农产品质量安全现状及其检测与追溯技术研究进展

, , ,

(陕西省微生物研究所,陕西西安 710043)

随着我国经济发展和人民生活水平的不断提高,食品安全问题日益受到重视,特别是近年来我国食品安全问题时有发生,使得这一问题成为绝大多数人关心的重要社会问题。农产品作为主要的食品消费类型,占据了我国食品消费总量的70%。因此,食品安全水平反映了农产品安全的现状。农产品质量安全的检测和管理,对确保食品安全具有重大的现实意义。此外,农产品的质量和安全也是实现农村经济结构调整,提高农产品竞争力所必须解决的问题[1]。

我国的农产品质量安全监督和管理起步较晚、基础欠佳、技术薄弱,总的水平不能满足当前农业发展的需要。在农业生产中,为了提高产量,使用了大量的杀虫剂、肥料和植物生长调节剂;与此同时,中国的农产品市场是由诸多小生产者和经营者所组成的离散的市场,农产品供应链长,导致了农产品质量安全的监管困难、农产品残留超标、环境污染等一系列问题。此外,食物从农场到餐桌,涉及生产、加工、分配,其供应体系复杂,传统的监管方式已经不能满足社会对农产品质量安全的需求。采用信息技术监管农产品质量安全,可及时、准确、有效地获得和管理农产品质量安全的相关信息,并将其与现有的监管技术相联系,显著地提高农产品质量安全监督水平,保证食品安全[2]。本文对农产品质量安全现状及相关检测与追溯技术进行了综述。

1 农产品质量安全现状

1.1 农药污染

随着人口的增长和农作物产量的提高,全世界农药的种类和消耗量也随之显著增加。农药的施用在大幅提高农作物产量的同时,导致环境污染(如:水体污染、土壤污染等),引起农产品的质量安全问题,农药残留已经成为危害人类健康的一个重要问题。Duan等在2012-2013年对海南省的334个豇豆样品进行农残评估中发现,三唑磷残留对健康具有风险,且其与有机磷农药共同作用时风险加大,为确保豇豆农残的安全,需减少并限制有机磷农药的使用[3]。Yang等对3种热带水果的117个样品进行农残检测发现,其中78个样品农残超出限制标准。虽然这些水果的摄入量少,对公众健康的影响小,仍然需要加强监管使风险降至最低[4]。Bakrc等收集了1423份新鲜水果和蔬菜样品,检测发现,其中754份样品有农药残留、48份水果样品和83份蔬菜样品的农残含量高于最大残留限量[5]。对中国七个主要产区的栗子、核桃及松仁的农残调查结果显示,25.0%的样品含有两种以上农残,9.1%的样品农残多达五种,15.9%样品的农残高于最大残留限量[6]。

1.2 重金属污染

工业的快速发展和化学品的大量使用、农业环境的污染日益严重及某些区域自身高重金属背景,使得重金属从自然环境中迁移到农产品中,越来越多的农产品中均有不同程度的重金属残留,引起农产品质量安全问题。Li等对珠江口滩涂复垦农田种植的农产品中重金属对健康的风险进行了评估,其研究显示,珠江口的土壤重金属含量很高,当地种植的大米和根菜类蔬菜重金属严重超标,铅、铬、镉和铜分别高出最高允许限额94.3%、91.4%、88.6%和17.1%。其中各种作物的镉和铜的健康风险指数分别为3.683和1.665[7]。对广西三锰矿恢复区的土壤和农作物的调查显示,该地区农作物受到重金属的污染,大部分农作物Cd、Pb和Cr的含量超过相应食品重金属含量限制标准。重金属暴露的健康风险评估进一步表明,因食用该地区农作物而摄入的Cd对健康具有较高潜在风险,矿区废弃土地未经修复不宜种植可食用农作物[8]。Chabukdhara等对印度城市工业区农业土壤和粮食作物重金属污染状况的研究表明,尽管城市工业区农业土壤的金属浓度在安全范围内,但农作物中的铅、铬、镍含量已远超出粮农组织及世卫组织安全的限制值,对消费者的健康形成了潜在危害[9]。Resaid等对伊朗市场上乳制品中的重金属含量进行评估发现,5个不同品牌的60个样品中均有重金属残留,其中28.3%的样品中铅残留超出欧盟的限制值[10]。

1.3 真菌毒素

真菌毒素是一类由丝状真菌和霉菌的次级代谢产物组成的一类有毒化合物。当前,已发现的真菌毒素有300多种,真菌毒素引起的急性或慢性中毒对人类健康造成很大的影响(如:肝脂肪变性、肾小管变性和机能损伤)。真菌毒素污染及残留食品和可产生真菌毒素代谢产物的畜禽产品严重危害人类健康,需要不断的加强对真菌毒素的检测和研究,防止农产品污染或误食被污染的农产品。Li等分析了来源于长江三角洲地区的76种谷类和食用油产品中的真菌毒素,发现玉米烯酮是所检样品中最普遍的一种真菌毒素,检出率达27.6%,且9.2%的样品玉米烯酮污染超过国家标准。此外,4%样品中黄曲霉毒素含量超标,有2个样品的赭曲霉素超标[11]。为评估山东省玉米的真菌毒素污染状况,王燕等对山东省玉米主产县的520批次玉米样品中黄曲霉素、伏马毒素、呕吐毒素和玉米赤霉烯酮进行检测,结果表明,4种真菌毒素的检出率分别为:3.65%、80%、6.35%和14.04%,伏马毒素和玉米赤霉烯酮是山东省玉米的主要风险因子,其污染需要引起人们的重视[12]。Oteiza等对阿根廷5958份果汁和葡萄酒样品中的展青霉素和赭曲霉毒素A的浓度进行测定发现,二者的检出率分别为33.5%和1.6%[13]。Iqbal等对115个鸡肉和80个鸡蛋样品中的黄曲霉毒素、赭曲霉毒素A和玉米赤霉烯酮的检测结果表明,三种真菌毒素在鸡肉和鸡蛋样品中的检出率分别为35%、41%、52%和 28%、35%、32%[14]。

1.4 转基因农产品

近年来,转基因作物的种植面积迅速扩大。截止2014年,全球已经有28个国家种植了181万公顷的转基因作物,与1996年开始转基因作物商业化种植时相比,种植面积扩大了100倍。其中,超过4/5的大豆、2/3以上的棉花、1/3的玉米及1/4的油菜种植面积都是转基因作物。37个国家和地区允许进口转基因农产品。过去的20年,转基因作物的种植产生了重大的效益,使得产量提高22%,农民利润增加68%[15]。

随着转基因技术的发展,转基因农产品种类和数量急剧增加,但国内外针对转基因农产品的安全问题仍然存在着很多的争议和分歧,其安全性仍受到人们的质疑。人们的担忧主要集中在以下四个方面:第一,转基因农产品的营养安全性;第二,转基因农产品的毒性;第三,转基因农产品的潜在致敏性;第四,转基因农产品中外源基因的水平转移。因此,转基因农产品的开发及转基因农产品的种植和销售,必须经过严格的安全性评价和审批,与此同时,需不断提高农产品的质量安全检测技术,制定严格的转基因成分的定量检测与检验标准[16]。

2 农产品质量安全检测及追溯技术

2.1 农产品质量安全检测技术

农产品质量安全事件频发,使得对农产品质量的快速检测成为必要。农产品的检测技术主要包括以下三个方面:品质检测、农药残留检测及农业环境监测。

2.1.1 品质检测 当前常用的农产品品质检测技术主要包括:X射线技术、近红外光谱分析技术和机器视觉等。

X射线具有穿透能力,当射线穿透待检测对象时,检测对象内部的差异性或者缺陷引起的穿透射线强度上的差异可通过一定方式转换成图像,从而应用于农产品内部品质的无损检测和评价。Narvankar等将X射线影像系统用于健康小麦籽粒和染病小麦籽粒的分类[17]。Herremans等研究发现X射线断层扫描(X-ray CT)和核磁共振成像(MRI)均可用于检测苹果水心病,而MRI成像检测的效果更佳[18]。X射线断层扫描也被用在检测栗子、黄瓜、菠萝和樱桃内部的缺陷,来评价新鲜农产品的内部质量,结果显示,该技术可用于对农产品内部质量评估及进行分类[19]。Guelpa等利用X射线微计算机断层扫描检测玉米粒硬度及分级[20]。由于X射线具有极强的电离特征,在实际应用中,其对人体的辐射安全问题尚存争议,须专业人员进行相关操作。

近红外光谱(Near infrared spectroscopy,NIRS)技术具有无需样品准备、无损、快速、无污染、检测成本低、便于在线分析[21]等优点。徐一茹等用NIRS对小麦粉的品质指标(灰分、水分、面筋)进行检测,发现该方法适用于灰分和面筋的检测,但水分受环境因素影响较大[22]。Font用NIRS对油菜籽和鹰嘴豆中的粗蛋白、亚油酸、亚麻酸和棕榈酸等含量及含油总量进行了预测[23]。Lebot等研究表明NIRS可对不同块茎块根农作物的总N、矿物质、淀粉、糖以及纤维素进行快速测定[24]。Torres等的研究表明,与传统的方法相比较,NIRS可用于检测西红柿色泽、可溶性固形物及可滴定酸等品质[25]。尽管近红外光谱技术应用具有无损、快速和无污染等优势,但该技术的应用需建立大量与样本相关的模型,且模型通用性差,需随检测条件或仪器参数的变化而更新或重建模型。

随着图像处理技术发展和计算机软、硬件的开发,机器视觉开始应用于农产品品质的无损自动检测领域。Dowlati等采用机器视觉技术通过亮度、红色、黄色、色度和总色差这几种参数来判断养殖和野生海鮘眼睛和鳃的颜色变化来评估该鱼在冷藏期的新鲜程度[26]。Guzmán等采用红外视觉系统检测外观缺陷对橄榄进行自动分级,该研究表明,红外视觉系统是一个可用于自动评估橄榄外观品质的技术,在对橄榄表面缺陷及损伤进行离线检测或在线分类上具有很大的应用潜力[27]。卢洋彬等将计算机视觉技术用于牛肉检测系统,实现了肉类品质等级的自动判别[28]。蒋焕煜等将计算机视觉系统的智能识别应用于水果品质智能化实时检测分级生产线中,来判断水果的等级[29]。运用机器视觉技术,可以对农产品外观、品质进行判断,根据预先设定的分级标准完成自动分级,可部分或全部替代人的辨别工作,提高处理效率。目前,此技术主要应用于表层信息的提取与检测,而现有的算法仅能用于检测具有鲜明色彩或形状特征的农产品,大大限制了其应用范围。

2.1.2 农药残留检测 农药残留检测技术主要包括酶联免疫吸附(ELISA)、生物传感器和拉曼光谱分析。

ELISA将已知的抗原或抗体吸附在固相载体表面,使酶标记的抗原抗体反应在固相表面进行,由于其专一性好、灵敏度高、操作简便且可进行定性或定量检测,因此可用于特定农药种类的筛查及检测。目前,大多数EIA/ELISA农药残留分析仍然处于实验室研究开发阶段。Zhang等检测农产品和环境样本中的莎稗磷,结果显示,ELISA对莎稗磷的最低检出水平为0.1 μg/L,且与其他相关农药或结构类似的化合物无交叉反应[30]。Kondo等对园艺作物中的嘧菌酯残留分析表明,ELISA检出的醚菌酯最高残留限量为0.5～50 mg/kg。此外,国外已开发出商品化的ELISA试剂盒,用于农产品中的农药残留分析[31]。例如,Watanabe等研发的ELISA试剂盒可用于测定果汁中的吡虫啉残留[32]。国内也有研究人员开发农残检测ELISA试剂盒,如克百威残留检测直接竞争ELISA试剂盒及三唑磷残留检测直接竞争ELISA试剂盒[33-34]。但ELISA技术仍存在一些不足,如:无法同时进行多重农残分析、对结构类似的化合物可能出现交叉反应、对试剂选择性较高等,使得该技术在农残检测应用中具有局限性。

在生物化学和传感技术基础上建立起来的生物传感器技术利用具有分子识别能力的生物活性物质(如组织切片、细胞、细胞器、酶、抗体、生物膜等)作为敏感材料,与换能器相结合产生对被测目标具有高度选择性的检测器[35],用于农药残留检测的生物传感器主要有酶生物传感器和免疫传感器[36]。Ju等利用二甲双胍,将石墨烯纳米金复合材料和乙酰胆碱酯酶通过半胱胺涂层固定在玻碳电极上所制成快速检测有机磷农药的生物传感器可检测的三唑磷浓度下限为0.35 ppb[37]。Pandard等将小球藻固定在聚乙烯包被的碳电极表面,其与三氧化铝之间借助二极管照明可以在短时间内测出除草剂中多种成分的含量[38]。Zhao等利用多克隆抗体PCB研制成光纤维免疫传感器可用于检测聚氯联苯[39]。Cesarino等将乙酰胆碱酯酶固定在聚苯胺-碳纳米管复合材料电极上制成的生物传感器,检测水果和蔬菜中氨基甲酸酯农药残留[40]。目前,虽然已有不少利用生物传感器进行农残检测的研究和应用,但生物材料易失活,重现性差,多为一次性使用等特点限制了其在生产实践中的应用。

拉曼光谱主要应用于果蔬农残检测。拉曼光谱可直接对果蔬样品进行非接触的无损伤检测,样品可以是毫克甚至微克的数量级,可同时对样品多个指标进行分析。Liu等利用拉曼光谱技术对施用不同农药的苹果和西红柿表皮的农药含量进行检测,结果显示可在ppm水平上检测到样品中的三种不同类型农药,说明该方法是一种快速、灵敏、可靠的农产品农药残留检测方法[41]。肖怡琳等用拉曼光谱仪实时快速地鉴定各种农药及其在果蔬表面上的农残[42]。Fan等发现拉曼光谱可检测低至1 μg/mL(g)的亚胺硫磷残留[43]。拉曼光谱用于果蔬检测也存在着不足之处,如:果蔬样品产生的荧光现象会对拉曼光谱产生背景干扰;在完整果蔬样品中的穿透深度受激光波长的影响等。

2.1.3 农业环境监测 农田土壤是各种农作物赖以生存的自然环境,随着工业化发展,土壤污染日益加剧,其中以重金属污染最为突出。近年来,激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)技术和X射线荧光光谱(X-ray fluorescence,XRF)技术被广泛用于农业环境监测。Pandhija等采用LIBS技术对土壤中重金属Cd、Pb和Cr的含量进行检测,检测结果与常规电感耦合等离子体发射光谱法检测得到的结果一致[44]。林永增等通过检测不同赣南脐橙种植区土壤样品中Cu、Cr金属元素的含量也发现LIBS和传统的原子吸收光谱检测结果一致[45]。此外,王豹等研究表明便携式X射线荧光光谱法(PXRF)可用于快速检测土壤中重金属元素,其结果准确可靠[46]。Weindorf等应用便携式X射线荧光光谱法评估美国路易斯安那州两个工业园附近甘蔗田土壤质量,检测结果的重金属含量与传统实验室检测方法获得的结果相当,该方法可以用于城市周边农业土壤重金属含量的快速评估[47]。

2.2 农产品质量安全追溯技术

2.2.1 自动鉴定技术 自动鉴定技术是指无人工参与的情况下,收集相关数据并且将其输入到计算机系统中来自动识别物体的方法。目前,农产品的监督管理中应用的主要是条形码技术和无线射频识别技术(Radio Frequency Identification,RFID)。

条形码是一种自动识别和数据采集的方法。条形码可分为传统条形码和二维码。传统条形码是将宽度不等的多个条和空白,按照一定的编码规则排列,用以表达一组数字和字母编码信息的图形标识符,该组信息可通过条形码阅读器被扫描和识别。条形码使用时,读取信息必须逐件扫描每件物品条形码,而且扫描仪只能读取完整的条形码。而二维码是在水平和垂直两个维度上储存信息,可加载更大量的信息。柴毅等采用一维条码标签标识相互对应的宰前活体与宰后胴体信息,以备消费者从成品肉标记条码来查询猪肉整个加工环节中的信息[48]。黄梅芳等初步设计基于二维码技术的果蔬农产品追溯系统整体框架,消费者可在零售终端通过手机扫码获取枇杷的物流信息和数据信息[49]。

RFID使用无线射频在一定距离内在电子标签和解读器之间进行通信,可克服条形码存在的局限性,更便捷的应用于农产品质量安全可追溯体系,更好的覆盖生产加工流通和消费等诸多领域。在实际应用中,可将RFID电子标签与条码结合实现对农产品的全程控制和追溯,建立具有完整链条的质量安全控制体系。为确保蔬菜运输环节安全,Hung等将蔬菜的收获日期和土地编号以及蔬菜加工信息保存在RFID卡中,消费者通过RFID卡就可获取与网络平台相连接的产品信息[50]。李红等采用RFID标签追溯乳制品生产质量安全,供消费者查询产品信息[51]。

2.2.2 网络与数据库技术 网络和数据库技术也可用于农产品质量安全追溯系统,利用网络数据库储存、管理和更新收集到的信息,实现信息的多用户访问和共享,为各级生产者和消费者提供查询和跟踪服务。申光磊等通过互联网技术,实现牛肉质量安全可追溯系统的网络管理,从而网络化牛肉质量安全可追溯体系[52]。杨信廷等建立农产品电子档案管理系统,该系统结构合理、安全性高、操作简单,具有很大的应用空间[53]。施亮等利用封装有RFID标签的牛耳标构建了肉牛养殖可追溯体系,将肉牛的饲养相关记录自动存入数据库中,并对每头肉牛形成可在互联网上进行查询的质量追溯档案[54]。

3 结论与展望

农产品质量安全检测与管理技术主要应用于农产品品质检测、质量追溯,使农产品质量安全得到有效的控制,尤其是网络等技术,对于农产品的实时管理具有重要意义。但是,这些技术的应用也存在一问题。如,NIRS等快速检测技术主要集中在实验室阶段,需进一步与企业需求结合,形成适用于生产实践的快速检测技术,提升农产品质量安全检测的效率。而基于网络的农产品质量安全追溯管理体系对于技术要求较高。鉴于我国农户、农业企业、农产品批发市场及农业合作社的信息管理和软件系统应用能力较为薄弱的实际,农业部门在推行统一的基本追溯信息系统时,需对相关操作和应用予以全面的指导,并组织相关人员进行培训。农产品质量安全管理相关技术,可提高监管的水平,提升我国产品质量安全,增强农产品在市场上的竞争力。因此,不断加强新技术在农产品追溯体系应用领域的推广具有重要的现实意义。

[1]Guo X,Wang F,Yu X,et al. An empirical examination of the effects of local agro-food quality and safety supervision in China[J].Quality Assurance & Safety of Crops & Foods,2012,4(4):185-192.

[2]Yu Y,Li J,Qin X. The information key technologies for quality and safety monitor and management of agricultural products[M]. US:Springer,2012:493-501.

[3]Duan Y,Guan N,Li P,et al. Monitoring and dietary exposure assessment of pesticide residues in cowpea(VignaunguiculataL. Walp)in Hainan,China[J].Food Control,2016,59:250-255.

[4]Yang X,Luo J,Li S,et al. Evaluation of nine pesticide residues in three minor tropical fruits from southern China[J]. Food Control,2016(60):677-682.

[6]Liu Y,Shen D,Li S,et al. Residue levels and risk assessment of pesticides in nuts of China[J]. Chemosphere,2016,144:645-651.

[7]Li Q S,Chen Y,Fu H B,et al. Health risk of heavy metals in food crops grown on reclaimed tidal flat soil in the Pearl River Estuary,China[J].Journal of hazardous materials,2012,227:148-154.

[8]唐文杰,黄江波,余谦,等.锰矿区农作物重金属含量及健康风险评价[J].环境科学与技术,2015(S1):464-468,473.

[9]Chabukdhara M,Munjal A,Nema A K,et al. Heavy metal contamination in vegetables grown around peri-urban and urban-industrial clusters in Ghaziabad,India[J]. Human and Ecological Risk Assessment:An International Journal,2016,22(3):736-752.

[10]Resaid M,Dastjerdi H A,Jafari H,et al. Assessment of dairy products consumed on the Arakmarket as determined by heavy metal residues[J]. Health,2014,6(5):323.

[11]Li R,Wang X,Zhou T,et al. Occurrence of four mycotoxins in cereal and oil products in Yangtze Delta region of China and their food safety risks[J].Food Control,2014,35(1):117-122.

[12]王燕,董燕婕,岳晖,等. 山东省玉米真菌毒素污染状况调查及分析[J]. 粮油食品科技,2016,24(3):69-73.

[13]Oteiza J M,Khaneghah A M,Campagnollo F B,et al. Influence of production on the presence of patulin and ochratoxin A in fruit juices and wines of Argentina[J]. LWT-Food Science and Technology,2017,80:200-207.

[14]Iqbal S Z,Nisar S,Asi M R,et al. Natural incidence of aflatoxins,ochratoxin A and zearalenone in chicken meat and eggs[J]. Food Control,2014,43:98-103.

[15]James C. Global status of commercialized biotech/GM crops:2014[J]. Isaaa Briefs,2014,49:1-24

[16]邢福国,滑慧娟,刘阳,等.转基因农产品安全性评价研究进展[J].生物技术通报,2015(4):17-24.

[17]Narvankar D S,Singh C B,Jayas D S,et al. Assessment of soft X-ray imaging for detection of fungal infection in wheat[J].Biosystems Engineering,2009,103(1):49-56.

[18]Herremans E,Melado-Herreros A,Defraeye T,et al. Comparison of X-ray CT and MRI of watercore disorder of different apple cultivars[J].Postharvest Biology and Technology,2014,87:42-50.

[19]Donis-Gonzalez I R,Guyer D E,Pease A,et al. Internal characterisation of fresh agricultural products using traditional and ultrafast electron beam X-ray computed tomography imaging[J]. Biosystems engineering,2014,117:104-113.

[20]Guelpa A,du Plessis A,Kidd M,et al. Non-destructive estimation of maize(ZeamaysL.)kernel hardness by means of an X-ray micro-computed tomography(μCT)density calibration[J].Food and Bioprocess Technology,2015,8(7):1419-1429.

[21]谭正林,吴谋成,傅廷栋.近红外光谱技术在农产品品质检测中的应用[J].中国油料作物学报,2012,34(4):455-460.

[22]徐一茹,刘翠玲,孙晓荣,等.基于近红外和中红外光谱技术的小麦粉品质检测及掺杂鉴别方法[J].食品科学,2014,35(12):128-132.

[23]Font R,del Río-Celestino M,de Haro-Bailón A. The use of near-infrared spectroscopy(NIRS)in the study of seed quality components in plant breeding programs[J].Industrial Crops and Products,2006,24(3):307-313.

[24]Lebot V,Malapa R,Jung M. Use of NIRS for the rapid prediction of total N,minerals,sugars and starch in tropical root and tuber crops[J].New Zealand Journal of Crop and Horticultural Science,2013,41(3):144-153.

[25]Torres I,Pérez-Marín D,De la Haba M J,et al. Fast and accurate quality assessment of Raf tomatoes using NIRS technology[J].Postharvest Biology and Technology,2015,107:9-15.

[26]Dowlati M,Mohtasebi S S,Omid M,et al. Freshness assessment of gilthead sea bream(Sparusaurata)by machine vision based on gill and eye color changes[J].Journal of Food Engineering,2013,119(2):277-287.

[27]Guzmán E,Baeten V,Pierna J A,et al. Infrared machine vision system for the automatic detection of olive fruit quality[J].Talanta,2013,116(22):894.

[28]卢洋彬.基于计算机视觉技术的肉类品质检测系统[D]. 长春:长春理工大学,2013.

[29]蒋焕煜,应义斌.水果品质智能化实时检测分级生产线的研究[J].农业工程学报,2002,18(6):158-160.

[30]Yan Zhang,Ai H.Gao,Bing Liu,et al. A direct competitive enzyme-linked immunosorbent assay for rapid detection of anilofos residues in agricultural products and environmental samples[J].Journal of Environmental Science & Health.part.b Pesticides Food Contaminants & Agricultural Wastes,2013,48(1):1-8.

[31]Kondo M,Tsuzuki K,Hamada H,et al. Development of an enzyme-linked immunosorbent assay(ELISA)for residue analysis of the fungicide azoxystrobin in agricultural products[J].Journal of Agricultural & Food Chemistry,2012,60(4):904-911.

[32]Watanabe E,Baba K,Eun H,et al. Application of a commercial immunoassay to the direct determination of insecticide imidacloprid in fruit juices[J].Food Chemistry,2007,102(3):745-750.

[33]朱国念,程敬丽,吴慧明,等. 克百威残留检测直接竞争ELISA试剂盒的研究[J]. 中国食品学报,2003,3(3):1-6.

[34]梁赤周,桂文君,朱国念. 三唑磷残留检测直接竞争ELISA试剂盒的研制及应用[J]. 中国食品学报,2008,8(6):102-108.

[35]赵涛,郝红,管晓玉,等.生物传感器研究及应用进展[J].化学研究与应用,2009,21(11):1481-1485.

[36]严智燕,周立群.生物传感器在农药残留检测中的应用[J].农药研究与应用,2010(3):6-10.

[37]Ju K J,Feng J X,Feng J J,et al. Biosensor for pesticide triazophos based on its inhibition of acetylcholinesterase and using a glassy carbon electrode modified with coral-like gold nanostructures supported on reduced graphene oxide[J]. Microchimica Acta,2015,182(15-16):2427-2434.

[38]Pandard P,Vasseur P,Rawson D M. Comparison of two types of sensors using eukaryotic algae to monitor pollution of aquatic systems[J].Water Research,1993,27(3):427-431.

[39]Zhao C Q,Anis N A,Rogers K R,et al. Fiber optic immunosensor for polychlorinated biphenyls[J].Journal of Agricultural & Food Chemistry,1995,43(8):2308-2315.

[40]Cesarino I,Moraes F C,Lanza M R V,et al. Electrochemical detection of carbamate pesticides in fruit and vegetables with a biosensor based on acetylcholinesterase immobilised on a composite of polyaniline-carbon nanotubes[J]. Food Chemistry,2012,135(3):873-879.

[41]Liu B,Zhou P,Liu X,et al. Detection of pesticides in fruits by surface-enhanced Raman spectroscopy coupled with gold nanostructures[J].Food and Bioprocess Technology,2013,6(3):

710-718.

[42]肖怡琳,张鹏翔,钱晓凡.几种农药的显微拉曼光谱和荧光光谱[J].光谱学与光谱分析,2004(5):579-581.

[43]Fan Y,Lai K,Rasco B A,et al. Analyses of phosmet residues in apples with surface-enhanced Raman spectroscopy[J].Food Control,2014,37:153-157.

[44]Pandhija S,Rai N K,Rai A K,et al.Contaminant concentration in environmental samples using LIBS and CF-LIBS[J].Applied Physics B,2010,98(1):231-241.

[45]林永增,姚明印,陈添兵,等.激光诱导击穿光谱检测赣南脐橙种植土壤的Cu和Cr[J].激光与光电子学进展,2013(5):208-212.

[46]王豹,余建新,黄标,等.便携式X射线荧光光谱仪快速监测重金属土壤环境质量[J].光谱学与光谱分析,2015(6):1735-1740.

[47]Weindorf D C,Zhu Y,Chakraborty S,et al. Use of portable X-ray fluorescence spectrometry for environmental quality assessment of peri-urban agriculture[J]. Environmental monitoring and assessment,2012,184(1):217-227.

[48]柴毅,牛楠,屈剑锋,等.基于 RFID 和条码技术的猪肉加工链信息可追溯系统设计与实现[J].物流技术,2009,28(4):127-129.

[49]黄梅芳,兰龙辉,邱荣祖.基于二维码的果蔬农产品追溯系统初步设计[J].物流技术,2014,33(9):417-419.

[50]Hung C C,Sheng C T.Application of plastic containers with RFID in the marketing of fruit and vegetables in Taiwan[J]. International Journal of Agricultural and Biological Engineering,2012,5(1):35-42.

[51]李红,赵博,周纯洁,等.应用RFID实现单一乳制品产品质量安全追溯体系探讨[J].南方农业,2014,22(8):77-81.

[52]申光磊,昝林森,段军彪,等.牛肉质量安全可追溯系统网络化管理的实现[J].农业工程学报,2007,23(7):170-173.

[53]杨信廷,钱建平,孙传恒,等.面向安全追溯体系的农产品电子档案管理系统[J].中国农学通报,2006,22(6):441-444.

[54]施亮,傅泽田,张领先.基于 RFID 技术的肉牛养殖质量安全可追溯系统研究[J].计算机应用与软件,2010,27(1):40-43.