基于近紅外光譜技術的蔬菜農(nóng)藥殘留檢測方法研究

基于近紅外光譜技術的蔬菜農(nóng)藥殘留檢測方法研究

人們認為食物是天堂，食物是安全的。食品安全問題越來越受到重視。尤其是三鹿毒奶粉事件的重大社會影響，嚴重損害了中國的國家形象。因此如何解決食品安全問題已經(jīng)成為當前社會的一個重要研究課題。而對食品中有毒有害物質(zhì)的檢測往往是在實驗室中進行的,不但檢測速度較慢,而且需要貴重儀器和專業(yè)實驗人員,不能滿足現(xiàn)場快速測定的需求,所以迫切需要建立一種快速、高效、準確的新型檢測技術。近年來隨著近紅外光譜(NIR)分析技術的軟硬件發(fā)展,加之它是一種快速、無損、多組分同時分析的綠色技術,使得近紅外光譜分析技術在食品安全檢測中的應用成為熱門課題。為此,針對人們?nèi)粘Ｉ钜恢睋牡氖卟酥修r(nóng)藥殘留問題,我們利用近紅外光譜分析技術對蔬菜農(nóng)殘的檢測方法進行了探索,以推動近紅外光譜分析技術在蔬菜食品安全檢測中的應用。1近紅外光譜分析技術的基本原則和特點1.1吸收分子中氫衍生物的吸收特性近紅外光是介于可見光(VIS)和中紅外(MIR)之間的電磁波,美國材料檢測協(xié)會(ASTM)定義的近紅外光譜的波長范圍為780nm~2526nm(12820cm-1~3959cm-1),習慣上又劃分為短波近紅外區(qū)(700nm~1100nm)和長波近紅外區(qū)(1100nm~2526nm)。發(fā)生在該區(qū)域內(nèi)的吸收譜帶主要是由于分子振動的非諧振性使分子振動從基態(tài)向高能級躍遷時產(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(C-H、N-H、O-H、S-H等)的組合頻和倍頻吸收組成。不同基團或同一基團在不同化學環(huán)境中的近紅外吸收波長與強度都有明顯差別,幾乎所有有機物的主要結(jié)構和組成都可以在他們的近紅外光譜中找到信號,且光譜圖穩(wěn)定,比較適合分析天然產(chǎn)物中與氫基團有直接或者間接關系的成分。所以說,近紅外光譜技術應用的發(fā)展是從農(nóng)產(chǎn)品中開始的。1.2分析的特點近紅外光譜分析技術近年來能夠迅猛發(fā)展,能夠在許多領域得到應用,其特點是:(1)分析速度快,適合大批量樣品的處理,一般單個樣品分析在30秒鐘內(nèi)即可得到數(shù)據(jù);(2)無需繁瑣的樣品前處理和化學反應過程;(3)分析過程中不破壞樣品、無污染,樣品可重復利用;(4)成本低,對操作人員技術要求低;(5)掃描樣品得到的光譜,可以測得各種性質(zhì)或組成,完成定性分析和準確度很高的定量結(jié)果;(6)應用領域廣泛,可用于過程分析,甚至可以分析有毒、腐蝕性材料或者惡劣環(huán)境的遠程分析。當然,近紅外光譜分析技術目前在實際應用中也存在一定的局限性。需要進一步探索和改善:(1)對痕量分析和分散性樣品分析有很大困難,其檢測限長在100×10-6;(2)模型建立需要投入一定的人力、財力和時間,而且建立后的模型還需要不斷修正;(3)模型的適用受一定的地域或者環(huán)境影響,不容易建立通用的模型。2材料和方法2.1材料表面取500g在超市購買的無公害菠菜,乙腈溶液、毒死蜱/甲醇農(nóng)藥溶液標準物質(zhì)來自國家標準物質(zhì)中心。2.2樣本的制備先將菠菜樣品在潔凈的案板上切碎,然后放入榨汁機中粉碎至糊狀,取出后用勻漿機進一步將其粉碎,隨后在菠菜樣品中加入乙腈溶液,進行分離萃取制成樣本溶液。最后采用逐步稀釋的方法,將菠菜溶液配制成35個濃度為0.1mg/kg~4mg/kg的待測樣品,30個作為建模集樣品,5個作為預測集樣品。2.3檢測儀器和方法MATRIX-F近紅外光譜分析儀(德國Bruker),光譜范圍為780nm~2500nm,分辨率為2cm-1;檢測器采用銦鎵砷(InGaAs)檢測器,液體光纖探頭長2m,光程池1mm,透反射測量有效光程為2mm;榨汁機;勻漿機;電子天平;移液器。2.4透射采樣方式在室溫下將樣本溶液滴入液體光纖探頭的光程池中,采用透射采樣模式,對12500cm-1~4000cm-1譜區(qū)掃描,分辨率為8cm-1,掃描32次。3結(jié)果與分析3.1預處理方法對校正模型的影響用德國Bruke公司MATRIX-F型近紅外光譜儀進行光譜掃描,光譜采集與分析軟件采用OPUS5.0。用不同的光譜預處理方法對30個菠菜萃取液的原光譜進行預處理,預處理結(jié)果見表1。由表1可以看出,不同預處理方法能不同程度的影響校正模型的精度,即影響校正模型的相關系數(shù)R2,交叉驗證標準差SECV,增強校正模型的預測能力,即影響預測標準差SEP。其中,一階導數(shù)和矢量歸一化+17點平滑相結(jié)合的預處理方法,校正模型精度最好,預測能力最強。校正集的預測值與標準值的相關系數(shù)由0.9903提高至0.9983,交叉驗證標準差SECV由0.109mg/kg減小到0.0454mg/kg。所以,對于實驗校正集30個菠菜樣品,選擇一階導數(shù)的預處理方法最佳。3.2近紅外光譜確定菠菜萃取液的毒死蜱含量很低,如果全譜處理,噪音和樣品的其他組分對樣品光譜的影響較大,在某些波段,可能會掩蓋住毒死蜱的信息。對菠菜近紅外光譜進行波長選擇,30個菠菜樣品根據(jù)所建模型的優(yōu)劣對波長區(qū)間進行優(yōu)化挑選,對應的譜區(qū)為:6106cm-1~4594cm-1。根據(jù)所建模型的優(yōu)劣挑選的波譜段建30個菠菜樣品的校正模型,交叉驗證預測值與標準值的相關系數(shù)R2為0.9983,交叉驗證標準差SECV為0.124mg/kg,預測集5個樣品的預測標準差SEP為0.056mg/kg。3.3生全蛋白的預測和分析采用優(yōu)化后的波段6106cm-1~4594cm-1,最優(yōu)預處理方法為一階導數(shù)預處理方法,對30個菠菜樣品光譜進行優(yōu)化,建立PLS定量分析校正模型。交叉驗證預測值與標準值的相關系數(shù)為0.9991,交叉驗證標準差SECV為0.0454mg/kg。用30個菠菜樣品正模型對預測集5個菠菜樣品進行預測,結(jié)果見表2。采用已知毒死蜱含量的菠菜萃取液標樣建立測定菠菜中毒死蜱含量近紅外模型,并與標準值進行對比,對比分析結(jié)果表明,菠菜中毒死蜱含量測定結(jié)果準確可靠,對5個待測樣品的預測結(jié)果表明,其預測能力較強。4近紅外光譜分析技術在食品安全檢測方面的應用潛力基于近紅外光譜