基于比色光谱和SVM快速检测白菜中氧乐果农残方法

李 文, 李民赞, 孙 明

（1.北京工商大学计算机与信息工程学院，北京 100048；

2.中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083）

基于比色光谱和SVM快速检测白菜中氧乐果农残方法

李 文1, 李民赞2, 孙 明2

（1.北京工商大学计算机与信息工程学院，北京 100048；

2.中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083）

为快速安全地检测白菜中氧乐果农药残留，用改进的氯化钯乙酸溶液作比色剂，和氧乐果农药发生比色反应，利用分光光度计在300～1100 nm采集吸光度谱图。将氧乐果乳油农药和白菜汁混合，利用乙醇萃取，在0.5～400 mg/kg随机配置了60个样本，分别和等量的乙酸氯化钯溶液反应。实验证明，当样本质量比大于50 mg/kg时，吸光度曲线的走势发生变化，且和质量比的相关性较差；当样本质量比大于90 mg/kg时，吸光度曲线和样本质量比相关性更差。引入支持向量机SVM进行三分类建模，利用5-折交叉验证，当光谱数据归一化为［0，1］，核函数采用径向基RBF函数时，测试集样本质量比范围的预测效果最好，准确率达到96.774 2%，为快速检测蔬菜中氧乐果的质量比范围提供了可行的方法。

氧乐果；农药残留；支持向量机；比色反应

氧乐果（C5H12NO4PS）主要用于防治棉花、小麦、果树等农作物害虫，属内吸性有机磷杀虫、杀螨剂，可以被植株的茎、叶吸进植株体内，传送到植株各个部位，因此很容易造成农药残留。在蔬菜生产过程中，“氧乐果”属于违禁使用农药，在国标GB 2763—2014中规定氧乐果在蔬菜和水果中的最大残留量仅为0.02 mg/kg，而最新出台的国标GB 2763—2014中没有对氧乐果作规定。但是由于氧乐果的广谱性和有效性，有些菜农仍在违法使用，因此研究如何快速、安全地检测微量氧乐果的方法非常必要。

目前比较成熟的检测方法仍是理化检测，该方法准确，可一次性检测多种农药，但耗时长，步骤复杂，且仪器昂贵，难以普及［1-6］。国内外开展的快速检测方法如酶抑制法、免疫分析法、生物传感器技术等取得了很大进展［7-13］。光谱分析技术自20世纪60年代以来，在农畜产品的品质安全检测及农药残留检测中，应用越来越广泛［14-16］，但仍有其不足之处。本研究使用自己改进配置的氯化钯乙酸溶液，对白菜中萃取的氧乐果农药进行比色预处理［17-18］，用分光光度计采集300～1100 nm波段的吸光度，引入支持向量机（supported vector machin，SVM）研究氧乐果农药的浓度范围［19-20］，从而可以快速地判断该类农药残留量的浓度范围。

1 材料与方法

1.1 实验仪器

UV-2450型紫外/可见/分光光度计，日本岛津集团，分辨率可达0.1nm，可用于各种无机、有机固体或液体的光学特性测定。该仪器的特点是测量速度快、测量结果准确，为全面观察吸光度情况，选定测量波长为300～1 100 nm。采集的数据上传至计算机，利用软件UVPRO进行光谱预处理。

1.2 材料与试剂

考虑到实际使用氧乐果农药时，更多地使用乳油制剂，因此实验中选用48%的氧乐果乳油农药，购自北京嘉禾种业有限公司；去离子水、氯化钯晶体、乙醇（分析纯）均购自北京蓝弋化工公司；为保证实验结果的准确性，所用白菜购自北京超市中无公害蔬菜专柜。

称取氯化钯晶体0.75 g，加入9 mL的乙酸，振荡、搅拌5 min，加去离子水稀释到150 mL，配成0.5%的氯化钯乙酸溶液。水浴45℃下放置30 min，充分溶解成橙黄色液体。

称取1 000 g白菜样品洗净、晾干后，切碎、匀浆，备用。

为了研究白菜中氧乐果在0.5～400 mg/kg的检测方法，首先在质量比为1～800 mg/kg内，用去离子水随机配置氧乐果溶液样本60个。

取每一个氧乐果溶液样本10 mL，和5 mL白菜汁液充分混合后，加入5 mL乙醇稀释，超声搅拌60 min，取上清液5 mL，分别和2 mL的氯化钯溶液反应2 min，滴入比色皿采集吸光度谱图。此时，氧乐果浓度减半，60个新样本质量比为0.5～400 mg/kg。

用两个比色皿，分别滴入已配置的0.5%的氯化钯乙酸溶液，同时放入分光光度计中调零，其中一个始终作对比，另一个测试比色反应后溶液的吸光值，以消除比色皿和氯化钯底液的影响。

1.3 数据处理方法

测量波长为300～1 100 nm，每个样本都有800个波长上的吸光度。由于数据的维数较高，对经典的机器学习方法而言，获得相同的泛化性能需要的样本数目随着维数的增多呈指数级数增长。在使用神经网络方法时，需要和主成分分析相结合才能够顺利完成预测建模任务。因为神经网络预测时会产生不可避免的过度拟合问题，通过建模方法本身难以解决，这种情况下，利用支持向量机方法处理高维数据，进行分类建模更适合。对于支持向量机来说，计算复杂性与输入模式的维数没有直接关系。当样本数量固定时，支持向量数目越少，其泛化性能越高。此外，支持向量机这种方法还具有优化问题存在唯一的极小点、学习速度快、更换核函数可以得到各种不同的广义超平面等优点。

核函数K（xi，x）是基于支持向量机解决原样本空间中线性不可分问题时引入的一种非线性变换，见图1。其基本思想就是通过核变换，使得样本在新的高维特征空间中线性可分，然后在高维特征空间中来实现最优分类面的求解。

图1 支持向量机结构示意Fig.1 Structure diagram of SVM

2 结果与分析

2.1 60个样本的实验结果与分析

用等量的氯化钯乙酸溶液和60个不同质量比氧乐果样本发生比色反应后的吸光度谱图，见图2。从图2可以看出，氧乐果质量比和吸光度值呈正相关关系，在300～380 nm紫外区间，噪声干扰最大，吸光度值突变到5，且质量比越高受干扰的范围越大；在380～480 nm波段，虽然也有较大干扰，但吸光度值是能够体现样本质量比的。在900～1 100 nm波段，噪声干扰也较大，且吸光度值相差不大，难以区分样本质量比。因此后面使用的数据是380～900 nm。

图2 60个氧乐果样本的吸光度谱图Fig.2 Absorbance spectra of 60 omethoate samples

选取质量比为0.5，88，400 mg/kg的3个样本吸光度曲线比较（见图3），分别代表3个质量比范围中形状不同的样本。从样本质量比上看，当质量比升高时，吸光度曲线的形状发生明显改变。尤其是质量比大于90 mg/kg后，吸光度值和质量比之间的非线性关系更明显。这主要是因为质量比较高时，氯化钯完全反应，氧乐果有剩余，谱线的区分度不再明显，发生的比色反应不能再体现吸光度和质量比之间的关系。因此，有必要先建立分级模型，定性判断氧乐果浓度。

图3 3个典型的氧乐果样本吸光度谱图Fig.3 Absorbance spectra of 3 typical omethoate samples

2.2 利用SVM建立三分类模型

依据前面分析的不同质量比范围氧乐果吸光度曲线的差异，将60个样本分为0.5～50 mg/kg（35个样本）、52～88 mg/kg（10个样本）、90～400 mg/kg（15个样本）3个范围，进行三分类建模，利用5-折交叉验证。

目前为止，SVM预测建模时各项参数的选择尚无统一模式，需要经过大量的参数尝试。影响分类精度的主要因素有：数据的归一化，核函数类型，参数c和g的值。

分别使用原始数据、数据归一化为［0，1］和归一化为［-1，1］3种情况作为SVM建模数据。

关键问题是寻求最佳的c值和g值。将c和g的搜索空间分别设定为：c=［2-3，212］，g=［2-12，21］。利用5-折交叉验证法会造成不同的c和g都对应最高的准确率，虽然较高的惩罚参数c能使得validation数据的准确率提高，但过高的惩罚参数c会造成过学习状态，往往导致最终测试集合的准确率并不是很理想，因此c不能设置太高。本研究中，在保证精确度的前提下，把具有最小c的那组c和g认为是最佳的c和g。

结合不同的核函数，运行程序产生的最佳c值、g值和测试集合的精确度（精确度=分类正确的样本数/测试集总样本数）分别列于表1。可以看出：将数据归一化为［0，1］的效果明显好于归一化为［-1，1］，略好于原始数据；径向基核函数与线性和多项式函数相比表现出较大优势，利用Sigmoid函数虽然精确度也能达到96.774 2%，但同时惩罚参数c却是32，远远高于使用径向基函数的c=1。

表1 不同数据处理方法对建模效果的影响Tab.1 Effects of different data processing methods on model accuracy

因此预测模型选用将吸光度数据归一化为［0，1］，并使用RBF函数，此时交叉验证的精确度达到96.774 2%，较佳的c值和g值分别为1和0.062 5。图4和图5分别是c值和g值的网格搜索图和等高线图。

图4 较佳c和g网格3D图Fig.4 Optimal c and g in 3D view

3 结 论

为快速、安全地检测白菜中氧乐果农药残留，研究了质量比在0.5～400 mg/kg中的60个不同浓度的氧乐果样本，用氯化钯乙酸溶液作为比色剂，对比色反应后溶液吸光度谱图利用SVM进行研究。实验表明：

图5 交叉验证精度等高线示意Fig.5 Contour map of classification accuracy

1）当氧乐果质量比较高时，吸光度曲线的走势会发生变化，相关性变得较差，不适宜直接建立定量预测模型。因此，将60个样本按照质量比的大小分为低、中、高3个范围，利用SVM做三级分类预测，对质量比进行定性预测，实验结果表明，该方法是可行的。

2）利用SVM进行分类建模时，比较了不同的归一化方式和核函数，通过寻找最小c参数来确定最佳参数c和g的值。最终确定了将数据归一化为［0，1］，核函数为径向基函数，在较佳参数c=1，g= 0.062 5时建立预测模型，此时利用5-折交叉验证，验证集的预测精确度达到96.774 2%。

3）本文虽然只研究了白菜中的氧乐果残留，但是根据检测原理，该方法应该适用于其他含硫类的有机磷农药，在样本浓度变化较大的范围内可以先利用SVM进行分类，定性预测浓度范围，在每一类范围中，可进一步进行浓度的定量检测。

［1］陈士恒，章晴，史晓梅，等.超声提取-分散固相萃取-气相色谱法测定绿茶中有机磷类农药残留［J］.食品科学技术，2014，32（5）：63-68.

［2］郑春慧，杨立刚，姚志云，等.白菜中有机磷农药的电纺纳米纤维固相萃取-高效液相色谱法测定［J］.分析测试学报，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，Fournier 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，张昆，洪添胜，等.龙眼表面农药残留的无损检测研究——基于近红外光谱分析［J］.农机化研究，2010，10（10）：111-114.

［15］陈菁菁.基于光谱技术的微量有机磷农药快速检测［D］.北京：中国农业大学，2011.

［16］熊艳梅，唐果，段佳，等.中红外、近红外和拉曼光谱法测定商品农药制剂中氰戊菊酯和马拉硫磷的含量［J］.分析化学，2012（9）：1434-1438.

［17］李文，张健鑫，李由，等.可见分光光度法检测苹果中毒死蜱农药残留的研究［J］.农机化研究，2014，36（9）：182-185.

［18］孙明，李文，夏锦闻，等.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：中国，201210203756.7［P］.2012-09-26.

［19］孙晓荣，刘翠玲，吴静珠，等.SVM方法在淀粉分类问题中的应用［J］.食品工业科技，2011，32（11）：431-433.

［20］王小燕，王锡昌，刘源，等.基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用［J］.光谱学与光谱分析，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

檀彩莲）

TS255；TS207.5

A

10.3969/j.issn.2095-6002.2015.05.013

2095-6002（2015）05-0074-05

李文，李民赞，孙明.基于比色光谱和SVM快速检测白菜中氧乐果农残方法［J］.食品科学技术学报，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

国家星火计划项目（2013GA620005）；中国农业大学博士生科研创新项目（2013YJ008）。

李 文，女，副教授，博士研究生，主要从事光谱技术在食品安全检测方面的研究。