光谱技术在农药残留检测中的应用与展望

光谱技术以其操作简便、高效、非破坏、高精度等诸多优点,在农药残留检测中得到广泛应用,常用的光谱检测技术有红外光谱技术、拉曼光谱技术、高光谱图像技术和荧光光谱技术等。为此,综合分析了上述常用光谱技术在农药残留检测中的应用现状,探讨了应用中存在的问题,并对应用前景进行了展望。     

农药残留检测方法及光谱技术在生菜农残检测中的应用

蔬菜农药残留给人们健康饮食带来很大安全隐患。为此,综述了几大类农药残留检测方法:活体测定法、理化检测法、快速检测法和光谱检测法,分析了它们各自特点。同时,基于光谱技术对生菜叶片上的农残进行了检测试验,比较了有农残叶片光谱与无农残叶片光谱,并通过PCA算法进行光谱特征提取,结合学习向量量化神经网络建立农残鉴别模型,取得了较好的鉴别结果。     

农畜产品安全无损检测扫描式拉曼光谱成像系统设计

构建了用于农畜产品安全检测的扫描式拉曼光谱成像检测系统,对其硬件和软件分别进行了搭建和设计,实现了拉曼光谱和图像同步获取。根据检测的实际需求和精度要求确定了检测系统中拉曼成像光谱仪、CCD相机、镜头、激光光源、移动平移台等主要元器件。开发了拉曼光谱成像检测系统实时检测与分析软件。软件以Lab View为主开发环境,实现了对CCD相机、激光光源等硬件的控制,利用Lab View与Matlab混合编程,完成数据的提取、分析计算与结果保存,通过Lab View与ENVI的混合编程,完成扫描线图像的实时合成和显示。对系统进行了安装和性能测试,光谱校正确定了CCD相机探测的拉曼光谱范围为-679.3~2 885.7 cm-1,空间校正确定了系统实际的空间分辨率为0.22 mm/像素。构建的拉曼光谱成像检测系统可快速、无损获取样品拉曼光谱和图像信息。     

土壤重金属光谱检测技术的研究进展

随着光学和电子技术的迅猛发展,基于光与物质相互作用而建立的分析测试方法愈来愈广泛地应用于物理、化学和生物等各个学科领域,特别是在物质组成和结构的研究、基团的识别、几何结构的确定以及表面分析等方面,具有很大的优越性。文章主要介绍了土壤重金属光谱检测中几种典型的方法,总结了各种光谱检测技术的优缺点,并概述了国内外土壤重金属光谱检测的研究现状,提出了土壤重金属光谱检测的进一步研究方向。     

近红外光谱技术在土壤成分检测中的研究进展

近红外光谱技术是一种快速的例行分析方法,在土壤科学领域内具有广阔的应用前景。评述近红外光谱分析技术在检测土壤成分(有机质、总氮、水分、矿质组分、质地、pH)中的应用现状,并指出了其在土壤领域内的发展方向。     

光谱技术在农业领域的应用与展望

光谱技术以其简便、快速、精度高和无损测定等优越性。成为获取农田生物环境信息的重要手段．在精确农业发展中发挥着重要作用。从土壤光谱特性、植物光谱特性和冠层光谱特性角度,综合分析了光谱技术在土壤性质测定、作物水分监测、营养诊断、产量估测、籽粒品质检测以及病虫害和农药残留监测等方面的应用现状．探讨了应用中存在的光谱分辨率不高、模型不完善、应用体系不完整、应用尺度不统一等问题,并对其应用前景进行了展望。     

基于拉曼光谱和自荧光光谱的柑橘黄龙病快速检测方法

为了快速检测黄龙病这一柑橘毁灭性病害,分析了柑橘黄龙病样本和健康样本的自荧光和拉曼光谱差异,建立了基于自荧光光谱、拉曼光谱和混合光谱的PLS-DA模型,进行了模型的结果比较,最后绘制了三种模型的分类器特征曲线ROC,通过曲线下面积AUC参数进一步评价了模型的性能。试验结果表明,柑橘黄龙病叶片样本和健康叶片样本的自荧光光谱和拉曼光谱存在差异信息。在785nm波长激光诱导下,柑橘叶片样本都产生了比较强的自荧光。黄龙病叶片的自荧光相对于健康样本的自荧光在小于1203cm ^-1范围更弱,而在大于1206cm ^-1范围更强,其下降的斜率（绝对值）相对健康样本更小。在典型的黄龙病样本和健康样本的拉曼光谱数据中,均可发现具有以下拉曼峰且具有一致性：920cm ^-1,1160cm ^-1,1289cm ^-1,1331cm ^-1和1529cm ^-1。黄龙病样本和健康样本相比在1257cm ^-1、1396cm ^-1、1446cm ^-1、1601 cm ^-1和1622cm ^-1具有更大的拉曼峰值强度和光谱带宽,在1006cm ^-1、1160cm ^-1、1191cm ^-1和1529cm ^-1位置谱峰强度较弱,提示黄龙病样本的类胡萝卜素含量较低。基于自荧光光谱、拉曼光谱和混合光谱三种光谱的PLS-DA模型鉴别的准确率分别为86.08%、98.17%和94.75%。进一步计算三种模型的ROC曲线下面积AUC参数分别为0.9313、0.9991和0.9875,拉曼光谱模型的AUC值最大,也表明拉曼光谱模型的鉴别效果最优。拉曼光谱分析技术可以成为探索柑橘黄龙病快速诊断鉴别的新途径。     

植物源性食品中有机磷农药残留检测技术研究进展

有机磷农药作为一类高效与广谱的杀虫剂和除草剂等正被广泛用于农作物病虫防治领域,但大量使用后对人、动物和环境产生的危害也不容忽视。建立有效、快速和灵敏的有机磷农药残留检测技术,成为当前研究者关注的课题。本文综述了植物源性食品中有机磷农药残留检测的研究进展,并对今后其检测技术进行了展望。     

基于近红外光谱技术的蔬菜农药残留种类检测

该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。      

土壤中有机氯农药残留检测技术进展

有机氯农药残留是公众广泛关注的问题,梳理了农药残留检测技术的现状,并给出新技术发展方向。采用质谱法和色谱法检测有机氯的准确率相对比较低。随着科技的进步,有机氯的前处理和检测技术已经得到新的突破和提高,提取与净化一体化耦合技术大大提高了前处理效率,各种检测技术的联合使用使得结果更加准确、高效,检出限更低。     

便携式水产品多品质参数拉曼检测装置设计与试验

水产品在捕捞后极易发生腐败变质,传统的品质检测系统体积大、移动不便、操作复杂,不利于实际应用推广。为了满足水产品品质快速、实时、无损的检测需求,基于拉曼光谱技术,研发了便携式水产品多品质参数检测装置。该装置的硬件系统主要包括光源模块、光谱采集模块、系统控制处理模块、电源模块、通信模块。采用标准正态变量变换、Whittaker平滑算法、自适应迭代重加权惩罚最小二乘算法对该硬件系统采集的拉曼光谱数据进行平滑和背景扣除处理,结合国标方法采集到的鲳鱼颜色b*、硫代巴比妥酸标准理化值（TBA值）、挥发性盐基氮（Total volatile basic nitrogen, TVB N）含量,建立了鱼肉品质多指标偏最小二乘定量预测模型。鲳鱼颜色b*、TBA值、TVB N含量的验证集相关系数分别为0.907、0.897、0.915,验证集均方根误差分别为1315、0104mg/(100g)、2875mg/(100g)。基于MFC基础类库完成实时分析控制软件设计,将预测模型植入软件内,交叉编译下载到检测装置中,实现水产品多品质参数指标一键检测。最后对装置的稳定性进行了测试,18条鲳鱼样品的颜色b*、TBA值、TVB N含量的装置预测值与标准理化值的相关系数分别为0.927、0.883、0.904,均方根误差分别为1139、0271mg/(100g)、1896mg/(100g)。结果表明,便携式水产品多品质参数拉曼检测装置可以实现鲳鱼颜色b*、TBA值、TVB N含量的多指标实时无损检测。     

拉曼检测系统中微量试样自动混匀控制装置设计与试验

以提高表面增强拉曼光谱重复性为目的,为保证表面增强金属纳米颗粒和分析物混合吸附的均一性,基于实验室自行搭建的拉曼点检测装置,设计了表面增强剂与微量液态样品自动混匀控制拉曼光谱检测硬件系统.基于NI LabVIEW软件开发工具,采用G语言编写了实时控制分析软件,实现了微量液态样品和表面增强剂自动混匀进样、光谱采集及数据处...     

基于荧光光谱结合宽度学习的白菜农药残留量检测方法

为了高效监控蔬菜中农药残留情况,利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长;其次通过分析6种预处理算法和2种降维算法,分别选出多元散射校正(Multiple scattering calibration, MSC)和无信息变量消除(Uninformative variable elimination, UVE)作为最佳的预处理与波长选择方法;宽度学习系统(Broad learning system, BLS)用于荧光光谱建模,同时与偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机(Support vector machine, SVM)和深度极限学习机(Deep extreme learning machines, DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果,测试集决定系数R■达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性,可...     

果蔬品质劣变传感检测与监测技术研究进展

果蔬在采后贮藏和运输过程中极易发生品质劣变,食用价值降低且造成巨大的经济损失。为保障果蔬品质,减少产后劣变导致的资源浪费,本文综述了果蔬品质劣变传感检测与监测技术最新研究现状,分析了各类检测技术的原理、特点及优缺点。其中,机器视觉可检测果蔬外部品质和表面缺陷,电子鼻可监测果蔬的劣变气味,近红外光谱可检测果蔬内部品质和隐性缺陷,高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程,拉曼光谱可检测果蔬腐败菌及其代谢产物,多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统,进而实现果蔬品质劣变信息的智能化实时监测,为解决果蔬加工过程中品质劣变控制技术难题提供参考,对降低果蔬产后的经济损失,推进果蔬产业可持续发展具有重要意义。     

采用表面增强拉曼光谱技术快速检测脐橙果皮中抑霉唑残留

由于采后处理过程中脐橙保鲜剂抑霉唑易通过果皮渗进果肉中残留,不慎食用后会对人体产生危害。因此,本研究探索一种基于表面增强拉曼光谱技术（Surface-Enhanced Raman Spectroscopy,SERS）的脐橙果皮中抑霉唑残留的快速检测方法。首先对SERS检测条件进行优化,分别确定了最优的检测条件为反应时间2 min,金胶加入量400 μL,NaBr作为电解质溶液且加入量为25 μL。基于以上最优检测条件,以自适应迭代惩罚最小二乘法（Adaptive Iterative Reweighted Penalized Least Squares,air PLS）、air PLS+归一化、air PLS+基线校正、air PLS+一阶导数、air PLS+标准正态变量（Standard Normal Distribution,SNV）和air PLS+多元散射校正（Multiplicative Scatter Correction,MSC）处理后的6组光谱数据为研究对象,分别采用这6种光谱预处理法建立支持向量回归（Support Vector Regression,SVR）模型并对预测性能进行比较后发现,air PLS方法所建立模型的预测集相关系数（Coefficient of the Determinant for the Prediction Set,R_P）最大,预测集均方根误差（Root-Mean-Square Error of Prediction,RMSEP）最小。对光谱数据进行主成分分析（Principal Component Analysis,PCA）特征提取,选择前7个主成分得分作为SVR预测模型的输入值。采用SVR、多元线性回归（Multiple Linear Regression,MLR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）三种建模方法分析比较其对应的预测性能,其中SVR模型的预测集R_P可高达0.9156,预测集RMSEP为4.8407 mg/kg,相对标准偏差（Relative Standard Deviation,RPD）为2.3103,表明基于SVR算法对脐橙表面抑霉唑残留的预测值越接近实测值,越能有效提高模型预测准确性。试验结果表明,利用SERS结合PCA及SVR建模,可实现对脐橙果皮中抑霉唑残留的快速检测。     

基于可见-近红外光谱的鲜食葡萄成熟品质关键指标检测

酚类物质是评价葡萄成熟品质的重要指标,本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究。通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400～1 029 nm范围内的漫反射光谱,采用SPXY算法将其划分为校正集和预测集,结合标准正态变换(Standard normal variate, SNV)、多元散射校正(Multiplicative scatter correction, MSC)、一阶导数(First derivative, 1D)、二阶导数(Second derivative, 2D)、Savitzky-Golay卷积平滑(Savitzky-Golay smoothing,SG)和Savitzky-Golay卷积平滑+一阶导数(SG+1D)6种预处理方法以及偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机回归(Support vector machine regression, SVR)和卷积神经网络(Convolutional neural networ...     

基于拉曼光谱的食用调和油原料组分快速定量检测方法

应用激光拉曼光谱技术结合偏最小二乘法实现了食用调和油中5种原料油（花生油、芝麻油、菜籽油、大豆油和玉米油）的定量检测。首先选取食用油脂肪酸信息丰富的169.58～1813.61cm-1谱区,再通过一阶导数+Norris 3点预处理对该谱区进行滤波去噪,净化拉曼光谱信息,采用偏最小二乘法建立食用调和油中各原料组分的拉曼定量检测模型,其中花生油、芝麻油、菜籽油、大豆油和玉米油的检测模型的校正集相关系数分别为0.9998、0.9418、0.9988、0.9998、0.9961,验证集相关系数分别为0.9435、0.8593、0.9542、0.9676、0.9429,均方根误差分别为0.117、0.218、0.128、0.125、0.179。研究结果表明,激光拉曼光谱法结合化学计量学方法快速、准确地测定食用调和油中各原料组分的含量具有可行性,且预测能力良好。     

基于太赫兹光谱的土壤重金属铅含量检测初步研究

探索应用太赫兹时域光谱用于农田土壤重金属含量检测的机理和可行性,尝试发展一种新的检测方法和手段。研究了样品制备测量方法,确定了最佳的制备参数为：聚乙烯样品盒尺寸为35mm×3.5mm×35mm,中间空隙1.5mm;压片法样品质量220mg,2.5t压力;分别制作一定浓度梯度（30~900mg/kg）的含铅土壤样品30组,使用Z-2型太赫兹时域光谱仪采集相应的土壤样品太赫兹透射光谱数据,对光谱数据进行预处理,包括平滑处理、多元散射校正、基线校正,采用全谱-偏最小二乘法、区间-偏最小二乘法和遗传算法-偏最小二乘法建立土壤样品中重金属元素铅含量的定标模型并对预测集样本进行预测。实验结果表明,采用样品盒法制作土壤样品并且基于遗传算法进行特征波段选择、结合偏最小二乘法的建模效果最佳,含重金属铅的土壤样本模型的标定集和预测集的相关系数分别为0.86和0.81,标定均方根误差和预测均方根误差分别为23.55mg/kg和39.52mg/kg。本研究通过分析土壤样品的太赫兹透射光谱吸收系数与重金属元素铅含量的相关关系,建立了较好的预测模型。     

酶抑制率农药残留快检方法存在的问题及研究进展

以我国农产品中有机磷和氨基甲酸酯类农药残留情况为背景,结合酶抑制率法的检测原理,从检测标准、样品前处理、酶及试剂盒产品、仪器设备等方面分析了酶抑制率法存在的问题、研究及应用情况,并对未来如何改进酶抑制率快检方法进行展望,为提升我国食品安全快速检测水平提供参考。