針對市場上銷售的蔬菜存在的農(nóng)藥殘留問題,提出了一種高效無損的小白菜農(nóng)藥殘留定性分類鑒別方法。將3組小白菜葉片和氯氟氰菊酯農(nóng)藥作為研究對象,并分別對其中的2組小白菜噴灑2種不同濃度（農(nóng)藥與水的配比分別為1∶500和1∶20）的農(nóng)藥,從而形成不含農(nóng)藥、含輕度農(nóng)殘和含重度農(nóng)殘的三類樣本。然后分別采集三類樣本的近紅外光譜數(shù)據(jù),并對其進(jìn)行小波軟閾值預(yù)處理,再利用主成分分析（Principal Component Analysis, PCA）對數(shù)據(jù)進(jìn)行降維,最后采用Fisher判決和K近鄰（K-Nearest Neighbor, KNN）分類方法進(jìn)行鑒別。實(shí)驗(yàn)結(jié)果表明,此方法對無農(nóng)藥殘留與含輕度農(nóng)藥殘留兩類樣本的正確鑒別率為95%,且對含輕度農(nóng)殘與含重度農(nóng)殘兩類樣本的正確鑒別率為90%。因此,本文方法可用于對小白菜農(nóng)殘進(jìn)行有效的定性分類鑒別,為蔬菜農(nóng)殘定性分類鑒別提供了一種新思路。 

【文章來源】：紅外. 2020,41(10)

【文章頁數(shù)】：4 頁

【部分圖文】：

輕度農(nóng)殘和重度農(nóng)殘的鑒別結(jié)果(正確率

實(shí)驗(yàn)選用安捷倫公司的Cary 630 傅里葉紅外光譜儀,并采用ATR衰減全反射光譜采集模式。光譜儀的參數(shù)設(shè)置如下:背景掃描次數(shù)為64;樣本掃描次數(shù)為64;分辨率為8 cm-1。光譜采集還需要一臺安裝了Microlab PC和Resolutions Pro配套軟件的電腦。實(shí)驗(yàn)儀器如圖1所示。選擇用于實(shí)驗(yàn)室的無水酒精來清潔光譜儀晶體,并選用山東申達(dá)作物科技有限公司生產(chǎn)的主殺菜青蟲的高效氯氟氰菊酯農(nóng)藥。其中,農(nóng)藥為殺蟲劑,劑型為微乳油,總有效成分含量為5%。

為了保證實(shí)驗(yàn)的普遍性,選用無農(nóng)藥的自種小白菜作為實(shí)驗(yàn)品。將小白菜分為三組:第一組不噴灑農(nóng)藥,用于制作無農(nóng)藥樣本;第二組噴灑農(nóng)藥與水配比為1∶500的氟氰菊酯溶液,用于制作含輕度農(nóng)藥殘留的樣本;第三組噴灑農(nóng)藥與水配比為1∶20的氟氰菊酯溶液,用于制作含重度農(nóng)藥殘留的樣本。采用噴霧方式來保證農(nóng)藥噴灑的均勻性。將制備好的樣本置于通風(fēng)陰涼處備用。1.3 實(shí)驗(yàn)描述

【參考文獻(xiàn)】：
期刊論文
[1]基于熒光光譜的生菜農(nóng)藥殘留檢測[J]. 孫俊,周鑫,毛罕平,武小紅,楊寧,張曉東.  農(nóng)業(yè)工程學(xué)報(bào). 2016(19)
[2]近紅外高光譜技術(shù)鑒別長棗表面的農(nóng)藥種類[J]. 劉民法,張令標(biāo),王松磊,劉貴珊,何建國,賀曉光.  食品研究與開發(fā). 2014(15)
[3]基于近紅外的蔬菜農(nóng)殘快速定性檢測技術(shù)研究[J]. 吳靜珠,李慧,劉翠玲,王克棟.  食品工業(yè)科技. 2010(10)
[4]近紅外光譜技術(shù)在農(nóng)藥殘留量檢測中的研究[J]. 劉翠玲,鄭光,孫曉榮,吳靜珠,李慧.  北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)



本文編號：3301669