劉翠玲， 鄭 光， 孫曉榮， 吳靜珠， 李 慧

(北京工商大學(xué) 計(jì)算機(jī)與信息工程學(xué)院， 北京 100048)

隨著農(nóng)業(yè)生產(chǎn)的發(fā)展，化學(xué)農(nóng)藥在作物病蟲害的綜合防治中具有不可替代的作用，引起人們的普遍關(guān)注. 但是隨著農(nóng)藥大量和不合理的使用，農(nóng)作物中農(nóng)藥殘留對(duì)人體健康的危害及農(nóng)藥的使用對(duì)環(huán)境造成的負(fù)面影響也日益暴露出來，由于使用高毒農(nóng)藥或禁用農(nóng)藥而引起的中毒事件也時(shí)有發(fā)生. 特別是我國(guó)加入WTO后，農(nóng)作物中農(nóng)藥殘留量既影響我國(guó)人民的生活質(zhì)量，又影響到我國(guó)農(nóng)作物的出口創(chuàng)匯，從而多方面制約著農(nóng)業(yè)生態(tài)效益及經(jīng)濟(jì)效益的提高.

目前廣泛應(yīng)用于農(nóng)藥殘留檢測(cè)的方法主要有GC、HPLC和CG-MS等傳統(tǒng)方法. 這些方法精度高，但是費(fèi)時(shí)長(zhǎng)、檢測(cè)費(fèi)用高、技術(shù)條件復(fù)雜，且在檢測(cè)過程中需要用到大量化學(xué)試劑，造成二次環(huán)境污染，難以實(shí)現(xiàn)對(duì)蔬菜中農(nóng)藥殘留量進(jìn)行現(xiàn)場(chǎng)快速、綠色檢測(cè). 因此研究一種快速、綠色、預(yù)處理簡(jiǎn)單的農(nóng)藥殘留量檢測(cè)技術(shù)是目前亟待解決的問題. 本文以常用農(nóng)藥毒死蜱(Chlorpyrifos)為研究對(duì)象，開展了基于近紅外光譜技術(shù)的蔬菜中毒死蜱殘留量快速檢測(cè)方法的探索性研究.

1 近紅外光譜技術(shù)的原理及發(fā)展

1.1 近紅外光譜技術(shù)的基本原理

近紅外光(near infrared spectroscopy，NIR)是介于可見光和中紅外之間的電磁波，美國(guó)材料檢測(cè)協(xié)會(huì)(ASTM)定義其波長(zhǎng)范圍為780～2 526 nm(12 820～3 959 cm-1)[1]. 發(fā)生在該區(qū)域內(nèi)的吸收譜帶主要是由于分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的，分子在近紅外譜區(qū)的吸收主要由分子中含氫基團(tuán)(C—H、N—H、O—H、S—H等)的組合頻和倍頻吸收組成. 不同基團(tuán)或同一基團(tuán)在不同化學(xué)環(huán)境中的近紅外吸收波長(zhǎng)與強(qiáng)度都有很明顯差別. 并且該譜區(qū)差不多包含了有機(jī)物中含氫基團(tuán)的全部信息，蘊(yùn)含著分子的結(jié)構(gòu)甚至組成等信息，信息量非常豐富，從而為近紅外光譜定量和定性分析提供了可能[2-3].

1.2 近紅外光譜技術(shù)的發(fā)展歷史

近紅外光譜分析技術(shù)是20世紀(jì)90年代以來發(fā)展最快、最引人注目的分析檢測(cè)技術(shù)，測(cè)量信號(hào)的數(shù)字化、分析過程的綠色化(無需使用化學(xué)試劑)以及快速、無破壞性和多組分同時(shí)測(cè)定分析等優(yōu)點(diǎn)，使該技術(shù)具有典型的時(shí)代特征，越來越被人們所重視. 該技術(shù)目前已經(jīng)在我國(guó)農(nóng)業(yè)、食品等品質(zhì)檢測(cè)領(lǐng)域所應(yīng)用并得到了迅速的發(fā)展，尤其是在線檢測(cè)和現(xiàn)場(chǎng)檢測(cè)方面，NIR技術(shù)具有很大的發(fā)展?jié)摿蛻?yīng)用空間.

近紅外光是人們最早發(fā)現(xiàn)的非可見光，距今已有200多年的歷史. 1800年，William Herschel便發(fā)現(xiàn)了近紅外光譜區(qū)域[4]. 到目前為止，近紅外光譜分析技術(shù)研究大體上經(jīng)歷了5個(gè)發(fā)展階段[5].

第一個(gè)階段是從1800年發(fā)現(xiàn)近紅外光之后的一個(gè)半世紀(jì)中，由于受當(dāng)時(shí)的技術(shù)水平和實(shí)驗(yàn)條件限制，無法將近紅外光譜信息充分提取出來，不能進(jìn)行深一步的研究，使近紅外光譜技術(shù)停滯了近150年的時(shí)間.

第二個(gè)階段是20世紀(jì)50年代，隨著近紅外光譜技術(shù)和儀器的發(fā)展，Karl Norris率先將近紅外光譜技術(shù)應(yīng)用于農(nóng)副產(chǎn)品分析，開啟了近紅外技術(shù)在農(nóng)副產(chǎn)品中應(yīng)用的時(shí)代[6].

第三個(gè)階段是20世紀(jì)60年代中后期，隨著紅外光譜技術(shù)的發(fā)展，加上當(dāng)時(shí)近紅外光譜分析無法突破靈敏度低、抗干擾性差的弱點(diǎn)，自此近紅外光譜分析技術(shù)又進(jìn)入徘徊不前的狀態(tài)，被人們稱之為光譜技術(shù)中的沉睡者.

第四個(gè)階段是進(jìn)入20世紀(jì)80年代后期，隨著計(jì)算機(jī)技術(shù)的發(fā)展，加上中紅外光譜技術(shù)積累的經(jīng)驗(yàn)，以及化學(xué)計(jì)量學(xué)方法的應(yīng)用，解決了近紅外光譜譜峰重疊、提取光譜信息困難及背景干擾等問題，使近紅外光譜分析技術(shù)在各個(gè)領(lǐng)域得到了迅速推廣，成為一門獨(dú)立的分析技術(shù).

第五個(gè)階段是20世紀(jì)90年代以后，近紅外光譜分析技術(shù)進(jìn)入一個(gè)快速發(fā)展時(shí)期，在工業(yè)領(lǐng)域的應(yīng)用全面展開. 同時(shí)計(jì)算機(jī)硬軟件技術(shù)突飛猛進(jìn)，數(shù)字化的光譜儀器與化學(xué)計(jì)量學(xué)方法相結(jié)合，形成了現(xiàn)代近紅外光譜分析技術(shù)，有關(guān)近紅外光譜的研究及應(yīng)用文獻(xiàn)呈幾何級(jí)增長(zhǎng).

2 實(shí)驗(yàn)研究方法設(shè)計(jì)

2.1 實(shí)驗(yàn)樣本構(gòu)成

本實(shí)驗(yàn)研究的主要樣本采取了由模擬樣本到實(shí)際蔬菜樣本的逐步逼近制樣方法來獲得.

用于定性分析的混合液：用甲醇、蔗糖、維生素C及蒸餾水4種物質(zhì)隨機(jī)混合的溶液，制作10個(gè)濃度為0.5～2.5 mg/kg的毒死蜱樣品和10個(gè)不含毒死蜱的樣品.

用于定量分析的混合液：將標(biāo)準(zhǔn)物質(zhì)質(zhì)量濃度為1 mg/mL的毒死蜱、無公害菠菜萃取混合溶液配制成36個(gè)濃度為0.1～4 mg/kg的待測(cè)樣品，其中30個(gè)作為建模集樣品，6個(gè)作為預(yù)測(cè)集樣品.

2.2 儀器及分析軟件

VERTEX 70型傅里葉變換紅外光譜儀(德國(guó)，Bruker)，采用InGaAs檢測(cè)器，液體光纖探頭長(zhǎng)2 m，光程池1 mm，透反射測(cè)量有效光程為2 mm，光譜采集與分析軟件采用OPUS6.5.

2.3 光譜采集

將所配不同質(zhì)量濃度的溶液樣品分別裝入25 mL茶色容器中，測(cè)量時(shí)，在室溫下采用透反射采樣模式，對(duì)12 500～4 000 cm-1譜區(qū)掃描，分辨率為8 cm-1，掃描32次. 圖1為36個(gè)無公害菠菜溶液樣品的近紅外光譜圖.

圖1 36個(gè)無公害菠菜溶液樣品的近紅外光譜圖Fig.1 NIR spectrum figure of 36 non-polluted spinach liquid samples

3 實(shí)驗(yàn)結(jié)果與分析

3.1 定性分析結(jié)果

對(duì)10個(gè)濃度為0.5～2.5 mg/kg的毒死蜱樣品和10個(gè)不含農(nóng)藥的樣品采用聚類分析法進(jìn)行定性分類鑒別，以樹狀圖形式表示其分類結(jié)果[7]. 采集的光譜圖經(jīng)過一階導(dǎo)數(shù)預(yù)處理，去除干擾信號(hào)，光譜范圍選擇為9 073～7 692 cm-1和6 527～5 354 cm-1. 樣品間距離采用歐氏距離算法，類間采用Wards算法，分類正確率為100%，分類結(jié)果如圖2.

3.2 定量分析結(jié)果

在36個(gè)菠菜溶液樣品中隨機(jī)選出2，8，14，19，25，33這6個(gè)樣品作為預(yù)測(cè)集樣品，其余30個(gè)樣品作為校正集樣品. 對(duì)校正集樣品進(jìn)行奇異樣品檢測(cè)，無異常樣品后，采用一階導(dǎo)數(shù)17點(diǎn)平滑與SNV相結(jié)合的方法對(duì)校正集樣品進(jìn)行光譜預(yù)處理，并進(jìn)行波長(zhǎng)優(yōu)化，選擇信息量豐富的譜區(qū)5 450.5～4 598.1 cm-1進(jìn)行分析. 采用PLS算法進(jìn)行內(nèi)部交叉驗(yàn)證[8-9]，建立校正模型，校正集樣品預(yù)測(cè)值與真值之間的相關(guān)性如圖3，校正樣品預(yù)測(cè)值與真值之間的相關(guān)系數(shù)R2為0.987 3，交叉驗(yàn)證均方差SECV為0.126.

用校正模型對(duì)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)分析，預(yù)測(cè)集樣品真值與預(yù)測(cè)值的相關(guān)性如圖4，6個(gè)預(yù)測(cè)集樣品預(yù)測(cè)結(jié)果如表1，預(yù)測(cè)值與真值之間的相關(guān)系數(shù)R2為0.989 7，預(yù)測(cè)均方差SEP為0.154，可見模型預(yù)測(cè)能力較好.

注：圖2中80～89號(hào)為不含毒死蜱的樣品，01～10號(hào)為毒死蜱濃度0. 5～2.5 mg/kg的樣品. 圖2 光譜數(shù)據(jù)樣品的聚類分析樹狀圖Fig.2 Clusters dendrogram for the spectrum data of the samples

圖3 菠菜校正集樣品預(yù)測(cè)值與真值的相關(guān)性Fig.3 Correlation between predictive value and the true value of the spinach calibration samples

圖4 菠菜預(yù)測(cè)集樣品預(yù)測(cè)值與真值的相關(guān)性Fig.4 Correlation between predictive value and the true value of the spinach predictive samples

3.3 模型通用性的驗(yàn)證

近紅外模型的建立是為了能夠適用于經(jīng)常性的檢測(cè)需要，而不是進(jìn)行偶爾一次的分析工作，所以現(xiàn)對(duì)菠菜的校正模型進(jìn)行驗(yàn)證，看其是否具有通用性. 因此再隨機(jī)配制6個(gè)無公害蔬菜溶液樣品對(duì)3.2中建立的菠菜校正模型進(jìn)行驗(yàn)證，得到預(yù)測(cè)樣品的測(cè)定系數(shù)為0.85，預(yù)測(cè)均方差SEP為1.96，預(yù)測(cè)結(jié)果如表2，預(yù)測(cè)值和真值的相關(guān)性如圖5.

表1 菠菜預(yù)測(cè)集樣品預(yù)測(cè)結(jié)果

表2 菠菜模型通用性驗(yàn)證結(jié)果

圖5 菠菜模型通用性驗(yàn)證結(jié)果Fig.5 Test results of the spinach model’s universality

結(jié)果表明模型對(duì)無公害蔬菜溶液樣品的預(yù)測(cè)效果不夠理想，預(yù)測(cè)精度較差，說明所建立的模型適用范圍不夠廣，這也正是近紅外光譜分析技術(shù)中的一個(gè)難題. 因時(shí)間有限，目前暫未解決這一難題，希望在下一步的工作中能夠用覆蓋范圍更廣的樣品來修正模型，提高模型的通用性，建立適合經(jīng)常性檢測(cè)的菠菜近紅外光譜分析模型.

4 多信息融合技術(shù)在農(nóng)藥殘留量檢測(cè)中的研究展望

本文基于近紅外光譜分析技術(shù)，對(duì)蔬菜中毒死蜱殘留量檢測(cè)進(jìn)行了探索性研究，建立較好的模型，預(yù)測(cè)結(jié)果也比較理想，可見近紅外光譜分析技術(shù)在食品安全檢測(cè)方面具有很大的潛力，為下一步深入研究農(nóng)藥殘留量的檢測(cè)方法打下了很好的基礎(chǔ). 但農(nóng)副產(chǎn)品信息豐富，測(cè)試條件復(fù)雜，將其光學(xué)特征和其他特征結(jié)合，或?qū)D像與光譜特征結(jié)合進(jìn)行研究，已經(jīng)成為趨勢(shì). 目前所做研究工作距離實(shí)際的無損檢測(cè)技術(shù)，仍有需要改進(jìn)和繼續(xù)研究的地方.

1) 本文采用人工蔬菜樣品，經(jīng)過建立近紅外校正模型分析，表明近紅外光譜分析技術(shù)用于蔬菜中農(nóng)藥殘留量檢測(cè)是可行的，蔬菜樣品無損檢測(cè)還需研究，以便于更加接近實(shí)際應(yīng)用.

2) 研究所用樣品還比較單一，進(jìn)一步對(duì)多種農(nóng)藥殘留、多種蔬菜樣品檢測(cè)方面有所突破.

3) 校正模型分析方法有待加強(qiáng)，還需研究不同定量分析方法(如人工神經(jīng)網(wǎng)絡(luò)、多元線性回歸等)對(duì)模型建立的影響，開發(fā)更適于蔬菜中農(nóng)藥殘留量檢測(cè)的模型.

4) 加強(qiáng)基于多光譜信息融合技術(shù)在農(nóng)藥殘留量檢測(cè)中的研究. 需要更多實(shí)驗(yàn)驗(yàn)證和采用多光譜融合技術(shù)，使之逐步滿足實(shí)際生活需要.

高光譜圖像技術(shù)是圖像和光譜兩種技術(shù)結(jié)合的產(chǎn)物，可以實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的內(nèi)外部品質(zhì)的同時(shí)檢測(cè)，是多種信息融合技術(shù)檢測(cè)農(nóng)產(chǎn)品品質(zhì)的首選方法. 通過引入一些新的數(shù)據(jù)分析及新算法，可提高高光譜圖像檢測(cè)的有效性和準(zhǔn)確率，擴(kuò)展了其檢測(cè)系統(tǒng)的魯棒性，并且具有無監(jiān)督分類能力. 高光譜圖像技術(shù)快速全面檢測(cè)農(nóng)產(chǎn)品中農(nóng)藥殘留的問題以及食品中一些對(duì)人體有害的添加劑含量的問題，這一系列應(yīng)用研究對(duì)農(nóng)產(chǎn)品質(zhì)量安全檢測(cè)具有重要意義，因而對(duì)保障食品安全起著積極的推動(dòng)作用.

實(shí)現(xiàn)多目標(biāo)在線無損檢測(cè)技術(shù)，多種傳感器融合技術(shù)，對(duì)提高中國(guó)農(nóng)產(chǎn)品的品質(zhì)，增強(qiáng)參與國(guó)際競(jìng)爭(zhēng)的能力，降低工人的勞動(dòng)強(qiáng)度，具有重要的理論意義和實(shí)際意義。

5 結(jié) 論

本文采用近紅外光譜分析技術(shù)進(jìn)行蔬菜快速農(nóng)殘檢測(cè)是一種創(chuàng)新性方法，實(shí)驗(yàn)表明該技術(shù)是可行的，其檢測(cè)技術(shù)的快速、安全、綠色等特點(diǎn)正切合了目前市場(chǎng)上急需的農(nóng)藥殘留量檢測(cè)需求. 本項(xiàng)目的研究對(duì)提高農(nóng)產(chǎn)品檢測(cè)水平，保證食品安全和人民生命健康，增強(qiáng)我國(guó)農(nóng)業(yè)和食品工業(yè)的國(guó)際競(jìng)爭(zhēng)力具有重要價(jià)值和作用，并能創(chuàng)造較大的經(jīng)濟(jì)效益和社會(huì)效益.