农药残留的表面增强拉曼光谱快速检测技术研究现状与展望

果蔬农药残留危害人类健康,施药后,农药分布于其表皮和内部组织,果蔬表面农药绝对残留量低、不均匀,直接光谱检测表征难,而表面增强拉曼散射(surface-enhanced Raman scattering,SERS)技术具有分子级检测精度,可以有效扩增信号,在实现微量物质检测方面优势明显。为此,论文综述了国内外表面增强拉曼散射技术的研究现状,特别是详细介绍了通过设计合理的表面增强拉曼基底结构,实现农药残留信号增强的主要技术手段和表面增强拉曼光谱信号分析方法。在此基础上,指出农药残留的表面增强拉曼检测技术研究中的前沿热点问题,探讨并展望了表面增强拉曼技术在农药残留快速检测方面的发展趋势。基于表面增强拉曼的农药高灵敏度、快速检测表征技术,将在农药违禁使用和农药残留超标监管中有广阔应用前景。     

表面增强拉曼光谱检测脐橙果皮混合农药残留

为了研究果皮农药残留快速检测方法。该文以脐橙为例,混合农药(亚胺硫磷和乐果)为研究对象,选用银纳米线作为增强基底,利用共焦显微拉曼光谱仪对农药残留进行检测。通过表面增强拉曼光谱(surface enhanced Raman scattering,SERS)技术,采集脐橙表皮混合农药残留的SERS光谱。对混合农药定性分析,银纳米线对2种农药都有较好的增强效果。对采集的光谱进行预处理后,建立模型,进行定量分析,研究结果表明,经过二阶微分预处理后光谱数据结合偏最小二乘法(partial least squares,PLS)得到的模型预测效果最好,预测相关系数(R_p)为0.954,其预测均方根误差(root-mean-square prediction error,RMSEP)为4.822 mg/L。挑选两种农药特征峰的特征波段,混合农药中亚胺硫磷的特征波段经多元散射校正(multiplicative scatter correction,MSC)处理后,建模效果较好,其中R_p为0.898,RMSEP为6.621 mg/L;混合农药中乐果的特征波段经基线校正处理后,建模效果较好,其中R_p为0.911,RMSEP为7.369 mg/L。研究结果表明SERS技术是一种快速、可靠的检测混合农药残留的方法。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface-enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

表面增强拉曼光谱快速检测生鲜肉中的瘦肉精

为了快速检测生鲜肉中的瘦肉精,该研究利用表面增强拉曼光谱技术,以沙丁胺醇为检测目标物,建立了一种快速检测肌肉组织和肝脏中瘦肉精含量的方法。在碱性环境下利用乙酸乙酯对样品中沙丁胺醇进行提取,采用Savitzky-Golay 5点平滑法和自适应迭代重加权惩罚最小二乘法消除光谱噪声以及荧光背景对分析建模的影响。为检测方法的重复性,对50个相同沙丁胺醇质量分数(1 mg/kg)的肌肉组织样品进行信号采集,对沙丁胺醇特征峰强度进行分析,621、814、1 253、1 489、1 609 cm~(-1) 5个特征峰强度的相对标准偏差(RSD)为6.54%、6.07%、8.65%、7.44%、6.81%,说明该方法具有较好的重复性。建立沙丁胺醇标准溶液的预测模型,沙丁胺醇浓度与其特征峰强度相关性较好,决定系数R~2为0.968。对肌肉组织和肝脏中沙丁胺醇含量进行检测,检测范围分别为0.01~5和0.02~5 mg/kg,检出限分别为0.01和0.02 mg/kg,其含量与预测实测值决定系数为0.912和0.921。研究表明,该方法可以实现肌肉组织和肝脏中沙丁胺醇含量的定量预测。     

苹果擦伤拉曼光谱无损检测虚拟系统研究

为检测苹果品质并依据擦伤进行分级,研发了一个基于拉曼光谱的实时无损自动检测分类虚拟仪器分级系统样机。采用一台Nicolet傅氏变换拉曼光谱仪进行苹果擦伤光谱检测。测试集和训练集的苹果光谱用WinDAS的典型变量分析(CVA)和主成分分析法(PCA)进行分类处理。分析得出的模型经UNEQ分类检验,‘马氏平方图’和χ²检验结果该分类模型。其次, 应用LabVIEW 设计苹果虚拟仪器分级控制系统,并制作了样机。试验结果表明拉曼光谱分析能用于苹果擦伤无损检测和类别确定;虚拟仪器分级系统能对苹果进行准确分级处理。     

叶菜中噻菌灵农药的SERS快速检测研究

为了检测叶菜中噻菌灵农药残留,利用快速前处理方法提取空心菜菜汁,分别采集不同浓度噻菌灵水溶液的表面增强拉曼信号和以菜汁为基质的噻菌灵溶液表面增强拉曼光谱信号。结果表明,噻菌灵水溶液的表面增强拉曼信号在0.1~10 mg·L-1范围内具有良好的线性关系,选取1 009cm-1特征峰强度制定噻菌灵的标准曲线,相关系数为0.9922。以菜汁为基质的噻菌灵溶液表面增强拉曼光谱最低检测浓度为0.2 mg·L-1,在该浓度下,990、1 225和1 527cm-1处的特征峰明显,与噻菌灵水溶液的特征峰振动归属一致,可作为鉴别叶菜中噻菌灵农药残留的依据。研究结果为叶菜中农药残留的快速检测提供了方法支持。     

基于荧光光谱的生菜农药残留检测

为了研究采用荧光光谱技术对生菜农药残留快速无损定性鉴别的可行性,该文通过采集180个生菜样品（3个浓度农药残留生菜,每个浓度农残生菜样本数为60,其中农药与水配比为1：500、1：1000、1：1200,即重度超标、轻微超标、标准农残）的荧光发射光谱,结合Savitzky-Golay（SG）、标准正态变量变换（standard normalized variable,SNV)、标准正态变量变换结合去趋势（standard normalized variable detrending,SNV detrending）、SG与SNV算法组合（SG-SNV）、SG与SNV detrending算法组合（SG-SNV detrending）对提取的荧光光谱进行预处理,基于全光谱、荧光特征峰值、小波特征建立支持向量机（Support Vector Machine, SVM）分类模型。其中,小波特征通过小波变换对原始光谱以及预处理后光谱进行特征选择获取,分别采用 db4、db6、sym5、sym7作为小波基函数。试验结果表明：基于小波特征、荧光特征峰值建立的 SVM 模型预测集识别率要高于基于全光谱建立的 SVM 模型。以 sym5作为小波基函数,基于 SG-SNV detrending预处理光谱选择的小波特征建立的SVM模型取得最优的预测集识别率93.33%,最佳小波分解层数为4。结果表明应用荧光光谱技术对生菜农药残留鉴别是可行的,为生菜农药残留快速、无损检测分析提供了参考。     

琼胶寡糖对黄瓜抗性及啶虫脒残留的影响

为探究琼胶寡糖作为激发子对植物的影响,本研究以碧翠18号黄瓜为试验材料,在其生长过程中喷施不同浓度琼胶寡糖,测定黄瓜的生长指标、抗性相关酶活和基因表达,以及农药啶虫脒残留量。结果表明,喷施琼胶寡糖可显著促进黄瓜植株生长,提高果实产量;提高黄瓜叶片超氧化物歧化酶、过氧化物酶、多酚氧化酶、过氧化氢酶活性,降低丙二醛含量;并上调几丁质酶与病程相关蛋白1基因的表达,最高表达量分别为对照组的10.4倍和14.5倍。此外,喷施琼胶寡糖有效降低了啶虫脒在黄瓜上的半衰期,加速其降解。浸果试验结果也显示,琼胶寡糖可显著降低农药残留,100 μg·mL^-1琼胶寡糖溶液可减少农残68.29%。因此,琼胶寡糖具有促进黄瓜植株生长、提高抗性及减少果实农药残留的效果,在农业生产中具有良好的开发价值。     

苹果中有机氯农药残留的超声波去除条件优化

中国是世界苹果第一生产大国,但中国苹果出口仅占世界贸易量的不足10%,其主要制约因素是安全性,其中农药残留是主要原因之一。论文采用响应曲面法对超声波去除苹果中有机氯农药残留的工艺条件（功率、时间、温度）及其交互作用进行了优化,并就超声波处理对苹果主要品质指标的影响进行了分析。结果表明：超声波去除苹果中有机氯农药残留的适宜工艺参数为：超声波功率为609.16 W,时间为70.46 min,温度为15.45℃,去除率可达到64.32%;超声波处理对苹果的硬度没有显著性影响;对苹果的总糖、总酸具有一定的显著性影响,但没有超出国家标准及主要出口国苹果标准的要求。超声波处理简单快速,能有效去除苹果中有机氯农药的残留,极大提高苹果的安全性,很容易和现有鲜果清洗、分级、打蜡生产线耦合链接,其产业化应用前景极为广阔。     

基于激光拉曼光谱的脐橙内部品质无损检测

论文初步探讨了运用激光拉曼光谱技术来检测脐橙内部品质的方法。应用激光拉曼光谱仪获取脐橙拉曼谱线,通过对拉曼谱线处理与分析得到了预测脐橙果肉糖度和硬度的谱线特征值,以四个谱线特征值为输入参数、脐橙糖度和硬度为输出建立了三层BP神经网络模型。结果表明,模型的糖度预测值与实测值之间的误差总体方差为0.0656,模型的硬度预测值与实测值之间的误差总体方差为0.0062。研究表明,采用激光拉曼光谱技术检测脐橙内部品质是可行的。     

苹果质地品质近红外无损检测和指纹分析

为了探索近红外光谱快速无损检测苹果质地品质的方法,采集240个苹果样本的近红外光谱( 波长 8002500 nm),通过解析光谱图和进行不同的预处理,利用偏最小二乘法(PLS)和多元线性回归(MLR)建立回归模型和确定特征指纹图谱.基于波长范围为1300～2500 nm,PLS结合多元散射校正(MSC)所建模型的预测效果最好,硬度模型的预测标准偏差(RMSEP)和决定系数(R2)分别为0.226 kg/cm2、96.52%,脆度模型的 RMSEP和R2分别为0.243 kg/cm2、97.15%.用权重法基于PLS模型选择的硬度特征波长为1657、1725、1790、2455、1929、2304 nm,脆度特征波长为1613、1725、1895、2304、2058、2087、2396 nm,经MLR模型检验,特征波长与苹果的硬度和脆度有很高的相关性,硬度的RMSEP和R2分别为0.271 kg/cm2、90.30%,脆度的RMSEP和R2分别为0.304kg/cn2、91.64%.结果表明,PLS模型和特征指纹光谱均能准确预测苹果的质地品质,为苹果质地品质的评价提供了快速、直观、简便、可行的新方法.     

基于电学特征的苹果水心病无损检测

为了探寻快速而准确的苹果水心病无损检测新方法,该文以‘秦冠’水心病疑似病果和好果作为试材,逐果采集11个电学指标在100 Hz~3.98 MHz间13个频率点的特征值,然后切开并统计真实发病情况。利用主成分分析结合不同分类模型进行好果与病果判别分析,结果选取方差累积贡献率大于90%的主成分15个,Fisher判别、多层感知器人工神经网络(multi-layer perceptron,MLP)对好果和病果的判断正确率均随着主成分数的增加而增大,并分别在主成分数量达到前13、10时趋于稳定水平93.3%、95.4%。径向基人工神经网络(radical basis function,RBF)结合15个主成分判别的正确率75.1%。水心病引起介电损耗系数D、复阻抗相角deg、串联等效电容Cs和并联等效电容Cp及相对介电常数(ε')、损耗因子(ε")共6个参数在低频区(100~10 000 Hz)的观测值高于好果,是电学法能够对水心病果和好果进行‘识别’的原因。同时发现,利用低频率下(100~25 100 Hz)损耗因子(ε")值结合MLP或RBF人工神经网络模型对水心病果和好果识别正确率均能达到100%,是一种简便而高效的苹果水心病无损检测方法,可为今后进一步研发苹果果实水心病在线无损检测仪器提供理论与技术依据。     

套袋对苹果果实重金属及农药残留的影响

该文测定了洛川、白水实验园中套双层纸袋、单层纸袋及不套袋苹果果皮、果肉的重金属(Pb、Cd、Cr)含量和农药残留。试验结果发现：不套袋苹果果实的重金属含量明显高于套袋苹果，套单层纸袋苹果果实的重金属含量高于套双层纸袋苹果的重金属含量，重金属主要集中在果皮中；不套袋苹果果皮中三氟氯氰菊酯的检出量为0.03 mg/kg，是套单层纸袋苹果果皮检出量0.01 mg/kg的3倍，套双层果袋苹果果皮及所有苹果果肉中三氟氯氰菊酯未检出。由此可见，套袋是苹果安全生产的有效措施。     

基于SERS的苹果树腐烂病原菌早期侵染检测

为了早期诊断由黑腐皮壳真菌(Valsa mali Miyabe et Yamada)引起的苹果树腐烂病,该研究基于表面增强拉曼光谱(surface-enhanced Raman scattering,SERS)技术,以腐烂病菌丝、病原菌丝侵染的苹果树和健康的苹果树枝作为研究对象,结合S-G平滑和迭代自适应加权惩罚最小二乘法进行拉曼光谱预处理,经解析发现病原菌丝与染菌样本在1 598、1 595 cm^-1和2 930、2 925 cm^-1附近敏感谱峰明显区别于健康样本。重复试验分析发现,病原菌侵染可致寄主特征谱峰偏移以及谱峰强度改变：健康样本在1 286 cm^-1附近的特征峰随病原菌的侵染偏移至1 365 cm^-1附近;健康样本在1 286与1 587 cm^-1附近的谱峰强度比值小于0.5,染菌样本在1 365与1 595 cm^-1附近的谱峰强度比值大于0.5,而菌丝在1 327与1 598 cm^-1附近的谱峰强度比值大于1.0;1 5...     

基于介电特征选择的苹果内部品质无损分级

为了快速而准确地利用介电特性对苹果内部品质进行无损分级,该文对500个富士苹果的108种特征值（12种介电参数在9个频率点下）进行了分析筛选,以获取用于5个品质等级富士苹果无损分级的最少介电特征。在整个内部品质的分级过程中,贪心选择法、基于快速聚类的特征子集选择法、稀疏主成分分析法和以信息增益为评价函数的属性排序法共4种方法被用来从108种介电特征中选择出对等级划分最有帮助的关键介电特征。试验结果显示,基于快速聚类的特征子集选择法仅选择了4种特征时分级正确率就达到了80%左右,而贪心选择法的性能明显更优,在分级正确率超过90%时,其选择的特征一般不超过10种,其最优情况为当选择了4种介电特征时,分级正确率为91.22%,而当选择了10种介电特征时,其分级正确率为95.95%。该研究为水果等农产品的品质与病虫害快速无损检测等提供参考。     

最优权重组合模型和高光谱估算苹果叶片全磷含量

为了估算苹果叶片全磷含量,该文使用2012年和2013年在山东省肥城市潮泉镇下寨村的2个苹果示范园获取的整个生育期苹果叶片全磷含量和对应的叶片光谱数据,建立了预测苹果叶片全磷含量的最优权重组合模型。首先分析了苹果叶片全磷含量和原始光谱的相关关系,确定了以553和722 nm为苹果叶片全磷含量的诊断波段;根据叶片全磷含量与400~2 500 nm范围两两组合的决定系数等值线图,确立了对苹果叶片全磷含量敏感的546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数;最后以553和722 nm的反射率以及546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数为自变量,构建了基于苹果叶片全磷含量的最优权重组合模型,实现了对苹果叶片全磷含量的高光谱估算。结果表明,最优权重组合模型无论是建模集还是验证集,其预测能力(R2=0.94)要优于该文中的6种统计方法(平均R2=0.82),研究结果为快速无损诊断苹果叶片的磷素状况提供新的技术途径。     

苹果腐心病的透射光谱在线检测系统设计及试验

针对苹果内部缺陷在线检测的产业技术需求,研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件,提升在线透射光谱质量、降低热损伤和机械损伤;解决了光电信号干扰问题,开发了专用检测软件,实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异,优化参数后设置在线检测速度3个/秒,触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型,预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。     

苹果花期冠层反射光谱特征

苹果花期是果树生产与管理的关键阶段,对冠层反射光谱特征研究具有重要的理论和现实意义。该文以山东省栖霞市为研究区,通过实测的120棵苹果花期冠层反射光谱数据,在分析不同累计样本容量冠层反射光谱特征的基础上,用方差分析和相关分析的方法,系统地研究了苹果树有花与无花、不同花量、花期不同阶段、不同树龄及不同品种的冠层反射光谱特征。研究结果表明,随着累计样本容量的增加,冠层反射光谱曲线趋于稳定、平滑。有花与无花冠层光谱反射率在431～500、591～680、761～1 300 nm波段方差分析结果极显著（α=0.01）;不同花量的冠层与391～513、598～687、711～1 193 nm波段的反射率显著相关（p＜0.05）;在670 nm“红谷”附近,反射率随花量的增加而增大,在近红外761～1 300 nm波段,反射率随花量的增加而减小;不同品种之间,除嘎啦外,红富士、金帅和新红星之间不易区分。研究结果揭示了高光谱遥感在苹果花期信息获取方面的巨大潜力,为今后遥感反演模型的构建提供了依据。