基于比色光譜和SVM快速檢測白菜中氧樂果農(nóng)殘方法

李 文, 李民贊, 孫 明

（1.北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京 100048；

2.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083）

基于比色光譜和SVM快速檢測白菜中氧樂果農(nóng)殘方法

李 文1, 李民贊2, 孫 明2

（1.北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京 100048；

2.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京 100083）

為快速安全地檢測白菜中氧樂果農(nóng)藥殘留，用改進(jìn)的氯化鈀乙酸溶液作比色劑，和氧樂果農(nóng)藥發(fā)生比色反應(yīng)，利用分光光度計在300～1100 nm采集吸光度譜圖。將氧樂果乳油農(nóng)藥和白菜汁混合，利用乙醇萃取，在0.5～400 mg/kg隨機(jī)配置了60個樣本，分別和等量的乙酸氯化鈀溶液反應(yīng)。實(shí)驗(yàn)證明，當(dāng)樣本質(zhì)量比大于50 mg/kg時，吸光度曲線的走勢發(fā)生變化，且和質(zhì)量比的相關(guān)性較差；當(dāng)樣本質(zhì)量比大于90 mg/kg時，吸光度曲線和樣本質(zhì)量比相關(guān)性更差。引入支持向量機(jī)SVM進(jìn)行三分類建模，利用5-折交叉驗(yàn)證，當(dāng)光譜數(shù)據(jù)歸一化為［0，1］，核函數(shù)采用徑向基RBF函數(shù)時，測試集樣本質(zhì)量比范圍的預(yù)測效果最好，準(zhǔn)確率達(dá)到96.774 2%，為快速檢測蔬菜中氧樂果的質(zhì)量比范圍提供了可行的方法。

氧樂果；農(nóng)藥殘留；支持向量機(jī)；比色反應(yīng)

氧樂果（C5H12NO4PS）主要用于防治棉花、小麥、果樹等農(nóng)作物害蟲，屬內(nèi)吸性有機(jī)磷殺蟲、殺螨劑，可以被植株的莖、葉吸進(jìn)植株體內(nèi)，傳送到植株各個部位，因此很容易造成農(nóng)藥殘留。在蔬菜生產(chǎn)過程中，“氧樂果”屬于違禁使用農(nóng)藥，在國標(biāo)GB 2763—2014中規(guī)定氧樂果在蔬菜和水果中的最大殘留量僅為0.02 mg/kg，而最新出臺的國標(biāo)GB 2763—2014中沒有對氧樂果作規(guī)定。但是由于氧樂果的廣譜性和有效性，有些菜農(nóng)仍在違法使用，因此研究如何快速、安全地檢測微量氧樂果的方法非常必要。

目前比較成熟的檢測方法仍是理化檢測，該方法準(zhǔn)確，可一次性檢測多種農(nóng)藥，但耗時長，步驟復(fù)雜，且儀器昂貴，難以普及［1-6］。國內(nèi)外開展的快速檢測方法如酶抑制法、免疫分析法、生物傳感器技術(shù)等取得了很大進(jìn)展［7-13］。光譜分析技術(shù)自20世紀(jì)60年代以來，在農(nóng)畜產(chǎn)品的品質(zhì)安全檢測及農(nóng)藥殘留檢測中，應(yīng)用越來越廣泛［14-16］，但仍有其不足之處。本研究使用自己改進(jìn)配置的氯化鈀乙酸溶液，對白菜中萃取的氧樂果農(nóng)藥進(jìn)行比色預(yù)處理［17-18］，用分光光度計采集300～1100 nm波段的吸光度，引入支持向量機(jī)（supported vector machin，SVM）研究氧樂果農(nóng)藥的濃度范圍［19-20］，從而可以快速地判斷該類農(nóng)藥殘留量的濃度范圍。

1 材料與方法

1.1 實(shí)驗(yàn)儀器

UV-2450型紫外/可見/分光光度計，日本島津集團(tuán)，分辨率可達(dá)0.1nm，可用于各種無機(jī)、有機(jī)固體或液體的光學(xué)特性測定。該儀器的特點(diǎn)是測量速度快、測量結(jié)果準(zhǔn)確，為全面觀察吸光度情況，選定測量波長為300～1 100 nm。采集的數(shù)據(jù)上傳至計算機(jī)，利用軟件UVPRO進(jìn)行光譜預(yù)處理。

1.2 材料與試劑

考慮到實(shí)際使用氧樂果農(nóng)藥時，更多地使用乳油制劑，因此實(shí)驗(yàn)中選用48%的氧樂果乳油農(nóng)藥，購自北京嘉禾種業(yè)有限公司；去離子水、氯化鈀晶體、乙醇（分析純）均購自北京藍(lán)弋化工公司；為保證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，所用白菜購自北京超市中無公害蔬菜專柜。

稱取氯化鈀晶體0.75 g，加入9 mL的乙酸，振蕩、攪拌5 min，加去離子水稀釋到150 mL，配成0.5%的氯化鈀乙酸溶液。水浴45℃下放置30 min，充分溶解成橙黃色液體。

稱取1 000 g白菜樣品洗凈、晾干后，切碎、勻漿，備用。

為了研究白菜中氧樂果在0.5～400 mg/kg的檢測方法，首先在質(zhì)量比為1～800 mg/kg內(nèi)，用去離子水隨機(jī)配置氧樂果溶液樣本60個。

取每一個氧樂果溶液樣本10 mL，和5 mL白菜汁液充分混合后，加入5 mL乙醇稀釋，超聲攪拌60 min，取上清液5 mL，分別和2 mL的氯化鈀溶液反應(yīng)2 min，滴入比色皿采集吸光度譜圖。此時，氧樂果濃度減半，60個新樣本質(zhì)量比為0.5～400 mg/kg。

用兩個比色皿，分別滴入已配置的0.5%的氯化鈀乙酸溶液，同時放入分光光度計中調(diào)零，其中一個始終作對比，另一個測試比色反應(yīng)后溶液的吸光值，以消除比色皿和氯化鈀底液的影響。

1.3 數(shù)據(jù)處理方法

測量波長為300～1 100 nm，每個樣本都有800個波長上的吸光度。由于數(shù)據(jù)的維數(shù)較高，對經(jīng)典的機(jī)器學(xué)習(xí)方法而言，獲得相同的泛化性能需要的樣本數(shù)目隨著維數(shù)的增多呈指數(shù)級數(shù)增長。在使用神經(jīng)網(wǎng)絡(luò)方法時，需要和主成分分析相結(jié)合才能夠順利完成預(yù)測建模任務(wù)。因?yàn)樯窠?jīng)網(wǎng)絡(luò)預(yù)測時會產(chǎn)生不可避免的過度擬合問題，通過建模方法本身難以解決，這種情況下，利用支持向量機(jī)方法處理高維數(shù)據(jù)，進(jìn)行分類建模更適合。對于支持向量機(jī)來說，計算復(fù)雜性與輸入模式的維數(shù)沒有直接關(guān)系。當(dāng)樣本數(shù)量固定時，支持向量數(shù)目越少，其泛化性能越高。此外，支持向量機(jī)這種方法還具有優(yōu)化問題存在唯一的極小點(diǎn)、學(xué)習(xí)速度快、更換核函數(shù)可以得到各種不同的廣義超平面等優(yōu)點(diǎn)。

核函數(shù)K（xi，x）是基于支持向量機(jī)解決原樣本空間中線性不可分問題時引入的一種非線性變換，見圖1。其基本思想就是通過核變換，使得樣本在新的高維特征空間中線性可分，然后在高維特征空間中來實(shí)現(xiàn)最優(yōu)分類面的求解。

圖1 支持向量機(jī)結(jié)構(gòu)示意Fig.1 Structure diagram of SVM

2 結(jié)果與分析

2.1 60個樣本的實(shí)驗(yàn)結(jié)果與分析

用等量的氯化鈀乙酸溶液和60個不同質(zhì)量比氧樂果樣本發(fā)生比色反應(yīng)后的吸光度譜圖，見圖2。從圖2可以看出，氧樂果質(zhì)量比和吸光度值呈正相關(guān)關(guān)系，在300～380 nm紫外區(qū)間，噪聲干擾最大，吸光度值突變到5，且質(zhì)量比越高受干擾的范圍越大；在380～480 nm波段，雖然也有較大干擾，但吸光度值是能夠體現(xiàn)樣本質(zhì)量比的。在900～1 100 nm波段，噪聲干擾也較大，且吸光度值相差不大，難以區(qū)分樣本質(zhì)量比。因此后面使用的數(shù)據(jù)是380～900 nm。

圖2 60個氧樂果樣本的吸光度譜圖Fig.2 Absorbance spectra of 60 omethoate samples

選取質(zhì)量比為0.5，88，400 mg/kg的3個樣本吸光度曲線比較（見圖3），分別代表3個質(zhì)量比范圍中形狀不同的樣本。從樣本質(zhì)量比上看，當(dāng)質(zhì)量比升高時，吸光度曲線的形狀發(fā)生明顯改變。尤其是質(zhì)量比大于90 mg/kg后，吸光度值和質(zhì)量比之間的非線性關(guān)系更明顯。這主要是因?yàn)橘|(zhì)量比較高時，氯化鈀完全反應(yīng)，氧樂果有剩余，譜線的區(qū)分度不再明顯，發(fā)生的比色反應(yīng)不能再體現(xiàn)吸光度和質(zhì)量比之間的關(guān)系。因此，有必要先建立分級模型，定性判斷氧樂果濃度。

圖3 3個典型的氧樂果樣本吸光度譜圖Fig.3 Absorbance spectra of 3 typical omethoate samples

2.2 利用SVM建立三分類模型

依據(jù)前面分析的不同質(zhì)量比范圍氧樂果吸光度曲線的差異，將60個樣本分為0.5～50 mg/kg（35個樣本）、52～88 mg/kg（10個樣本）、90～400 mg/kg（15個樣本）3個范圍，進(jìn)行三分類建模，利用5-折交叉驗(yàn)證。

目前為止，SVM預(yù)測建模時各項參數(shù)的選擇尚無統(tǒng)一模式，需要經(jīng)過大量的參數(shù)嘗試。影響分類精度的主要因素有：數(shù)據(jù)的歸一化，核函數(shù)類型，參數(shù)c和g的值。

分別使用原始數(shù)據(jù)、數(shù)據(jù)歸一化為［0，1］和歸一化為［-1，1］3種情況作為SVM建模數(shù)據(jù)。

關(guān)鍵問題是尋求最佳的c值和g值。將c和g的搜索空間分別設(shè)定為：c=［2-3，212］，g=［2-12，21］。利用5-折交叉驗(yàn)證法會造成不同的c和g都對應(yīng)最高的準(zhǔn)確率，雖然較高的懲罰參數(shù)c能使得validation數(shù)據(jù)的準(zhǔn)確率提高，但過高的懲罰參數(shù)c會造成過學(xué)習(xí)狀態(tài)，往往導(dǎo)致最終測試集合的準(zhǔn)確率并不是很理想，因此c不能設(shè)置太高。本研究中，在保證精確度的前提下，把具有最小c的那組c和g認(rèn)為是最佳的c和g。

結(jié)合不同的核函數(shù)，運(yùn)行程序產(chǎn)生的最佳c值、g值和測試集合的精確度（精確度=分類正確的樣本數(shù)/測試集總樣本數(shù)）分別列于表1?？梢钥闯觯簩?shù)據(jù)歸一化為［0，1］的效果明顯好于歸一化為［-1，1］，略好于原始數(shù)據(jù)；徑向基核函數(shù)與線性和多項式函數(shù)相比表現(xiàn)出較大優(yōu)勢，利用Sigmoid函數(shù)雖然精確度也能達(dá)到96.774 2%，但同時懲罰參數(shù)c卻是32，遠(yuǎn)遠(yuǎn)高于使用徑向基函數(shù)的c=1。

表1 不同數(shù)據(jù)處理方法對建模效果的影響Tab.1 Effects of different data processing methods on model accuracy

因此預(yù)測模型選用將吸光度數(shù)據(jù)歸一化為［0，1］，并使用RBF函數(shù)，此時交叉驗(yàn)證的精確度達(dá)到96.774 2%，較佳的c值和g值分別為1和0.062 5。圖4和圖5分別是c值和g值的網(wǎng)格搜索圖和等高線圖。

圖4 較佳c和g網(wǎng)格3D圖Fig.4 Optimal c and g in 3D view

3 結(jié) 論

為快速、安全地檢測白菜中氧樂果農(nóng)藥殘留，研究了質(zhì)量比在0.5～400 mg/kg中的60個不同濃度的氧樂果樣本，用氯化鈀乙酸溶液作為比色劑，對比色反應(yīng)后溶液吸光度譜圖利用SVM進(jìn)行研究。實(shí)驗(yàn)表明：

圖5 交叉驗(yàn)證精度等高線示意Fig.5 Contour map of classification accuracy

1）當(dāng)氧樂果質(zhì)量比較高時，吸光度曲線的走勢會發(fā)生變化，相關(guān)性變得較差，不適宜直接建立定量預(yù)測模型。因此，將60個樣本按照質(zhì)量比的大小分為低、中、高3個范圍，利用SVM做三級分類預(yù)測，對質(zhì)量比進(jìn)行定性預(yù)測，實(shí)驗(yàn)結(jié)果表明，該方法是可行的。

2）利用SVM進(jìn)行分類建模時，比較了不同的歸一化方式和核函數(shù)，通過尋找最小c參數(shù)來確定最佳參數(shù)c和g的值。最終確定了將數(shù)據(jù)歸一化為［0，1］，核函數(shù)為徑向基函數(shù)，在較佳參數(shù)c=1，g= 0.062 5時建立預(yù)測模型，此時利用5-折交叉驗(yàn)證，驗(yàn)證集的預(yù)測精確度達(dá)到96.774 2%。

3）本文雖然只研究了白菜中的氧樂果殘留，但是根據(jù)檢測原理，該方法應(yīng)該適用于其他含硫類的有機(jī)磷農(nóng)藥，在樣本濃度變化較大的范圍內(nèi)可以先利用SVM進(jìn)行分類，定性預(yù)測濃度范圍，在每一類范圍中，可進(jìn)一步進(jìn)行濃度的定量檢測。

［1］陳士恒，章晴，史曉梅，等.超聲提取-分散固相萃取-氣相色譜法測定綠茶中有機(jī)磷類農(nóng)藥殘留［J］.食品科學(xué)技術(shù)，2014，32（5）：63-68.

［2］鄭春慧，楊立剛，姚志云，等.白菜中有機(jī)磷農(nóng)藥的電紡納米纖維固相萃取-高效液相色譜法測定［J］.分析測試學(xué)報，2009，28（8）：926-930.

［3］Moinfar S，Mohammad-Reza M H.Development of dispersive liquid-liquid microextraction method for the analysis of organophosphorus pesticides in tea［J］.J Hazard Mater，2009，169（1-3）：907-911.

［4］Markoglou A N，Bempelou E D，Liapis K S，et al.Determination of benzoylurea insecticide residues in tomatoes by high-performance liquid chromatography with ultraviolet-diode array and atmospheric pressure chemical ionization-mass spectrometry detection［J］.Journal of AOAC International，2007，90（5）：1395-1401.

［5］Li Wen，Sun Ming，Li Minzan.A survey of detection for organophosphorus pesticide residue in agricultural products［J］.Advance Journal of Food Science and Technology，2013，5（4）：381-386.

［6］Akkad R，Schwack W.Multi-enzyme inhibition assay for detection of insecticidal organophosphates and carbamates by high-performance thin-layer chromatography［J］.JPCJournal of Planar Chromatography-Modern TLC，2008，21（6）：411-415.

［7］Chung S W C，Chan B T P.Validation and use of a fast sample preparation method and liquid chromatographytandem mass spectrometry in analysis of ultra-trace levels of 98 organophosphorus pesticide and carbamate residues in a total diet study involving diversified food types［J］. Journal of Chromatography A，2010，1217：4815-4824.

［8］Yang L，Li H，Zeng F，et al.Determination of 49 organophosphorus pesticide residues and their metabolites in fish，egg，and milk by dual gas chromatography-dual pulse flame photometric detection with gel permeation chromatography cleanup［J］.Journal of Agricultural and Food Chemistry，2012，60：1906-1913.

［9］Bidari A，Ganjali M R，Norouzi P，et al.Sample preparation method for the analysis of some organophosphorus pesticides residues in tomato by ultrasound-assisted solvent extraction followed by dispersive liquid-liquid microextraction［J］.Food Chemistry，2011，126：1840-1844.

［10］Marinova I，Ivanova Y，Vassilevab N，et al.Amperometric inhibition-based detection of organophosphorus pesticides in unary and binary mixtures employing flowinjection analysis［J］.Sensors and Actuators B，2011，160：1098-1105.

［11］Istamboulie G，F(xiàn)ournier D，Marty J L，et al.Phosphotriesterase：a complementary tool for the selective detection of two organophosphate insecticides［J］.TALANTA，2009，77（5）：1627-1631.

［12］Zhao P N，Yan M，Zhang C C，et al.Determination of glyphosate in foodstuff by one novel chemiluminescencemolecular imprinting sensor［J］.Spectrochimica acta Part A，MolecularandBiomolecularSpectroscopy，2011，78（5）：1482-1486.

［13］Liu Y，Lou Y，Xu D，et al.Production and characterization of monoclonal antibody for class-specific determination of 0，0-dimethyl organophosphorus pesticides and effect of heterologous coating antigens on immunoassay sensitivity［J］.Microchemical Journal，2009，93（1）：36-42.

［14］代芬，張昆，洪添勝，等.龍眼表面農(nóng)藥殘留的無損檢測研究——基于近紅外光譜分析［J］.農(nóng)機(jī)化研究，2010，10（10）：111-114.

［15］陳菁菁.基于光譜技術(shù)的微量有機(jī)磷農(nóng)藥快速檢測［D］.北京：中國農(nóng)業(yè)大學(xué)，2011.

［16］熊艷梅，唐果，段佳，等.中紅外、近紅外和拉曼光譜法測定商品農(nóng)藥制劑中氰戊菊酯和馬拉硫磷的含量［J］.分析化學(xué)，2012（9）：1434-1438.

［17］李文，張健鑫，李由，等.可見分光光度法檢測蘋果中毒死蜱農(nóng)藥殘留的研究［J］.農(nóng)機(jī)化研究，2014，36（9）：182-185.

［18］孫明，李文，夏錦聞，等.數(shù)字成像系統(tǒng)及其快速檢測果蔬中有機(jī)磷農(nóng)藥殘留的方法：中國，201210203756.7［P］.2012-09-26.

［19］孫曉榮，劉翠玲，吳靜珠，等.SVM方法在淀粉分類問題中的應(yīng)用［J］.食品工業(yè)科技，2011，32（11）：431-433.

［20］王小燕，王錫昌，劉源，等.基于SVM算法的近紅外光譜技術(shù)在魚糜水分和蛋白質(zhì)檢測中的應(yīng)用［J］.光譜學(xué)與光譜分析，2012，32（9）：2418-2421.

Rapid Detection of Omethoate Pesticide Residues in Chinese Cabbage Based on Colorimetric Spectroscopy and SVM

LI Wen1， LI Minzan2， SUN Ming2
（1.School of Computer and Information Engineering，Beijing Technology and Business University，Beijing 100048，China；2.Key Laboratory of Modern Precision Agriculture System Integration Research，Ministry of Education，China Agricultural University，Beijing 100083，China）

In order to fast and safely detect omethoate pesticide residues in Chinese cabbage，PdCl2dissolved in acetic acid was used as the colorimetric reagent to have colorimetric reaction with omethoate and the region of 300-1 100 nm was applied.The mixture of omethoate pesticide and Chinese cabbage juice was extracted using ethanol.The results of 60 samples with the concentration between 0.5 mg/kg and 400 mg/kg showed that shape of absorbance spectra was changed and a poor correlation between the absorbance and concentration was obtained when the concentration was higher than 50 mg/kg.When the concentration was higher than 90 mg/kg，a worse correlation between the absorbance and concentration was obtained.Three classification modeling was established by support vector machine（SVM）.The classification accuracy of the validation set by 5-fold cross validation was up to 96.774 2%when the absorbance data were normalized to［0，1］and radial basis function（RBF）was used as kernel function.This method provided a feasible method for rapid qualitative detection of omethoate concentration.

omethoate；pesticide residues；SVM；colorimetric reaction

檀彩蓮）

TS255；TS207.5

A

10.3969/j.issn.2095-6002.2015.05.013

2095-6002（2015）05-0074-05

李文，李民贊，孫明.基于比色光譜和SVM快速檢測白菜中氧樂果農(nóng)殘方法［J］.食品科學(xué)技術(shù)學(xué)報，2015，33（5）：74-78.

LI Wen，LI Minzan，SUN Ming.Rapid detection of omethoate pesticide residues in Chinese cabbage based on colorimetric spectroscopy and SVM［J］.Journal of Food Science and Technology，2015，33（5）：74-78.

2015-03-16

國家星火計劃項目（2013GA620005）；中國農(nóng)業(yè)大學(xué)博士生科研創(chuàng)新項目（2013YJ008）。

李 文，女，副教授，博士研究生，主要從事光譜技術(shù)在食品安全檢測方面的研究。