JP2004325135A - Residual agricultural chemical analysis method - Google Patents
Residual agricultural chemical analysis method Download PDFInfo
- Publication number
- JP2004325135A JP2004325135A JP2003117375A JP2003117375A JP2004325135A JP 2004325135 A JP2004325135 A JP 2004325135A JP 2003117375 A JP2003117375 A JP 2003117375A JP 2003117375 A JP2003117375 A JP 2003117375A JP 2004325135 A JP2004325135 A JP 2004325135A
- Authority
- JP
- Japan
- Prior art keywords
- pesticide
- spectrum
- concentration
- residual
- diffuse reflection
- 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
Abstract
Description
【０００１】
【発明の属する技術分野】
本発明は、野菜などの農作物における農作物の表面に残留している農薬成分を分析する残留農薬分析方法に関する。
【０００２】
【従来の技術】
多くの殺虫剤や殺菌剤は、生体内に取り込まれた場合に、生体内の本来のホルモン作用に影響を与える外因性内分泌攪乱化学物質（いわゆる環境ホルモン（ＥＤＳ））となり得る。このことから、近年、食品の安全性に対して消費者の関心が高まっており、特に生で食される農産物等の食品について、残留農薬の低減が望まれている。
そこで、現在、食品等の残留農薬を迅速且つ正確に測定する方法の開発が期待されている。
【０００３】
従来はクロマトグラフ等により残留農薬量の測定が行われていた。しかし、従来の測定法では、残留農薬を測定するために数時間、場合によっては数日を要していた。このため、すべての食品等について残留農薬を測定するのは不可能で、消費者の要望に十分応えることができなかった。更に、クロマトグラフやその他の生物測定法では、多くの複雑な化学処理が必要であった（非特許文献１）。
【０００４】
そこで本発明者らは、これまでに、全反射減衰赤外分光法（ＡＴＲ赤外分光法）を用いた農産物の残留農薬測定方法を開発している（非特許文献２〜６）。この測定方法によると、１０分程度で複数の残留農薬の量を測定することが可能である。
【０００５】
【非特許文献１】
高橋義行、「プラント・プロテクト（Ｐｌａｎｔ Ｐｒｏｔｅｃｔ）」、１９９５年、第４９巻、第９号、ｐｐ．３４−３８
【非特許文献２】
石澤広明、松沢恒友、鳥羽栄治、「カンファレンス・プロシーディングス・オブ・アイエムティーシー’９８（Ｃｏｎｆｅｒｅｎｃｅ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＭＴＣ’９８）」、１９９８年５月、第１巻、ｐｐ．６７５−６７８
【非特許文献３】
石澤広明、鳥羽栄治、「トランサクション・オブ・ザ・ソサイアティー・オブ・インスルメント・アンド・コントロール・エンジニアズ（Ｔｒａｎｓａｃｔｉｏｎ ｏｆ ｔｈｅ Ｓｏｃｉｅｔｙ ｏｆ Ｉｎｓｔｒｕｍｅｎｔ ａｎｄ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｓ）」、１９９７年、第３３巻、第１号、ｐｐ．５４−５６
【非特許文献４】
石澤広明、鳥羽栄治、「プロシーディングス・オブ・インターナショナル・カンファレンス・エレクトリック・メジャーメント・アンド・インスルメント（Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ Ｅｌｅｃｔｒｉｃ Ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ Ｉｎｓｔｒｕｍｅｎｔ）」、１９９７年、ｐｐ．１２７−１３０
【非特許文献５】
石澤広明、鳥羽栄治、「トランサクション・オブ・ザ・ソサイアティー・オブ・インスルメント・アンド・コントロール・エンジニアズ（Ｔｒａｎｓａｃｔｉｏｎ ｏｆ ｔｈｅ Ｓｏｃｉｅｔｙ ｏｆ Ｉｎｓｔｒｕｍｅｎｔ ａｎｄ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｓ）」、１９９４年、第３１巻、第１２号、ｐｐ．１４３６−１４４１
【非特許文献６】
石澤広明、西松豊典、鳥羽栄治、「第１７回アイトリプルイー・インスルメンテイション・アンド・メジャーメント・テクノロジー・カンファレンス・プロシーディングス（１７ｔｈ ＩＥＥＥ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ Ｐｒｏｃｅｅｄｉｎｇｓ）」、２０００年、ｐｐ．１５２４−１５２８
【０００６】
【発明が解決しようとする課題】
上記ＡＴＲ赤外分光法を用いた場合、各試料の測定の度にバックグラウンドスペクトルを測定する必要があった。また、この方法では、果物や穀物等のプリズムの表面に密着させることのできないものは測定することができなかった。
【０００７】
本発明はこのような課題を解決するために成されたものであり、赤外分光光度計を利用した拡散反射法を用いることにより、平坦な表面を持たない農産物についても、非破壊で残留農薬濃度の測定を行うことが可能な残留農薬分析方法を提供する。
【０００８】
【課題を解決するための手段】
上記課題を解決するために成された本発明に係る残留農薬分析方法は、農作物の表面に残留している農薬成分の濃度を測定する残留農薬分析方法において、
ａ）前記農薬成分の残留濃度が既知の種々の値である複数の農作物について、農作物表面における前記農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを、赤外分光光度計を利用して拡散反射法により採取する第１ステップと、
ｂ）第１ステップにおいて採取されたデータを１次微分スペクトルに変換する第２ステップと、
ｃ）第２ステップにおいて得られたスペクトルに部分最小自乗回帰法を適用して、各農薬濃度を算出する最適モデルを導出する第３ステップと、
ｄ）赤外分光光度計を利用した拡散反射法により、前記農薬成分の残留濃度が未知である分析対象の農作物の表面における前記農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを採取する第４ステップと、
ｅ）第４ステップにおいて採取されたデータを１次微分スペクトルに変換する第５ステップと、
ｆ）第５ステップで得られた１次微分スペクトルに、第３ステップにおいて得られた最適モデルを適用して、前記分析対象の農作物の表面の前記農薬成分の残留濃度を算出する第６ステップと、
を有することを特徴としている。
【０００９】
【発明の実施の形態】
まず、農薬成分の残留濃度が既知の種々の値である複数の農作物に対し、それらの表面に残留している該農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータが、赤外分光光度計を利用した拡散反射法により採取される（第１ステップ）。すなわち、赤外光を試料に入射し、拡散反射した赤外光を検出器で検出することにより、フーリエ変換拡散反射赤外スペクトルのデータが採取される。次に、このスペクトルデータが１次微分スペクトルに変換される（第２ステップ）。続いて、第２ステップにおいて得られたスペクトルに部分最小自乗回帰法を適用して、各試料の農薬濃度を算出する最適モデルが導出される（第３ステップ）。以後、第４ステップから第６ステップにより、未知の農作物における農薬成分の残留濃度を迅速に測定できる状態となる。更に、第７ステップにより、未知の農作物における農薬成分の残留濃度が許容値以下か否かを迅速に判別することができる。
【００１０】
【発明の効果】
赤外分光光度計を利用した拡散反射法を用いることにより、平坦な表面を持たないレタス等の農産物試料についても、試料を破壊することなく、短時間で、試料表面に残留する農薬の濃度を測定することができる。
【００１１】
【実施例】
図１に示すように、上向き拡散反射装置１１（パイク・テクノロジーズ社）を備えるＦＴ−ＩＲ分光光度計１０（島津製作所ＦＴ−ＩＲ８２００Ｄ）により、レタス試料１２（ｃｒｉｓｐ ｈｅａｄｓ：レタス株）のフーリエ変換拡散反射赤外スペクトルを測定する。マイケルソン干渉計（図示せず）からの干渉赤外光１３を平面鏡セット（下方鏡及び上方鏡）のうちの上方鏡１４を介して楕円鏡１５に投射し、その焦点面上に配置した試料１２に照射する。試料から発せられた拡散反射赤外光１６は楕円鏡１５により集光され、平面鏡セットのうちの下方鏡１７により反射されて焦電検出器１８で検出される。検出器１８からは、試料から発せられた拡散反射赤外光に応じた検出信号が出力される。
ランベルト−ベール（Ｌａｍｂｅｒｔ−Ｂｅｅｒ）の法則によれば、高速フーリエ変換された拡散反射赤外光は、試料の化学的情報を含んでいる。本発明においては、この原理を利用して残留農薬濃度の測定を行っている。
【００１２】
検出器１８は、制御部２０およびパーソナルコンピュータ（パソコン）３０に接続されている。
制御部２０は、検出信号をＡ／Ｄ変換して干渉信号データを得る。そして、この干渉信号データをフーリエ変換することによってフーリエ変換拡散反射赤外スペクトルのデータを作製する。実際に拡散反射法により試料１２の拡散反射赤外スペクトルを測定する場合は、まず、試料１２が無い状態で拡散反射赤外スペクトルを測定する。これがバックグランドスペクトルである。次に、試料１２を試料載置部に載置して拡散反射赤外スペクトルを測定する。この試料１２の拡散反射赤外スペクトルを前述のバックグランドスペクトルで減算することにより、拡散反射による赤外スペクトルのデータ（以下「スペクトルデータ」という）が得られる。このスペクトルデータに基づき、制御部２０内の表示部に拡散反射赤外スペクトルが表示される。また、このスペクトルデータは、インタフェイスを介してパソコン３０に転送される。
【００１３】
パソコン３０は、クベルカームンク（Ｋｕｂｅｌｋａ−Ｍｕｎｋ）変換を行うことにより、透過スペクトルと同じ形態を有するスペクトルに変換する。その後、１６４０ｃｍ−１の水の吸収波数で正規化したスペクトル、及び較正モデルを導出するために、サヴィツキー−ゴーレイ（Ｓａｖｉｔｚｋｙ−Ｇｏｌａｙ）法を用いて、１次微分スペクトルに変換する。そして、この１次微分スペクトルに基づき、部分最小自乗回帰法を用いた以下のような手法で、試料の残留農薬濃度を測定するための較正モデルを算出する。そして、この較正モデルのうちの最適モデルに基づき、試料１２に残留する農薬の濃度を算出する。
【００１４】
（残留農薬の種類及び参照値）
本実施例においては、そのままの状態のレタス株（ｉｎｔａｃｔ ｌｅｔｔｕｃｅ ｈｅａｄｓ）を試料として用い、以下の３種の残留農薬を分析した。（１）メソミル殺虫剤（Ｓ−メチル Ｎ−（メチルカルバモイロキシ）チオアセチミド）、（２）フェンバレレート殺虫剤（（ＲＳ）−α−シアノ−３−フェノキシベンジル）、（３）ベノミル殺菌剤（メチル １−（ブチルカルバモイル）−２−ベンジミド−アゾレカルバメート）。
農場から４０個のレタス株を試料として採取し、農薬適用手順によって３グループに分けた。第１グループは農薬を全く散布しないもの（以下、「農薬未使用レタス試料」とする）、第２グループは残留レベルが許容値以下となるように通常の手順で農薬を散布したもの、そして第３グループは残留レベルが許容値以上となるようにしたもの（以下、「農薬過使用レタス試料」とする）である。各試料のグループ分けはクロマトグラフ法により確認した。そして、その結果の値をｐｐｍ（１０−６ｇ／ｇ）で表し、それを試料の参照残留農薬濃度とした。
【００１５】
次に、各試料のスペクトルを、試料側面の中央部分において測定した。スペクトル測定の際、波数分解能は２ｃｍ−１に、積算回数は１００回とした。拡散反射赤外スペクトルは２８００ｃｍ−１〜８００ｃｍ−１の範囲で測定した。クベルカームンク（Ｋｕｂｅｌｋａ−Ｍｕｎｋ）変換を行うことにより、透過スペクトルと同じ形態を有するスペクトルを得た。その後、１６４０ｃｍ−１の水の吸収波数で正規化したスペクトル、及び、較正モデルを導出するための１次微分スペクトルを得た。
【００１６】
（部分最小自乗回帰法を用いた較正及び検定手法）
試料の残留農薬濃度を測定するための較正モデルは、スペクトルの部分最小自乗回帰（ＰＬＳＲ）により得た。この際、マトラブ・ケモメトリクス・ツールボックス（Ｍａｔｌａｂ ｃｈｅｍｏｍｅｍｅｔｒｉｃｓ ｔｏｏｌｂｏｘ）（マスワークス社製：Ｍａｔｈｗｏｒｋｓ Ｉｎｃ．）を使用した。ＰＬＳＲで、参照残留農薬濃度及びスペクトルデータから主成分ベクトルを連続的に抽出した。この作業は、予測誤差が最小になるまで連続して行った。その後、モデルの相互較正を一つ抜き法（ｌｅａｖｅ−ｏｎｅ−ｏｕｔ ｍｅｔｈｏｄ）により行った。ＰＬＳＲモデルの最適因子数を得るために、各々の抽出因子の各数値について二乗和誤差（ＰＲＥＳＳ）値を計算した。測定により得たスペクトルデータをクベルカームンク（Ｋｕｂｅｌｋａ−Ｍｕｎｋ）変換により変換し、これに対してサヴィツキー−ゴーレイ法により得られる１次微分スペクトルをＰＬＳＲの際に使用した。これらのスペクトル加工は、ケモメトリクスソフトウェアであるＳＨＩＭＡＤＺＵ Ｈｙｐｅｒ ＩＲ（島津製作所製）により行った。
【００１７】
図２に（ａ）農薬過使用レタス試料、（ｂ）農薬未使用レタス試料、（ｃ）メソミル殺虫剤、（ｄ）フェンバレレート殺虫剤、（ｅ）ベノミル殺虫剤、の拡散反射スペクトル図をそれぞれ示す。図２では、試料のスペクトルを１６４０ｃｍ−１の水の吸収波数で正規化している。図２に示されるように、農薬を全く散布しない試料と農薬残留レベルが許容値以上となるようにした試料では、１８００ｃｍ−１〜１０００ｃｍ−１のスペクトルパターンにおいて、農薬の適用状況の特徴が現れている。すなわち、農薬残留レベルが許容値以上となるようにした試料において、各農薬に特徴的なピークがより顕著に現れている。なお、各農薬の標準試料スペクトルの特徴的な吸収バンドは表１に示す通りである。
【００１８】
【表１】
各試料のスペクトルは、各農薬の特徴的な吸収バンド領域において、大きな差異が見られた。この差異は、正規化されたスペクトルよりも、図３に示す１次微分スペクトルにおいて、より明らかであった。農薬残留レベルが許容値以上となるようにした試料においては、図３において矢印で示された農薬の特徴的な吸収バンドに由来する１次微分スペクトルの主なピークまたは谷が明確になっている。
更に、本発明に係る方法では１時間に２４試料の測定を行うことができ、１時間に６試料の測定しか行うことができないＡＴＲ法と比べて迅速に試料の測定を行うことができる。
また、本発明に係る方法によれば、各々のサンプルの測定を行う度にバックグラウンドスペクトルを測定するという必要がないため、迅速に測定を行えるだけでなく、容易に測定を行える。
【００２０】
図４は１次微分スペクトルにおける一つ抜き法によるＰＬＳ法の相互較正を行った結果の、ＰＬＳ因子数と二乗和誤差の関係を示している。信頼度９５％のＦ検定の結果、メソミル殺虫剤に対するＰＬＳモデルの最適因子数は６、フェンバレレート殺虫剤に対するＰＬＳモデルの最適因子数は５、及びベノミル殺菌剤に対するＰＬＳモデルの最適因子数は４であった。
表２に示される１次微分スペクトルを用いて得られるモデルにより、最適判別法が得られる。
【００２１】
【表２】
この１次微分スペクトルにより得られるモデルは、正規化スペクトルにより得られるモデルよりも正確であることがわかっている。これは農薬残留レベルが許容値以上となるようにした試料の１次微分スペクトルにおいて、農薬に特徴的な吸収バンドが、正規化スペクトルのバンドと比べてより顕著となっている実験結果からもわかる。これらのモデルは０．９よりも大きい相関係数を有している。
【００２３】
図５にメソミル殺虫剤、フェンバレレート殺虫剤、及びベノミル殺菌剤に対するＰＬＳ最適モデルによる残留農薬濃度値と参照残留農薬濃度値の関係を表す散布図を示す。信頼度９５％のｔ検定によるモデルにおいては偏り（ｂｉａｓ）及び歪み（ｓｋｅｗ）のいずれに対しても帰無仮説が成り立ったため、偏りおよび歪みのいずれの補正もこれらのモデルには必要ではなかった。
本発明の方法による測定の結果、フェンバレレート殺虫剤の標準残留濃度は２．０ｐｐｍ、ベノミル殺菌剤の標準残留濃度は０．８ｐｐｍであり、また、これらの残留殺虫剤の測定に対する較正の標準誤差は、フェンバレレート殺虫剤の残留基準値またはベノミル殺菌剤の登録保留基準値といった農薬の安全基準値の１０分の１以下であった。このように、本発明に係る残留農薬測定方法は、他の方法で測定を行った場合と比べて高い感度と高いＳ／Ｎ比を有する。このことから、上記モデルによれば、正確な食物の安全性診断が行えるものと思われる。
一方、メソミル殺虫剤のモデルの標準誤差は、メソミル殺虫剤の登録保留基準値０．５ｐｐｍに対して、０．６２ｐｐｍであった。これは、０ｐｐｍ〜１０ｐｐｍという広い測定範囲で較正を行ったためであって、０〜２ｐｐｍといった狭い範囲で較正を行うことで、標準誤差を実用レベルまで改善することは容易に行うことができると考えられる。
【００２４】
現在、農業生産物について、残留農薬量の迅速な分析法が求められている。本発明に係る方法によれば、拡散反射赤外スペクトル方法を用いることにより、迅速かつ正確な測定を現実に行うことが可能である。本発明に係る方法を用いれば、一つのスペクトル測定にほんの２分程度しかかからない。また、本発明に係る方法を用いることにより、従来の方法と比べてより再現性よく正確に測定を行うことが可能である。また、最適な較正モデルを導出し、残留農薬の許容値を超えないように識別レベルをセットすれば、試料が安全性を満足するものであるか否かの識別作業を、農作物の流通過程で実際に行うことが可能となるものと思われる。
更に、本発明に係る方法は、農作物以外にも、内分泌攪乱物質を含む土壌や水などの測定にも用いることが可能である。
【図面の簡単な説明】
【図１】本発明に係る残留農薬分析方法に用いる装置の概略構成図。
【図２】（ａ）農薬過使用レタス試料の拡散反射スペクトル図、（ｂ）農薬未使用レタス試料の拡散反射スペクトル図、（ｃ）メソミル殺虫剤の拡散反射スペクトル図、（ｄ）フェンバレレート殺虫剤の拡散反射スペクトル図、（ｅ）ベノミル殺虫剤の拡散反射スペクトル図。
【図３】農薬過使用レタス試料および農薬未使用レタス試料の１次微分拡散反射スペクトル図。
【図４】ＰＬＳ因子数と二乗和誤差の関係図。
【図５】ＰＬＳモデルによる残留農薬濃度値と参照残留農薬濃度値の関係を示す散布図。
【符号の説明】
１０…ＦＴ−ＩＲ分光光度計
１１…上向き拡散反射装置
１２…試料
１８…検出器
２０…制御部
３０…パソコン[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a method for analyzing residual agricultural chemicals for analyzing agricultural chemical components remaining on the surface of agricultural products such as vegetables.
[0002]
[Prior art]
Many insecticides and fungicides, when taken into a living body, can be endogenous endocrine disrupting chemicals (so-called environmental hormones (EDS)) that affect the natural hormonal action in the living body. For this reason, in recent years, consumers have been paying more attention to food safety, and it has been desired to reduce pesticide residues especially in foods such as agricultural products that are eaten raw.
Therefore, development of a method for quickly and accurately measuring residual agricultural chemicals in foods and the like is expected.
[0003]
Conventionally, the amount of pesticide residues has been measured by chromatography or the like. However, in the conventional measurement method, it took several hours and sometimes several days to measure the residual pesticide. For this reason, it is impossible to measure pesticide residues in all foods and the like, and it has not been possible to sufficiently respond to the demands of consumers. Furthermore, chromatographs and other biometric methods require many complex chemical treatments (Non-Patent Document 1).
[0004]
Therefore, the present inventors have developed a method for measuring residual agricultural chemicals in agricultural products using attenuated total reflection infrared spectroscopy (ATR infrared spectroscopy) (Non-Patent
[0005]
[Non-patent document 1]
Yoshiyuki Takahashi, "Plant Protect", 1995, Vol. 49, No. 9, p. 34-38
[Non-patent document 2]
Hiroaki Ishizawa, Tsunetomo Matsuzawa, Eiji Toba, "Conference Procedures of IMTC '98", May 1998, Vol. 675-678
[Non-Patent Document 3]
Hiroaki Ishizawa, Eiji Toba, “Transaction of the Society of Instrument and Control Engineers”, 1997, Vol. 33, No. 1, 1997. [Transaction of the Society of Instrument and Control Engineers] Pp. 54-56
[Non-patent document 4]
Hiroaki Ishizawa and Eiji Toba, "Proceedings of International Conference Electric Measurement and Instrument", 1997, pp. 127-130
[Non-Patent Document 5]
Hiroaki Ishizawa, Eiji Toba, "Transaction of the Society of Instrument and Control Engineers", 1994, Vol. 31, No. 12, No. 12, "Transaction of the Society of Instrument and Control Engineers" Pp. 1436-1441
[Non-Patent Document 6]
Hiroaki Ishizawa, Toyonori Nishimatsu, Eiji Toba, "17th IEEE Instrumentation and Measurement Technology Conference Proceedings", 2000. 1524-1528
[0006]
[Problems to be solved by the invention]
When the above-mentioned ATR infrared spectroscopy was used, it was necessary to measure a background spectrum each time each sample was measured. Further, with this method, it was not possible to measure fruits, grains, and the like that cannot be brought into close contact with the surface of the prism.
[0007]
The present invention has been made in order to solve such a problem, and by using a diffuse reflection method using an infrared spectrophotometer, even for agricultural products having no flat surface, non-destructive pesticide residues. Provided is a method for analyzing pesticide residues capable of measuring the concentration.
[0008]
[Means for Solving the Problems]
The method for analyzing pesticide residues according to the present invention made in order to solve the above-mentioned problem, in the method for analyzing residual pesticides to measure the concentration of pesticide components remaining on the surface of agricultural products,
a) For a plurality of crops in which the residual concentration of the pesticide component is various known values, data of the Fourier transform diffuse reflection infrared spectrum by the pesticide component on the crop surface is diffusely reflected using an infrared spectrophotometer. A first step of collecting by a method,
b) a second step of converting the data collected in the first step into a first derivative spectrum;
c) applying a partial least squares regression method to the spectrum obtained in the second step to derive an optimal model for calculating each pesticide concentration;
d) collecting Fourier transform diffuse reflection infrared spectrum data by the pesticide component on the surface of the crop to be analyzed whose residual concentration of the pesticide component is unknown by a diffuse reflection method using an infrared spectrophotometer; Steps and
e) a fifth step of converting the data collected in the fourth step into a first derivative spectrum;
f) a sixth step of applying the optimal model obtained in the third step to the first derivative spectrum obtained in the fifth step to calculate the residual concentration of the pesticide component on the surface of the crop to be analyzed; ,
It is characterized by having.
[0009]
BEST MODE FOR CARRYING OUT THE INVENTION
First, for a plurality of crops in which the residual concentration of the pesticide component is a known various value, data of the Fourier transform diffuse reflection infrared spectrum by the pesticide component remaining on the surface thereof is measured by an infrared spectrophotometer. It is collected by the diffuse reflection method used (first step). That is, the infrared light is incident on the sample, and the diffused reflected infrared light is detected by the detector, so that data of the Fourier transform diffuse reflection infrared spectrum is collected. Next, this spectrum data is converted into a first derivative spectrum (second step). Subsequently, an optimal model for calculating the pesticide concentration of each sample is derived by applying the partial least squares regression method to the spectrum obtained in the second step (third step). Thereafter, from the fourth step to the sixth step, it becomes possible to quickly measure the residual concentration of the pesticide component in the unknown crop. Further, by the seventh step, it is possible to quickly determine whether or not the residual concentration of the pesticide component in the unknown crop is below the allowable value.
[0010]
【The invention's effect】
By using the diffuse reflection method using an infrared spectrophotometer, even for agricultural products such as lettuce that do not have a flat surface, the concentration of pesticide remaining on the sample surface can be reduced in a short time without destroying the sample. Can be measured.
[0011]
【Example】
As shown in FIG. 1, Fourier transform diffusion of a lettuce sample 12 (crisp heads: lettuce strain) is performed by an FT-IR spectrophotometer 10 (Shimadzu FT-IR8200D) equipped with an upward diffuse reflection device 11 (Pike Technologies). Measure the reflection infrared spectrum. Interfering infrared light 13 from a Michelson interferometer (not shown) is projected onto an
According to Lambert-Beer's law, the fast Fourier transformed diffusely reflected infrared light contains the chemical information of the sample. In the present invention, the concentration of the pesticide residue is measured using this principle.
[0012]
The detector 18 is connected to a
The
[0013]
The
[0014]
(Types of pesticide residues and reference values)
In this example, the following three types of pesticide residues were analyzed using lettuce heads as they were (intact lettuce heads). (1) Mesomyl insecticide (S-methyl N- (methylcarbamoyloxy) thioacetimide), (2) Fenvalerate insecticide ((RS) -α-cyano-3-phenoxybenzyl), (3) Benomyl fungicide ( Methyl 1- (butylcarbamoyl) -2-benzimide-azolecarbamate).
Forty lettuce strains were sampled from the farm and divided into three groups according to pesticide application procedures. The first group does not spray pesticides at all (hereinafter referred to as "pesticide-free lettuce samples"), the second group sprays pesticides according to normal procedures so that the residual level is below the allowable value, and The three groups are those in which the residual level is equal to or higher than the allowable value (hereinafter referred to as "pesticide overuse lettuce sample"). The grouping of each sample was confirmed by a chromatographic method. Then, the value of the result was expressed in ppm (10 −6 g / g), which was defined as the reference residual pesticide concentration of the sample.
[0015]
Next, the spectrum of each sample was measured at the center of the side surface of the sample. At the time of spectrum measurement, the wave number resolution was 2 cm −1 and the number of integration was 100. Diffuse reflection infrared spectrum was measured in the range of 2800cm -1 ~800cm -1. By performing Kubelka-Munk transformation, a spectrum having the same form as the transmission spectrum was obtained. After that, a spectrum normalized by the absorption wave number of water at 1640 cm −1 and a first derivative spectrum for deriving a calibration model were obtained.
[0016]
(Calibration and test method using partial least squares regression method)
A calibration model for measuring pesticide residue concentrations in samples was obtained by partial least squares regression (PLSR) of the spectra. At this time, a Matlab chemometrics toolbox (Mathworks Inc .: Mathworks Inc.) was used. Principal component vectors were continuously extracted from the reference pesticide residue concentration and spectral data by PLSR. This operation was continuously performed until the prediction error was minimized. Thereafter, the models were cross-calibrated by the leave-one-out method. To obtain the optimal number of factors for the PLSR model, a sum of squared error (PRESS) value was calculated for each value of each extraction factor. The spectrum data obtained by the measurement was converted by Kubelka-Munk conversion, and the first-order differential spectrum obtained by the Savitzky-Golay method was used for the PLSR. These spectral processings were performed by SHIMADZU Hyper IR (manufactured by Shimadzu Corporation) which is chemometrics software.
[0017]
FIG. 2 shows diffuse reflectance spectra of (a) lettuce sample overused with pesticide, (b) lettuce sample without pesticide, (c) mesomil pesticide, (d) fenvalerate pesticide, and (e) benomyl pesticide. Show. In FIG. 2, the spectrum of the sample is normalized by the absorption wave number of water at 1640 cm −1 . As shown in FIG. 2, in the sample in which the pesticide is not sprayed at all and the sample in which the residual level of the pesticide is equal to or more than the allowable value, the characteristic of the application state of the pesticide appears in the spectrum pattern of 1800
[0018]
[Table 1]
The spectrum of each sample showed a large difference in the characteristic absorption band region of each pesticide. This difference was more apparent in the first derivative spectrum shown in FIG. 3 than in the normalized spectrum. In the sample in which the pesticide residue level is set to be equal to or higher than the allowable value, the main peak or valley of the first derivative spectrum derived from the characteristic absorption band of the pesticide indicated by the arrow in FIG. 3 is clear. .
Furthermore, the method according to the present invention can measure 24 samples per hour, and can measure samples more quickly than the ATR method, which can measure only 6 samples per hour.
Further, according to the method of the present invention, it is not necessary to measure the background spectrum every time each sample is measured, so that the measurement can be performed not only quickly but also easily.
[0020]
FIG. 4 shows the relationship between the number of PLS factors and the sum of squares error as a result of performing the cross calibration of the PLS method by the single subtraction method in the first derivative spectrum. The F-test with 95% confidence showed that the optimal number of factors for the PLS model for mesomil insecticide was 6, the optimal number of factors for the PLS model for fenvalerate insecticide was 5, and the optimal number of factors for the PLS model for benomyl fungicide was 4 Met.
An optimal discrimination method is obtained by a model obtained using the first derivative spectrum shown in Table 2.
[0021]
[Table 2]
It has been found that the model obtained from the first derivative spectrum is more accurate than the model obtained from the normalized spectrum. This can be seen from the experimental result that the absorption band characteristic of the pesticide is more prominent in the first derivative spectrum of the sample in which the residual level of the pesticide is equal to or higher than the allowable value, as compared with the band of the normalized spectrum. . These models have a correlation coefficient greater than 0.9.
[0023]
FIG. 5 is a scatter diagram showing the relationship between the residual pesticide concentration value and the reference residual pesticide concentration value by the PLS optimal model for the mesomil insecticide, fenvalerate insecticide, and benomyl fungicide. Since the null hypothesis holds for both bias and skew in models with 95% confidence t-test, neither bias nor distortion correction was necessary for these models. .
As a result of the measurement according to the method of the present invention, the standard residual concentration of fenvalerate pesticide was 2.0 ppm, the standard residual concentration of benomyl fungicide was 0.8 ppm, and the standard error of calibration for the measurement of these residual pesticides. Was less than one-tenth of the safety standard value of pesticides such as the residual standard value of fenvalerate insecticide or the registration standard of benomyl fungicide. As described above, the pesticide residue measurement method according to the present invention has higher sensitivity and a higher S / N ratio than the case where measurement is performed by another method. From this, it is thought that the food safety diagnosis can be accurately performed according to the model.
On the other hand, the standard error of the model for the mesomil insecticide was 0.62 ppm against the registration suspension standard value of 0.5 ppm for the mesomil insecticide. This is because the calibration was performed in a wide measurement range of 0 ppm to 10 ppm, and it is considered that the standard error can be easily improved to a practical level by performing the calibration in a narrow range of 0 to 2 ppm. Can be
[0024]
Currently, there is a need for a rapid method for analyzing pesticide residues in agricultural products. According to the method according to the present invention, it is possible to actually perform quick and accurate measurement by using the diffuse reflection infrared spectrum method. With the method according to the invention, one spectral measurement takes only about two minutes. In addition, by using the method according to the present invention, accurate measurement can be performed with higher reproducibility as compared with the conventional method. In addition, if the optimal calibration model is derived and the identification level is set so as not to exceed the allowable value of the residual pesticide, the identification of whether the sample satisfies the safety can be performed during the distribution process of the agricultural products. It will be possible to actually do it.
Further, the method according to the present invention can be used for measurement of soil, water, and the like containing endocrine disrupters, in addition to agricultural products.
[Brief description of the drawings]
FIG. 1 is a schematic configuration diagram of an apparatus used in a method for analyzing pesticide residues according to the present invention.
FIG. 2 (a) Diffuse reflection spectrum of lettuce sample overused with pesticide, (b) Diffuse reflection spectrum of lettuce sample without pesticide, (c) Diffuse reflection spectrum of mesomil pesticide, (d) Fenvalerate insecticide (E) Diffuse reflection spectrum of benomyl insecticide.
FIG. 3 is a diagram of first-order differential diffuse reflection spectra of lettuce samples overused with pesticides and lettuce samples without pesticides.
FIG. 4 is a diagram showing the relationship between the number of PLS factors and the sum of squares error.
FIG. 5 is a scatter diagram showing a relationship between a residual pesticide concentration value and a reference residual pesticide concentration value by a PLS model.
[Explanation of symbols]
Claims (2)
ａ）前記農薬成分の残留濃度が既知の種々の値である複数の農作物について、農作物表面における前記農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを、赤外分光光度計を利用して拡散反射法により採取する第１ステップと、
ｂ）第１ステップにおいて採取されたデータを１次微分スペクトルに変換する第２ステップと、
ｃ）第２ステップにおいて得られたスペクトルに部分最小自乗回帰法を適用して、各農薬濃度を算出する最適モデルを導出する第３ステップと、
ｄ）赤外分光光度計を利用した拡散反射法により、前記農薬成分の残留濃度が未知である分析対象の農作物の表面における前記農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを採取する第４ステップと、
ｅ）第４ステップにおいて採取されたデータを１次微分スペクトルに変換する第５ステップと、
ｆ）第５ステップで得られた１次微分スペクトルに、第３ステップにおいて得られた最適モデルを適用して、前記分析対象の農作物の表面の前記農薬成分の残留濃度を算出する第６ステップと、
を有することを特徴とする残留農薬分析方法。In the residual pesticide analysis method for measuring the concentration of pesticide components remaining on the surface of agricultural products,
a) For a plurality of crops in which the residual concentration of the pesticide component is various known values, data of the Fourier transform diffuse reflection infrared spectrum by the pesticide component on the crop surface is diffusely reflected using an infrared spectrophotometer. A first step of collecting by a method,
b) a second step of converting the data collected in the first step into a first derivative spectrum;
c) applying a partial least squares regression method to the spectrum obtained in the second step to derive an optimal model for calculating each pesticide concentration;
d) collecting Fourier transform diffuse reflection infrared spectrum data by the pesticide component on the surface of the crop to be analyzed whose residual concentration of the pesticide component is unknown by a diffuse reflection method using an infrared spectrophotometer; Steps and
e) a fifth step of converting the data collected in the fourth step into a first derivative spectrum;
f) a sixth step of applying the optimal model obtained in the third step to the first derivative spectrum obtained in the fifth step to calculate the residual concentration of the pesticide component on the surface of the crop to be analyzed; ,
A method for analyzing pesticide residues, comprising:
ａ）前記農薬成分の残留濃度が既知の種々の値である複数の農作物について、農作物表面における農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを、赤外分光光度計を利用して拡散反射法により採取する第１ステップと、
ｂ）第１ステップにおいて採取されたデータを１次微分スペクトルに変換する第２ステップと、
ｃ）第２ステップにおいて得られたスペクトルに部分最小自乗回帰法を適用して、各農薬濃度を算出する最適モデルを導出する第３ステップと、
ｄ）赤外分光光度計を利用した拡散反射法により、前記農薬成分の残留濃度が未知である分析対象の農作物の表面における前記農薬成分によるフーリエ変換拡散反射赤外スペクトルのデータを採取する第４ステップと、
ｅ）第４ステップにおいて採取されたデータを１次微分スペクトルに変換する第５ステップと、
ｆ）第５ステップで得られた１次微分スペクトルに、第３ステップにおいて得られた最適モデルを適用して、前記分析対象の農作物の表面の前記農薬成分の残留濃度を算出する第６ステップと、
ｇ）第６ステップにおいて得られた残留農薬濃度値を境界値と比較することにより、前記分析対象の農作物の表面に残留している前記農薬成分の濃度が許容値以下か否かを判定する第７ステップと、
を有することを特徴とする残留農薬分析方法。In the residual pesticide analysis method for determining whether the concentration of the pesticide component remaining on the surface of the crop is below the allowable value,
a) For a plurality of crops in which the residual concentration of the agrochemical component is a known various value, the data of the Fourier transform diffuse reflection infrared spectrum by the agrochemical component on the surface of the crop is analyzed by the diffuse reflection method using an infrared spectrophotometer. A first step of sampling by
b) a second step of converting the data collected in the first step into a first derivative spectrum;
c) applying a partial least squares regression method to the spectrum obtained in the second step to derive an optimal model for calculating each pesticide concentration;
d) collecting Fourier transform diffuse reflection infrared spectrum data by the pesticide component on the surface of the crop to be analyzed whose residual concentration of the pesticide component is unknown by a diffuse reflection method using an infrared spectrophotometer; Steps and
e) a fifth step of converting the data collected in the fourth step into a first derivative spectrum;
f) a sixth step of applying the optimal model obtained in the third step to the first derivative spectrum obtained in the fifth step to calculate the residual concentration of the pesticide component on the surface of the crop to be analyzed; ,
g) comparing the residual pesticide concentration value obtained in the sixth step with a boundary value to determine whether the concentration of the pesticide component remaining on the surface of the agricultural crop to be analyzed is equal to or less than an allowable value. 7 steps,
A method for analyzing pesticide residues, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003117375A JP2004325135A (en) | 2003-04-22 | 2003-04-22 | Residual agricultural chemical analysis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003117375A JP2004325135A (en) | 2003-04-22 | 2003-04-22 | Residual agricultural chemical analysis method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004325135A true JP2004325135A (en) | 2004-11-18 |
Family
ID=33497282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003117375A Pending JP2004325135A (en) | 2003-04-22 | 2003-04-22 | Residual agricultural chemical analysis method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004325135A (en) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006337255A (en) * | 2005-06-03 | 2006-12-14 | Yanmar Agricult Equip Co Ltd | Apparatus for nondestructively determining residual agricultural chemical |
| JP2007069060A (en) * | 2005-09-02 | 2007-03-22 | Yanmar Co Ltd | Sorting system of vegetables and fruits |
| JP2007071550A (en) * | 2005-09-02 | 2007-03-22 | Yanmar Co Ltd | Sensor of agricultural chemicals |
| JP2007101186A (en) * | 2005-09-30 | 2007-04-19 | Yanmar Co Ltd | Residual agricultural chemical discriminating apparatus and method |
| JP2007101226A (en) * | 2005-09-30 | 2007-04-19 | Yanmar Co Ltd | Measuring instrument of residual agricultural chemicals |
| JP2007139465A (en) * | 2005-11-15 | 2007-06-07 | Yanmar Co Ltd | Residual agricultural chemical judging apparatus |
| JP2007248194A (en) * | 2006-03-15 | 2007-09-27 | Yanmar Co Ltd | Instrument for measuring residual agrichemical |
| JP2007248129A (en) * | 2006-03-14 | 2007-09-27 | Yanmar Co Ltd | Componential analyzer |
| JP2007248128A (en) * | 2006-03-14 | 2007-09-27 | Yanmar Co Ltd | Residual agricultural chemical measuring instrument |
| JP2007333513A (en) * | 2006-06-14 | 2007-12-27 | Yanmar Co Ltd | Residual pesticide measuring instrument and residual pesticide measuring method |
| JP2007333595A (en) * | 2006-06-15 | 2007-12-27 | Yanmar Co Ltd | Residual agricultural chemical detecting device |
| JP2007333510A (en) * | 2006-06-14 | 2007-12-27 | Yanmar Co Ltd | Component analyzer |
| JP2008064688A (en) * | 2006-09-08 | 2008-03-21 | Yanmar Co Ltd | Method of component analysis |
| CN101832922A (en) * | 2010-05-19 | 2010-09-15 | 中国农业大学 | Method for transferring near infrared model of organic fertilizer product |
| KR101108671B1 (en) * | 2009-12-11 | 2012-01-25 | 한국건설기술연구원 | Identification Test Method for Fire Resistive Coatings in Near-Infrared Spectroscopy |
| KR101379959B1 (en) | 2012-04-27 | 2014-03-28 | 충남대학교산학협력단 | Method for discriminating disease-infected seed potato using light reflectance technique |
| CN104076012A (en) * | 2014-07-24 | 2014-10-01 | 河南中医学院 | Method for establishing model for rapidly detecting quality of synthetic borneol through near infrared reflectance spectroscopy |
| JP2015507182A (en) * | 2011-12-19 | 2015-03-05 | オプティカル・ダイアグノスティクス・リミテッド | Spectroscopic means and methods for identifying microorganisms in culture |
| CN109131893A (en) * | 2018-10-15 | 2019-01-04 | 南京林业大学 | A kind of pesticide residue real-time detection based on unmanned plane and the system and method accurately removed |
| CN110346342A (en) * | 2019-08-28 | 2019-10-18 | 苏银华 | A kind of pesticide residue detection method |
| CN112903623A (en) * | 2021-01-28 | 2021-06-04 | 沈阳祥宝科技有限公司 | Infrared detection surface harmful substance detection system |
| CN113049531A (en) * | 2021-03-17 | 2021-06-29 | 盐城师范学院 | Spectrum detection method for pesticide residue detection |
| EP4220130A1 (en) * | 2017-05-17 | 2023-08-02 | Spogen Biotech Inc. | Devices, systems, and methods for agrochemical detection and agrochemical compositions |
| JP7443135B2 (en) | 2020-04-02 | 2024-03-05 | 株式会社住化分析センター | Information processing device and database generation method |
-
2003
- 2003-04-22 JP JP2003117375A patent/JP2004325135A/en active Pending
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4589808B2 (en) * | 2005-06-03 | 2010-12-01 | ヤンマー株式会社 | Non-destructive pesticide residue analyzer |
| JP2006337255A (en) * | 2005-06-03 | 2006-12-14 | Yanmar Agricult Equip Co Ltd | Apparatus for nondestructively determining residual agricultural chemical |
| JP2007069060A (en) * | 2005-09-02 | 2007-03-22 | Yanmar Co Ltd | Sorting system of vegetables and fruits |
| JP2007071550A (en) * | 2005-09-02 | 2007-03-22 | Yanmar Co Ltd | Sensor of agricultural chemicals |
| JP2007101186A (en) * | 2005-09-30 | 2007-04-19 | Yanmar Co Ltd | Residual agricultural chemical discriminating apparatus and method |
| JP2007101226A (en) * | 2005-09-30 | 2007-04-19 | Yanmar Co Ltd | Measuring instrument of residual agricultural chemicals |
| JP2007139465A (en) * | 2005-11-15 | 2007-06-07 | Yanmar Co Ltd | Residual agricultural chemical judging apparatus |
| JP4546412B2 (en) * | 2006-03-14 | 2010-09-15 | ヤンマー株式会社 | Component analyzer |
| JP2007248129A (en) * | 2006-03-14 | 2007-09-27 | Yanmar Co Ltd | Componential analyzer |
| JP2007248128A (en) * | 2006-03-14 | 2007-09-27 | Yanmar Co Ltd | Residual agricultural chemical measuring instrument |
| JP4616780B2 (en) * | 2006-03-14 | 2011-01-19 | ヤンマー株式会社 | Pesticide residue measuring device |
| JP2007248194A (en) * | 2006-03-15 | 2007-09-27 | Yanmar Co Ltd | Instrument for measuring residual agrichemical |
| JP4585487B2 (en) * | 2006-06-14 | 2010-11-24 | ヤンマー株式会社 | Pesticide residue measuring device |
| JP4560012B2 (en) * | 2006-06-14 | 2010-10-13 | ヤンマー株式会社 | Component analyzer |
| JP2007333510A (en) * | 2006-06-14 | 2007-12-27 | Yanmar Co Ltd | Component analyzer |
| JP2007333513A (en) * | 2006-06-14 | 2007-12-27 | Yanmar Co Ltd | Residual pesticide measuring instrument and residual pesticide measuring method |
| JP2007333595A (en) * | 2006-06-15 | 2007-12-27 | Yanmar Co Ltd | Residual agricultural chemical detecting device |
| JP2008064688A (en) * | 2006-09-08 | 2008-03-21 | Yanmar Co Ltd | Method of component analysis |
| JP4589903B2 (en) * | 2006-09-08 | 2010-12-01 | ヤンマー株式会社 | Component analyzer |
| KR101108671B1 (en) * | 2009-12-11 | 2012-01-25 | 한국건설기술연구원 | Identification Test Method for Fire Resistive Coatings in Near-Infrared Spectroscopy |
| CN101832922A (en) * | 2010-05-19 | 2010-09-15 | 中国农业大学 | Method for transferring near infrared model of organic fertilizer product |
| JP2015507182A (en) * | 2011-12-19 | 2015-03-05 | オプティカル・ダイアグノスティクス・リミテッド | Spectroscopic means and methods for identifying microorganisms in culture |
| KR101379959B1 (en) | 2012-04-27 | 2014-03-28 | 충남대학교산학협력단 | Method for discriminating disease-infected seed potato using light reflectance technique |
| CN104076012A (en) * | 2014-07-24 | 2014-10-01 | 河南中医学院 | Method for establishing model for rapidly detecting quality of synthetic borneol through near infrared reflectance spectroscopy |
| EP4220130A1 (en) * | 2017-05-17 | 2023-08-02 | Spogen Biotech Inc. | Devices, systems, and methods for agrochemical detection and agrochemical compositions |
| US11898955B2 (en) | 2017-05-17 | 2024-02-13 | Spogen Biotech Inc. | Devices, systems, and methods for agrochemical detection and agrochemical compositions |
| CN109131893A (en) * | 2018-10-15 | 2019-01-04 | 南京林业大学 | A kind of pesticide residue real-time detection based on unmanned plane and the system and method accurately removed |
| CN110346342A (en) * | 2019-08-28 | 2019-10-18 | 苏银华 | A kind of pesticide residue detection method |
| CN110346342B (en) * | 2019-08-28 | 2021-12-21 | 苏银华 | Pesticide residue detection method |
| JP7443135B2 (en) | 2020-04-02 | 2024-03-05 | 株式会社住化分析センター | Information processing device and database generation method |
| CN112903623A (en) * | 2021-01-28 | 2021-06-04 | 沈阳祥宝科技有限公司 | Infrared detection surface harmful substance detection system |
| CN113049531A (en) * | 2021-03-17 | 2021-06-29 | 盐城师范学院 | Spectrum detection method for pesticide residue detection |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004325135A (en) | Residual agricultural chemical analysis method | |
| Fan et al. | Long-term evaluation of soluble solids content of apples with biological variability by using near-infrared spectroscopy and calibration transfer method | |
| Zhang et al. | Nondestructive measurement of soluble solids content in apple using near infrared hyperspectral imaging coupled with wavelength selection algorithm | |
| Kandpal et al. | Near-infrared hyperspectral imaging system coupled with multivariate methods to predict viability and vigor in muskmelon seeds | |
| US6560546B1 (en) | Remote analysis system | |
| Shao et al. | Visible/near-infrared spectra for linear and nonlinear calibrations: a case to predict soluble solids contents and pH value in peach | |
| Peirs et al. | Effect of biological variability on the robustness of NIR models for soluble solids content of apples | |
| KR100520857B1 (en) | Methods and apparatus for multi-spectrum analysis in noninvasive infrared spectroscopy | |
| Urbano-Cuadrado et al. | Near infrared reflectance spectroscopy and multivariate analysis in enology: Determination or screening of fifteen parameters in different types of wines | |
| Wiedemair et al. | Evaluation of the performance of three hand-held near-infrared spectrometer through investigation of total antioxidant capacity in gluten-free grains | |
| Hua et al. | Quantitative determination of cyfluthrin in n-hexane by terahertz time-domain spectroscopy with chemometrics methods | |
| Magwaza et al. | Assessment of rind quality of ‘Nules Clementine’mandarin fruit during postharvest storage: 2. Robust Vis/NIRS PLS models for prediction of physico-chemical attributes | |
| Qin et al. | Prediction of apple internal quality using spectral absorption and scattering properties | |
| Reddy et al. | Accurate histopathology from low signal-to-noise ratio spectroscopic imaging data | |
| WO2017134669A1 (en) | System and method for qualifying plant material | |
| Nicolaï et al. | Nondestructive evaluation: Detection of external and internal attributes frequently associated with quality and damage | |
| Ferrari et al. | Handling large datasets of hyperspectral images: Reducing data size without loss of useful information | |
| Yu et al. | Nondestructive determination of SSC in Korla fragrant pear using a portable near-infrared spectroscopy system | |
| Hiroaki et al. | Measurement of pesticide residues in food based on diffuse reflectance IR spectroscopy | |
| CN105181606B (en) | The method that cane sugar content is distributed in peanut is detected based on high light spectrum image-forming technology | |
| WO1998033047A1 (en) | Calibration system for spectrographic analyzing instruments | |
| JP2010210355A (en) | Method and apparatus for nondestructive measurement of component of vegetable etc. using near-infrared spectroscopy | |
| Li et al. | A new scattering correction method of different spectroscopic analysis for assessing complex mixtures | |
| Gorla et al. | Unravelling error sources in miniaturized NIR spectroscopic measurements: The case study of forages | |
| Tseng et al. | Internet-enabled near-infrared analysis of oilseeds |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051116 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070803 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070904 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080108 |