基于紅外顯微成像的果蔬農(nóng)藥快速檢測(cè)識(shí)別研究.pdf

1、在農(nóng)業(yè)生產(chǎn)中，隨著農(nóng)藥的超標(biāo)和濫用，農(nóng)藥對(duì)生態(tài)的破壞以及農(nóng)藥殘留對(duì)人類(lèi)身體健康的危害越演越烈，這一問(wèn)題已成為全球的焦點(diǎn)，越來(lái)越受到社會(huì)的廣泛關(guān)注和高度重視。因此，各個(gè)國(guó)家持續(xù)制定要求越來(lái)越嚴(yán)格的農(nóng)藥殘留限量標(biāo)準(zhǔn)，并研究與發(fā)展相應(yīng)的農(nóng)藥殘留檢測(cè)技術(shù)。
　　 紅外顯微成像技術(shù)是一種快速、無(wú)損、綠色的檢測(cè)技術(shù)，具有高精度、高靈敏度、圖譜合一、微區(qū)化和可視化等優(yōu)點(diǎn)，是了解復(fù)雜物質(zhì)的空間分布和分子組成的強(qiáng)有力方法。本文以紅外顯微成像系統(tǒng)為

2、檢測(cè)工具，以氯氰菊酯、毒死蜱以及阿維菌素為研究對(duì)象，對(duì)果蔬樣品表面的農(nóng)藥殘留以及生物農(nóng)藥摻假識(shí)別開(kāi)展了定性及定量研究。本文分析了毒死蜱、氯氰菊酯等農(nóng)藥的紅外顯微圖像特征，研究結(jié)果得到了氯氰菊酯和毒死蜱主要分子結(jié)構(gòu)及其在紅外譜區(qū)的特征吸收峰，為該技術(shù)用于表面滴加氯氰菊酯和毒死蜱溶液蘋(píng)果皮的研究提供了依據(jù)。
　　 對(duì)表面滴加單一組分農(nóng)藥蘋(píng)果皮的研究結(jié)果表明，隨著氯氰菊酯與毒死蜱兩種農(nóng)藥濃度的降低歸屬于兩者的特征吸收峰的數(shù)量依次減少，

3、且發(fā)生位移的特征吸收峰的數(shù)量依次增加。說(shuō)明隨著兩種農(nóng)藥溶液濃度的降低，蘋(píng)果自身的組成成分以及含水量對(duì)檢測(cè)的干擾程度增強(qiáng)，以致紅外顯微成像技術(shù)的檢測(cè)靈敏度下降。相關(guān)圖像的分析結(jié)果可以方便、快速地獲取氯氰菊酯、毒死蜱在蘋(píng)果皮上分布信息及差異。
　　 在單一組分農(nóng)藥研究的基礎(chǔ)上進(jìn)行蘋(píng)果皮表面滴加復(fù)配農(nóng)藥的研究。在滴加3種濃度以及不同比例氯氰菊酯和毒死蜱混合溶液蘋(píng)果皮的紅外譜圖及二階導(dǎo)數(shù)譜上均檢測(cè)到了氯氰菊酯和毒死蜱的共同存在。且隨著農(nóng)

4、藥復(fù)配溶液濃度的降低，特征吸收峰的總數(shù)量依次減少;并且隨著農(nóng)藥復(fù)配溶液中毒死蜱比例的增加，毒死蜱特征吸收峰的數(shù)量逐漸增多，氯氰菊酯特征吸收峰的數(shù)量逐漸減少。上述分析證實(shí)了紅外顯微成像技術(shù)在農(nóng)藥殘留的應(yīng)用領(lǐng)域中較為靈敏。
　　 在果蔬樣品內(nèi)部品質(zhì)的不同對(duì)檢測(cè)產(chǎn)生的影響的探討中可知:蘋(píng)果皮含水量的不同對(duì)檢測(cè)有顯著影響，當(dāng)含水量過(guò)高或者過(guò)低時(shí)檢測(cè)效果都不好，當(dāng)相對(duì)含水量為50％左右時(shí)檢測(cè)效果較好;蘋(píng)果皮色素對(duì)檢測(cè)有一定的影響，但具體影

5、響不確定，尚有待于深入的研究;蔬菜葉片表面形態(tài)的差異對(duì)檢測(cè)有一定的影響，在較為平整的葉片上應(yīng)用效果較好，相反地，在褶皺較多的葉片上應(yīng)用效果相對(duì)較差。
　　 本文分別基于紅外顯微成像技術(shù)及衰減全反射紅外光譜技術(shù)建立了一種生物農(nóng)藥摻入化學(xué)農(nóng)藥的定性與定量檢測(cè)技術(shù)。定性結(jié)果表明:隨著阿維菌素中摻入毒死蜱比例的增加，歸屬于阿維菌素的特征吸收峰的數(shù)量不斷減少，峰強(qiáng)度不斷減弱;相反地，歸屬于毒死蜱的特征吸收峰的數(shù)量逐漸增加，峰強(qiáng)度逐漸加強(qiáng)。

6、利用偏最小二乘法建立阿維菌素乳油制劑摻入毒死蜱的定量預(yù)測(cè)模型并進(jìn)行優(yōu)化，結(jié)合外部檢驗(yàn)集對(duì)模型的性能進(jìn)行了驗(yàn)證。定量結(jié)果表明:衰減全反射紅外技術(shù)可以準(zhǔn)確測(cè)定阿維菌素乳油制劑中摻假毒死蜱的含量。通過(guò)異常值診斷、光譜預(yù)處理及建模參數(shù)的優(yōu)化，提高了模型的預(yù)測(cè)精度。模型決定系數(shù)R2(％)為99.88，校正集均方根誤差RMSEC為0.44，交互驗(yàn)證均方根誤差RMSECV為0.79，預(yù)測(cè)集均方根誤差RMSEP為0.70。
　　 本研究為果蔬表