简单、快速、准确、环保。
Description
技术领域
本发明涉及农药检测技术领域,尤其涉及一种微量农药的快速检测方法。
背景技术
全世界农业每年平均因病、虫、草害造成的损失约占作物总产量的37%,年损失额高达1260亿美元。农药在农作物的病虫草害防治过程中的使用,会污染土壤、水源以及大气。长期摄食有农药残留的水果、蔬菜,会导致人体农药中毒,轻者表现为头痛、头昏、恶心、倦怠、腹痛等,重者则会出现痉挛、呼吸困难、昏迷、大小便失禁,甚至死亡。近年来,农药残留中毒事件屡屡发生。
据***粮农组织(FAO)统计,我国蔬菜播种面积和产量分别占世界的43%、49%,均居世界第一。我国蔬菜播种面积2007年达2.6亿亩,总产量5.65亿吨,人均占有量420多公斤。农药残留是危害果蔬食用安全性的最主要因素,有些剧毒有机磷农药在全世界各国都被禁用或限制使用,但由于我国果蔬质量监管市场还不够规范,尤其是一些农户为达丰产、增产目的,忽视农药的正确、合理使用,过量使用农药,导致农药污染问题经常发生,农药残留量超标严重,并有逐年加剧的趋势。2004年国家质检总局在23个大中城市检测了181种蔬菜样品,其中86种农药残留超过国家标准限量值,超标率达47.5%,国家明令禁止使用的多种有机磷农药,在国内一些地方屡禁不止,如甲胺磷等的检出率也较高。
目前,农药残留的常规检测方法有:薄层色谱法、气相色谱法、高效液相色谱法、超临界流体色谱法、色谱-质谱联用法、毛细管电泳法、酶抑制法、免疫分析法、生物传感器法、光谱法等。在以上这些检测方法中,仪器分析检测法(包括上面所提到的各种色谱法和质谱法)精度最高,但其弊端是检测过程较为复杂、检测时间较长,可以用于实验室农药残留的精确分析和法定检测。生化检测技术(包括上面所提到的酶抑制法、免疫分析法、生物传感器法等)近几年发展得比较快,但也存在一些缺陷,如前期投入大、实验条件要求苛刻,试剂单一等。
现如今,农药残留检测的发展方向是更快速、更准确、更安全。食品安全已经成为关系民生问题的头等大事,为了保障广大消费者的利益,迫切需要研发一种检测过程快速、检测结果准确、检测过程安全的农药残留检测方法。
发明内容
本发明的目的是针对现有技术的不足,提供一种能够对微量农药进行检测的方法,该方法简单、快速、准确、安全。
为达到上述目的,本发明提供一种微量农药的快速检测方法,包括以下步骤:
S1,样品的制备:制备多个滴有农药溶液的滤纸样品,并将其进行干燥;
S2,光谱数据的采集:获取干燥后滤纸样品的近红外透射光谱曲线;
S3,光谱数据的分析:对所述近红外透射光谱曲线进行校正,并进行数据标准化,然后选取建模的主成分数,并建立预测模型。
其中,所述步骤S2具体可以为:对每个样品采集32次近红外透射光谱曲线,并取平均。
其中,在所述步骤S3中,可以利用多元散射校正(MultiplicativeScatter Correction,MSC)算法对所述近红外透射光谱曲线进行校正。
其中,在所述步骤S3中,可以利用内部交叉验证法选取建模的主成分数。
其中,在所述步骤S3中,可以采用偏最小二乘回归(Partial LeastSquares Regression,PLSR)法建立所述预测模型。
其中,可以用近红外光谱仪获取干燥后滤纸样品的近红外透射光谱曲线。
其中,在所述步骤S1中,将滤纸样品进行干燥的步骤具体可以为:将所述滤纸样品用固定于泡沫板上的钉支撑,然后放入真空干燥箱进行干燥。
与现有技术相比,本发明的技术方案具有如下优点:本发明通过近红外光谱透射技术和光谱数据分析方法实现对农药浓度的检测,简单、快速、准确、环保。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例的方法所选用的滤纸放置平台示意图;
图3是利用本发明实施例的方法所采集的滤纸农药样品的光谱图像;
图4是本发明实施例的方法中利用MSC算法处理后得到的滤纸农药样品的光谱图像;
图5是本发明实施例的方法中选取滤纸农药样品的最佳主成分的过程中,选取的主成分数与对应求得的参数的关系示意图;
图6是利用本发明实施例的方法对滤纸农药样品预测所得到的真实值与预测值之间的关系。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,依据本发明实施例的微量农药的快速检测方法包括以下步骤:
S1,样品的制备
将市售40%浓度的毒死蜱农药用蒸馏水分别配置成浓度为2.5、5、10、20、40、80、160、200、320、400(单位:mg/kg)的溶液,将9cm的滤纸按直径为3.2cm的模具裁剪成四份,用移液器取一定浓度的农药溶液200μl均匀滴在直径为3.2cm的圆形滤纸表面。每个浓度梯度制备4个滤纸样品,其中3个作为校正集,另外一个作为验证集。将吸附有一定农药溶液的滤纸放置在自行开发的滤纸放置平台上,放入真空干燥箱干燥一小时,温度为室温。将干燥后的滤纸样品放入密封袋中备用。其中,滤纸放置平台的结构如图2所示,该平台的底座是高密度泡沫板,每张滤纸用三根固定在该泡沫板上大头钉支撑。
S2,光谱数据的采集
待所有浓度的样品制备完毕后,可以用由美国Thermo Nicolet公司生产的ANTARIS傅里叶变换近红外光谱仪(其使用InGaAs检测器,光谱范围3800-12000cm-1,最小分辨率为2cm-1,仪器配置Dell P4电脑)采集透射光谱曲线。对每个样品采集32次,然后取平均,将光谱数据保存为.csv格式备用。本实施例中所使用的该光谱仪采用8cm-1的分辨率。
S3,光谱数据的分析
首先采用MSC算法结合数据标准化对光谱数据预处理。图4是经MSC算法处理后的滤纸农药样品的光谱图像,与原始的光谱图像图3对比后可以看出,经MSC处理后能够较好地消除光谱的基线漂移。
采用偏最小二乘法建立定量校正模型时,为了更加全面地利用光谱信息,首先要合理地选择主成分数,避免出现“欠拟合”和“过拟合”现象。本实施例中采用内部交叉验证法确定最佳主成分数,模型最佳主成分数的确定如图5所示。图5显示滤纸农药干燥样品经过多元散射校正加数据标准化处理后,确定最佳主成分的过程。首先,提取变量的1个主成分,使用主成分建立模型,对模型进行全交叉验证,求出该主成分时的验证相关系数Rcv和交叉验证均方差RMSEcv;接着求2个主成分时的Rcv和RMSEcv;以此类推,一直求到N(N=波段数)个主成分时的Rcv和RMSEcv。对比所有主成分的Rcv和RMSEcv结果,如果使用x个主成分建立的模型具有最大的Rcv和最小的RMSEcv,则x即为所需求得的最佳主成分数。从图5可看出,当从变量中提取14个主成分时,模型的Rcv最大(为0.924),而RMSEcv最小(为0.399),因此滤纸农药干燥样品经过数据标准化处理后,采用PLSR法建立预测模型时,所提取的变量主成分数是14。
选定主成分数后,采用PLSR法建立预测模型,然后评价预测模型的预测精度。预测结果如表1所示,结果显示:提取了14个主成分,建立PLSR模型的预测相关系数R达到了0.989,预测标准差RMSEP为0.153。图6显示了毒死蜱浓度真实值和预测值之间的相关性。
表1
由以上实施例可以看出,本发明的实施例通过近红外光谱透射技术和光谱数据分析方法可以实现对农药浓度的定量检测,简单、快速、准确、环保。另外,本发明的方法也可以用于检测其它的化学溶液。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种微量农药的快速检测方法,包括以下步骤:
S1,样品的制备:制备多个滴有农药溶液的滤纸样品,并将其进行干燥;
S2,光谱数据的采集:获取干燥后滤纸样品的近红外透射光谱曲线;
S3,光谱数据的分析:对所述近红外透射光谱曲线进行校正,并进行数据标准化,然后选取建模的主成分数,并建立预测模型。
2.如权利要求1所述的微量农药的快速检测方法,其特征在于,所述步骤S2具体为:对每个样品采集32次近红外透射光谱曲线,并取平均。
3.如权利要求1所述的微量农药的快速检测方法,其特征在于,在所述步骤S3中,利用多元散射校正算法对所述近红外透射光谱曲线进行校正。
4.如权利要求1所述的微量农药的快速检测方法,其特征在于,在所述步骤S3中,利用内部交叉验证法选取建模的主成分数。
5.如权利要求1所述的微量农药的快速检测方法,其特征在于,在所述步骤S3中,采用偏最小二乘回归法建立所述预测模型。
6.如权利要求1所述的微量农药的快速检测方法,其特征在于,在所述步骤S2中,用近红外光谱仪获取干燥后滤纸样品的近红外透射光谱曲线。
7.如权利要求1所述的微量农药的快速检测方法,其特征在于,在所述步骤S1中,将滤纸样品进行干燥的步骤具体为:将所述滤纸样品用固定于泡沫板上的钉支撑,然后放入真空干燥箱进行干燥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910236834 CN101701909A (zh) | 2009-11-02 | 2009-11-02 | 微量农药的快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910236834 CN101701909A (zh) | 2009-11-02 | 2009-11-02 | 微量农药的快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101701909A true CN101701909A (zh) | 2010-05-05 |
Family
ID=42156829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910236834 Pending CN101701909A (zh) | 2009-11-02 | 2009-11-02 | 微量农药的快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101701909A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636482A (zh) * | 2012-03-19 | 2012-08-15 | 中国农业大学 | 试剂比色与光谱检测相结合的毒死蜱农药残留速测方法 |
CN103499530A (zh) * | 2013-10-14 | 2014-01-08 | 无锡艾科瑞思产品设计与研究有限公司 | 一种蔬菜水果中农药残留物的快速检测方法 |
CN104237200A (zh) * | 2014-09-12 | 2014-12-24 | 浙江大学 | 基于蛋白核小球藻拉曼信号的草甘膦浓度检测方法 |
CN107300528A (zh) * | 2017-07-05 | 2017-10-27 | 中科谱光科技(北京)有限公司 | 一种蔬菜农药残留检测方法及*** |
CN108444946A (zh) * | 2018-05-10 | 2018-08-24 | 苏州农业职业技术学院 | 一种农产品农药残留检测方法及装置 |
CN108776116A (zh) * | 2018-08-15 | 2018-11-09 | 山东五洲检测有限公司 | 一种检测水果中农药残留的方法 |
CN114137122A (zh) * | 2021-12-01 | 2022-03-04 | 青岛海关技术中心 | 一种海关查验现场快速鉴定全蔗糖浆成分含量的方法 |
-
2009
- 2009-11-02 CN CN 200910236834 patent/CN101701909A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636482A (zh) * | 2012-03-19 | 2012-08-15 | 中国农业大学 | 试剂比色与光谱检测相结合的毒死蜱农药残留速测方法 |
CN103499530A (zh) * | 2013-10-14 | 2014-01-08 | 无锡艾科瑞思产品设计与研究有限公司 | 一种蔬菜水果中农药残留物的快速检测方法 |
CN103499530B (zh) * | 2013-10-14 | 2015-12-09 | 无锡艾科瑞思产品设计与研究有限公司 | 一种蔬菜水果中农药残留物的快速检测方法 |
CN104237200A (zh) * | 2014-09-12 | 2014-12-24 | 浙江大学 | 基于蛋白核小球藻拉曼信号的草甘膦浓度检测方法 |
CN107300528A (zh) * | 2017-07-05 | 2017-10-27 | 中科谱光科技(北京)有限公司 | 一种蔬菜农药残留检测方法及*** |
CN107300528B (zh) * | 2017-07-05 | 2019-12-06 | 中科谱光科技(北京)有限公司 | 一种蔬菜农药残留检测方法及*** |
CN108444946A (zh) * | 2018-05-10 | 2018-08-24 | 苏州农业职业技术学院 | 一种农产品农药残留检测方法及装置 |
CN108776116A (zh) * | 2018-08-15 | 2018-11-09 | 山东五洲检测有限公司 | 一种检测水果中农药残留的方法 |
CN114137122A (zh) * | 2021-12-01 | 2022-03-04 | 青岛海关技术中心 | 一种海关查验现场快速鉴定全蔗糖浆成分含量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Review of NIR spectroscopy methods for nondestructive quality analysis of oilseeds and edible oils | |
Senesi et al. | Recent advances and future trends in LIBS applications to agricultural materials and their food derivatives: An overview of developments in the last decade (2010–2019). Part II. Crop plants and their food derivatives | |
Wang et al. | Rapid prediction of chlorophylls and carotenoids content in tea leaves under different levels of nitrogen application based on hyperspectral imaging | |
CN101701909A (zh) | 微量农药的快速检测方法 | |
Zhang et al. | Rapid determination of leaf water content using VIS/NIR spectroscopy analysis with wavelength selection | |
Armenta et al. | The use of near-infrared spectrometry in the olive oil industry | |
Pullanagari et al. | Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry | |
Dong et al. | A near-infrared reflectance spectroscopy method for direct analysis of several chemical components and properties of fruit, for example, Chinese hawthorn | |
Sun et al. | Quantitative detection of mixed pesticide residue of lettuce leaves based on hyperspectral technique | |
CN102288572A (zh) | 利用近红外光谱技术快速检测中药药材指标性成分含量的方法 | |
CN104865194A (zh) | 基于近红外、荧光、偏振多光谱的蔬菜农残检测装置及方法 | |
CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
CN102353701A (zh) | 一种利用挥发物的农作物虫害诊断方法 | |
CN104237060A (zh) | 一种金银花药材多指标快速检测方法 | |
CN110646407A (zh) | 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法 | |
CN102830072A (zh) | 一种基于近红外光谱鉴别重金属污染水稻叶片的方法 | |
CN108195895A (zh) | 一种基于电子鼻和分光测色仪的茶树叶片氮含量快速检测方法 | |
Johnson et al. | Application of infrared spectroscopy for the prediction of nutritional content and quality assessment of faba bean (Vicia faba L.) | |
Arslan et al. | NIR spectroscopy coupled chemometric algorithms for rapid antioxidants activity assessment of Chinese dates (Zizyphus Jujuba Mill.) | |
CN108548792A (zh) | 一种花生籽仁可溶性糖含量的快速无损检测方法 | |
CN102841063A (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
Wang et al. | Potential of hyperspectral imaging for nondestructive determination of chlorogenic acid content in Flos Lonicerae | |
Baianu et al. | NIR calibrations for soybean seeds and soy food composition analysis: Total carbohydrates, oil, proteins and water contents | |
Zaki Dizaji et al. | Application of E-nose technique to predict sugarcane syrup quality based on purity and refined sugar percentage | |
Wang et al. | Discriminant analysis and comparison of corn seed vigor based on multiband spectrum |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100505 |