水果表面农药残留快速检测方法及模型研究

论文摘要

随着社会的进步和人民生活水平的提高,消费者在强调水果的外观和营养品质的同时,对其食用安全性提出了越来越高的要求。目前,常规的水果表面农药残留检测方法存在破坏样品、前处理繁琐、耗时长、成本高、对环境造成污染等不足,因此,探索一种简便、快速、绿色、环保的检测方法具有重要的实际应用价值。这对于扩大我国高档优质水果的出口,增加果农的收入,提高我国水果产业的国际竞争力有着重大的意义。拉曼光谱技术是一门基于拉曼散射效应而发展起来的光谱分析技术,体现的是分子的振动或转动信息。其拥有样品无需前处理、操作简便、耗时短、绿色、环保等优点,已广泛应用于石油化工、生物医学、地质考古、刑事司法、宝石鉴定等领域。论文以赣南脐橙作为研究对象,以毒死蜱和马拉硫磷作为分析测试指标,应用拉曼光谱技术对水果表面农药残留进行了快速检测方法与定量模型研究,取得的主要研究成果有:1.通过采集毒死蜱和马拉硫磷标样和赣南脐橙表皮的拉曼光谱,获得了毒死蜱和马拉硫磷以及赣南脐橙表皮的拉曼谱带归属和拉曼特征峰。2.分别对农药毒死蜱和马拉硫磷标准溶液和赣南脐橙表皮农药残留的拉曼光谱预处理方法进行了实验研究,获得了理想的拉曼光谱预处理方法。实验采集了不同基底（镜片和硅胶片）的毒死蜱和马拉硫磷溶液以及赣南脐橙表皮农药残留的拉曼光谱,对比不同的预处理方法,建立了基于偏最小二乘法的定量数学模型。研究表明:当以镜片作为基底时,线性基线校正预处理后毒死蜱溶液校正模型最为理想,位移校正预处理后马拉硫磷溶液校正模型最为理想;当以硅胶片作为基底时,二阶导数预处理后毒死蜱溶液校正模型最为理想,一阶导数预处理后马拉硫磷溶液校正模型最为理想。对于赣南脐橙表皮的毒死蜱残留,理想的预处理方法为一阶导数;而对于马拉硫磷残留,理想的预处理方法则为标准正态变量校正。3.建立了两种农药标准溶液的拉曼光谱快速定量数学模型。采用传统的峰强比值法和化学计量学算法对不同基底的毒死蜱和马拉硫磷溶液拉曼光谱数据建立校正模型,探讨了以镜片和硅胶片作为基底时采集农药毒死蜱和马拉硫磷的建模效果。研究表明:当以镜片作为基底时,利用多元线性回归建立的毒死蜱拉曼光谱检测模型最为理想,校正和交互验证结果为:rc=0.960,RMSEC=3.166,rcv=0.877,RMSECV=5.421;利用偏最小二乘法建立的马拉硫磷拉曼光谱检测模型最为理想,校正和交互验证结果为:rc=0.998,RMSEC=0.748,rcv=0.985,RMSECV=2.236。当以硅胶片作为基底时,利用偏最小二乘法建立的毒死蜱拉曼光谱检测模型最为理想,校正和交互验证结果为:rc=0.986,RMSEC=1.628,rcv=0.944,RMSECV=3.341;利用偏最小二乘法建立的马拉硫磷拉曼光谱检测模型最为理想,校正和交互验证结果为:rc=0.996,RMSEC=1.175,rcv=0.992,RMSECV=1.639。结果表明以硅胶片作为基底采集农药溶液的拉曼光谱效果比使用镜片时效果更好。4.建立了水果在两种农药残留情况下的拉曼光谱快速检测数学模型。对残留在赣南脐橙表皮上的毒死蜱和马拉硫磷的拉曼光谱数据分别采用峰强比值法和化学计量学方法建立了定量分析数学模型,探讨了拉曼光谱技术定量快速检测水果表面农药残留的可行性。实验结果为:利用最小二乘法—支持向量回归建立的毒死蜱残留拉曼光谱快速检测数学模型最为理想,rc=0.974,RMSEC=2.592,rcv=0.973,RMSECV=2.566;利用最小二乘法—支持向量回归建立的马拉硫磷残留拉曼光谱快速检测数学模型最为理想,rc=0.948,RMSEC=4.101,rcv=0.948,RMSECV=4.111。结果表明:利用拉曼光谱技术可以定量检测残留在水果表皮的农药残留含量,这为水果表面的农药残留快速检测提供了一种快速、绿色、环保的检测方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的及意义
• 1.2 水果表面农药残留检测方法研究现状
• 1.2.1 常规检测方法
• 1.2.2 快速检测方法
• 1.3 本文主要研究内容及技术路线
• 1.4 本章小结
• 第二章 基本理论与实验方法
• 2.1 拉曼光谱基本原理
• 2.1.1 概述
• 2.1.2 拉曼散射经典理论
• 2.1.3 拉曼散射量子理论
• 2.2 拉曼光谱技术发展历程
• 2.2.1 拉曼光谱技术的发展历程
• 2.2.2 拉曼光谱技术的特点
• 2.3 拉曼光谱定量分析技术
• 2.3.1 拉曼光谱定量分析理论基础
• 2.3.2 拉曼光谱定量分析一般流程
• 2.4 拉曼光谱技术常用预处理方法
• 2.4.1 平滑
• 2.4.2 基线校正
• 2.4.3 求导
• 2.4.4 多元散射校正
• 2.4.5 标准正态变量校正
• 2.5 拉曼光谱技术定量分析常用算法
• 2.5.1 多元线性回归
• 2.5.2 主成分回归
• 2.5.3 偏最小二乘法
• 2.5.4 最小二乘法—支持向量回归
• 2.6 数学模型的评价指标
• 2.7 实验设备与方法
• 2.7.1 实验设备
• 2.7.2 实验材料及方法
• 2.8 本章小结
• 第三章 水果表面农药残留拉曼检测实验研究
• 3.1 农药的理化特性及谱带归属
• 3.1.1 理化特性简介
• 3.1.2 农药的拉曼谱带归属
• 3.2 水果的拉曼光谱响应特性
• 3.3 农药标准溶液的拉曼光谱预处理
• 3.3.1 以镜片为基底的农药标准溶液拉曼光谱预处理
• 3.3.2 以硅胶片为基底的农药标准溶液拉曼光谱预处理
• 3.4 水果表面农药残留的拉曼光谱预处理
• 3.5 本章小结
• 第四章 水果表面农药残留拉曼光谱定量数学模型建立
• 4.1 农药标准溶液的拉曼光谱定量数学模型建立
• 4.1.1 以镜片为基底的农药标准溶液拉曼光谱定量数学模型建立
• 4.1.2 以硅胶片为基底的农药标准溶液拉曼光谱定量数学模型建立
• 4.1.3 农药溶液定量检测用最佳基底的选择
• 4.2 水果表面农药残留的拉曼光谱定量数学模型建立
• 4.2.1 毒死蜱残留的拉曼光谱定量数学模型建立
• 4.2.2 马拉硫磷残留的拉曼光谱定量数学模型建立
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 进一步展望
• 参考文献
• 个人简历 在读期间发表的学术论文
• 致谢