CN113049531A - 一种用于农药残留检测的光谱检测方法 - Google Patents
一种用于农药残留检测的光谱检测方法 Download PDFInfo
- Publication number
- CN113049531A CN113049531A CN202110286909.8A CN202110286909A CN113049531A CN 113049531 A CN113049531 A CN 113049531A CN 202110286909 A CN202110286909 A CN 202110286909A CN 113049531 A CN113049531 A CN 113049531A
- Authority
- CN
- China
- Prior art keywords
- module
- beach
- soil
- plants
- collection
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 238000001228 spectrum Methods 0.000 title claims abstract description 68
- 239000000447 pesticide residue Substances 0.000 title claims abstract description 58
- 239000002689 soil Substances 0.000 claims abstract description 129
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 11
- 239000000126 substance Substances 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 51
- 238000012937 correction Methods 0.000 claims description 37
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 15
- 239000002245 particle Substances 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 8
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 229910021645 metal ion Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 239000000575 pesticide Substances 0.000 claims description 6
- 229910001220 stainless steel Inorganic materials 0.000 claims description 6
- 239000010935 stainless steel Substances 0.000 claims description 6
- 229910021642 ultra pure water Inorganic materials 0.000 claims description 6
- 239000012498 ultrapure water Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 102000004190 Enzymes Human genes 0.000 claims description 4
- 108090000790 Enzymes Proteins 0.000 claims description 4
- 238000002791 soaking Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 4
- 239000001110 calcium chloride Substances 0.000 claims description 3
- 229910001628 calcium chloride Inorganic materials 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 3
- 230000009849 deactivation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 239000000017 hydrogel Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000006228 supernatant Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001069 Raman spectroscopy Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 230000009290 primary effect Effects 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种用于农药残留检测的光谱检测方法，属于物质检测技术领域，涉及光谱检测技术，具体的光谱检测方法包括：首先土壤采集模块对滩涂地进行土壤采集，对比设置模块设定空白土壤样本；然后植物选择模块对滩涂植物进行选取；种植培育模块对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育；其次样品采集模块对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；光谱检测模块对保存在相应标签样品袋中的样品进行红外光谱采集；最后执行模块用于对数据处理模块处理的结果进行程序执行。
Description
技术领域
本发明属于物质检测技术领域，涉及光谱检测技术，具体是一种用于农药残留检测的光谱检测方法。
背景技术
滩涂，是海滩、河滩和湖滩的总称，指沿海大潮高潮位与低潮位之间的潮浸地带，河流湖泊常水位至洪水位间的滩地，时令湖、河洪水位以下的滩地，水库、坑塘的正常蓄水位与最大洪水位间的滩地面积。在地貌学上称谓“潮间带”。由于潮汐的作用，滩涂有时被水淹没，有时又出露水面，其上部经常露出水面，其下部则经常被水淹没。
公布号为CN 112033950 A的发明专利公开了一种农药残留检测方法，包括如下步骤：基于历史农药残留检测光谱数据及其对应的农药残留检测结果构建农药残留检测模型；将待检测样品超微粉碎后酶解，过滤，所得的酶解液迅速冷冻后再自然解冻，收集上清液，剩余部分离心，收集离心液体并合并于上清液中，灭酶，得待检测液；将印迹水凝胶浸泡于所得的待检测液中，负压处理1min后，瞬间恢复至常压，将其取出并用去离子水漂去多余的上清液；用便携式拉曼光谱仪对所得的印迹水凝胶进行检测，将并将所得光谱录入所述农药残留检测模型，即得待检测样品的农药残留检测结果。本发明能够快速、低成本检测果蔬中的农药残留情况。
上述发明中实现了快速、低成本的检测果蔬中的农药残留情况，但是缺乏一种持续的检测方法，并没有对被检测农产品农药残留超标提供一种解决办法，并且没有设置一种对比对照的过程。
为此，提出一种用于农药残留检测的光谱检测方法。
发明内容
为了解决上述方案存在的问题，本发明提供了一种用于农药残留检测的光谱检测方法。
本发明的目的可以通过以下技术方案实现：
一种用于农药残留检测的光谱检测方法，包括土壤采集模块、对比设置模块、植物选择模块、种植培育模块、数据处理模块、样品采集模块、光谱检测模块、数据存储模块以及执行模块；
所述土壤采集模块、对比设置模块以及植物选择模块用于对农药残留检测提供检测基础；所述种植培育模块用于对滩涂植物进行培养，提供培养条件；所述样品采集模块、光谱检测模块以及数据存储模块用于对滩涂植物进行光谱检测并检测出农药残留；所述执行模块用于对光谱检测的结果进行执行相应的解决措施；
进一步地，所述土壤采集模块用于对滩涂地进行土壤采集，具体的土壤采集的方法或者过程包括以下步骤：
土壤采集模块设定采集周期T，土壤采集模块设定目标采集区域，在对目标采集区域进行一次农药喷洒后，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为滩涂土壤样本i，其中i表示采集次数，i为正整数，且i＝1,2……n；
将采集的滩涂土壤样本i进行相同环境下的放置，并在采集的滩涂土壤样本i中放入植物选择模块选择的涂滩植物。
进一步地，所述对比设置模块用于进行设定空白土壤样本，具体的，设定空白土壤样本的过程包括以下步骤：
在对目标采集区域进行农药喷洒前，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为空白土壤样本i'，其中i'表示采集次数，i'为正整数，且i'＝1,2……n；
将采集的空白土壤样本i'进行相同环境下的放置，并在采集的空白土壤样本i'中放入植物选择模块选择的涂滩植物。
进一步地，所述植物选择模块用于对滩涂植物进行选取，具体的，植物选择模块对涂滩植物的选取的步骤包括以下步骤：
步骤T1：获取目标采集区域的滩涂土壤的水分浓度、矿物质金属离子浓度；
步骤T2：在滩涂中选择与目标采集区域相同的水分浓度、矿物质金属离子浓度的面积区域m块，并分别获取m+1块区域的过去3年的种植滩涂植物，并获取得到滩涂植物的产量，植物选择模块将滩涂植物按照植物种类，将滩涂植物分为o类；
步骤T3：植物选择模块将滩涂植物种类以及过去3年的滩涂植物的年产量发送至数据处理模块；数据处理模块分别将过去3年的滩涂植物的年产量标记为Coy；其中y表示年，y＝1,2,3；
步骤T4：获取滩涂植物三年的总产量，并将三年总产量最高的对应滩涂植物作为选择滩涂植物；数据处理模块将选择的选择滩涂植物的种类发送至数据存储模块中进行存储。
进一步地，所述种植培育模块用于对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育。
进一步地，所述样品采集模块用于对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；具体的采集制备方法包括以下步骤：
步骤P1：将在滩涂土壤样本与空白土壤样本中的植株用超纯水清洗3次，并用毛笔刷洗掉根系表面吸附的土壤颗粒，再将其浸泡在0.01mol/L的CaCl2溶液中30min，之后再次用超纯水清洗3次；
步骤P2：用不锈钢剪刀把植株剪成根，茎，叶三部位；在105℃烘箱中烘20min进行杀青处理，然后将烘箱温度调至80℃，烘至恒重(约72h)；
步骤P3：烘好后用不锈钢剪刀将其剪成2～5mm碎片后，在咖啡机中粉碎直至看不到完整的组织，装入贴有相应标签的样品袋中，保存在干燥器中。
进一步地，所述光谱检测模块用于对保存在相应标签样品袋中的样品进行红外光谱采集；具体的，所述光谱检测模块进行红外光谱采集的过程包括以下步骤：
近红外光谱仪在室温下预热0.5h之后，进行样品近红外漫反射光谱的采集，并将采集的结果发送至数据处理模块，数据处理模块对光谱检测模块采集的结果进行处理。
所述执行模块用于对数据处理模块处理的结果进行程序执行，具体的所述执行模块程序执行的过程包括以下步骤：
步骤一：数据处理模块将相应标签样品袋中的样品的农药残留浓度进行标记，分别标记为Nci、Nci'；其中c表示农药残留的物质，即当c＝1时，表示第一种农药残留物质；
步骤二：获取Nci与Nci'之间的差值，并将差值标记为Ccj，其中j＝i＝i',建立Ccj与j之间的关系曲线；
步骤三：数据处理模块设定差值阈值，当随着j的增大，最终Ccj稳定在差值阈值内时，表示在允许范围内；
当随着j的增大，最终Ccj稳定，但稳定的Ccj在差值阈值外时，表示农药残留超标，执行模块进行农药残留超标预警。
进一步地，所述光谱检测模块还包括预处理单元，所述预处理单元用于对光谱检测过程中对噪声和无关信息进行预处理，预处理过程包括平滑处理、多元散射校正、标准正态变量校正、基线校正和去趋势算法；
其中，平滑处理主要是去除高频噪声对信号的干扰；平滑处理必须根据仪器的具体情况，对平滑窗口的大小做出适当的选择，窗口较小不能有效的滤除噪声，较大时会导致信号失真。
其中，微分算法可以有效地消除基线漂移和其它背景干扰，克服谱带重叠；在使用时应选择适当的差分宽度是十分重要的，在尽量少丢失信息的同时减小噪音的情况下尽量用小的差分宽度。
多元散射校正用于消除由于样品颗粒大小不同和分布不均以及镜面反射等产生的散射对其光谱的影响。通过多元散射校正可以有效地剔除由于样品颗粒分布与大小、装填密度、样品池厚度不一致等因素的影响，有效提高光谱的信噪比。
标准正态变量校正主要用来校正颗粒表面散射和光程变化而引起的光谱误差。但是标准正态变量校正与多元散射校正的算法不同，多元散射校正是对一组光谱进行处理，而标准正态变量校正是对一条原始光谱进行标准化处理。
基线校正的主要作用是扣除仪器背景或漂移对光谱的影响。基线校正实际上是让基线强制为水平线而不改变原光谱形状的一个过程，方法有位移校正和线性基线校正两种。消除了由于仪器状态、测试环境和光程变化等对拉曼散射的影响。
去趋势算法常用于消除漫反射光谱的基线漂移。其算法非常直接，将光谱与波长用多项式拟合出一条趋势线，然后从原始光谱中减去这条趋势线即可。
一种用于农药残留检测的光谱检测方法，具体的农药残留检测的光谱检测方法包括以下步骤：
步骤S1：材料的制备；
土壤采集模块对滩涂地进行土壤采集，对比设置模块设定空白土壤样本；
步骤S2：滩涂植物的选择与培育；
植物选择模块对滩涂植物进行选取；种植培育模块对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育；
步骤S3：采集与光谱检测；
样品采集模块对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；光谱检测模块对保存在相应标签样品袋中的样品进行红外光谱采集；
步骤S4：获取结果与结果执行；
执行模块用于对数据处理模块处理的结果进行程序执行。
与现有技术相比，本发明的有益效果是：
1、本发明设置有土壤采集模块与对比设置模块，土壤采集模块用于对滩涂地进行土壤采集，对比设置模块用于进行设定空白土壤样本；且将采集的滩涂土壤样本i进行相同环境下的放置，并在采集的滩涂土壤样本i中放入植物选择模块选择的涂滩植物；将采集的空白土壤样本i'进行相同环境下的放置，并在采集的空白土壤样本i'中放入植物选择模块选择的涂滩植物；通过土壤采集模块与对比设置模块的设定，避免了偶然误差带来的影响。
2、本发明设置有植物选择模块，植物选择模块对滩涂植物进行选取；种植培育模块对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育。
3、样品采集模块对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；光谱检测模块对保存在相应标签样品袋中的样品进行红外光谱采集；光谱检测模块还包括预处理单元，所述预处理单元用于对光谱检测过程中对噪声和无关信息进行预处理，预处理过程包括平滑处理、多元散射校正、标准正态变量校正、基线校正和去趋势算法；对光谱检测过程进行进一步的把控，避免数据的偶然性以及得到更加精确的试验数据。
4、执行模块用于对数据处理模块处理的结果进行程序执行。数据处理模块将相应标签样品袋中的样品的农药残留浓度进行标记，分别标记为Nci、Nci'；获取Nci与Nci'之间的差值，并将差值标记为Ccj，其中j＝i＝i',建立Ccj与j之间的关系曲线；数据处理模块设定差值阈值，当随着j的增大，最终Ccj稳定在差值阈值内时，表示在允许范围内；当随着j的增大，最终Ccj稳定，但稳定的Ccj在差值阈值外时，表示农药残留超标，执行模块进行农药残留超标预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种用于农药残留检测的光谱检测方法的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种用于农药残留检测的光谱检测方法，包括土壤采集模块、对比设置模块、植物选择模块、种植培育模块、数据处理模块、样品采集模块、光谱检测模块、数据存储模块以及执行模块；
所述土壤采集模块、对比设置模块以及植物选择模块用于对农药残留检测提供检测基础；所述种植培育模块用于对滩涂植物进行培养，提供培养条件；所述样品采集模块、光谱检测模块以及数据存储模块用于对滩涂植物进行光谱检测并检测出农药残留；所述执行模块用于对光谱检测的结果进行执行相应的解决措施；
其中，所述土壤采集模块用于对滩涂地进行土壤采集，具体的土壤采集的方法或者过程包括以下步骤：
土壤采集模块设定采集周期T，土壤采集模块设定目标采集区域，在对目标采集区域进行一次农药喷洒后，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为滩涂土壤样本i，其中i表示采集次数，i为正整数，且i＝1,2……n；
将采集的滩涂土壤样本i进行相同环境下的放置，并在采集的滩涂土壤样本i中放入植物选择模块选择的涂滩植物。
其中，所述对比设置模块用于进行设定空白土壤样本，具体的，设定空白土壤样本的过程包括以下步骤：
在对目标采集区域进行农药喷洒前，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为空白土壤样本i'，其中i'表示采集次数，i'为正整数，且i'＝1,2……n；
将采集的空白土壤样本i'进行相同环境下的放置，并在采集的空白土壤样本i'中放入植物选择模块选择的涂滩植物。
其中，所述植物选择模块用于对滩涂植物进行选取，具体的，植物选择模块对涂滩植物的选取的步骤包括以下步骤：
步骤T1：获取目标采集区域的滩涂土壤的水分浓度、矿物质金属离子浓度；
步骤T2：在滩涂中选择与目标采集区域相同的水分浓度、矿物质金属离子浓度的面积区域m块，并分别获取m+1块区域的过去3年的种植滩涂植物，并获取得到滩涂植物的产量，植物选择模块将滩涂植物按照植物种类，将滩涂植物分为o类；
步骤T3：植物选择模块将滩涂植物种类以及过去3年的滩涂植物的年产量发送至数据处理模块；数据处理模块分别将过去3年的滩涂植物的年产量标记为Coy；其中y表示年，y＝1,2,3；
步骤T4：获取滩涂植物三年的总产量，并将三年总产量最高的对应滩涂植物作为选择滩涂植物；数据处理模块将选择的选择滩涂植物的种类发送至数据存储模块中进行存储。
其中，所述种植培育模块用于对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育。
其中，所述样品采集模块用于对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；具体的采集制备方法包括以下步骤：
步骤P1：将在滩涂土壤样本与空白土壤样本中的植株用超纯水清洗3次，并用毛笔刷洗掉根系表面吸附的土壤颗粒，再将其浸泡在0.01mol/L的CaCl2溶液中30min，之后再次用超纯水清洗3次；
步骤P2：用不锈钢剪刀把植株剪成根，茎，叶三部位；在105℃烘箱中烘20min进行杀青处理，然后将烘箱温度调至80℃，烘至恒重(约72h)；
步骤P3：烘好后用不锈钢剪刀将其剪成2～5mm碎片后，在咖啡机中粉碎直至看不到完整的组织，装入贴有相应标签的样品袋中，保存在干燥器中。
其中，所述光谱检测模块用于对保存在相应标签样品袋中的样品进行红外光谱采集；具体的，所述光谱检测模块进行红外光谱采集的过程包括以下步骤：
近红外光谱仪在室温下预热0.5h之后，进行样品近红外漫反射光谱的采集，并将采集的结果发送至数据处理模块，数据处理模块对光谱检测模块采集的结果进行处理。
所述执行模块用于对数据处理模块处理的结果进行程序执行，具体的所述执行模块程序执行的过程包括以下步骤：
步骤一：数据处理模块将相应标签样品袋中的样品的农药残留浓度进行标记，分别标记为Nci、Nci'；其中c表示农药残留的物质，即当c＝1时，表示第一种农药残留物质；
步骤二：获取Nci与Nci'之间的差值，并将差值标记为Ccj，其中j＝i＝i',建立Ccj与j之间的关系曲线；
步骤三：数据处理模块设定差值阈值，当随着j的增大，最终Ccj稳定在差值阈值内时，表示在允许范围内；
当随着j的增大，最终Ccj稳定，但稳定的Ccj在差值阈值外时，表示农药残留超标，执行模块进行农药残留超标预警。
其中，所述光谱检测模块还包括预处理单元，所述预处理单元用于对光谱检测过程中对噪声和无关信息进行预处理，预处理过程包括平滑处理、多元散射校正、标准正态变量校正、基线校正和去趋势算法；
其中，平滑处理主要是去除高频噪声对信号的干扰；平滑处理必须根据仪器的具体情况，对平滑窗口的大小做出适当的选择，窗口较小不能有效的滤除噪声，较大时会导致信号失真。
其中，微分算法可以有效地消除基线漂移和其它背景干扰，克服谱带重叠；在使用时应选择适当的差分宽度是十分重要的，在尽量少丢失信息的同时减小噪音的情况下尽量用小的差分宽度。
多元散射校正用于消除由于样品颗粒大小不同和分布不均以及镜面反射等产生的散射对其光谱的影响。通过多元散射校正可以有效地剔除由于样品颗粒分布与大小、装填密度、样品池厚度不一致等因素的影响，有效提高光谱的信噪比。
标准正态变量校正主要用来校正颗粒表面散射和光程变化而引起的光谱误差。但是标准正态变量校正与多元散射校正的算法不同，多元散射校正是对一组光谱进行处理，而标准正态变量校正是对一条原始光谱进行标准化处理。
基线校正的主要作用是扣除仪器背景或漂移对光谱的影响。基线校正实际上是让基线强制为水平线而不改变原光谱形状的一个过程，方法有位移校正和线性基线校正两种。消除了由于仪器状态、测试环境和光程变化等对拉曼散射的影响。
去趋势算法常用于消除漫反射光谱的基线漂移。其算法非常直接，将光谱与波长用多项式拟合出一条趋势线，然后从原始光谱中减去这条趋势线即可。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：材料的制备；土壤采集模块对滩涂地进行土壤采集，对比设置模块设定空白土壤样本；滩涂植物的选择与培育；植物选择模块对滩涂植物进行选取；种植培育模块对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育；采集与光谱检测；样品采集模块对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；光谱检测模块对保存在相应标签样品袋中的样品进行红外光谱采集；光谱检测模块还包括预处理单元，所述预处理单元用于对光谱检测过程中对噪声和无关信息进行预处理，预处理过程包括平滑处理、多元散射校正、标准正态变量校正、基线校正和去趋势算法；对光谱检测过程进行进一步的把控，避免数据的偶然性以及得到更加精确的试验数据。
获取结果与结果执行；执行模块用于对数据处理模块处理的结果进行程序执行。数据处理模块将相应标签样品袋中的样品的农药残留浓度进行标记，分别标记为Nci、Nci'；获取Nci与Nci'之间的差值，并将差值标记为Ccj，其中j＝i＝i',建立Ccj与j之间的关系曲线；数据处理模块设定差值阈值，当随着j的增大，最终Ccj稳定在差值阈值内时，表示在允许范围内；当随着j的增大，最终Ccj稳定，但稳定的Ccj在差值阈值外时，表示农药残留超标，执行模块进行农药残留超标预警。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.一种用于农药残留检测的光谱检测方法，其特征在于，具体的农药残留检测的光谱检测方法包括以下步骤：
步骤S1：材料的制备；
土壤采集模块对滩涂地进行土壤采集，对比设置模块设定空白土壤样本；
步骤S2：滩涂植物的选择与培育；
植物选择模块对滩涂植物进行选取；种植培育模块对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育；
步骤S3：采集与光谱检测；
样品采集模块对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；光谱检测模块对保存在相应标签样品袋中的样品进行红外光谱采集；
步骤S4：获取结果与结果执行；
执行模块用于对数据处理模块处理的结果进行程序执行。
2.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述土壤采集模块、对比设置模块以及植物选择模块用于对农药残留检测提供检测基础；所述种植培育模块用于对滩涂植物进行培养，提供培养条件；所述样品采集模块、光谱检测模块以及数据存储模块用于对滩涂植物进行光谱检测并检测出农药残留；所述执行模块用于对光谱检测的结果进行执行相应的解决措施。
3.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述土壤采集模块用于对滩涂地进行土壤采集，具体的土壤采集的方法或者过程包括以下步骤：
土壤采集模块设定采集周期T，土壤采集模块设定目标采集区域，在对目标采集区域进行一次农药喷洒后，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为滩涂土壤样本i，其中i表示采集次数，i为正整数，且i＝1,2……n；
将采集的滩涂土壤样本i进行相同环境下的放置，并在采集的滩涂土壤样本i中放入植物选择模块选择的涂滩植物。
4.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述对比设置模块用于进行设定空白土壤样本，具体的，设定空白土壤样本的过程包括以下步骤：
在对目标采集区域进行农药喷洒前，对目标采集区的滩涂土壤进行间隔周期T的采集，采集次数为n次；将每次采集的滩涂土壤按照采集时间进行标记，分别标记为空白土壤样本i'，其中i'表示采集次数，i'为正整数，且i'＝1,2……n；
将采集的空白土壤样本i'进行相同环境下的放置，并在采集的空白土壤样本i'中放入植物选择模块选择的涂滩植物。
5.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述植物选择模块用于对滩涂植物进行选取，具体的，植物选择模块对涂滩植物的选取的步骤包括以下步骤：
步骤T1：获取目标采集区域的滩涂土壤的水分浓度、矿物质金属离子浓度；
步骤T2：在滩涂中选择与目标采集区域相同的水分浓度、矿物质金属离子浓度的面积区域m块，并分别获取m+1块区域的过去3年的种植滩涂植物，并获取得到滩涂植物的产量，植物选择模块将滩涂植物按照植物种类，将滩涂植物分为o类；
步骤T3：植物选择模块将滩涂植物种类以及过去3年的滩涂植物的年产量发送至数据处理模块；数据处理模块分别将过去3年的滩涂植物的年产量标记为Coy；其中y表示年，y＝1,2,3；
步骤T4：获取滩涂植物三年的总产量，并将三年总产量最高的对应滩涂植物作为选择滩涂植物；数据处理模块将选择的选择滩涂植物的种类发送至数据存储模块中进行存储。
6.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述种植培育模块用于对滩涂土壤样本i中的涂滩植物进行种植培育，并采取同样的培育环境对空白土壤样本i'中的涂滩植物进行种植培育。
7.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述样品采集模块用于对种植在滩涂土壤样本与空白土壤样本中的滩涂植物进行样品的采集与制备；具体的采集制备方法包括以下步骤：
步骤P1：将在滩涂土壤样本与空白土壤样本中的植株用超纯水清洗3次，并用毛笔刷洗掉根系表面吸附的土壤颗粒，再将其浸泡在0.01mol/L的CaCl2溶液中30min，之后再次用超纯水清洗3次；
步骤P2：用不锈钢剪刀把植株剪成根，茎，叶三部位；在105℃烘箱中烘20min进行杀青处理，然后将烘箱温度调至80℃，烘至恒重；
步骤P3：烘好后用不锈钢剪刀将其剪成2～5mm碎片后，在咖啡机中粉碎直至看不到完整的组织，装入贴有相应标签的样品袋中，保存在干燥器中。
8.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述光谱检测模块用于对保存在相应标签样品袋中的样品进行红外光谱采集；具体的，所述光谱检测模块进行红外光谱采集的过程包括以下步骤：
近红外光谱仪在室温下预热0.5h之后，进行样品近红外漫反射光谱的采集，并将采集的结果发送至数据处理模块，数据处理模块对光谱检测模块采集的结果进行处理；
所述执行模块用于对数据处理模块处理的结果进行程序执行，具体的所述执行模块程序执行的过程包括以下步骤：
步骤一：数据处理模块将相应标签样品袋中的样品的农药残留浓度进行标记，分别标记为Nci、Nci'；其中c表示农药残留的物质，即当c＝1时，表示第一种农药残留物质；
步骤二：获取Nci与Nci'之间的差值，并将差值标记为Ccj，其中j＝i＝i',建立Ccj与j之间的关系曲线；
步骤三：数据处理模块设定差值阈值，当随着j的增大，最终Ccj稳定在差值阈值内时，表示在允许范围内；
当随着j的增大，最终Ccj稳定，但稳定的Ccj在差值阈值外时，表示农药残留超标，执行模块进行农药残留超标预警。
9.根据权利要求1所述的一种用于农药残留检测的光谱检测方法，其特征在于，所述光谱检测模块还包括预处理单元，所述预处理单元用于对光谱检测过程中对噪声和无关信息进行预处理，预处理过程包括平滑处理、多元散射校正、标准正态变量校正、基线校正和去趋势算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110286909.8A CN113049531A (zh) | 2021-03-17 | 2021-03-17 | 一种用于农药残留检测的光谱检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110286909.8A CN113049531A (zh) | 2021-03-17 | 2021-03-17 | 一种用于农药残留检测的光谱检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113049531A true CN113049531A (zh) | 2021-06-29 |
Family
ID=76513050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110286909.8A Pending CN113049531A (zh) | 2021-03-17 | 2021-03-17 | 一种用于农药残留检测的光谱检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113049531A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118130767A (zh) * | 2024-04-22 | 2024-06-04 | 江苏光质检测科技有限公司 | 一种土壤农药残留物检测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004325135A (ja) * | 2003-04-22 | 2004-11-18 | Hiroaki Ishizawa | 残留農薬分析法 |
| JP2010046020A (ja) * | 2008-08-21 | 2010-03-04 | Dgc Sogo Kenkyusho:Kk | 土壌の作物育成度数測定方法 |
| CN102128877A (zh) * | 2010-11-23 | 2011-07-20 | 云南无线电有限公司 | 现场定性定量快速检测农药残留物的装置 |
| CN106153583A (zh) * | 2016-08-10 | 2016-11-23 | 江苏康正生物科技有限公司 | 一种高精度农药残留检测装置 |
| CN206177821U (zh) * | 2016-10-26 | 2017-05-17 | 嘉兴学院 | 有机磷农药残留光电检测系统 |
| CN106688546A (zh) * | 2016-11-30 | 2017-05-24 | 湖南城市学院 | 一种提高苔藓植物检测土壤镉污染灵敏度和特异性的方法 |
| CN110057764A (zh) * | 2019-04-25 | 2019-07-26 | 浙江省农业科学院 | 一种农药施药安全管理警示装置及方法 |
| CN111337451A (zh) * | 2020-03-26 | 2020-06-26 | 浙江大学 | 基于近红外特征波谱的叶菜农药残留量检测装置及方法 |
-
2021
- 2021-03-17 CN CN202110286909.8A patent/CN113049531A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004325135A (ja) * | 2003-04-22 | 2004-11-18 | Hiroaki Ishizawa | 残留農薬分析法 |
| JP2010046020A (ja) * | 2008-08-21 | 2010-03-04 | Dgc Sogo Kenkyusho:Kk | 土壌の作物育成度数測定方法 |
| CN102128877A (zh) * | 2010-11-23 | 2011-07-20 | 云南无线电有限公司 | 现场定性定量快速检测农药残留物的装置 |
| CN106153583A (zh) * | 2016-08-10 | 2016-11-23 | 江苏康正生物科技有限公司 | 一种高精度农药残留检测装置 |
| CN206177821U (zh) * | 2016-10-26 | 2017-05-17 | 嘉兴学院 | 有机磷农药残留光电检测系统 |
| CN106688546A (zh) * | 2016-11-30 | 2017-05-24 | 湖南城市学院 | 一种提高苔藓植物检测土壤镉污染灵敏度和特异性的方法 |
| CN110057764A (zh) * | 2019-04-25 | 2019-07-26 | 浙江省农业科学院 | 一种农药施药安全管理警示装置及方法 |
| CN111337451A (zh) * | 2020-03-26 | 2020-06-26 | 浙江大学 | 基于近红外特征波谱的叶菜农药残留量检测装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘瑞: "土壤-植物系统中PAHs检测方法和分布规律", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 * |
| 孙俊 著: "《光谱技术在农作物/农产品信息无损检测中的应用》", 30 June 2017, 东南大学出版社 * |
| 谢学民主编: "《陈子元核农学论文选集》", 31 October 1998, 浙江教育出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118130767A (zh) * | 2024-04-22 | 2024-06-04 | 江苏光质检测科技有限公司 | 一种土壤农药残留物检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rallo et al. | Updated single and dual crop coefficients for tree and vine fruit crops | |
| Klemas et al. | The influence of soil salinity, growth form, and leaf moisture on-the spectral radiance of | |
| Gallardo et al. | Production and water use in lettuces under variable water supply | |
| Beckett et al. | The additivity of the toxic effects of Cu, Ni and Zn in young barley | |
| Collier et al. | Morphological, growth and meadow characteristics of the seagrass Posidonia sinuosa along a depth-related gradient of light availability | |
| Klocke et al. | Corn yield response to deficit irrigation | |
| Jayakody et al. | Vegetation structure and potential gross primary productivity of mangroves at Kadolkele in Meegamuwa (Negombo) estuary, Sri Lanka | |
| CN113049531A (zh) | 一种用于农药残留检测的光谱检测方法 | |
| CN107347532A (zh) | 一种降低中轻度铬污染稻田中稻米铬含量的水分管理方法 | |
| Marchi et al. | Use of the Nitrogen Index to assess nitrate leaching and water drainage from plastic-mulched horticultural cropping systems of Florida | |
| Mirás-Avalos et al. | Maximum daily trunk shrinkage for estimating water needs and scheduling regulated deficit irrigation in peach trees | |
| Olsen et al. | Petiole sap nitrate is better than total nitrogen in dried leaf for indicating nitrogen status and yield responsiveness of capsicum in subtropical Australia | |
| CN102176242A (zh) | 去除归一化植被指数时序影像中云噪声影响的方法 | |
| CN117315915A (zh) | 基于遥感数据监测的农作物种植监管系统 | |
| Zhang et al. | Influence of solar irradiance on hyperspectral imaging-based plant recognition for autonomous weed control | |
| Pérez-López et al. | Influence of different cultivars–locations on maximum daily shrinkage indicators: Limits to the reference baseline approach | |
| Shaffer | K-systems analysis for determining the factors influencing benthic microfloral productivity in a Louisiana estuary, USA. | |
| CN108405587A (zh) | 一种重金属污染土壤的经济作物修复方法 | |
| CN110899325B (zh) | 一种污染土壤上柑橘增产保质的边生产边修复方法 | |
| Avşar et al. | Evaluation of an electronic irrigation system with internet connection in strawberry cultivation. | |
| Ierna | Characterization of potato genotypes by chlorophyll fluorescence during plant aging in a Mediterranean environment | |
| Ghazali et al. | Spectral analysis for phenological studies of leaves and fruits development in coffee plantation in Gunung Puntang: a preliminary result | |
| CN103125371A (zh) | 一种作物抗旱突变体田间快速辅助筛选的方法 | |
| CN114199793B (zh) | 一种基于高光谱的苹果叶片含氮量检测方法 | |
| Putra et al. | Correlation coefficient estimation of red chili (Capsicum annuum L) stomatal parameters under shade treatment condition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210629 |
|
| RJ01 | Rejection of invention patent application after publication |