CN102692388B - 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 - Google Patents
数字成像系统及其快速检测果蔬中有机磷农药残留的方法 Download PDFInfo
- Publication number
- CN102692388B CN102692388B CN201210203756.7A CN201210203756A CN102692388B CN 102692388 B CN102692388 B CN 102692388B CN 201210203756 A CN201210203756 A CN 201210203756A CN 102692388 B CN102692388 B CN 102692388B
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- organophosphorus pesticide
- imaging system
- phoxim
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了属于食品安全检测技术领域的一种数字成像系统及其快速检测果蔬中有机磷农药残留的方法。此种数字成像系统包括光源提供子系统、图像采集子系统、光学平台。利用数字成像系统构建图像灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型,检测时,只需要对被测样品进行简单的显色反应预处理后,利用数字成像系统中得到样品在不同敏感波长下的数字图像,通过分析该图像的灰度值,用其匹配预测评估模型,就可以判断出相应农药残留是否超标,如果有农药残留会得到精度较高的估计值。全部分析过程只需要5-10分钟,其检测灵敏度可以达到0.5mg/kg。
Description
技术领域
本发明属于食品安全检测技术领域,具体涉及一种数字成像系统及其快速检测果蔬中有机磷农药残留的方法。
背景技术
统计资料显示,在我国农药中毒及其导致死亡的事故中,杀虫剂约占80%左右,而在杀虫剂中,又以有机磷农药为主,约占90%。残留在水果和蔬菜上的有机磷或环境中的有机磷进入到有机体内,大部分会对生物体内胆碱酯酶有抑制作用,使其失去分解乙酰胆碱的能力,造成乙酰胆碱积累,引起神经功能紊乱,从而导致肌体的损害。近年来,各国政府对农作物中有机磷农药残留限量的要求越来越严格,从而增加了检测的难度。
目前有机磷农药的检测方法主要有波谱法、色谱法和色质联用法等。近年来,世界各国的专家都加速开展快速、灵敏、准确、简便的检测方法的研究,主要有酶抑制法、免疫分析法、生物传感器和光谱检测技术等。
波谱法是根据有机磷农药中某些官能团或水解、还原产物与特殊的显色剂在一定的条件下发生化学反应,产生特定波长的颜色反应来进行定性或定量(限量)测定。该方法一次只能测定一种或相同基团的一类有机磷农药,且灵敏度不高,只能对含有各种不同有机磷农药残留的样品进行粗选,呈阳性的样品还需要用色谱法和质谱法等来进行确证实验。 色谱法是目前有机磷农药的最主要检测方法,根据检测过程中的物理化学特性又可分为薄层色谱法、气相色谱法和液相色谱法三类。缺点是时间长、操作复杂,仪器昂贵,难以大面积普及推广。色质联用法是一种把气相色谱法或液相色谱法与质谱法联合使用的方法。该方法既具备了色谱法的高分离效能优点,又具备了质谱法准确鉴定化合物结构的特点,可同时达到定性、定量的检测目的,特别适合于农药代谢物、降解物的检测和多残留检测等,特别适合于多残留分析。但由于色质联用仪价格昂贵,目前在农药残留检测中还未得到普遍采用。
酶抑制法是基于有机磷农药可以抑制乙酰胆碱酯酶的活性这一原理。在无有机磷农药存在时,乙酰胆碱在乙酰胆碱酯酶的作用下可以产生胆碱和乙酸,当有机磷农药存在时,乙酰胆碱酯酶的活性受到抑制,作为其分解产物的乙酸也相应减少,利用这一反应特性,根据指示剂颜色或反应液PH值的变化,达到有机磷农药检测的目的。但酶试剂易失活,导致反应不稳定,检测结果误差较大,重复性差,实际应用中的确认率大约为60%~70%。
免疫分析法是利用抗原和相应抗体在体外也能特异性结合的原理发展起来的一类特异灵敏的检测技术。该方法有很强的特异性,一种试剂盒只能检测单一有机磷农药而不能检测农药的多残留,并且对结构类似的化合物有一定程度的交叉,还存在抗原提取不易、试剂盒成本高等问题。
生物传感器技术通常是指由一种生物敏感部件与转换器紧密配合,对特定种类化合物或生物活性物质具有选择和可逆响应的分析工具。当待测物与分子识别元件(由具有识别能力的生物功能物质如酶、微生物、抗原和抗体等构成)特异性地结合后,产生的光、热等通过信号转换器转变为可以输出的电信号、光信号等,由检测器经过电子技术处理,在仪器上显示或记录下来,从而达到分析的目的。但目前生物传感器技术还处在起步阶段,存在稳定性差,使用寿命短等问题。
光谱分析技术是利用光与物质的相互作用来研究分子结构及动态特性,通过获取光的发射、吸收和散射信息可获得与样品相关的化学信息,这是一种简便、快速的无损检测技术。但是直接使用光谱分析技术进行有机磷农药残留检测出现结果不稳定、检测精度难以满足定量性的要求等问题,而传统的图像处理和光谱分析均无法全面地获取被测目标的光谱信息和空间信息。
因此,虽然有机磷农药残留带来的食品安全隐患逐渐被人们重视,但是到目前为止,还没有一种非常方便、快速的方法对有机磷农药残留进行检测。该发明方法针对我国目前最常用的三种含硫有机磷农药:毒死蜱(分子式C9H11CL3NO3PS)、乐果(分子式C5H12NO3PS2)和辛硫磷(分子式C12H15N2O3PS),利用图1所示的数字成像系统获取被测果蔬的数字图像,经过图像处理和数据分析,建立含硫有机磷农药浓度的预测评估模型,从而可以快速、方便地检测其中一种农药在果蔬中的残留含量。该系统主要包括光源、相机和镜头、滤光片及滤光片回转轮、计算机等,其中滤光片回转轮上可安装6枚滤光片,滤光片敏感波长的确定是利用含硫有机磷农药和氯化钯可以发生显色反应,利用分光光度计测其溶液的吸光度来确定。该方法可以通过滤光片回转轮切换滤光片,从而方便、快捷地检测三种农药,并为进一步制作便携式农药检测仪提供了可行的依据。
发明内容
一种数字成像系统,此系统包括光源提供子系统、图像采集子系统、光学平台;所述光源提供子系统包括光源控制器、光源、光纤;所述图像采集子系统包括镜头、CMOS摄像机、图像采集卡、数据线和计算机;其中,所述光源控制器、光源和光纤依次连接;所述镜头安装在CMOS摄像机上;所述图像采集卡安装在COMS摄像机里;所述COMS摄像机通过数据线与所述计算机连接。
所述图像采集子系统还包括滤光片回转轮和滤光片;所述滤光片回转轮和滤光片固定于光学平台上。
所述系统还包括暗箱;所述镜头、CMOS摄像机、图像采集卡、滤光片回转轮和滤光片置于暗箱内。
利用上述数字成像系统快速检测果蔬中有机磷农药残留的方法,所述有机磷农药为含硫有机磷农药中的毒死蜱、乐果或辛硫磷,该方法包括以下步骤:
1)被测果蔬样品的预处理:将果蔬样品切碎,用乙醇萃取样品中的有机磷农药,用氯化钯作为显色剂,醋酸作助溶剂,与有机磷农药溶液发生显色反应;
2)利用分光光度计确定每种有机磷农药溶液发生显色反应后的特征波长,从而选定相应敏感波长的滤光片;
3)利用权利要求1所述的数字成像系统和选定的滤光片得到样品灰度值和有机磷农药浓度,构建被测果蔬中有机磷农药含量的预测评估模型;
4)对被测样品进行1)所示的预处理,利用数字成像系统得到该样品的图像灰度值,与步骤4)中的预测评估模型比较,如果预测模型判断样品特征处于含有残留的区间内,则说明待测样品中含有毒死蜱、乐果或辛硫磷,同时根据灰度值,计算毒死蜱、乐果或辛硫磷残留的浓度;如果预测模型判断样品特征处于不含残留的区间内,则说明被测样品不含有毒死蜱、乐果或辛硫磷。
所述步骤2)中对相应敏感波长的滤光片的确定包括如下步骤:
a. 含硫有机磷农药分别选用市售40wt%的毒死蜱、乐果和辛硫磷溶液,利用可见光分光光度计分别采集的不同浓度的可见光光谱图;
b. 将不同浓度的毒死蜱、乐果和辛硫磷和一定量氯化钯醋酸溶液发生显色反应后,利用可见光分光光度计分别采集反应后的可见光光谱图;
c. 将上述两个步骤中得到的可见光光谱图进行对比,筛选出特征波长;
d. 根据每种农药的特征波长的范围,确定数字成像系统中的相应敏感波长的滤光片;
经过显色反应后光谱筛选和验证,氯化钯醋酸溶液与毒死蜱发生显色反应后的特征吸收峰均在420nm附近,和乐果发生显色反应后的特征吸收峰在500nm附近,与辛硫磷发生显色反应后的特征吸收峰均在510nm附近,根据仪器的分辨率以及图像采集系统的精度,分别以410nm-430nm、490nm-510nm、500nm-520nm作为检测毒死蜱、乐果、辛硫磷的滤光片的敏感波长。
所述步骤3)中果蔬中有机磷农药含量的预测评估模型的建立包含如下的步骤:
①利用气相色谱-质谱联用仪对被测样品进行检测验证,确保所有该品种样品中不含有毒死蜱、乐果和辛硫磷及其它有机磷农药残留;
②分别对样品人工喷洒不同浓度的毒死蜱、乐果或辛硫磷农药,进行步骤1)中的显色反应预处理,并进行标注;
③通过CMOS摄像机和镜头采集该波长下的有机磷农药溶液图像,利用灰度阈值分割技术,用于将所拍摄到灰度图像转换成为二值图像;其具体步骤是:
a)选择图像灰度中值作为初始阈值T;
b)利用阈值T把图像分割成两个区域,分别计算这两个区域的灰度均值;
c)对两个灰度均值再取平均作为新阈值T;
d)重复步骤b)和c)直到新阈值与上个阈值的差小于给定值;
e)根据最后得到的阈值T对图像进行二值化;
④通过形态学方法对步骤3)所得到的二值化图像进一步处理,去掉图像中烧杯边缘的部分。使用的是开启,即先腐蚀、再膨胀,从而得到白色的溶液部分,并取为1和黑色的背景部分,并取为0;
⑤用步骤④得到的图像与原始图像进行相乘,从而得到只含有有机磷农药溶液部分的灰度图像;从而进一步得到有机磷农药溶液部分图像的灰度值;
⑥将图像的灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型。
本发明的有益效果是:检测果蔬中常用含硫有机磷农药残留时,只需要对被测样品进行简单的显色反应预处理后,利用数字成像系统中的滤光片回转轮切换滤光片,得到样品在不同敏感波长下的数字图像,通过分析该图像在特征区间的特征值,用其特征值匹配预测评估模型,就可以判断出相应农药残留是否超标,如果有农药残留会得到精度较高的估计值。全部分析过程只需要5-10分钟,其检测灵敏度可以达到0.5mg/kg。
附图说明
图1为数字成像系统结构示意图。
图2为不同浓度乐果(16ppm、8ppm、4ppm、2ppm、1ppm)体系和0.5wt%的氯化钯醋酸溶液发生显色反应前在450nm~700nm的吸光度光谱对照图。
图3为不同浓度乐果(16ppm、8ppm、4ppm、2ppm、1ppm)体系和0.5wt%的氯化钯醋酸溶液发生显色反应后在450nm~700nm的吸光度光谱对照图。
图4为不同浓度(16ppm、8ppm、4ppm、2ppm、1ppm、0.5ppm)下毒死蜱和0.5wt%的氯化钯醋酸溶液发生显色反应后在400nm~700nm的吸光度光谱图。
图5为含有不同浓度辛硫磷(16ppm、8ppm、4ppm、2ppm、1ppm、0.5ppm)体系和0.5wt%的氯化钯醋酸溶液发生显色反应后在350nm-650nm的吸光度光谱图。
图6为经过预处理后的有机磷溶液原始图像和经过区域分割和形态学处理之后的二值化图像。
具体实施方式
下面通过附图和具体实施例对本发明进行进一步说明。
如图1所示,数字成像系统包括光源提供子系统、图像采集子系统、光学平台;所述光源提供子系统包括光源控制器、光源、光纤;所述图像采集子系统包括镜头、CMOS摄像机、图像采集卡、数据线和计算机。
其中,所述光源控制器、光源和光纤依次连接;所述镜头安装在CMOS摄像机上;所述图像采集卡安装在COMS摄像机里;所述COMS摄像机通过数据线与所述计算机连接。所述图像采集子系统还包括滤光片回转轮和滤光片;所述滤光片回转轮和滤光片固定于光学平台上。所述系统还包括暗箱;所述镜头、CMOS摄像机、图像采集卡、滤光片回转轮和滤光片置于暗箱内。
实施例1
(1)样品制备
将0.5克氯化钯固体用3ml冰醋酸溶解10分钟,加去离子水稀释至100ml,配制成0.5wt%的氯化钯溶液;
配置浓度分别为16ppm、8ppm、4ppm、 2ppm、1ppm的乐果溶液各2ml。
将每个浓度的乐果溶液均匀喷洒在5个无公害绿色菠菜上,在室温下晾干待用。
(2)预处理过程
取5组各10g喷洒有不同浓度乐果溶液的菠菜样品,将其切碎并和乙醇混合搅拌40分钟,取上清液5ml,并用过滤纸过滤。对5组样品分别加入2ml配制好的氯化钯醋酸溶液,充分震荡后静制5分钟。
(3)选定滤光片
利用分光光度计采集其样品加和不加氯化钯醋酸溶液的可见光光谱信息,如图2-3所示。扫描谱区为300nm~900nm,光谱采集间隔为1cm-1,实验采用氯化钯醋酸溶液为参比在室温下进行光谱采集,用相关系数法确定500nm为特征波峰,从而确定滤光片的敏感波长。
(4)建立预测评估模型
为防止外部环境光的干扰,整个系统(除计算机及光源外)安置在一个封闭的光屏蔽舱内,通过切换滤光片固定轮来切换滤光片,获取敏感波长下的菠菜叶片的数字图像。首先利用灰度阈值分割技术,用于将所拍摄到灰度图像转换成为二值图像,然后通过形态学方法对所得到的二值化图像进一步处理,去掉图像中烧杯边缘的部分。使用的是开启,即先腐蚀、再膨胀,从而得到白色的溶液部分,和黑色的背景部分;对得到的图像与原始图像进行相乘,从而得到只含有有机磷农药溶液部分的灰度图像;从而进一步得到有机磷农药溶液部分图像的灰度值;将图像的灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型,见表1。
结果:
样品在所测范围内,其数字图像的灰度值与乐果农药的浓度成负相关关系。因此可以把500nm作为判断乐果农药是否存在的特征波长,并可根据其灰度值作定量分析。
实施例2
(1)样品制备
将0.5克氯化钯固体用3ml冰醋酸溶解10分钟,加去离子水稀释至100ml,配制成0.5wt%的氯化钯溶液;
配置浓度分别为16ppm、8ppm、4ppm、 2ppm、1ppm、0.5 ppm的毒死蜱溶液各2 ml。
将每个浓度的毒死蜱溶液均匀喷洒在6个无公害绿色菠菜上,在室温下晾干待用。
(2)预处理过程
取6组各10g喷洒有不同浓度毒死蜱溶液的菠菜样品,将其切碎并和乙醇混合搅拌40分钟,取上清液5ml,并用过滤纸过滤。对6组样品分别加入2ml配制好的氯化钯醋酸溶液,充分震荡后静制5分钟。
(3)选定滤光片
利用分光光度计采集其样品加和不加氯化钯醋酸溶液的可见光光谱信息。扫描谱区为300nm~900nm,光谱采集间隔为1cm-1,实验采用氯化钯醋酸溶液为参比在室温下进行光谱采集,用相关系数法确定500nm为特征波峰,从而确定滤光片的敏感波长。如图4为不同浓度(16ppm、8ppm、4ppm、2ppm、1ppm、0.5ppm)下毒死蜱和0.5wt%的氯化钯醋酸溶液发生显色反应后在400nm~700nm的吸光度光谱图
(4)建立预测评估模型
为防止外部环境光的干扰,整个系统(除计算机及光源外)安置在一个封闭的光屏蔽舱内,通过切换滤光片固定轮来切换滤光片,获取敏感波长下的菠菜叶片的数字图像。首先利用灰度阈值分割技术,用于将所拍摄到灰度图像转换成为二值图像,然后通过形态学方法对所得到的二值化图像进一步处理,去掉图像中烧杯边缘的部分。使用的是开启,即先腐蚀、再膨胀,从而得到白色的溶液部分,和黑色的背景部分;对得到的图像与原始图像进行相乘,从而得到只含有有机磷农药溶液部分的灰度图像;从而进一步得到有机磷农药溶液部分图像的灰度值;将图像的灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型,见表1。
结果:
样品在所测范围内,其数字图像的灰度值与毒死蜱农药的浓度成负相关关系。因此可以把420nm作为判断毒死蜱农药是否存在的特征波长,并可根据其灰度值作定量分析。
实施例3
(1)样品制备
将0.5克氯化钯固体用3ml冰醋酸溶解10分钟,加去离子水稀释至100ml,配制成0.5wt%的氯化钯溶液;
配置浓度分别为16ppm、8ppm、4ppm、 2ppm、1ppm、0.5 ppm的辛硫磷溶液各2 ml。
将每个浓度的辛硫磷溶液均匀喷洒在6个无公害绿色菠菜上,在室温下晾干待用。
(2)预处理过程
取6组各10g喷洒有不同浓度辛硫磷溶液的菠菜样品,将其切碎并和乙醇混合搅拌40分钟,取上清液5ml,并用过滤纸过滤。对6组样品分别加入2ml配制好的氯化钯醋酸溶液,充分震荡后静制5分钟。
(3)选定滤光片
利用分光光度计采集其样品加和不加氯化钯醋酸溶液的可见光光谱信息。扫描谱区为300nm~900nm,光谱采集间隔为1cm-1,实验采用氯化钯醋酸溶液为参比在室温下进行光谱采集,用相关系数法确定500nm为特征波峰,从而确定滤光片的敏感波长。图5为含有不同浓度辛硫磷(16ppm、8ppm、4ppm、2ppm、1ppm、0.5ppm)体系和0.5wt%的氯化钯醋酸溶液发生显色反应后在350nm-650nm的吸光度光谱图。
(4)建立预测评估模型
为防止外部环境光的干扰,整个系统(除计算机及光源外)安置在一个封闭的光屏蔽舱内,通过切换滤光片固定轮来切换滤光片,获取敏感波长下的菠菜叶片的数字图像。首先利用灰度阈值分割技术,用于将所拍摄到灰度图像转换成为二值图像,然后通过形态学方法对所得到的二值化图像进一步处理,去掉图像中烧杯边缘的部分。使用的是开启,即先腐蚀、再膨胀,从而得到白色的溶液部分,和黑色的背景部分;对得到的图像与原始图像进行相乘,从而得到只含有有机磷农药溶液部分的灰度图像;从而进一步得到有机磷农药溶液部分图像的灰度值;将图像的灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型,见表1。
结果:
样品在所测范围内,其数字图像的灰度值与辛硫磷农药的浓度成负相关关系。因此可以把510nm作为判断辛硫磷农药是否存在的特征波长,并可根据其灰度值作定量分析。
表1三种农药的一元回归模型及相关系数的平方值
农药种类 | 毒死蜱 | 乐果 | 辛硫磷 |
一元回归模型 | y=-0.6901-0.0528x420 | y=2.8197-0.1026x500 | y=0.7874+0.0337x510 |
相关系数R2 | 0.8873 | 0.9428 | 0.8794 |
Claims (2)
1.利用数字成像系统快速检测果蔬中有机磷农药残留的方法,所述有机磷农药为含硫有机磷农药中的毒死蜱、乐果或辛硫磷,所述数字成像系统包括光源提供子系统、图像采集子系统、光学平台;所述光源提供子系统包括光源控制器、光源、光纤;所述图像采集子系统包括镜头、CMOS摄像机、图像采集卡、数据线和计算机;其中,所述光源控制器、光源和光纤依次连接;所述镜头安装在CMOS摄像机上;所述图像采集卡安装在COMS摄像机里;所述COMS摄像机通过数据线与所述计算机连接,其特征在于,该方法包括以下步骤:
1)被测果蔬样品的预处理:将果蔬样品切碎,用乙醇萃取样品中的有机磷农药,用氯化钯作为显色剂,醋酸作助溶剂,与有机磷农药溶液发生显色反应;
2)利用分光光度计确定每种有机磷农药溶液发生显色反应后的特征波长,从而选定相应敏感波长的滤光片;
3)利用数字成像系统和选定的滤光片得到样品灰度值和有机磷农药浓度,构建被测果蔬中有机磷农药含量的预测评估模型;
所述步骤3)中果蔬中有机磷农药含量的预测评估模型的建立包含如下的步骤:
①利用气相色谱-质谱联用仪对被测样品进行检测验证,确保所有样品中不含有毒死蜱、乐果和辛硫磷及其它有机磷农药残留;
②分别对样品人工喷洒不同浓度的毒死蜱、乐果或辛硫磷农药,进行步骤1)中的显色反应预处理,并进行标注;
③通过CMOS摄像机和镜头采集该波长下的有机磷农药溶液图像,利用灰度阈值分割技术,用于将所拍摄到的灰度图像转换成为二值图像;其具体步骤是:
a)选择图像灰度中值作为初始阈值T;
b)利用阈值T把图像分割成两个区域,分别计算这两个区域的灰度均值;
c)对两个灰度均值再取平均作为新阈值T;
d)重复步骤b)和c)直到新阈值与上个阈值的差小于给定值;
e)根据最后得到的阈值T对图像进行二值化;
④通过形态学方法对步骤③所得到的二值化图像进一步处理,去掉图像中烧杯边缘的部分;处理过程使用开启,即先腐蚀、再膨胀;从而得到白色的溶液部分,并取为1;黑色的背景部分,并取为0;
⑤用步骤④得到的图像与原始图像进行相乘,从而得到只含有有机磷农药溶液部分的灰度图像;从而进一步得到有机磷农药溶液部分图像的灰度值;
⑥将图像的灰度值作为因变量,样本浓度作为自变量构建一元线性回归模型;
4)对被测样品进行步骤1)所示的预处理,利用数字成像系统得到该样品的图像灰度值,与步骤4)中的预测评估模型比较,如果预测模型判断样品特征处于含有残留的区间内,则说明待测样品中含有毒死蜱、乐果或辛硫磷,同时根据灰度值,计算毒死蜱、乐果或辛硫磷残留的浓度;如果预测模型判断样品特征处于不含残留的区间内,则说明被测样品不含有毒死蜱、乐果或辛硫磷。
2.权利要求1所述的利用数字成像系统快速检测果蔬中有机磷农药残留的方法,其特征在于,所述步骤2)中对相应敏感波长的滤光片的确定包括如下步骤:
a.含硫有机磷农药分别选用市售40wt%的毒死蜱、乐果和辛硫磷溶液,利用可见光分光光度计分别采集不同浓度的可见光光谱图;
b.将不同浓度的毒死蜱、乐果和辛硫磷和一定量氯化钯醋酸溶液发生显色反应后,利用可见光分光光度计分别采集反应后的可见光光谱图;
c.将上述两个步骤中得到的可见光光谱图进行对比,筛选出特征波长;
d.根据每种农药的特征波长的范围,确定数字成像系统中的相应敏感波长的滤光片;
经过显色反应后光谱筛选和验证,氯化钯醋酸溶液与毒死蜱发生显色反应后的特征吸收峰均在420nm附近,和乐果发生显色反应后的特征吸收峰在500nm附近,与辛硫磷发生显色反应后的特征吸收峰均在510nm附近,根据仪器的分辨率以及图像采集系统的精度,分别以410nm-430nm、490nm-510nm、500nm-520nm作为检测毒死蜱、乐果、辛硫磷的滤光片的敏感波长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210203756.7A CN102692388B (zh) | 2012-06-19 | 2012-06-19 | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210203756.7A CN102692388B (zh) | 2012-06-19 | 2012-06-19 | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102692388A CN102692388A (zh) | 2012-09-26 |
CN102692388B true CN102692388B (zh) | 2014-07-16 |
Family
ID=46857986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210203756.7A Expired - Fee Related CN102692388B (zh) | 2012-06-19 | 2012-06-19 | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102692388B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108760422A (zh) * | 2018-05-19 | 2018-11-06 | 北京逸智联科技有限公司 | 一种农药残留量检测方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257206B (zh) * | 2013-04-19 | 2015-04-08 | 苏州慧康电子信息科技有限公司 | 有机磷和氨基甲酸酯类农药残留快速检测仪检测结果准确性的评价方法 |
CN104502519B (zh) * | 2014-12-23 | 2016-05-25 | 厦门海荭兴科技股份有限公司 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
CN105021604A (zh) * | 2015-07-15 | 2015-11-04 | 江苏大学 | 一种重金属元素含量的快速成像化检测方法和装置 |
CN105510332B (zh) * | 2015-12-16 | 2018-04-20 | 吉林大学 | 一种多通道的农药残留检测设备与方法 |
CN106546692A (zh) * | 2016-10-25 | 2017-03-29 | 烟台大学 | 一种成像法检测有机磷类农药残留的方法及其用途 |
CN107101926A (zh) * | 2017-05-05 | 2017-08-29 | 湖南建研信息技术股份有限公司 | 一种自动测量及控制的抗渗仪及抗渗检测方法 |
CN110793950B (zh) * | 2019-08-16 | 2022-04-01 | 东莞伊元生物科技有限公司 | 一种检测有机磷农药残留的方法 |
CN111007061A (zh) * | 2019-12-24 | 2020-04-14 | 赵莉莉 | 一种农药残留检测方法及系统 |
CN112198196A (zh) * | 2020-10-09 | 2021-01-08 | 中国人民解放军陆军防化学院 | 一种消毒效果评估系统 |
CN112730275B (zh) * | 2021-02-04 | 2023-06-30 | 华东理工大学 | 显微光谱成像系统、农药检测系统及其方法 |
CN113740276A (zh) * | 2021-09-02 | 2021-12-03 | 福州大学 | 基于多光谱探测系统果蔬农残可视化实时检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178356A (zh) * | 2007-12-03 | 2008-05-14 | 中国农业大学 | 肉制品嫩度无损检测的超光谱成像系统及检测方法 |
CN101576479A (zh) * | 2008-05-09 | 2009-11-11 | 中国农业大学 | 检测有机磷和氨基甲酸酯类农药残留的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009068850A (ja) * | 2007-09-10 | 2009-04-02 | Miyazaki Tlo:Kk | 分光画像法による農産物の残留農薬検査方法および装置 |
-
2012
- 2012-06-19 CN CN201210203756.7A patent/CN102692388B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178356A (zh) * | 2007-12-03 | 2008-05-14 | 中国农业大学 | 肉制品嫩度无损检测的超光谱成像系统及检测方法 |
CN101576479A (zh) * | 2008-05-09 | 2009-11-11 | 中国农业大学 | 检测有机磷和氨基甲酸酯类农药残留的方法 |
Non-Patent Citations (3)
Title |
---|
JP特开2009-68850A 2009.04.02 |
索少增等.高光谱图像技术检测梨表面农药残留试验研究.《北京工商大学学报(自然科学版)》.2011,第29卷(第6期),73-77. |
高光谱图像技术检测梨表面农药残留试验研究;索少增等;《北京工商大学学报(自然科学版)》;20111130;第29卷(第6期);73-77 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108760422A (zh) * | 2018-05-19 | 2018-11-06 | 北京逸智联科技有限公司 | 一种农药残留量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102692388A (zh) | 2012-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102692388B (zh) | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 | |
Kumar et al. | Unconventional steady-state fluorescence spectroscopy as an analytical technique for analyses of complex-multifluorophoric mixtures | |
Sikirzhytski et al. | Multidimensional Raman spectroscopic signatures as a tool for forensic identification of body fluid traces: a review | |
Sharma et al. | Trends of chemometrics in bloodstain investigations | |
Peng et al. | A smartphone-based colorimetry after dispersive liquid–liquid microextraction for rapid quantification of calcium in water and food samples | |
CN101458213B (zh) | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 | |
CN101477051B (zh) | 用于液态奶中三聚氰胺现场快速检测的拉曼光谱法及试剂盒 | |
CN102252972B (zh) | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 | |
CN104865194A (zh) | 基于近红外、荧光、偏振多光谱的蔬菜农残检测装置及方法 | |
CN102179375A (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
CN105548064B (zh) | 利用近红外光谱测定微生物发酵产抗生素过程中多种营养成分和抗生素效价变化的方法 | |
CN1614391A (zh) | 中草药真伪及质量鉴别的快速无损分析方法 | |
CN101221125A (zh) | 用光谱技术测定富营养化水体特征参量的方法 | |
CN102749315A (zh) | 一种利用同步荧光光谱快速检测潲水油的方法 | |
CN101620178B (zh) | 基于近红外光谱技术快速检测中成药、保健食品或食品中添加化学成分的方法 | |
CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
CN101408501A (zh) | 采用近红外光谱-偏最小二乘法定量检测dna碱基的方法 | |
CN104360054B (zh) | 一种家用果蔬农药残留检测仪器 | |
US7288768B2 (en) | Method for measuring the amount of an organic substance in a food product with infrared electromagnetic radiation | |
CN103674856A (zh) | 基于扫描及色度分析的微通道用于有机磷农残速测方法 | |
CN113324987B (zh) | 一种检测芝麻油掺假的方法 | |
CN103592256A (zh) | 基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油的方法 | |
CN110793929A (zh) | 一种基于多酶抑制的农药残留检测和区分方法 | |
CN109709233A (zh) | 一种检测血液、尿液中多种蘑菇毒素的方法 | |
CN103217528B (zh) | 一种检测黄曲霉毒素b1含量的非标记免疫分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140716 Termination date: 20180619 |
|
CF01 | Termination of patent right due to non-payment of annual fee |