本发明专利技术公开了一种荧光光谱同时快速测定蔬菜中农药多菌灵与噻菌灵含量的方法。通过简单的提取步骤对样品进行预处理，然后在相同的实验参数下收集各样品的三维激发-发射矩阵荧光光谱，同样采用平行因子分析算法（PARAFAC）对所得数据进行处理，将分辨得到的相对浓度输入到校正模型，经过校正模型的预测即得到各样品中多菌灵和噻菌灵的浓度含量。本发明专利技术大大简化了样品预处理步骤，省时省力，且灵敏度高，可实现复杂蔬菜样品背景干扰下两种目标农药的同时定量检测。
【技术实现步骤摘要】
本专利技术涉及食品安全领域，特别是一种荧光光谱同时快速测定蔬菜中农药多菌灵与噻菌灵含量的方法。
技术介绍
多菌灵(Carbendazim)、噻菌灵(Thiabendazole)均属苯并咪唑类杀菌剂；因具有高效、低毒和广谱的杀菌作用，被广泛应用于蔬菜等多种作物真菌性病害的防治；由于多菌灵和噻菌灵在蔬菜上残留期比较长，且具有一定的毒性，若使用不当，会对人体造成危害；国内外对多菌灵和噻菌灵的残留量都十分重视，分别制定了各自的残留限量标准，最低残留限量达0.05mg/kg;近年来，蔬菜中多菌灵、噻菌灵含量的测定多采用高效液相色谱法、高效液相色谱-质谱联用法、气相色谱法、毛细管电泳法、薄层色谱法等，其中高效液相色谱法最为常用，但该分析方法存在一定的局限性，如样品前处理复杂、检测过程繁琐费时、实验条件苛刻、分析时间长、所需仪器相对昂贵、操作人员的专业技能要求较高；多菌灵和噻菌灵两者本身会有严重的荧光光谱重叠，而且蔬菜样品中成分相当复杂，只经过简单的样品提取步骤，蔬菜中内源荧光干扰也将明显影响这两种农药的测定，荧光分析法被证实具有灵敏度高、所需仪器便宜、操作简单等诸多优点；另外，化学计量学中的二阶校正算法通过“数学分离”部分或完全代替“化学或物理分离”，可实现未知、未校正背景干扰下多种目标分析物的同时定性定量测定；而目前三维荧光光谱结合二阶校正算法用于蔬菜中多菌灵和噻菌灵的同时定量测定未见报道。
技术实现思路
本专利技术的目的是提供一种，最大限度地简化样品的预处理步骤，减少试剂的使用量，可批量分析蔬菜实际样品，提高食品质量安全检测的效率。具体步骤为:一、建立校正模型:在线性范围内配制10个含有多菌灵和噻菌灵的样本作为校正样，再配制一组预测样，预测样除含有多菌灵和噻菌灵外，还含有空白蔬菜提取液，随后收集所有样本的三维激发-发射荧光光谱，并对得到的光谱数据进行预处理(即扣除瑞利散射和拉曼散射)，处理后的数据沿样品维方向依次堆叠，得到一个三维数据阵；接着应用化学计量学中的平行因子分析算法(PARAFAC)对该三维数据阵进行解析，产生相对激发光谱矩阵A、相对发射光谱矩阵B和相对浓度矩阵C，将相对浓度矩阵中与两种被分析物对应的相对浓度矢量与校正样中相对应的标准浓度作线性回归，所得方程即为校正模型。二、方法性能的判断:对多菌灵和噻菌灵的标准溶液光谱数据进行奇异值分解，得到相应被分析物的真实激发和发射光谱，然后计算算法所产生的两种被分析物的相对激发和发射光谱轮廓与其真实光谱之间的相似程度，若相似程度高，说明算法具有良好的定性能力；另外，将预测样的相对浓度矢量输入至校正模型，计算得到预测样中两种被分析物的预测浓度及其回收率，根据回收率的好坏来判断方法性能的优劣；同时，为进一步验证算法的性能，计算出算法的品质因子及相应的统计参量。三、实际样品中多菌灵和噻菌灵的同时测定:收集不同品种的蔬菜作为实际样，然后在相同的实验参数下收集各样品的三维激发-发射矩阵荧光光谱，同样采用平行因子分析算法(PARAFAC)对所得数据进行处理，将分辨得到的相对浓度输入到校正模型，经过校正模型的预测即得到各样品中多菌灵和噻菌灵的浓度含量。平行因子分析算法的应用理论平行因子分析(PARAFAC)算法是一种基于三线性成分模型的三维数据解析方法，对于激发-发射荧光光谱数据，三线性分解过程可以描述如下:假定每个样本在选定波长范围内下测量一次可以获得大小为IXJ的激发-发射荧光光谱矩阵，如果将K个这样的二阶张量矩阵堆叠起来，就可以产生大小为IX JXK三维响应数据阵X，根据三线性成分模型，它可以分解为:权利要求1.一种，其特征在于具体步骤为: 一、建立校正模型:在线性范围内配制10个含有多菌灵和噻菌灵的样本作为校正样，再配制一组预测样，预测样除含有多菌灵和噻菌灵外，还含有空白蔬菜提取液，随后收集所有样本的三维激发-发射荧光光谱，并对得到的光谱数据进行预处理即扣除瑞利散射和拉曼散射，处理后的数据沿样品维方向依次堆叠，得到一个三维数据阵；接着应用化学计量学中的平行因子分析算法即PARAFAC对该三维数据阵进行解析，产生相对激发光谱矩阵A、相对发射光谱矩阵B和相对浓度矩阵C，将相对浓度矩阵中与两种被分析物对应的相对浓度矢量与校正样中相对应的标准浓度作线性回归，所得方程即为校正模型； 二、方法性能的判断: 对多菌灵和噻菌灵的标准溶液光谱数据进行奇异值分解，得到相应被分析物的真实激发和发射光谱，然后计算算法所产生的两种被分析物的相对激发和发射光谱轮廓与其真实光谱之间的相似程度，若相似程度高，说明算法具有良好的定性能力；另外，将预测样的相对浓度矢量输入至校正模型，计算得到预测样中两种被分析物的预测浓度及其回收率，根据回收率的好坏来判断方法性能的优劣；同时，为进一步验证算法的性能，计算出算法的品质因子及相应的统计参量； 三、实际样品中多菌灵和噻菌灵的同时测定: 收集不同品种的蔬菜作为实际样，然后在相同的实验参数下收集各样品的三维激发-发射矩阵荧光光谱， 同样采用平行因子分析算法即PARAFAC对所得数据进行处理，将分辨得到的相对浓度输入到校正模型，经过校正模型的预测即得到各样品中多菌灵和噻菌灵的浓度含量。全文摘要本专利技术公开了一种荧光光谱同时快速测定蔬菜中农药多菌灵与噻菌灵含量的方法。通过简单的提取步骤对样品进行预处理，然后在相同的实验参数下收集各样品的三维激发-发射矩阵荧光光谱，同样采用平行因子分析算法(PARAFAC)对所得数据进行处理，将分辨得到的相对浓度输入到校正模型，经过校正模型的预测即得到各样品中多菌灵和噻菌灵的浓度含量。本专利技术大大简化了样品预处理步骤，省时省力，且灵敏度高，可实现复杂蔬菜样品背景干扰下两种目标农药的同时定量检测。文档编号G01N21/64GK103175813SQ20121056231公开日2013年6月26日 申请日期2012年12月22日 优先权日2012年12月22日专利技术者张云, 聂瑾芳, 李学劲 申请人:桂林理工大学本文档来自技高网...
【技术保护点】
一种荧光光谱同时快速测定蔬菜中多菌灵和噻菌灵含量的方法，其特征在于具体步骤为：一、建立校正模型：????在线性范围内配制10个含有多菌灵和噻菌灵的样本作为校正样，再配制一组预测样，预测样除含有多菌灵和噻菌灵外，还含有空白蔬菜提取液，随后收集所有样本的三维激发?发射荧光光谱，并对得到的光谱数据进行预处理即扣除瑞利散射和拉曼散射，处理后的数据沿样品维方向依次堆叠，得到一个三维数据阵；接着应用化学计量学中的平行因子分析算法即PARAFAC对该三维数据阵进行解析，产生相对激发光谱矩阵A、相对发射光谱矩阵B和相对浓度矩阵C，将相对浓度矩阵中与两种被分析物对应的相对浓度矢量与校正样中相对应的标准浓度作线性回归，所得方程即为校正模型；二、方法性能的判断：对多菌灵和噻菌灵的标准溶液光谱数据进行奇异值分解，得到相应被分析物的真实激发和发射光谱，然后计算算法所产生的两种被分析物的相对激发和发射光谱轮廓与其真实光谱之间的相似程度，若相似程度高，说明算法具有良好的定性能力；另外，将预测样的相对浓度矢量输入至校正模型，计算得到预测样中两种被分析物的预测浓度及其回收率，根据回收率的好坏来判断方法性能的优劣；同时，为进一步验证算法的性能，计算出算法的品质因子及相应的统计参量；三、实际样品中多菌灵和噻菌灵的同时测定：收集不同品种的蔬菜作为实际样，然后在相同的实验参数下收集各样品的三维激发?发射矩阵荧光光谱，同样采用平行因子分析算法即PARAFAC对所得数据进行处理，将分辨得到的相对浓度输入到校正模型，经过校正模型的预测即得到各样品中多菌灵和噻菌灵的浓度含量。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张云，聂瑾芳，李学劲，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。