基于近红外光谱技术蔬菜农药残留量的检测方法的研究进展.pdfVIP

基于近红外光谱技术蔬菜农药残留量的检测方法的研究进展.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
全国第二届近红外光谱学术会议论文集 基于近红外光谱技术蔬菜农药残留量的检测方法研究进展 刘翠玲1,郑光1,隋淑霞2,吴静珠1,孙晓荣1 (1北京工商大学信息工程学院,北京,100037; 2比利时爱拓利公司北京代表处,北京,100028) 摘要本文对基于近红外光谱技术测定蔬菜中有机磷农药(毒死蜱)含量的方法进行 了实验研究。采用了分层次逼近法实验设计研究,首先通过模拟蔬菜成分背景,对含有 机磷农药毒死蛑0.005~0.1mg/kg的47个混合液样本,用于定量、定性分析,采用偏 最d--乘(PLS)建立分析模型,多次实验结果表明,近红外光谱法对分析混合溶液中 的毒死蜱含量在0.008~0.09mg/kg之间的溶液样本有良好的检测效果;然后针对目前 叶菜的农药残留量严重的现状,选取大白菜和菠菜作为研究对象,分别配制成36个毒 死蜱浓度在0.1~3.65mg/kg的样品,分析其有机磷农药残留量的定量分析的可行性: 并且对市场上的销售菠菜、白菜和同种有机菜进行类比较测试,研究表明预测结果比较 可靠。 关键词近红外光谱;有机磷农药;毒死蜱;模型 食品安全是当今世界上人们所关注的焦点问题之一。2004年7月21日,国务院总理温 家宝主持召开国务院常务会议,研究部署加强食品安全工作。会议要求,建立统一规范的农 产品质量安全标准体系,建立健全食品安全标准和检验检测体系…。在众多食品安全问题 中农药污染是主要因素,其中有机磷农药毒死蜱是应用最为广泛的,用于蔬菜、粮食、果树 和其他经济作物及地下害虫的防治。目前检测蔬菜农药残留普遍采用化学方法,但是化学方 法具有耗用有机试剂和时间长的不利特点旧。。近红外光谱技术足近年来快速发展的一种新型 光谱分析技术,具有快速、准确、无污染及非破坏性等优点。随着NIR软硬件系统的不断改 进和提高,NIR的应用领域不断扩大。基于此目的,本实验尝试对蔬菜中微量有机磷农药定 量和定性分析的可行性进行研究,旨在推动我国对蔬菜中农药残留量快速检测的研究,加快 蔬菜食品卫生安全信用体系和信息化的建设。 1 实验部分 1.1 仪器与试剂配置 1.1.1仪器设备及数据采集和分析软件 度:优于0.1cm-1:透光率精度:优于0.1%。检测器采用数字检测器,液体光纤探头长2m, 光程池lmm,透反射测量有效光程为2mm。光谱采集与分析软件采用OPUS5.0。 1.1.2试剂来源 334 全困第二届近红外光谱学术会议论文集 用于定量分析的模拟混合液:标准物质浓度为lmg/ml的毒死蜱和甲醇混合液、甲醇、 蔗糖、维生素C及饮用水的混合溶液,甲醇和水作为稀释溶液。毒死蜱浓度范围为0.05-- 0.1mg/kg的样本37个,27个样品作为校正集,lO个样品作为验证集。 用于定性分析的混合液:甲醇、蔗糖、维生素C及饮用水的混合液,配置方法采用将四 种物质随机混合,制作10种样本。 大白菜和菠菜样品:白菜和菠菜经化学萃取处理后,制成萃取溶液。然后配成毒死蜱浓 度为0.1~3.65mg/kg的样品各36个。 1.2光谱测定方法 将所配不同浓度的溶液样品分别装入20ml茶色小瓶中,测量时在室温下将样本溶液滴 为8cm-1,扫描32次。 2 实验结果与分析 2.1模型的建立 采用OPUS5.0软件分析光谱数据。通过选择信息较丰富的光谱谱段及对数据进行预处 理,实现对原始光谱数据进行优化,建立精度较高的预测模型。回归统计方法采用偏最小二乘 least 方法(partial 矩阵先分别分解为特征向量和载荷向量,然后用偏最小二乘法在这些稳变量之间建立相互关 系,从而得到吸光度矩阵与浓度矩阵之间的数学校正模型。PLS的优点希望尽可能在自变量 X中提取出与因变量Y相关性最大的组成分,这对于分析微含量的物质有益∞一1。 最小二乘法的基本原理:设A为n个样品在m个波长处的吸光度矩阵,C为1个分在n个校正 样品中的浓度矩阵,E、F分别为残差矩阵。PLS不仅把光谱矩阵分解为吸光度隐变胄=矩阵T 与载荷矩阵P的乘积,还把浓度(含量)矩阵分解为浓度隐变量矩阵U与载荷矩阵Q的乘积: 爿伽×,砂=聊×矽P∥×州+E伽×,砂 (2一1) C伽×|c)=坼×矽a∥xO+F(

文档评论(0)

july77 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档