基于近红外光谱技术的蔬菜农药残留检测方法研究

基于近红外光谱技术的蔬菜农药残留检测方法研究

人们认为食物是天堂，食物是安全的。食品安全问题越来越受到重视。尤其是三鹿毒奶粉事件的重大社会影响，严重损害了中国的国家形象。因此如何解决食品安全问题已经成为当前社会的一个重要研究课题。而对食品中有毒有害物质的检测往往是在实验室中进行的,不但检测速度较慢,而且需要贵重仪器和专业实验人员,不能满足现场快速测定的需求,所以迫切需要建立一种快速、高效、准确的新型检测技术。近年来随着近红外光谱(NIR)分析技术的软硬件发展,加之它是一种快速、无损、多组分同时分析的绿色技术,使得近红外光谱分析技术在食品安全检测中的应用成为热门课题。为此,针对人们日常生活一直担心的蔬菜中农药残留问题,我们利用近红外光谱分析技术对蔬菜农残的检测方法进行了探索,以推动近红外光谱分析技术在蔬菜食品安全检测中的应用。1近红外光谱分析技术的基本原则和特点1.1吸收分子中氢衍生物的吸收特性近红外光是介于可见光(VIS)和中红外(MIR)之间的电磁波,美国材料检测协会(ASTM)定义的近红外光谱的波长范围为780nm~2526nm(12820cm-1~3959cm-1),习惯上又划分为短波近红外区(700nm~1100nm)和长波近红外区(1100nm~2526nm)。发生在该区域内的吸收谱带主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的,分子在近红外谱区的吸收主要由分子中含氢基团(C-H、N-H、O-H、S-H等)的组合频和倍频吸收组成。不同基团或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别,几乎所有有机物的主要结构和组成都可以在他们的近红外光谱中找到信号,且光谱图稳定,比较适合分析天然产物中与氢基团有直接或者间接关系的成分。所以说,近红外光谱技术应用的发展是从农产品中开始的。1.2分析的特点近红外光谱分析技术近年来能够迅猛发展,能够在许多领域得到应用,其特点是:(1)分析速度快,适合大批量样品的处理,一般单个样品分析在30秒钟内即可得到数据;(2)无需繁琐的样品前处理和化学反应过程;(3)分析过程中不破坏样品、无污染,样品可重复利用;(4)成本低,对操作人员技术要求低;(5)扫描样品得到的光谱,可以测得各种性质或组成,完成定性分析和准确度很高的定量结果;(6)应用领域广泛,可用于过程分析,甚至可以分析有毒、腐蚀性材料或者恶劣环境的远程分析。当然,近红外光谱分析技术目前在实际应用中也存在一定的局限性。需要进一步探索和改善:(1)对痕量分析和分散性样品分析有很大困难,其检测限长在100×10-6;(2)模型建立需要投入一定的人力、财力和时间,而且建立后的模型还需要不断修正;(3)模型的适用受一定的地域或者环境影响,不容易建立通用的模型。2材料和方法2.1材料表面取500g在超市购买的无公害菠菜,乙腈溶液、毒死蜱/甲醇农药溶液标准物质来自国家标准物质中心。2.2样本的制备先将菠菜样品在洁净的案板上切碎,然后放入榨汁机中粉碎至糊状,取出后用匀浆机进一步将其粉碎,随后在菠菜样品中加入乙腈溶液,进行分离萃取制成样本溶液。最后采用逐步稀释的方法,将菠菜溶液配制成35个浓度为0.1mg/kg~4mg/kg的待测样品,30个作为建模集样品,5个作为预测集样品。2.3检测仪器和方法MATRIX-F近红外光谱分析仪(德国Bruker),光谱范围为780nm~2500nm,分辨率为2cm-1;检测器采用铟镓砷(InGaAs)检测器,液体光纤探头长2m,光程池1mm,透反射测量有效光程为2mm;榨汁机;匀浆机;电子天平;移液器。2.4透射采样方式在室温下将样本溶液滴入液体光纤探头的光程池中,采用透射采样模式,对12500cm-1~4000cm-1谱区扫描,分辨率为8cm-1,扫描32次。3结果与分析3.1预处理方法对校正模型的影响用德国Bruke公司MATRIX-F型近红外光谱仪进行光谱扫描,光谱采集与分析软件采用OPUS5.0。用不同的光谱预处理方法对30个菠菜萃取液的原光谱进行预处理,预处理结果见表1。由表1可以看出,不同预处理方法能不同程度的影响校正模型的精度,即影响校正模型的相关系数R2,交叉验证标准差SECV,增强校正模型的预测能力,即影响预测标准差SEP。其中,一阶导数和矢量归一化+17点平滑相结合的预处理方法,校正模型精度最好,预测能力最强。校正集的预测值与标准值的相关系数由0.9903提高至0.9983,交叉验证标准差SECV由0.109mg/kg减小到0.0454mg/kg。所以,对于实验校正集30个菠菜样品,选择一阶导数的预处理方法最佳。3.2近红外光谱确定菠菜萃取液的毒死蜱含量很低,如果全谱处理,噪音和样品的其他组分对样品光谱的影响较大,在某些波段,可能会掩盖住毒死蜱的信息。对菠菜近红外光谱进行波长选择,30个菠菜样品根据所建模型的优劣对波长区间进行优化挑选,对应的谱区为:6106cm-1~4594cm-1。根据所建模型的优劣挑选的波谱段建30个菠菜样品的校正模型,交叉验证预测值与标准值的相关系数R2为0.9983,交叉验证标准差SECV为0.124mg/kg,预测集5个样品的预测标准差SEP为0.056mg/kg。3.3生全蛋白的预测和分析采用优化后的波段6106cm-1~4594cm-1,最优预处理方法为一阶导数预处理方法,对30个菠菜样品光谱进行优化,建立PLS定量分析校正模型。交叉验证预测值与标准值的相关系数为0.9991,交叉验证标准差SECV为0.0454mg/kg。用30个菠菜样品正模型对预测集5个菠菜样品进行预测,结果见表2。采用已知毒死蜱含量的菠菜萃取液标样建立测定菠菜中毒死蜱含量近红外模型,并与标准值进行对比,对比分析结果表明,菠菜中毒死蜱含量测定结果准确可靠,对5个待测样品的预测结果表明,其预测能力较强。4近红外光谱分析技术在食品安全检测方面的应用潜力基于近红外光谱