CN103969212B - 利用太赫兹频段ftir技术定量检测粮食中农药残留的方法 - Google Patents

Abstract

本发明涉及一种利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，通过将待测粮食样品研磨后压片得到的待测粮食压片样品，直接采用太赫兹频段FTIR光谱***对其进行测试，得到0‑20.4THz频段的吸收光谱，同时将目标农药与聚乙烯的混合压片样品采用相同的方式测试，以确定所述目标农药的特征波段，并将所述待测粮食压片样品和所述混合压片样品在所述特征波段下的吸收光谱随机划分为训练集样本吸收光谱和验证集样本吸收光谱，用偏最小二乘回归方法建立定量分析模型，获得各所述待测粮食样品的定量检测值，本发明所述方法能够真实、有效地实现对粮食中农药残留进行快速准确的定量检测，所述定量分析模型的预测相关系数（Rv）的平均值高达0.9927。

Description

利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法

技术领域

本发明涉及一种利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，属于农药检测技术领域。

背景技术

随着现代农业的快速发展，农业及农产品对农药的需求和依赖日益增长。加之一些从业人员缺乏农药知识，长期大量使用农药甚至滥用，使得农药对环境和人类健康造成了极大的影响和危害。对于农作物而言，农药施用到农作物之后，农作物内往往会有少量残留，长时间摄食残留农药会严重影响人体健康，亦会对身体和生态环境造成重大危害。特别是近年来，食物中农药残留超标而引起的致畸致残及中毒事件等也越来越受到关注，农药痕迹残留及其代谢物在土壤、水及农产品中均有发现。因而，在大力倡导科学使用农药的前提下，如何快速、准确的检测因农药引起的食品、环境的污染等问题就显得极为重要和迫切。

世界各国对农产品及食品中农药最大残留量均有相应检测方法和标准，现有的农药检测方法主要有气相色谱法、高效液相色谱法、气相色谱与质谱联用技术、液相色谱与质谱联用技术、免疫法、生物传感器法等，但上述方法均存在着样品前处理复杂，检测时间长，检测成本高，对检测人员要求较高，无法在线检测等不足。

远红外光谱区是指波长在0.025-1mm，频率在0.3-12THz之间的电磁波。在红外区域中是开拓最晚的一个波段，长期以来农残的红外光谱检测主要采取近红外或中红外光谱仪。近年来，随着科学技术的发展，傅里叶变换红外光谱（FTIR）技术已变为主流的红外光谱技术，分束器的使用已将光谱范围覆盖到远红外区域。该技术通过傅里叶去卷积处理将复杂的样品IR重叠谱峰有效分开，降低了峰宽，提高了分辨率；计算功能的显著增强减少了干扰以及杂质造成的信号漂移，从而提高了灵敏度、信噪比，扩大了波长范围，缩短扫描时间。太赫兹辐射（也称“THz辐射”）是指频率在0.1THz-10THz，波长在0.03-3mm之间的电磁波，其波段位于微波和红外线之间，是宏观电子学向微观光子学过渡的区域，在电磁波频谱中占有很特殊的位置。许多极性大分子在振动能级间的跃迁正好处于太赫兹频率范围，因此，生物分子的太赫兹光谱可以反映由分子内或分子间集体振动和晶格振动引起的低频振动膜的本征特性。太赫兹电磁波具有较低的光子能量，在进行样品检测时，不会产生有害的光致电离，是一种有效的无损探测方法。太赫兹光谱技术可作为近红外光谱技术的有益补充用于药品检测领域。

中国专利文献CN103472032A公开了一种利用太赫兹时域光谱技术检测盐酸四环素的方法，其包括如下步骤：（1）将盐酸四环素粉末与高密度聚乙烯粉末以不同比例混合研磨，用压片机一一压成圆盘形薄片，得到含有不同质量百分比的盐酸四环素压片；（2）在0.1-3.5THz频段范围内，用太赫兹时域光谱***一一采集不同质量百分比的盐酸四环素压片的太赫兹时域光谱；（3）以氮气的时域波形作为参考信号，以盐酸四环素压片的时域波形作为样品信号，分别进行傅里叶变换，得到两种信号的频域分布，利用公式得到压片样本的吸收系数和折射率；（4）根据各个压片样本的质量百分比及其对应的吸收谱建立校正模型，进行校正模型的验证与评价。上述方法虽然能够实现对食品中抗生素盐酸四环素进行定性和定量检测，但是在样品制备过程中，是将待检测的抗生素盐酸四环素和高密度聚乙烯粉末混合压片样品，利用聚乙烯为“背景”检测抗生素的含量，因而该方法最终检测的是存在于聚乙烯中抗生素的含量的相对数值，这就导致与实际的检测样本相差甚远，影响了检测样本的真实性；此外，引入新的无关物质聚乙烯，不可避免将会对样本检测的准确度造成影响，同时还浪费了药品。

发明内容

本发明所要解决的技术问题在于提供一种利用太赫兹频段FTIR技术结合化学计量学直接对粮食中农药残留进行定量检测的方法。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明提供一种利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，其包括如下步骤：

（1）取待测粮食样品研磨后压片，即得待测粮食压片样品；

（2）取欲检测的目标农药样品，按照质量比1:4的比例与聚乙烯进行混合，并研磨后压片，即得含有目标农药与聚乙烯的混合压片样品；

（3）利用太赫兹频段FTIR光谱***对所述待测粮食压片样品和所述混合压片样品进行逐一测试，得到各样品在0-20.4THz频段内的吸收光谱，并根据所述混合压片样品的吸收光谱，选定吸收光谱的重现性较好的波段区间作为特征波段，并将所述待测粮食压片样品和所述混合压片样品在所述特征波段下的吸收光谱随机划分为训练集样本吸收光谱和验证集样本吸收光谱；

（4）利用偏最小二乘回归方法建立所述训练集样本吸收光谱和所述验证集样本吸收光谱的定量分析模型，获得各所述待测粮食样品的定量检测值。

所述农药为氨基甲酸酯类农药。

所述的氨基甲酸酯类农药为西维因。

所述步骤（3）中，所述特征波段为1.8-6.3THz。

所述步骤（3）中，所述FTIR的测试条件是：温度为25℃，波数范围为0-680cm^-1，分辨率为4cm^-1，扫描次数为200次。

所述步骤（3）中，所述训练集样本和所述验证集样本吸收光谱的划分利用留N交叉验证法进行；

所述留N交叉验证法的具体计算过程如下：

（a）假设数据集有n个样本，将样本随机排序；

（b）将该数据集划分成相等大小的m组(m=n/N)；

（c）以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

（d）以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

（e）以此类推，共进行m次，直至所有组被抽出一次并进行预测为止。

所述步骤（3）中，每个样品重复测量3次。

所述待测粮食压片样品和混合压片样品均为直径13mm、厚度0.15mm的圆薄片。

所述步骤（4）中，所述偏最小二乘回归方法的具体计算原理如下：

偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；

X=TP^T+E=∑t_ap_a ^t;

Y=UQ^T+F=∑u_aq_a ^t;

式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t_a为得分向量,p_a为相应的载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u_a为得分向量,q_a为相应的载荷向量;

偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形组合，同时应满足以下条件：

(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息;

(b)二者之间的协方差最大化。

所述偏最小二乘回归是一个以迭代法逐步提取成分的方法，在迭代计算中互相利用对方的信息,每一次迭代不断根据X、Y的剩余信息调整t_a、u_a进行第二轮的成分提取,直到残余矩阵中的元素绝对值近似为零,算法停止。由此得到的系数能更好的反映X和Y的关系。

本发明的上述技术方案相比现有技术具有以下优点：

（1）本发明所述的利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，通过将待测粮食样品研磨后压片得到的待测粮食压片样品，直接采用太赫兹频段FTIR光谱***对其进行测试，得到0-20.4THz频段的吸收光谱，同时将目标农药与聚乙烯的混合压片样品采用相同的方式测试，以确定所述目标农药的特征波段，并将所述待测粮食压片样品和所述混合压片样品在所述特征波段下的吸收光谱随机划分为训练集样本吸收光谱和验证集样本吸收光谱，用偏最小二乘回归方法建立定量分析模型，获得各所述待测粮食样品的定量检测值，较之现有技术中已公开的利用太赫兹光谱检测农药残留的方式而言，本发明所述方法用于检测的样品中不需掺入其他任何物质，样品制备简单，不需进行任何预处理，能够真实、有效地实现对粮食中农药残留进行快速准确的定量检测，所述定量分析模型的预测相关系数（Rv）的平均值高达0.9927，即所述方法的检测准确率高达99%以上。

（2）本发明所述的利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，在所述步骤（3）中采用留N交叉验证法对所述特征波段进行划分得到所述训练集样本和所述验证集样本吸收光谱，所述留N交叉验证法是检验模型稳健性的一种方法，在计算过程中，首先将样本随机排序，之后每次从数据集中抽出N个样本，用剩余的样本建模并预测被抽出的N个样本，保证每个样本用于且仅用于1次预测，保证了不同质量分数的压片样本在训练集和验证集中以同样的比例出现，从而实现对所建模型预测能力的无偏评价，使鉴定模型更可靠，分析结果更具有统计学意义。

（3）本发明所述的利用太赫兹频段FTIR技术定量检测粮食中农药残留的方法，在所述步骤（4）中，对所述训练集样本吸收光谱和所述验证集样本吸收光谱采用偏最小二乘回归方法建立定量分析模型，并采用校正均方根误差（RMSEC）、预测均方根误差（RMSEP）、预测相关系数（R_v）作为模型性能评判的依据，RMSEC、RMSEP越小，R_v越大，模型越好。

附图说明

为了使本发明的内容更容易被清楚的理解，下面结合附图，对本发明作进一步详细的说明，其中，

图1是本发明实施例1所述待测粮食样品在1.8-6.3THz特征波段区间的吸收光谱图；

图2是本发明所述预测均方误差与主成分数的关系图；

图3是本发明所述模型预测值与实验值之间的关系图。

具体实施方式

本实施例提供一种利用太赫兹频段FTIR技术结合化学计量学定量检测大米样品中西维因含量，其中，所述“大米样品”采用本身不含有任何农药残留的大米（吉林市家福米业有限公司生产）添加已知量西维因（北京北纳创联生物技术研究院提供）后制备得到，并将所述“大米样品”作为盲样采用本发明方法进行检测，具体步骤如下：

（1）将所述大米放入粉碎机中粉碎，过筛（100目），放入烘箱中烘干，得到大米粉末;将大米粉末与西维因粉末按照不同质量比例混合，转移至玛瑙研钵中进一步研磨得到所述“大米样品”细粉，其中，所述“大米样品”中西维因质量百分含量依次为0%,1.0%,1.5%,2.0%,2.5%,3.0%,3.5%,4.0%,4.5%,5.0%,5.5%,6.0%,6.5%,7.0%,7.5%,8.0%,8.5%,9.0%,9.5%,10.0%,11.0%,12.0%,13.0%,14.0%,16.0%,18.0%,20.0%;

称取上述每种所述“大米样品”细粉约24mg，置于Specac公司的模具中，用压片机在7t的压力下保持3-4min，从而将所述“大米样品”细粉压制成直径13mm、厚度0.15mm的圆薄片,即得含有不同质量百分比西维因的待测粮食压片样品，所述待测粮食样品两表面平行、表面光滑且没有裂缝；

（2）将西维因粉末与聚乙烯粉末按照质量比1:4混合，转移至玛瑙研钵中进一步研磨,采用与步骤（1）相同的方法压制得到所述混合压片样品；

（3）用太赫兹频段FTIR光谱***（Bruker公司，VERTEX/80V）对所述待测粮食压片样品和所述混合压片样品（共28个压片）进行逐一测试，每个压片重复测量3次得到0-20.4THz频段的吸收光谱，取平均值；根据所述混合压片样品的测试结果，选取1.8-6.3THz（即60-210cm^-1）作为特征波段，在所述特征波段区间内吸收光谱的重现性较好；其中，所述FTIR的测试条件是：温度为25℃，波数范围为0-680cm^-1，分辨率为4cm^-1，扫描次数为200次；

如图1所示为其中6个不同西维因质量百分含量的所述待测粮食压片样品在1.8-6.3THz特征波段区间的吸收光谱图，6个不同西维因质量百分含量分别为1.5%、3.0%、6.0%、9.0%、11.0%、16.0%；

对于1.8-6.3THz特征波段的吸收光谱，采用留N交叉验证法将其划分为训练集样本吸收光谱和验证集样本吸收光谱，这里N值取7；于是将28个样本随机分为4组，每次均有21个样本作为训练集，7个样本作为验证集，重复4次，保证每个样本仅作为1次验证集，且每个样本作为训练集3次；

其中，所述留N交叉验证法，具体计算过程的说明如下：

（a）假设数据集有n个样本，将样本随机排序；

（b）将该数据集划分成相等大小的m组(m=n/N)；

（c）以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

（d）以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

（e）以此类推，共进行m次，直至所有组被抽出一次并进行预测为止；

（4）对所述训练集样本和所述验证集样本光谱采用偏最小二乘回归方法建立定量分析模型，其具体原理描述如下：

偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；

X=TP^T+E=∑t_ap_a ^t;

Y=UQ^T+F=∑u_aq_a ^t;

式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t_a为得分向量,p_a为相应的载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u_a为得分向量,q_a为相应的载荷向量;

偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形组合，同时应满足以下条件：

(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息;

(b)二者之间的协方差最大化；

偏最小二乘回归是一个以迭代法逐步提取成分的方法。在迭代计算中互相利用对方的信息,每一次迭代不断根据X、Y的剩余信息调整t_a、u_a进行第二轮的成分提取,直到残余矩阵中的元素绝对值近似为零,算法停止。由此得到的系数能更好的反映X和Y的关系。

如图2所示为预测方根误差与主成分数的关系图；根据图2选择主成分数为2，用留N交叉验证法对所建模型进行验证，将校正均方根误差（RMSEC）、预测均方根误差（RMSEV）、预测相关系数（Rv）作为模型性能评判的依据，结果如表1所示。

如图3所示为所述模型预测值与实验值之间的关系图，说明模型的预测值与实验值很接近，预测相关系数可达到0.9874。

表1-留N交叉验证法结合偏最小二乘回归建立分析模型的性能结果

从表中数据可以看出，上述分析模型的RMSEC、RMSEP值比较小，R_v较大，从而说明本发明方法建立的模型可靠可行，可以用来对大米样品中西维因进行定量检测。

采用上述描述的方法，不仅可以对大米中的西维因进行定量检测，也可以推广到其它种类的粮食样品和其它农药的检测。在其它种类粮食的样品的检测中，亦需将样品制备成粉末压片。所检测的农药应当在太赫兹频段内具有特征吸收。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (7)

1.一种利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，包括如下步骤：

(1)取待测大米样品研磨后压片，即得待测大米压片样品；

(2)取欲检测的目标西维因样品，按照质量比1:4的比例与聚乙烯进行混合，并研磨后压片，即得含有目标西维因与聚乙烯的混合压片样品；

(3)利用太赫兹频段FTIR光谱***对所述待测大米压片样品和所述混合压片样品进行逐一测试，得到各样品在0-20.4THz频段内的吸收光谱，并根据所述混合压片样品的吸收光谱，选定吸收光谱的重现性较好的波段区间作为特征波段，并将所述待测大米压片样品和所述混合压片样品在所述特征波段下的吸收光谱随机划分为训练集样本吸收光谱和验证集样本吸收光谱；

(4)利用偏最小二乘回归方法建立所述训练集样本吸收光谱和所述验证集样本吸收光谱的定量分析模型，获得各所述待测大米样品的定量检测值。

2.根据权利要求1所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述步骤(3)中，所述特征波段为1.8-6.3THz。

3.根据权利要求1或2所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述步骤(3)中，所述FTIR的测试条件是：温度为25℃，波数范围为0-680cm^-1，分辨率为4cm^-1，扫描次数为200次。

4.根据权利要求3所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述步骤(3)中，所述训练集样本和所述验证集样本吸收光谱的划分利用留N交叉验证法进行；

所述留N交叉验证法的具体计算过程如下：

(a)假设数据集有n个样本，将样本随机排序；

(b)将该数据集划分成相等大小的m组，m＝n/N；

(c)以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

(d)以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并预测被抽出来的N个样本；

(e)以此类推，共进行m次，直至所有组被抽出一次并进行预测为止。

5.根据权利要求1、2或4所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述步骤(3)中，每个样品重复测量3次。

6.根据权利要求5所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述待测大米压片样品和混合压片样品均为直径13mm、厚度0.15mm的圆薄片。

7.根据权利要求1、2、4或6所述的利用太赫兹频段FTIR技术定量检测大米中西维因残留的方法，其特征在于，所述步骤(4)中，所述偏最小二乘回归方法的具体计算原理如下：

偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；

X＝TP^T+E＝∑t_ap_a ^t；

Y＝UQ^T+F＝∑u_aq_a ^t；

式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t_a为得分向量,p_a为相应的载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u_a为得分向量,q_a为相应的载荷向量；

偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形组合，同时应满足以下条件：

(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息；

(b)二者之间的协方差最大化。