CN108051397A - 一种基于红外技术检测农药残留和非法添加剂的方法 - Google Patents
一种基于红外技术检测农药残留和非法添加剂的方法 Download PDFInfo
- Publication number
- CN108051397A CN108051397A CN201711363417.4A CN201711363417A CN108051397A CN 108051397 A CN108051397 A CN 108051397A CN 201711363417 A CN201711363417 A CN 201711363417A CN 108051397 A CN108051397 A CN 108051397A
- Authority
- CN
- China
- Prior art keywords
- concentration
- sample
- substance
- pesticide residue
- infrared
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000447 pesticide residue Substances 0.000 title claims abstract description 18
- 239000000654 additive Substances 0.000 title claims abstract description 17
- 230000000996 additive effect Effects 0.000 title claims abstract description 17
- 239000000126 substance Substances 0.000 claims abstract description 32
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 9
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 7
- 235000013311 vegetables Nutrition 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 36
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 239000012488 sample solution Substances 0.000 claims description 3
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 239000012491 analyte Substances 0.000 abstract description 2
- 239000000575 pesticide Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 231100000570 acute poisoning Toxicity 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- KXDHJXZQYSOELW-UHFFFAOYSA-M Carbamate Chemical compound NC([O-])=O KXDHJXZQYSOELW-UHFFFAOYSA-M 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 208000031320 Teratogenesis Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000315 carcinogenic Toxicity 0.000 description 1
- 230000007665 chronic toxicity Effects 0.000 description 1
- 231100000160 chronic toxicity Toxicity 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000012933 kinetic analysis Methods 0.000 description 1
- 238000002703 mutagenesis Methods 0.000 description 1
- 231100000350 mutagenesis Toxicity 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 231100000189 neurotoxic Toxicity 0.000 description 1
- 230000002887 neurotoxic effect Effects 0.000 description 1
- 239000003986 organophosphate insecticide Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 208000027765 speech disease Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于红外技术检测农药残留和非法添加剂的方法，选取一组已知浓度的农药残留和非法添加剂溶液样品作为校准集，测出其近红外光谱强度，建立该物质浓度与近红外光谱强度之间的称校准模型，本发明可以通过更换不同参数的单色仪来检测不同的物质，因此可以方便的根据蔬菜水果种类来选择要检测的物质，实现对多种检测物检测的目的，并且本发明基于的是近红外光谱分析的原理，在测试过程中无任何有害物质产生，不会对环境造成破坏；本发明基于的是近红外光谱分析的原理，对于检测过程而言，无需试纸试剂等消耗品，因此大大降低了检测成本。
Description
技术领域
本发明是一种基于红外技术检测农药残留和非法添加剂的方法，属于农药检测技术领域。
背景技术
现有技术中，近红外光谱分析法是一种可用于多组份同时测定、无损、快速检测的分析方法。近红外光谱是指波长介于可见区和中红外区之间的电磁波，是人们在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团(O-H、N-H、C-H)振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息，近红外光谱化学信息比较丰富，当同一基团或不同基团所在的化学环境不同时，它们对近红外光吸收的波长与强度也有明显区别。而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。漫反射光是光源发出的光进入样品内部经过多次反射、折射，衍射及吸收后返回样品表面的光，因此漫反射光负载了样品的化学组成和结构信息。反之，如果在经过大量的检测之后得到与特定化学物质相对应的特定漫反射光的光学参数，即可通过对该种漫反射光的检测来得知特定物质的浓度。
近年来随着农民生产积极性的空前高涨和粮食种植面积的逐渐扩大，农药的施用量也逐年增加，但是随着农药的长期施用，单位面积的施用量逐年增加，生产成本越来越大，同时也严重地危害人们的身体健康。农药在人体内不断积累，短时间内虽不会引起人体出现明显急性中毒症状，但可产生慢性危害，如：有机磷和氨基甲酸酯类农药可抑制胆碱酯酶活性，破坏神经***的正常功能。有机磷类农药作为神经毒物，还会引起神经功能紊乱、震颤、精神错乱、语言失常等表现。农药残留物的种类与数量与农药的化学性质、结构等特点有关。农药的残留性越大，在食品中的残留量越多，对人体的危害也越大。残留在食品中的农药不仅可以引起人的急性中毒，还具有慢性毒性，特别是致癌、致畸、致突变及对后代的影响，已越来越引起人们的重视。因此如何实现方便可靠地对蔬菜水果中农药化肥的残留进行检测就有着十分重要的意义，所以需要一种新的技术来解决上述问题。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于红外技术检测农药残留和非法添加剂的方法，以解决上述背景技术中提出的问题，本发明使用方便，便于操作，稳定性好，可靠性高。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于红外技术检测农药残留和非法添加剂的方法，包括如下步骤：
(1)选取一组已知浓度的农药残留和非法添加剂溶液样品作为校准集，测出其近红外光谱强度，建立该物质浓度与近红外光谱强度之间的称校准模型；
(2)再取另一组已知浓度的该物质作为预测集，将预测样品的近红外光谱代入校准模型，得到样品的预测值，用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度，对校准模型不断进行优化，得到相关度最优的该种物质的强度—浓度关联模型，并将每种检测物质的关联模型存储在装置的数据处理***中；
(3)根据所要检测的不同物质，选定相应的光信号处理***以及强度—浓度关联模型，利用蔬菜水果洗涤液样品进行某项指标的检测；
(4)检测完一项指标后，如需检测另外一种物质，则更换单色仪的光学处理部分，改变滤出光线的波长。
进一步地，所述校准集为通过大量对同一物质不同浓度样品的近红外光谱分析，得到能够表征其浓度的近红外光谱谱峰并选出相应的单色仪参数，并建立相应的计算模型。
进一步地，待测样品溶液中待测样品的质量浓度为150mg/L-950mg/L。
进一步地，所述近红外光谱为4000-10000cm-1范围内的光谱。
本发明的有益效果：本发明的一种基于红外技术检测农药残留和非法添加剂的方法，本发明可以通过更换不同参数的单色仪来检测不同的物质，因此可以方便的根据蔬菜水果种类来选择要检测的物质，实现对多种检测物检测的目的，并且本发明基于的是近红外光谱分析的原理，在测试过程中无任何有害物质产生，不会对环境造成破坏；本发明基于的是近红外光谱分析的原理，对于检测过程而言，无需试纸试剂等消耗品，因此大大降低了检测成本。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
本发明提供一种技术方案：一种基于红外技术检测农药残留和非法添加剂的方法，包括如下步骤：
(1)选取一组已知浓度的农药残留和非法添加剂溶液样品作为校准集，测出其近红外光谱强度，建立该物质浓度与近红外光谱强度之间的称校准模型；
(2)再取另一组已知浓度的该物质作为预测集，将预测样品的近红外光谱代入校准模型，得到样品的预测值，用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度，对校准模型不断进行优化，得到相关度最优的该种物质的强度—浓度关联模型，并将每种检测物质的关联模型存储在装置的数据处理***中；
(3)根据所要检测的不同物质，选定相应的光信号处理***以及强度—浓度关联模型，利用蔬菜水果洗涤液样品进行某项指标的检测；
(4)检测完一项指标后，如需检测另外一种物质，则更换单色仪的光学处理部分，改变滤出光线的波长。
所述校准集为通过大量对同一物质不同浓度样品的近红外光谱分析，得到能够表征其浓度的近红外光谱谱峰并选出相应的单色仪参数，并建立相应的计算模型，待测样品溶液中待测样品的质量浓度为150mg/L-950mg/L，所述近红外光谱为4000-10000cm-1范围内的光谱。
实施例：选取一组已知浓度的农药残留和非法添加剂溶液样品作为校准集，测出其近红外光谱强度，建立该物质浓度与近红外光谱强度之间的称校准模型；再取另一组已知浓度的该物质作为预测集，将预测样品的近红外光谱代入校准模型，得到样品的预测值，用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度，对校准模型不断进行优化，得到相关度最优的该种物质的强度—浓度关联模型，并将每种检测物质的关联模型存储在装置的数据处理***中；根据所要检测的不同物质，选定相应的光信号处理***以及强度—浓度关联模型，利用蔬菜水果洗涤液样品进行某项指标的检测；检测完一项指标后，如需检测另外一种物质，则更换单色仪的光学处理部分，改变滤出光线的波长。所述校准集为通过大量对同一物质不同浓度样品的近红外光谱分析，得到能够表征其浓度的近红外光谱谱峰并选出相应的单色仪参数，并建立相应的计算模型，待测样品溶液中待测样品的质量浓度为150mg/L-950mg/L，所述近红外光谱为4000-10000cm-1范围内的光谱
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种基于红外技术检测农药残留和非法添加剂的方法，其特征在于包括如下步骤：
(1)选取一组已知浓度的农药残留和非法添加剂溶液样品作为校准集，测出其近红外光谱强度，建立该物质浓度与近红外光谱强度之间的称校准模型；
(2)再取另一组已知浓度的该物质作为预测集，将预测样品的近红外光谱代入校准模型，得到样品的预测值，用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度，对校准模型不断进行优化，得到相关度最优的该种物质的强度—浓度关联模型，并将每种检测物质的关联模型存储在装置的数据处理***中；
(3)根据所要检测的不同物质，选定相应的光信号处理***以及强度—浓度关联模型，利用蔬菜水果洗涤液样品进行某项指标的检测；
(4)检测完一项指标后，如需检测另外一种物质，则更换单色仪的光学处理部分，改变滤出光线的波长。
2.根据权利要求1所述的一种基于红外技术检测农药残留和非法添加剂的方法，其特征在于：所述校准集为通过大量对同一物质不同浓度样品的近红外光谱分析，得到能够表征其浓度的近红外光谱谱峰并选出相应的单色仪参数，并建立相应的计算模型。
3.根据权利要求1所述的一种基于红外技术检测农药残留和非法添加剂的方法，其特征在于：待测样品溶液中待测样品的质量浓度为150mg/L-950mg/L。
4.根据权利要求1所述的一种基于红外技术检测农药残留和非法添加剂的方法，其特征在于：所述近红外光谱为4000-10000cm-1范围内的光谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363417.4A CN108051397A (zh) | 2017-12-18 | 2017-12-18 | 一种基于红外技术检测农药残留和非法添加剂的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711363417.4A CN108051397A (zh) | 2017-12-18 | 2017-12-18 | 一种基于红外技术检测农药残留和非法添加剂的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108051397A true CN108051397A (zh) | 2018-05-18 |
Family
ID=62133443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711363417.4A Pending CN108051397A (zh) | 2017-12-18 | 2017-12-18 | 一种基于红外技术检测农药残留和非法添加剂的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108051397A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111537469A (zh) * | 2020-06-04 | 2020-08-14 | 哈尔滨理工大学 | 一种基于近红外技术的苹果品质快速无损检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104964946A (zh) * | 2015-03-19 | 2015-10-07 | 复旦大学 | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 |
-
2017
- 2017-12-18 CN CN201711363417.4A patent/CN108051397A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104964946A (zh) * | 2015-03-19 | 2015-10-07 | 复旦大学 | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111537469A (zh) * | 2020-06-04 | 2020-08-14 | 哈尔滨理工大学 | 一种基于近红外技术的苹果品质快速无损检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | An overview on nondestructive spectroscopic techniques for lipid and lipid oxidation analysis in fish and fish products | |
| Chang et al. | Influence of soil moisture on near-infrared reflectance spectroscopic measurement of soil properties | |
| Vasconcelos et al. | Study of adulteration of extra virgin olive oil with peanut oil using FTIR spectroscopy and chemometrics | |
| Sheng et al. | Model development for soluble solids and lycopene contents of cherry tomato at different temperatures using near-infrared spectroscopy | |
| CN104964946A (zh) | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 | |
| Salguero-Chaparro et al. | Feasibility of using NIR spectroscopy to detect herbicide residues in intact olives | |
| Sun et al. | Quantitative detection of mixed pesticide residue of lettuce leaves based on hyperspectral technique | |
| Sánchez et al. | Application of NIRS for nondestructive measurement of quality parameters in intact oranges during on-tree ripening and at harvest | |
| Yan et al. | Hand-held near-infrared spectroscopy for authentication of fengdous and quantitative analysis of mulberry fruits | |
| 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 | |
| CN102179375A (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
| Xiao et al. | Detection of pesticide (chlorpyrifos) residues on fruit peels through spectra of volatiles by FTIR | |
| US9797874B2 (en) | Optical testing system and method | |
| CN108287140A (zh) | 一种用于污水处理厂实时在线监测的方法及装置 | |
| Paz et al. | Evaluating NIR instruments for quantitative and qualitative assessment of intact apple quality | |
| CN103487397B (zh) | 一种雷竹笋硬度快速检测方法及装置 | |
| US20110299085A1 (en) | Rapid Tissue Analysis Technique | |
| Darusman et al. | Rapid determination of mixed soil and biochar properties using a shortwave near infrared spectroscopy approach | |
| Okere et al. | Non-destructive evaluation of the quality characteristics of pomegranate kernel oil by fourier transform near-infrared and mid-infrared spectroscopy | |
| Udompetaikul et al. | Development of the partial least-squares model to determine the soluble solids content of sugarcane billets on an elevator conveyor | |
| Gullifa et al. | Portable NIR spectroscopy: The route to green analytical chemistry | |
| CN106033070B (zh) | 农药检测装置 | |
| Du et al. | Determination of chlorpyrifos in pears by Raman spectroscopy with random forest regression analysis | |
| Jamshidi et al. | Development of a spectroscopic approach for non-destructive and rapid screening of cucumbers based on maximum limit of nitrate accumulation | |
| Xue et al. | Study of the influence of NIRS acquisition parameters on the spectral repeatability for on-line measurement of crop straw fuel properties |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |