煙葉種植過程中專用化肥和農(nóng)藥的近紅外快速鑒別

顧 勇，彭海根，夏 春，張永輝，謝 強(qiáng)，張明金，張遠(yuǎn)蓋，王 進(jìn)

(1.四川省煙草公司 瀘州市公司，四川 瀘州 646000；2.四川威斯派克科技有限公司，四川 成都 610041)

煙草是一種特殊的葉用為主的經(jīng)濟(jì)作物，其產(chǎn)質(zhì)量并重，尤重質(zhì)量。在煙草大田生長期間，栽培、營養(yǎng)管理等要求與其他作物有明顯的差異；隨著烤煙品種的更新?lián)Q代，植煙土壤、生態(tài)環(huán)境等因素的變化，煙草生產(chǎn)對化肥或農(nóng)藥等農(nóng)資產(chǎn)品的質(zhì)量要求也相應(yīng)發(fā)生了變化，如肥料或農(nóng)藥工藝配方要求，形態(tài)、質(zhì)量、有效成分比例都會發(fā)生改變，不同煙葉產(chǎn)區(qū)都會根據(jù)當(dāng)?shù)乜緹熎贩N、土壤和生態(tài)環(huán)境因素施用特定的化肥和農(nóng)藥。因此，研究一種技術(shù)和方法快速鑒別煙草生產(chǎn)期間施用的不同廠家生產(chǎn)的質(zhì)量發(fā)生變化，但是肉眼無法直接區(qū)分的化肥或農(nóng)藥產(chǎn)品，就非常必要，這對于煙葉生產(chǎn)持續(xù)、穩(wěn)定、協(xié)調(diào)和健康發(fā)展，以及資源利用和環(huán)境保護(hù)具有重要的意義。

近年來，我國不斷加強(qiáng)對農(nóng)藥和化肥市場管理的力度，但假冒、偽劣、禁用農(nóng)藥或化肥在市場中仍然占有一定比例。農(nóng)資產(chǎn)品質(zhì)量與農(nóng)產(chǎn)品產(chǎn)量、質(zhì)量及食品安全問題息息相關(guān)?；屎娃r(nóng)藥常規(guī)質(zhì)量檢測和鑒別面臨許多技術(shù)困難：檢測項(xiàng)目多、方法多、時(shí)間長、成本高、前處理復(fù)雜等。近紅外光譜法快速、簡便，可實(shí)現(xiàn)現(xiàn)場和在線分析，無損、環(huán)保、無需復(fù)雜的前處理過程，兼具成本低等優(yōu)點(diǎn)，能快速鑒別人工肉眼無法區(qū)分的產(chǎn)品，近年來廣泛應(yīng)用于食品[1-3]、農(nóng)業(yè)[4-5]等領(lǐng)域，同時(shí)也為化肥和農(nóng)藥制劑質(zhì)量分析與監(jiān)管提供了另一種有效途徑。近紅外光譜分析技術(shù)在化肥和農(nóng)藥主要成分檢測方面都有應(yīng)用，但大部分都是定量檢測化肥和農(nóng)藥主要成分的應(yīng)用，如宋樂[6]、蘇彩珠[7]和周新奇[8]等分別應(yīng)用近紅外光譜分析技術(shù)結(jié)合偏最小二乘法測定了復(fù)合肥料中尿素、縮二脲和水分，復(fù)合肥中總氮含量和復(fù)合肥中N、P、K的含量，且取得了非常好的檢測結(jié)果；熊艷梅等[9]采用傅里葉近紅外光譜分析技術(shù)結(jié)合偏最小二乘法，定量分析了乳油中有效成分高蓋的含量，模型的決定系數(shù)R2大于0.9999，SEC小于0.019，SEP小于0.030，表明近紅外光譜分析技術(shù)可以準(zhǔn)確地定量分析農(nóng)藥乳油中有效成分含量；蘇彩珠[10]通過近紅外定性方法建立了化肥品種的快速鑒別模型，模型的實(shí)驗(yàn)識別率為99.5 %，但是初步應(yīng)用的準(zhǔn)確識別率為72.2 %。本文結(jié)合布魯克公司的OPUS軟件定性分析中合格性測試模塊分別建立了煙草大田生長過程中不同形態(tài)且使用率較高化肥和農(nóng)藥的合格性測試模型來鑒別化肥和農(nóng)藥產(chǎn)品，同時(shí)還詳細(xì)介紹了該方法的原理。該方法具有簡單、快捷的優(yōu)點(diǎn)，適合煙草生產(chǎn)過程中化肥和農(nóng)藥的快速鑒別，對應(yīng)用近紅外光譜定性分析快速鑒別產(chǎn)品真?zhèn)尉哂幸欢ǖ闹笇?dǎo)意義。

1　材料與方法

1.1　儀器

MPA型傅里葉變換近紅外光譜儀(德國Bruker公司)，內(nèi)置鍍金的漫反射積分球和液體光纖探頭，Pbs檢測器。分析軟件采用Bruker OPUS 7.5版本，且?guī)в卸ㄐ苑治鰯?shù)據(jù)包。

1.2　樣品收集

為了使本方法具有普遍適用性，選擇收集四川省煙草公司瀘州煙草產(chǎn)區(qū)指定廠家生產(chǎn)、不同形態(tài)且使用率較高的農(nóng)資樣品作為標(biāo)準(zhǔn)樣品。取樣要求涵蓋相應(yīng)農(nóng)資產(chǎn)品所有批次，即樣品需具有代表性，且均鑒定為合格品。樣品包括四川金葉化肥有限公司生產(chǎn)的提苗專用復(fù)合肥、山東玉成生化農(nóng)藥有限公司生產(chǎn)的嗎胍·乙酸銅(粉劑農(nóng)藥)和山東科大創(chuàng)業(yè)生物有限公司生產(chǎn)的甲基硫菌靈(懸浮劑農(nóng)藥)，標(biāo)準(zhǔn)樣品規(guī)格詳細(xì)描述見表1。

表1　標(biāo)準(zhǔn)樣品規(guī)格

從表1可以看出，樣品基本涵蓋化肥和農(nóng)藥的大部分形態(tài)，具有代表性。為了驗(yàn)證方法的有效性，并驗(yàn)證模型的準(zhǔn)確度，本文針對不同形態(tài)樣品收集不同廠家不同規(guī)格的產(chǎn)品，或在合格產(chǎn)品中加入其他廠家產(chǎn)品進(jìn)行對比驗(yàn)證，具體描述見表2。

表2　驗(yàn)證樣品規(guī)格

1.3　光譜采集

儀器參數(shù)設(shè)置：(1)光譜掃描范圍：10000～4000 cm-1；(2)分辨率：16 cm-1；(3)光譜掃描次數(shù)：64次；(4)光譜采集方式：積分球漫反射采集顆粒狀和粉劑樣品，透反射方式采集懸浮劑樣品。每個(gè)樣品分別采集3次，取3次采集的光譜平均值作為樣本的原始光譜。在測量過程中，溫度、濕度等環(huán)境條件盡量保持一致。采用上述儀器參數(shù)和要求分別采集標(biāo)準(zhǔn)樣品和對比驗(yàn)證樣品的光譜數(shù)據(jù)。

1.4　方法原理介紹

OPUS定性分析合格性測試方法是檢驗(yàn)樣品和參考集光譜之間的偏差是否在一定限定范圍內(nèi)的一種簡便辦法。在建立合格性測試方法之前，首先要收集一定數(shù)量標(biāo)準(zhǔn)樣品作為參考樣品集，且這些參考集的光譜變化范圍要在可接受的給定范圍內(nèi)。這些樣品的NIR光譜反映了不同樣品的變化，并形成合格性測試方法光譜范圍的置信范圍。置信范圍按下面公式計(jì)算：

進(jìn)行合格性測試分析時(shí)，樣品要通過合格性測試，要求樣品光譜每個(gè)波長必須都在置信范圍內(nèi)。首先，對測試樣品每個(gè)波長點(diǎn)i計(jì)算樣品吸收值與參考集的平均值的偏差，再除以對應(yīng)波長點(diǎn)吸收值標(biāo)準(zhǔn)偏差σ，其結(jié)果即為測試樣品的置信系數(shù)(CI值)：

CI=(Areference,i-Asample,i)/σsample,i

通過上述公式可以算出測試樣品的平均CI值和最大CI值。

軟件提供3種合格性測試算法：(1)最大合格系數(shù)：在所選波長范圍的基礎(chǔ)上計(jì)算測試樣品的CI值。如最大CI值的絕對值小于建立合格性測試時(shí)設(shè)置的CI限制范圍，則樣品通過合格性測試，否則未通過合格性測試。(2)總和1：對測試樣品所有大于CI限制范圍的吸收值求總和，再除以所選波數(shù)范圍內(nèi)的數(shù)據(jù)點(diǎn)總數(shù)。如計(jì)算值的絕對值小于建立合格性測試時(shí)設(shè)置和的范圍值時(shí)，則樣品通過合格性測試，否則未通過合格性測試。(3)總和2：對測試樣品所有大于CI限制范圍的吸收值求總和，再除以樣品大于CI范圍的數(shù)據(jù)點(diǎn)總數(shù)。如計(jì)算值的絕對值小于建立合格性測試時(shí)設(shè)置和的范圍值時(shí)，則樣品通過合格性測試，否則未通過合格性測試。

綜上表述，在采用最大合格系數(shù)算法建立合格性測試模型時(shí)，未知不合格樣品通過合格性測試的可能性最小，因此本文采用最大合格系數(shù)合格性測試算法。

2　結(jié)果與分析

2.1　光譜預(yù)處理

圖1、圖2和圖3分別顯示為復(fù)合肥、粉劑狀和懸浮劑農(nóng)藥標(biāo)準(zhǔn)樣品和對比驗(yàn)證樣品的近紅外光譜圖。由圖可知，復(fù)合肥和粉劑農(nóng)藥標(biāo)準(zhǔn)樣品和對比驗(yàn)證品樣品之間光譜在某些波段范圍的吸收峰值存在差異，這也為該方法能準(zhǔn)確鑒別不同農(nóng)資樣品提供了依據(jù)。但是有些農(nóng)資樣品之間由于化學(xué)成分組成和含量基本相同，因而近紅外光譜的特征區(qū)別不大，如圖2和圖3懸浮劑和粉劑農(nóng)藥在某些波數(shù)范圍差異性很小，很難直接從原始光譜進(jìn)行樣品鑒別分析。為提高合格性測試模型的鑒別準(zhǔn)確率，需要采用光譜預(yù)處理方法對原始光譜進(jìn)行預(yù)處理，本文主要采用矢量歸一法、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等方法或相互組合處理光譜。原始光譜經(jīng)過預(yù)處理可以很好地濾除各種因素產(chǎn)生的高頻噪聲，消除傾斜變化噪聲，并矯正光譜的離散影響。

2.2　建立合格性測試模型

將40個(gè)顆粒狀化肥、粉劑和懸浮劑農(nóng)藥標(biāo)準(zhǔn)樣品作為對應(yīng)合格性測試模型的參考集，選取部分對比驗(yàn)證樣品作為模型測試集對模型進(jìn)行內(nèi)部驗(yàn)證，分別建立不同農(nóng)資樣品的合格性測試模型。根據(jù)測試集的測試報(bào)告設(shè)置建模參數(shù)，包括使用矢量歸一法、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等方法或相互組合預(yù)處理光譜，選擇建模范圍以及選擇合適的測試限制范圍值CI，其中CI值≤4。

圖1　復(fù)合肥標(biāo)準(zhǔn)和驗(yàn)證樣品光譜圖

圖2　粉劑農(nóng)藥標(biāo)準(zhǔn)和驗(yàn)證樣品光譜圖

圖3　懸浮劑農(nóng)藥標(biāo)準(zhǔn)和驗(yàn)證樣品光譜圖

3種農(nóng)資產(chǎn)品合格性測試模型驗(yàn)證圖表分別見圖4、圖5和圖6。圖中綠色數(shù)據(jù)點(diǎn)代表參考光譜，藍(lán)點(diǎn)數(shù)據(jù)點(diǎn)代表測試光譜，模型CI 置信范圍用紅線表示，且可以調(diào)整CI值來調(diào)整置信范圍大小。從圖中可以看出參與模型內(nèi)部驗(yàn)證的對比驗(yàn)證樣品基本在置信范圍以外，即該方法能有效鑒別其他化肥和農(nóng)藥產(chǎn)品。

圖4　復(fù)合肥合格性測試模型驗(yàn)證圖

不同農(nóng)資合格性測試模型的參數(shù)和CI值見表3。OPUS定性分析合格性測試模塊對未知樣品進(jìn)行合格性測試時(shí)，會給出詳細(xì)結(jié)果，包括合格性測試結(jié)果、樣品合格性測試最大CI值、最大CI值頻率范圍等。

圖5　粉劑農(nóng)藥合格性測試模型驗(yàn)證圖

圖6　懸浮劑農(nóng)藥合格性測試模型驗(yàn)證圖表3　合格性模型參數(shù)

模型名稱光譜預(yù)處理方法建模波段范圍/cm-1模型CI值提苗專用肥合格性測試模型一階導(dǎo)數(shù)+矢量歸一法9850.9～4937.03.4嗎胍·乙酸銅合格性測試模型矢量歸一法8045.8～4127.03.7甲基硫菌靈合格性測試模型一階導(dǎo)數(shù)8446.9～5223.33.7

為了進(jìn)一步驗(yàn)證該方法的準(zhǔn)確性，應(yīng)用本文所建立的不同農(nóng)資合格性測試模型對表2所列化肥和農(nóng)藥驗(yàn)證樣品進(jìn)行外部測試，結(jié)果見表4。由表4可知，其他生產(chǎn)廠家生產(chǎn)的化肥和農(nóng)藥驗(yàn)證樣品測試CI值的絕對值都超過了相應(yīng)農(nóng)資產(chǎn)品的合格性測試模型規(guī)定的CI值范圍，即應(yīng)用合格性測試方法建立的化肥和農(nóng)藥合格性測試模型都能對驗(yàn)證樣品做出準(zhǔn)確的鑒別，且判別率都達(dá)到了100%。

表4　驗(yàn)證樣品結(jié)果

續(xù)表4：

模型名稱模型CI值驗(yàn)證樣品名稱測試CI值測試結(jié)果奇星嗎胍·乙酸銅1-34.53不通過奇星嗎胍·乙酸銅2-33.24不通過奇星嗎胍·乙酸銅3-31.45不通過甲基硫菌靈合格性測試模型3.7奇星甲基硫菌靈1-15.14不通過奇星甲基硫菌靈2-14.28不通過奇星甲基硫菌靈3-16.73不通過綠寶托甲基硫菌靈1-6.04不通過綠寶托甲基硫菌靈2-6.12不通過綠寶托甲基硫菌靈3-5.23不通過清佳甲基硫菌靈1-10.73不通過清佳甲基硫菌靈2-10.34不通過清佳甲基硫菌靈3-9.28不通過

近紅外光作為物質(zhì)信息的載體，攜帶了物質(zhì)分子振動(dòng)的信息。不同廠家農(nóng)資產(chǎn)品由于產(chǎn)品配方不同，或即使配方相同，生產(chǎn)工藝也會有差異存在，而這些信息都會反映在產(chǎn)品的近紅外光譜中?；屎娃r(nóng)藥作為化工產(chǎn)品，所含成分都比較單一和穩(wěn)定，所以通過樣品的光譜和特征提取算法就能鑒別不同廠家生產(chǎn)的化肥和農(nóng)藥產(chǎn)品。

3　結(jié)論與討論

本文基于OPUS定性分析合格性測試方法，分別將四川省煙草公司瀘州煙葉產(chǎn)區(qū)常用的提苗復(fù)合肥、嗎胍·乙酸銅和甲基硫菌靈等產(chǎn)品作為標(biāo)準(zhǔn)樣品，并建立了相應(yīng)合格性測試模型，模型可有效鑒別其他不同生產(chǎn)廠家的化肥和農(nóng)藥產(chǎn)品，并得出如下結(jié)論：(1)在建立產(chǎn)品合格性快速鑒定模型時(shí)，適當(dāng)?shù)墓庾V預(yù)處理方法能有效提高光譜數(shù)據(jù)的信息量，可以采用矢量歸一法、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)或組合預(yù)處理方法。(2)利用OPUS定性分析軟件提供的合格性測試模塊建立的瀘州煙葉產(chǎn)區(qū)提苗復(fù)合肥、嗎胍·乙酸銅粉劑和甲基硫菌靈懸浮劑農(nóng)藥合格性測試模型可以有效地鑒別不同廠家生產(chǎn)的化肥和農(nóng)藥產(chǎn)品，判別率都達(dá)到了100%。(3)在煙草大田生長過程中，施用化肥和農(nóng)藥種類繁多，且不同煙葉產(chǎn)區(qū)不同煙草生產(chǎn)季度都有各自的特點(diǎn)。本文介紹的合格性測試方法非常適合煙葉生產(chǎn)過程中農(nóng)資產(chǎn)品的鑒別，如化肥或農(nóng)藥產(chǎn)品發(fā)生變化，只需結(jié)合一定數(shù)量的合格樣品，并建立合格性測試模型，即可快速鑒別其他產(chǎn)品；該方法還可以推廣應(yīng)用到其他行業(yè)產(chǎn)品的鑒別。

參考文獻(xiàn)：

[1] 林濤,于海燕,應(yīng)義斌.可見/近紅外光譜技術(shù)在液態(tài)食品檢測中的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析,2008(2):2855-2900.

[2] 張寧,張德權(quán),李淑榮,等. 近紅外光譜定性分析技術(shù)在食品安全中的應(yīng)用研究進(jìn)展[J].食品科技,2008(8):218-221.

[3] 陳蘭珍,孫謙,葉志華,等. 基于神經(jīng)網(wǎng)絡(luò)的近紅外光譜鑒別蜂蜜品種研究[J].食品科技,2009,34(8):287-289.

[4] 王多加,周向陽,金同銘,等.近紅外光譜檢測技術(shù)在農(nóng)業(yè)和食品分析上的應(yīng)用[J].光譜學(xué)與光譜分析,2004,24(4):447-450.

[5] 孫通,徐惠榮,應(yīng)義斌.近紅外光譜分析技術(shù)在農(nóng)產(chǎn)品/食品品質(zhì)在線無損檢測中的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析,2009,29(1):122-126.

[6] 宋樂,張紅,倪曉宇,等.基于NIRS技術(shù)的復(fù)合化肥成分定量分析及應(yīng)用研究[J].光譜學(xué)與光譜分析,2014,34(1):73-77.

[7] 蘇彩珠,蔡英俊,陳奕,等.近紅外漫反射法快速檢測復(fù)合肥中總氮含量[J].分析試驗(yàn)室,2008(S1):298-301.

[8] 周新奇.近紅外光譜結(jié)合偏最小二乘法測定復(fù)合肥中氮磷鉀含量[C]//中國儀器儀表學(xué)會.科學(xué)儀器服務(wù)民生學(xué)術(shù)大會論文集.中國儀器儀表學(xué)會,2011:4.

[9] 熊艷梅,段云青,王冬,等.近紅外光譜技術(shù)快速測定農(nóng)藥有效成分的研究[J]. 光譜學(xué)與光譜分析,2010,30(6):1488-1492.

[10] 蘇彩珠.近紅外光譜分析法快速鑒別化肥品種的方法研究[C]//全國第二屆近紅外光譜學(xué)術(shù)會議論文集.2009:8.