论文部分内容阅读
近几年,农产品农药残留安全问题越来越备受人们的关注,农药不仅可以控制有害生物也是维持农业可持续发展的重要因素之一。然而,农药在给农作物带来高产的同时,也给人类健康和生态环境带来一定的副作用。农民在施药的过程中不可避免地将农药流入水体,而且在喷洒的过程中容易残留环境,从而聚集在植物和动物上,再通过人的食用进入人体,对人类的身体健康产生不利影响,甚至会威胁人类的生命。这就需要研究者对农药的环境行为进行检测。本文采用共线双脉冲激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术检测二甲苯与食用油中的敌草快和腐霉利含量,并结合不同的变量筛选方法对其进行定量分析,主要研究内容及结果如下:激光诱导击穿光谱技术因具有快速、实时、在线、多种元素同时检测等优点,所以选择LIBS技术对溶液中的敌草快和腐霉利含量进行检测研究。为配置不同浓度的敌草快和腐霉利样品,将具有一定浓度的敌草快和腐霉利药品与二甲苯或与二甲苯与油制成的混合液按照不同比例混合并完全溶解。由于液体样品在激光击打过程中容易将液体溅出,具有一定的危险性。因此,本试验将液体样品转化为固体样品,利用石墨吸附农药溶液,然后采用八通道高精度光谱仪采集样品的LIBS光谱,并利用不同预处理方法对光谱数据进行预处理。为提高敌草快和腐霉利的检测精度,选择溴元素与氯元素信号最强的两通道谱数据,分别采用归一化函数(normalization)、基线校正(baseline correction)、标准正态变量变换(standard normal variable transformation,SNV)、多元散射校正(multiplicative scatter correction,MSC)等方法进行光谱预处理,并应用偏最小二乘(partial least squares,PLS)方法建模。通过比较各预处理方法数据后,综合考虑,选择最优预处理方法。在最优预处理方法的基础上采用无信息变量消除算法(uninformed variable elimination,UVE)、竞争性自适应重加权采样算法(competitive adaptive reweighted sampling,CARS)、遗传算法(genetic algorithm,GA)剔除无信息的波长变量,筛选与敌草快和腐霉利相关的重要波长变量,最后应用偏最小二乘回归和最小二乘支持向量机算法(least squares support vector machine,LSSVM)建立溶液中敌草快与腐霉利含量的定量分析模型。对于二甲苯中敌草快含量的定量分析,使用GA-CARS方法进行变量优选,并采用LSSVM方法建模,其模型的校正集和预测集决定系数分别为0.94和0.97,校正均方根误差(root mean square error of calibration,RMSEC)和预测均方根误差(root mean square error of prediction,RMSEP)分别为1.6 g/kg和1.1 g/kg;对于食用油中敌草快含量的定量分析,使用GA-CARS方法进行变量优选,并采用LSSVM方法建模,其模型的校正集和预测集决定系数分别为0.93和0.94,RMSEC与RMSEP分别为1.6 g/kg和1.8 g/kg;对于二甲苯中腐霉利含量的定量分析,结合UVE-CARS方法优选后,PLS模型的校正集和预测集决定系数分别为0.9970和0.9920,RMSEC和RMSEP分别为0.4 g/kg和0.6 g/kg;对于食用油中腐霉利含量的定量分析,经UVE-CARS方法进行变量优选后,PLS模型的校正集和预测集决定系数分别为0.9909和0.9747,RMSEC和RMSEP分别为0.6 g/kg和1.1 g/kg。此外,建模结果表明,经光谱预处理和变量筛选算法优选后,建立的模型性稳定性优于通过原始光谱和在原始光谱是进行变量优化后所建立的PLS模型,且利用建模的变量数大大减少。因此,经光谱预处理和变量筛选算法优选后,其模型性能优于原始光谱建立的PLS模型。因此,利用共轴双脉冲LIBS技术定量检测溶液中的敌草快和腐霉利含量具有一定的可行性,经变量筛选算法筛选后可以有效提取特征变量及相关影响变量,剔除冗余及噪声变量,简化定量分析模型,提高定量分析模型的稳定性。