食品工业科技2022,Vol.43Issue(4) :271-277.DOI:10.13386/j.issn1002-0306.2021020221

基于近红外光谱技术对小麦中毒死蜱农药残留测定方法的研究

Determination of Chlorpyrifos Pesticide Residues in Wheat Based on Near Infrared Spectroscopy

冯镇 刘馨 张震 任双鹤 郭增旺 郭亚男 殷东 郭丽媛 王中江
食品工业科技2022,Vol.43Issue(4) :271-277.DOI:10.13386/j.issn1002-0306.2021020221

基于近红外光谱技术对小麦中毒死蜱农药残留测定方法的研究

Determination of Chlorpyrifos Pesticide Residues in Wheat Based on Near Infrared Spectroscopy

冯镇 1刘馨 1张震 1任双鹤 1郭增旺 1郭亚男 1殷东 2郭丽媛 3王中江1
扫码查看

作者信息

  • 1. 东北农业大学食品学院,黑龙江哈尔滨150030
  • 2. 深圳中检联检测有限公司,广东深圳518110
  • 3. 黑龙江谱尼测试科技有限公司,黑龙江哈尔滨150028
  • 折叠

摘要

研究了基于近红外光谱技术结合化学计量法建立小麦中毒死蜱农药残留鉴定模型.采用喷洒法制备具有不同毒死蜱残留量的小麦样品,采集样品的近红外漫反射光谱,并建立因子化法、欧氏距离法的定性预测模型和偏最小二乘法的定量预测模型.结果 表明:因子化法较欧氏距离法的定性判别率更高,构建条件的特征波段为5543.68~4643.72、7582.43~6510.28 cm-1,预处理方式为二阶导数+矢量归一化+5点平滑,判别率可达96%;偏最小二乘定量判别模型构建条件的特征波段范围为5543.68~4643.72、7582.43~6510.28 cm-1,预处理方式为消除常数偏移量,主成分数为7,交叉验证系数(R2)达到99.46、交叉验证均方残差(RMSECV)达到1.15,实际值与预测值相关性良好,最低检测限为1 mg/kg,能够实现对小麦毒死蜱农药残留量的准确判定.以上结果表明,利用因子化法建立的定性分析模型的判别率高达96%,能够实现对小麦毒死蜱农药残留的定性分析鉴定,采用偏最小二乘法可以实现定量分析鉴定且重现性较好.

关键词

近红外光谱/小麦/毒死蜱/欧式距离法/因子化法/偏最小二乘法

引用本文复制引用

基金项目

中国博士后科学基金第67批面上项目(2020M672124)

中国博士后科学基金第14批特别资助项目(站中)(2021T140426)

国家重点研发计划"科技助力经济2020"重点专项()

广东省科技特派员项目(GDKTP2020068700)

出版年

2022
食品工业科技
北京一轻研究院

食品工业科技

CSTPCD北大核心
影响因子:0.842
ISSN:1002-0306
被引量6
参考文献量18
段落导航相关论文