茶叶中农药残留快速检测技术研究进展

【编者按】“民以食为天，食以安为先”，茶叶质量安全是保障消费者健康与茶产业高质量发展的前提条件。茶叶质量安全是“产出来”的，也是“管出来”的。当前我国茶叶质量安全处于高位合格稳定水平，茶叶质量安全检测技术在风险监测、风险预警、风险评估与应急处理等方面发挥了重要作用，保障了消费者健康和茶产业高质量发展。

近年来，我国科学家对茶叶质量安全检测技术的研究不断推进，核心元件与关键材料创新，提高了检测方法的准确度与精密度；色谱-质谱联用创新技术大大扩增了茶叶农药残留监测的数量，扩大了检测范围，提高了准确度、精密度和灵敏度；胶体金免疫层析技术等茶叶农药残留速测技术提升了检测场景范围，前移了茶叶农药残留监测环节；智能感官分析技术在茶叶审评中的应用提升了茶叶客观审评结果，为现代茶叶审评提供了辅助作用。

“茶叶质量安全检测与品质评价研究专题”将聚焦于茶叶质量安全检测与品质评价新技术、新方法和新手段的开发及应用研究进展，以期为茶叶质量控制、安全评估及品质分析提供技术支持和指导。 专题主编" 陈红平

摘要：茶是世界三大无酒精饮料之一，饮茶人群遍布世界各地。茶叶质量安全受到消费者广泛关注，茶叶农药残留是茶叶质量安全的一个重要方面。茶叶中的农药残留会危害到消费者的身体健康，还会阻碍我国茶叶出口经济的发展。对茶叶进行检测是控制茶叶农药残留的重要手段，然而传统的质谱等检测方法，方法复杂、耗时长、成本高且无法进行现场检测。因此，茶叶中农药残留快速检测技术的研究具有至关重要的意义。文章总结了茶叶中农药残留快速检测技术的原理、特点、应用情况和发展趋势，旨在为茶叶农残快速检测提供参考。

关键词：茶叶；农药残留；快速检测技术；酶抑制法；免疫分析法；光谱法

中图分类号：TS272.7；S481.8" " " " " " " " " " " " " " " " 文献标识码：A" " " " " " " " " " " " " " " " " "文章编号：1000 －3150（2024）07-01-10

Research Progress on Rapid Detection Technology for

Pesticide Residues in Tea

YU Minghui1，2， ZHANG Ting1，2， QIN Chongyang1，2， FENG Yuwen1，2，

YUE Yaqi1，2， YU Zhi1，2， LIANG Pei3， NI Dejiang1，2， ZHANG De1，2*

1. National Key Laboratory for Germplasm Innovation amp; Utilization of Horticultural Crops， Wuhan 430070， China;

2. Department of Tea Science， College of Horticulture amp;Forestry Sciences， Huazhong Agricultural University， Wuhan 430070， China;

3. College of Optical and Electronic Technology， China Jiliang University， Hangzhou 310018， China

Abstract：" Tea is one of the three non-alcoholic beverages in the world， and tea drinkers are all over the world. The quality and safety of tea are widely concerned by consumers， and pesticide residues in tea are an important aspect of tea quality and safety. The pesticide residues in tea will not only harm the health of consumers， but also hinder the development of China's tea export economy. Detection of tea is an important means to control pesticide residues in tea. However， the traditional detection methods such as mass spectrum are complex， time-consuming， high cost， and unable to carry out on-site detection. Therefore， the research on rapid detection technology for pesticide residues in tea is of crucial significance. This article summarized the principles， characteristics， application status and development trends of rapid detection methods for pesticide residues in tea， aiming to provide reference for pesticide residue detection in tea production.

Keywords： tea， pesticide residue， rapid detection， enzyme inhibition， immunoassay， spectrometry

茶叶作为健康饮料受到世界各地消费者广泛青睐，目前全球有54个国家和地区种植茶树，160多个国家有茶叶消费的习惯[1]。因此，茶产业的健康发展尤为重要。化学农药因为良好的杀虫除草效果，在茶树栽培种植过程中被广泛使用[2]。但化学农药使用不当容易导致茶叶农药残留（农残）超标[3]。

农残超标是妨碍茶产业健康发展的重要因素。在国内市场方面，消费者越来越注重茶产品的健康安全，农残超标会降低消费者对产品的信任，降低消费者购买茶叶的积极性，从而阻碍茶叶经济的发展。在海外市场方面，面对欧盟等严格的食品安全标准体系构成的绿色贸易壁垒，农残超标会严重影响茶叶出口[4]。我国在不断完善相关法律法规的同时，欧盟、美国、日本等国家与地区每年也在添加更严苛的标准。中国茶叶曾因氯氟氰菊酯、唑虫胺、哒螨灵等农药残留超标而被欧盟通报[5]。茶叶出口困难会造成海外市场的萎缩，加剧茶叶供大于求的困境，特别是中低档茶产量过剩，不利于夏秋茶的利用，会降低茶叶的经济效益。

对茶叶进行检测是控制农药残留的有效手段。传统的农残检测方法，如高效液相色谱法，气相色谱-质谱法、液相色谱-质谱法等，虽然检测灵敏度高，但检测方法复杂、耗时长、成本高，无法满足现场快速检测的需求[1]。2014—2023年10年间有关茶叶农残检测的总论文数量和快速检测的论文数量均呈现递增趋势，说明茶叶农残检测技术倍受研究者们的关注。为满足现场简单高效的农残检测需求，目前出现了多种茶叶农残快速检测方法，如酶抑制法、免疫分析法，以及光谱类的拉曼光谱法、红外光谱法、荧光光谱法等检测方法。每一种方法的优势和实际应用的情况有差异，本文综述现有茶叶农残快速检测方法及其检测原理，分析各种方法的优缺点及发展现状，并对其发展趋势进行展望。

1" 茶园中常用的化学农药种类

如表1所示，茶园常用的化学农药按其化学结构可分为5类，分别为有机氯农药、有机磷农药、拟除虫菊酯类农药、氨基甲酸酯类农药和有机杂环类农药[6]。因为茶叶冲泡过程以水为载体，水溶性高的农药普遍浸出率高，所以农药的水溶性越高，其对消费者产生潜在危害的风险越大，茶汤“有效风险量”决定原则也于2016年在第48届国际食品法典农药残留委员会会议上获得通过[3]。通常又将茶叶中常用的化学农药种类分为脂溶性农药和水溶性农药两大类。

1.1" 脂溶性农药

脂溶性农药是指非极性或具有中等极性的农药，主要特征是难溶于水；包括有机氯农药、有机磷农药、拟除虫菊酯类农药等。有机氯农药是茶树栽培中最早使用的农药类型之一，因其有剧毒性，并且在环境中难以降解，逐渐被禁用并被其他农药取代[7]。有机磷农药曾经是茶叶中使用最广泛的杀虫剂[8]，但由于其剧毒性大部分也被禁用，毒死蜱是目前茶叶中最常见的有机磷农药[9]。拟除虫菊酯类农药是一类仿制天然除虫菊酯化学结构和生物活性的仿生农药，具有杀虫活性高、适用范围广、杀虫时间短等优点。这类农药对哺乳动物毒性低，在茶园中被广泛应用。茶园中常用的拟除虫菊酯类农药有溴氰菊酯、氯氰菊酯和氯菊酯等。拟除虫菊酯类农药对蜜蜂、蚕、鱼、虾、蟹等均有毒副作用[10]。

1.2" 水溶性农药

水溶性农药是指具有极性的农药，可溶于水。包括氨基甲酸酯类农药和有机杂环类农药等。氨基甲酸酯类农药是一大类高效广谱杀虫剂，能够被快速分解和代谢，具有高度的神经抑制性和毒性[11]。氨基甲酸酯类农药和有机磷农药具有相似的毒性作用机制，并且都含有胆碱酯酶抑制剂，其抑制作用基于它们阻断哺乳动物和昆虫中枢神经系统中关键酶的能力[12]。有机杂环类农药中的新烟碱类农药是茶园中使用最多的水溶性农药，在2021—2023年3年间，中国茶叶产品由于新烟碱类农药呋虫胺残留量超标而被欧盟通报的次数最多。

2" 茶叶中农残的快速检测方法研究进展

近年来很多先进的茶叶农残快速检测技术不断涌现，按照是否使用光谱可以分为两大类，一类是非光谱类检测方法，主要包括酶抑制法和免疫分析法；另一类是光谱类检测方法，主要包括拉曼光谱法、红外光谱法和荧光光谱法。如表2所示，这些检测方法利用的原理不同，各自的优点和局限性也有所差别，但都具有方便快捷的特点。

2.1" 非光谱类快速检测法

2.1.1" 酶抑制法

酶抑制法是目前研究较为成熟和应用比较广泛的一种农残快速检测方法。在一定条件下，有机磷和氨基甲酸酯类农药对某些酯酶的活性具有抑制作用，而且抑制率与农药的浓度呈正相关[25]。当检测物中存在有机磷或氨基甲酸酯类农药，酶的活性受到抑制，会减缓甚至阻止了底物的水解，导致水解产物生成量减少[26]。利用这一原理，通过测定酶反应体系的颜色变化或者其他物理化学信号变化，可判断有机磷或氨基甲酸酯类农药残留水平。酶源的选择是酶抑制法应用的关键，酶源的特异性和稳定性等性质优劣会直接影响检测方法的可靠性和灵敏度。目前酶抑制法主要使用的是动物源的乙酰胆碱酯酶、丁酰胆碱酯酶以及植物源的植物酯酶。相较于丁酰胆碱酯酶和植物酯酶，乙酰胆碱酯酶有更好的专一性和可靠性，并且检测结果的假阳性率也明显更低，在实际应用中使用的范围最广泛[27]。

根据检测方式不同，酶抑制法主要分为分光光度法、试纸条法和电化学传感器法。酶抑制分光光度法是利用分光光度计于特定波长处测量酶抑制显色反应前后吸光度的变化值，以此计算酶活性抑制率，进而计算样品中农药残留量的方法[28]。该方法已被我国国家质量监督检验检疫总局定为茶中有机磷及氨基甲酸酯类农药残留量的简易检验方法[29]。分光光度计法在果蔬农残检测中比较常用，现在也逐渐应用于茶叶农残检测中，李莉梅等[30]使用该方法对市场上4种品牌的绿茶进行检测，发现不同品牌的绿茶提取液对乙酰胆碱酯酶的抑制率差异达到极显著水平。酶抑制试纸条法的原理是被测物会抑制涂敷在试纸条上的酶与底物间的反应，从而产生颜色信号的变化，通过肉眼观察进行定性分析或者使用小型仪器设备进行定量分析[31]。与肉眼观察判断相比，使用扫描仪、智能手机、照相机等简单仪器设备结合图像处理软件可对显色反应结果进行定量分析，使检测具有更高的灵敏性和更低的检测限。电化学传感器大部分是基于农药对乙酰胆碱酯酶的抑制原理，通过安培法检测乙酰胆碱酯酶催化硫代乙酰胆碱水解产生的硫代胆碱在电极上产生的氧化峰电流，从而得到农药对酯酶的抑制率[32-33]。电化学传感器的使用提高了酶抑制法检测的灵敏度和准确性。刘淑娟等[33]在金电极表面沉积二氧化锆纳米粒子用来固定乙酰胆碱酯酶，制成乙酰胆碱酯酶/二氧化锆粒子层/金电极电化学传感器，用于茶叶中的对氧磷残留的检测。二氧化锆纳米粒子的使用增大了酶附着的面积，提高了传感器响应的灵敏性，使用该传感器检测时，抑制率与对氧磷质量浓度在5.0×10-7～5.5×10-4 g/L范围内成线性关系，最低检测限为1.0×10-7 g/L，在茶汤样品中添加回收率为96.05%～105.47%，有较好的检测性能。

然而，酶抑制法在检测某些复杂基质样品时，常常会出现误判。茶叶中内含成分非常丰富，茶多酚和咖啡碱等内含成分会抑制酯酶的活性，并且有一定的协同作用；茶黄素、茶红素和黄酮类等内含成分呈现出的不同颜色会影响酶检测体系颜色反应结果[26-27]。通过引入新的酶反应体系，可以提高检测方法的抗干扰性和可靠性。例如鞠兴荣等[14]使用植物酯酶作为催化酶、乙酸-β-萘酯作为底物、坚牢蓝盐作为显色剂创建植物酯酶酶促反应体系，对茶叶中的甲胺磷残留进行检测，甲胺磷含量在0.1～1.0 mg/kg之间时，反应体系得到的吸光值与甲胺磷浓度呈线性相关，并且回收率可达84%，具有良好的检测效果。对茶叶样品进行前处理是一种提高酶抑制法检测准确性和灵敏性的方法，但这会使其检测流程变得复杂，不利于快速、实地检测。

2.1.2" 免疫分析法

免疫分析法具有耗时短、操作简单、特异性强等特点[34]，在茶叶农残检测中常用的免疫分析法有免疫胶体金试纸和酶联免疫吸附法[8]。免疫胶体金试纸法基于免疫层析技术，使用胶体金作为着色标记物，将免疫原理和层析技术结合在一起。免疫胶体金试纸以条状纤维层析材料为固相，借助毛细管力使样品溶液在层析条上泳动，农药抗体与胶体金结合在一起被吸附在层析条表面。当样品溶液中含有农药时，农药与抗体发生特异性结合，此时样品溶液、抗体-胶体金结合物继续泳动，经过检测区时，已经被农药结合的抗体-胶体金结合物不会被检测区抗原所捕获富集，检测线也不会显现颜色[9]。这种层析技术被称为直接竞争免疫层析法，通常被用于农残检测[35-36]。在检测线后设置质控线，质控线上固定能特异性结合农药抗体的物质，从而捕获富集抗体-胶体金结合物，使质控线显色，如果质控线不显色，说明试纸条无效[37]。

免疫胶体金试纸使用简单方便，检测时间短，不需要专业人员、专业设备，虽然无法进行精确定量检测，但是便于茶农、商户、管理部门进行实地检测，可作为鲜叶、干茶收购及茶叶拼配等过程中农残检测的初筛工具。如杨梅等[38]基于直接竞争免疫层析法开发一种免疫胶体金试纸双联速测卡，对茶叶中的吡虫啉、啶虫脒进行半定量检测，准确率分别达到91.5%和90.5%，检测限低至0.05 mg/kg，具有良好的性能。周嘉明等[39]开发了一种茶叶中三氯杀螨醇残留快速检测试纸条，可用于茶鲜叶中农药残留的检测，检测限为0.2 mg/kg，检测时间8 min，且与三氯杀螨醇结构和性能相似的农药无交叉反应，可用于田间快速检测。

酶联免疫吸附法利用抗原－抗体特异性结合的免疫学原理，将待测物固定在固相板的孔洞内，然后利用酶修饰的抗体或抗原对待测物进行特异识别并与之结合，随后加入底物，被固定的酶与底物反应产生颜色变化，利用ELISA读板仪可以读取反应产生的信号强度，通常以吸光值（OD）表示[40]。酶联免疫吸附法是高灵敏度、高精准度的一种快速而经济的检测方法，被广泛应用于茶叶农残检测中[41]。Song等[17]设计了一种仅包含氰戊菊酯特征部分——2-（4-氯苯基）-3-甲基丁酸基团的新型半抗原，该半抗原与蛋白质KLH结合制备人工抗原，从而得到抗体，并利用酶联免疫吸附法对茶叶中的氰戊菊酯残留进行检测，在茶样中实际检出限为0.06 mg/L，加标茶的回收率为76.67%～91.43%。

虽然免疫分析技术安全可靠，但是由于抗原的来源比较复杂，差异性比较大，相对应的抗体研究艰难缓慢，因而研究过程复杂，开发时间较长。并且因为抗体特异性强，该方法只能用于单一农药残留的检测，无法实现多种农药残留的高通量检测，且存在假阳性问题，在实际生产中应用与推广受到限制[42-43]。如今，研究者热衷于使用核酸适配体作为抗体的替代品，核酸适配体是通过指数富集配体进化技术获得的一种特定序列的DNA或RNA。它能与待测物特异性结合，亲和力和特异性高，生产成本较抗体低，在物质微量、痕量检测方面具有巨大前景，也正被广泛应用于茶叶农残检测。

2.2" 光谱类快速检测法

2.2.1" 表面增强拉曼光谱法

拉曼光谱是一种非弹性散射光谱，亦称为拉曼效应，通过入射光激发，分子产生的与入射光频率不同的辐射波长可反映出分子官能团的振动或转动信息[44]。由于拉曼散射主要取决于分析物的分子结构，因此每种物质拥有自己独特的特征“指纹”光谱，可作为鉴别和检测的依据[43]。然而，由于大多数分析物的普通拉曼信号较弱，限制了其作为有效检测方法的能力[45]。贵金属金（Au）、银（Ag）等作为增强基底可以显著放大物质的拉曼信号，利用这一特性所改进的方法称为表面增强拉曼光谱（Surface enhanced Raman scattering， SERS）。SERS检测使用贵金属纳米衬底放大物质拉曼信号，从而实现对物质痕量的定量检测[22， 46]。目前学术界比较主流的两种拉曼增强机理分别是物理增强机理和化学增强机理。物理增强机理又叫电磁增强机理，光是一种电磁波，当光照射到与检测物接触的纳米金属表面会引起金属表面自由电子与电磁波产生共振，使电磁场强度增加，而电磁场强度与拉曼散射强度成正比[43]。化学增强机理主要是基于检测物和纳米金属结构之间的电荷转移效应。现在的研究认为，物质的SERS信号是物理增强与化学增强共同作用的结果。如今SERS被广泛应用于茶叶农残检测，SERS检测首先需要选择合适的衬底增强拉曼信号；其次因为茶叶内含成分复杂，为了降低茶叶内含成分对检测结果的影响，进行SERS检测时，需要对样品进行前处理以及对检测数据进行算法处理。

吸附在衬底表面的分子与贵金属纳米结构表面等离子体发生共振能够引起拉曼信号强烈增强。自然界中的贵金属〔Au、Ag、铜（Cu）〕和部分金属氧化物（Fe3O4）具有这种特殊的光学性能，其中Ag是性能最好的材料，这与它最优良的导电性和导热性有关[22]。发生在纳米颗粒间隙之间的局部等离子体共振要比其他地方强的多，这个地方被称为“热点”。优良的衬底具备较多的热点、高增强因子、良好均一性、高稳定性、制备方法简单且成本较低等特点[1]。目前常用的纳米颗粒制备方法主要包括液相还原法、水热法、模板法、光刻法等[47]。纳米颗粒衬底的性能取决于表面等离子体共振，而表面等离子体共振与纳米颗粒的粒径、形状和成分有关。银纳米衬底，特别是花状银纳米衬底具有良好的SERS增强功能，而且制备方法简单[43]。金纳米衬底具有良好的生物相容性和稳定性，金-银合金纳米衬底可以结合两种材料的特点形成优势衬底。陈雯雯[15]制备优化得到3种SERS衬底，分别是仙人掌状纳米金（AuNSs）、花状纳米银（AgNPs）、银包金种子纳米衬底（Au@AgNPs），并对这3种衬底SERS增强性能进行研究。3种衬底粒径、形状和成分不同，衬底表面都具有较高的粗糙度，分布有较多“热点”；但是AuNSs粒径较大，多个颗粒组成的比表面积之和较小，总热点减少导致SERS增强性能不如AgNPs；而 Au@AgNPs表面“毛刺”分布最均匀且总比表面积大，因此表面分布的“热点”丰富，SERS增强效果在这3种衬底中是最佳的。此外，强的表面等离子共振效应只有在农药分子与衬底距离足够近时才会发生，农药分子一般通过巯基、氨基、羟基、羧基等基团吸附在衬底表面，不同农药分子吸附能力有差别，并非所有农药分子都可以通过自身基团吸附在衬底表面[1]。这种情况下，需要通过一定技术手段使农药分子吸附在衬底表面。例如，Jana等[48]使用烷基二硫醇作为双功能连接体对银纳米颗粒进行修饰，在银纳米颗粒间创造出一个特定的环境，提供大量供有机氯农药分子结合的位点，使用该衬底对有机氯农药进行SERS检测，检出限达到1.0×10-8 mol/L。

考虑到茶叶复杂基质的特性，在进行SERS检测时，茶多酚、咖啡碱等诸多茶叶内含物质不仅导致光谱复杂，而且还可能影响目标分子与SERS基底之间的相互作用。为降低基质干扰，可将分析化学前处理技术结合茶叶和SERS的特性进行改进和优化[49]。应用于茶叶生产的农药可分为非渗透性农药和渗透性农药。非渗透性农药存在于茶鲜叶表面，检测相对简单，可使用有机溶剂从鲜叶表面提取农药再加入衬底进行SERS检测或者直接将衬底溶胶涂抹于鲜叶表面进行SERS检测。例如，Ma等[50]将纳米金胶体滴在茶鲜叶表面，实现多菌灵的原位SERS检测，SERS强度和多菌灵含量的线性范围为0.5～8.0 mg/kg。多菌灵的检出限为0.1 mg/kg，在茶样中的回收率为72.3%，整个检测过程可在30 min内完成。渗透性农药则会渗透进茶鲜叶内部，对于这类农药的检测需要较为复杂的前处理，主要包括提取和净化两个步骤。

提取时，要依据农药分子和茶叶内含物质的特性选择合适的提取剂。提取极性农药分子（水溶性农药）时一般使用乙腈作为提取剂，乙腈是极性溶剂，对茶叶中的叶绿素、油脂和蜡质等非极性物质提取效果不佳，但可以有效提取茶叶中的极性农药分子。提取非极性农药分子（脂溶性农药）使用乙酸乙酯作为提取剂，乙酸乙酯是非极性溶剂，可以在高糖溶液中提取非极性农药分子，能够排除茶叶中的单糖、多糖的干扰。净化步骤是去除茶叶内含物质的关键步骤，净化方法主要有固相萃取、液液萃取、固相微萃取、液相微萃取[8]。固相萃取是一种利用固相萃取小柱对样品中的目标物进行分离、纯化和富集的萃取技术，因回收率高、重现性好、自动化操作和适用范围广等优势被广泛应用[51]。吸附剂的选择是决定萃取效率的重要因素，常用的固相吸附剂有石墨化炭黑、N-丙基乙二胺、十八烷基三氯硅烷[18]。目前，茶叶SERS前处理常用固相萃取方法以及由固相萃取发展出的快速前处理方法QuEChERS方法。Zhang等[52]使用固相萃取柱作为前处理方法对茶叶中毒死蜱残留进行检测，检测效果优秀；Zhu等[53]使用QuEChERS作为前处理方法对茶叶中毒死蜱残留进行检测，回收率达到98.47%～105.18%。

SERS光谱的数据处理主要包括光谱数据的预处理和光谱定性定量模型的建立。茶叶基质具有复杂特性，经过前处理之后仍然会有部分内含物质存在，进行拉曼检测时会产生荧光干扰，加之仪器本身背景噪声，会影响检测结果。光谱预处理的目的就是为了减弱或消除非目标因素对光谱的影响，为定量模型奠定基础。光谱预处理的方法有平滑处理、基线扣除、求导、归一化处理等。定量模型最终将应用于未知样品的定性定量检测。目前在茶叶的农药残留检测中，建立定量模型方法有单峰（一元）线性拟合、双峰（二元）线性拟合、主成分分析法以及偏最小二乘法等[43]。随着计算机技术不断发展，神经网络、模糊数学、机器学习和深度学习等新型算法也被应用到拉曼光谱的数据处理中。

2.2.2" 红外光谱法

红外光谱分析方法具有绿色无污染、不破坏样品、在线性好、检测快速、可实现多成分同时定量分析等优点[54]。红外光谱是物质吸收红外光谱区域的电磁辐射后产生分子振动，引起不同的偶极矩变化，呈现出可观测的谱线，凭此进行分析检测[55]。在农残检测领域常用的有近红外光谱和中红外光谱两种分析技术，光谱波长780～2 500 nm的区域称为近红外区，光谱波长2 500～25 000 nm的区域称为中红外区。

近红外谱区的吸收是由于分子振动的倍频或合频组合吸收所造成的。近红外光谱包含有丰富的化学键振动信息，但是这些谱峰往往吸收较弱而且重叠在一起，很难对其归属和强度进行完整的辨识和利用[56]。基于这些特点，近红外在农残检测方面应用较少，主要用于农残定性检测。李敏[57]基于近红外光谱分析技术提出了一种小波软阈值预处理方法，对实际样品中氟氰菊酯农药进行定性鉴别，无农药残留与含轻度农药残留两类样本的正确鉴别率为95%，对含轻度农残与含重度农残两类样本的正确鉴别率为90%。Zhang等[58]利用近红外光谱结合化学计量学方法偏最小二乘判别分析和最小二乘支持向量机建立了两种预测模型对实际样品中的阿维菌素、敌敌畏和百菌清残留进行检测，鉴别准确率分别为98.33%、95.00%、93.33%。近红外光谱检测在测试前需要有大量样品数据建立模型，对待测样品进行代入分析，且每台仪器需要重新建立模型，不适合小批量样品测试[18]。

中红外光谱技术是根据物质的基频振动信息来对物质进行定性和定量分析的技术[59]。中红外光谱是研究最深入，应用最广泛的红外光谱，其仪器和技术也最为成熟。农残检测的近红外光谱研究尚处于初步阶段。熊艳梅等[60]分别利用近红外光谱和中红外光谱结合偏最小二乘法，建立氰戊菊酯和马拉硫磷的定量模型进行检测分析，验证得到中红外光谱法建立的定量模型相关系数与标准差均优于近红外光谱法所建立的定量模型，说明中红外光谱法在这两种农药残留检测方面有更高的灵敏度和准确性，在农残检测方面有更大的发展空间。邓海雁等[61]对低浓度阿特拉津进行近红外光谱和中红外光谱检测，并将数据融合建模，结果表明数据融合之后建模的效果优于单一光谱建模的效果，准确性和稳定性都有所提高，证明数据融合在低浓度农药检测应用的可行性。不过，中红外光谱检测技术仍然局限于欠佳的灵敏度与精确性，不适用微量检测和含水样品的检测。表面增强红外检测技术可以克服这一问题，因此其近年来成为一个具有潜力的研究方向[43]。与常规红外光谱检测相比，表面增强红外光谱（Surface-enhanced infrared absorption，SEIRA）利用了贵金属纳米颗粒作为衬底增强红外信号[62]。江欣承等[63]使用具有三维孔隙结构的泡沫铜材料作为衬底，在泡沫铜表面负载银纳米粒子，研发了一种低成本的SEIRA基底，使用该基底对福美林进行检测，产生的红外信号明显增强，在1 371 cm-1处增强达到2.9倍，检出限为0.024 mg/mL，为红外光谱检测茶叶这类复杂基质含水样品中农药残留提供新的思路。

2.2.3" 荧光光谱法

荧光光谱技术通常用来检测具有荧光效应的物质。农药分子经过光源激发后，吸收能量产生荧光信号，通过对信号的特征和强度进行分析从而获取农药含量[64]。荧光光谱技术操作简单、速度快、灵敏度高、选择性强，能够提供大量待测物质的分子信息，对于痕量物质的检测具有较好的适用性[43]。在农残检测方面，荧光光谱技术还处于发展阶段，但与化学计量学相结合，可发挥出独特的优势。

荧光光谱法根据待测物质本身是否具有荧光特性可分为直接检测和间接检测两种类型。荧光强度大的分子都具有大的共轭键结构以及供电子取代基和刚性平面结构等，对于具有荧光特性的农药可通过荧光光谱直接进行测定。许鹤[64]使用荧光光谱法对胺菊酯、溴氰菊酯、毒死蜱3种农药进行检测，胺菊酯荧光强度与质量浓度在2～120 μg/L范围内成正比，最低检测限为2 μg/L；溴氰菊酯荧光强度与质量浓度在5～110 μg/L范围内成正比，最低检测限为5 μg/L；毒死蜱荧光强度与质量浓度在5～110 μg/L范围内成正比，最低检测限为5 μg/L。此外，陈盛等[65]使用荧光光谱法对真实样品中的吡虫啉残留进行检测，根据吡虫啉浓度和荧光强度进行线性拟合，R2为0.968 11，说明了荧光光谱法在真实样品中检测的可行性。王书涛等[19]使用荧光光谱法检测绿茶和铁观音中的氯菊酯，采用遗传算法优化的径向基函数神经网络进行分析，在绿茶和铁观音样本中的平均回收率分别为99.35%和98.89%，能够较好地预测出茶叶中氯菊酯农药残留的含量，检出限可达0.004 8～24.000 0 mg/kg。

但是有很多农药自身并不具备荧光性能，或者产生荧光量子不多，不能直接进行检测，只有通过添加其他荧光试剂或通过荧光探针技术使本身不发光的物质发光进行间接检测[64]。例如，纳米四吡啶基锌卟啉（ZnTPyP）会猝灭CdTe量子点的荧光，在带负电荷的氨基甲酸酯类农药存在时，其与带正电荷的纳米ZnTPyP结合，从而恢复量子点的荧光[24]。

3" 展望

目前，多种技术配合进行农残快速检测是一个趋势，可以提高检测的灵敏性和准确性。结合适配体的生物传感器是茶叶农药残留快速检测的一个新的发展方向。适配体相比于抗体稳定性更好、更加容易制备、成本更低且能特异性地识别农药分子。对于茶叶这种复杂基质的产品，适配体特异性地结合农药分子，可以降低内含成分对于检测结果的干扰。适配体结合SERS技术在其他产品农残或者有害物质检测中已有报道[21]。作为一种识别物质，适配体不仅可以结合SERS技术，也可以与胶体金比色技术、荧光光谱等技术结合，弥补因为农药分子种类繁多和性质复杂导致的光谱分析存在的不足。两种或多种光谱技术联用，例如SERS和SEIRA、SERS和磁共振光谱的结合，在实现多种农药同时检测方面也有发展的前景。此外，微流控芯片逐渐应用于光学检测技术中，特别是与SERS光谱相结合取得较好的检测效果，检测时待测液体均匀分布于芯片的微小通道内，SERS检测方法中激光斑点小，可以直接聚焦于微小通道，具有使用反应试剂少、液体流动可控、分析速度快等特点[66]。微流控是将检测过程集成化的技术，可以完成样品分离、制备、检测等环节，便于茶叶农残快速检测设备集成化、微型化发展。

总的来说，快速检测技术向着设备便携化、小型化，检测手段简单化、快速化的方向发展，更多技术的加入，让快速检测技术有更多种选择，注入了更多的活力，使得快速检测技术在茶叶及其他产品的农残检测中应用更加广泛。

4" 总结

快速检测法在茶叶农残检测中发挥越来越重要的作用，因为其快速便捷且具有较高的灵敏性，而受到研究者的关注。近年来，研究者开发了许多快速农残检测产品和方法，填补了茶叶生产和销售过程中农药残留快速监测的空白。酶抑制法和免疫分析法虽然灵敏度有所欠缺，但优势也十分突出，在实际应用中操作方便快捷且成本低。茶叶生产过程中对鲜叶中农残检测的要求是简单快速，不需要很高的灵敏度，因此酶抑制法和免疫分析法非常适合作为茶叶生产过程中农残检测的初筛手段。光谱类的快速检测方法相对来说就具有更高的灵敏度、特异性，结果更加准确，可以对茶叶中的农药残留进行定性定量分析，由于茶叶内含成分复杂，因此使用光谱法进行分析，通常需要进行前处理和数据算法处理，来排除背景带来的干扰。这3种光谱类快速检测方法各有优缺点，红外光谱灵敏性不足，在痕量检测和含水样品检测中性能欠佳，更适合有机分子的检测；荧光光谱研究尚浅，还有很多不足之处，容易受到溶剂、酸碱度、温度的影响；在茶叶农残检测方面，拉曼光谱法应用最广，研究最深入，特别是由于光电技术和纳米技术的发展，表面增强拉曼光谱成为了国内外的研究热点，检测灵敏度甚至可以达到单分子级别，应用前景极为广阔。

参考文献

[1] 张德， 陈金磊， 倪德江， 等. 表面增强拉曼技术在茶叶农药残留检测中的研究进展[J]. 食品安全质量检测学报， 2019， 10（13）： 4187-4193.

[2] 林淼， 郭旭东， 周雪晖， 等. 茶叶质量安全分析预警系统研究[J]. 中国茶叶加工， 2020（1）： 60-67.

[3] 陈宗懋， 罗逢健， 周利， 等. 茶叶中农药残留和污染物管控技术体系创建及应用[J]. 茶叶科学， 2021， 41（1）： 1-6.

[4] 闻云峰. 近代中国茶叶对外贸易国际竞争力锐减的定量分析[J]. 福建茶叶， 2020， 42（6）： 72-73.

[5] 张卫. 农残超标成出口茶叶最大问题“双碳”种植让崂山茶达到欧盟标准[J]. 中国食品， 2022（21）： 102-103.

[6] ABD E A M， CHOI J H， RAHMAN M M， et al. Residues and contaminants in tea and tea infusions： A review[J]. Food Additives amp; Contaminants： Part A， 2014， 31（11）： 1794-1804.

[7] ZHU P， MIAO H， DU J， et al. Organochlorine pesticides and pyrethroids in Chinese tea by screening and confirmatory detection using GC-NCI-MS and GC-MS/MS[J]. Journal of Agricultural and Food Chemistry， 2014， 62（29）： 7092-7100.

[8] MAHUGIJA J A M， CHIBURA P E， LUGWISHA E H J. Residues of pesticides and metabolites in chicken kidney， liver and muscle samples from poultry farms in Dar es Salaam and Pwani， Tanzania[J]. Chemosphere， 2018， 193： 869-874.

[9] MIAO S， WEI Y， PAN Y， et al. Detection methods， migration patterns， and health effects of pesticide residues in tea[J]. Comprehensive Reviews in Food Science and Food Safety， 2023， 22（4）： 2945-2976.

[10] LI H， CHENG F， WEI Y， et al. Global occurrence of pyrethroid insecticides in sediment and the associated toxicological effects on benthic invertebrates： An overview[J]. Journal of hazardous materials， 2017， 324： 258-271.

[11] QUIJANO L， YUSA V， FONT G， et al. Chronic cumulative risk assessment of the exposure to organophosphorus， carbamate and pyrethroid and pyrethrin pesticides through fruit and vegetables consumption in the region of Valencia （Spain）[J]. Food and Chemical Toxicology， 2016， 89： 39-46.

[12] SAMSIDAR A， SIDDIQUEE S， SHAARANI S M. A review of extraction， analytical and advanced methods for determination of pesticides in environment and foodstuffs[J]. Trends in Food Science amp; Technology， 2018， 71： 188-201.

[13] 庄惠生， 杨丽波， 陈寒玉. 测定茶叶中二氯联苯的酶联免疫吸附分析新方法[J]. 分析试验室， 2010， 29（5）： 33-35.

[14] 鞠兴荣， 吴定， 刘长鹏， 等. 茶叶中甲胺磷农药快速测定研究[J]. 食品科学， 2006（8）： 205-207.

[15] 陈雯雯. 基于SERS技术的茶叶中5种农药和茶油中黄曲霉毒素B1快速检测方法研究[D]. 武汉： 华中农业大学， 2022.

[16] 覃重阳， 张媛媛， 邓薪睿， 等. 表面增强拉曼光谱法快速检测茶叶中百草枯与敌百虫农药残留[J]. 食品安全质量检测学报， 2022， 13（14）： 4439-4446.

[17] SONG Y， LU Y， LIU B， et al. A sensitivity‐improved enzyme‐linked immunosorbent assay for fenvalerate： A new approach for hapten synthesis and application to tea samples[J]. Journal of the Science of Food and Agriculture， 2011， 91（12）： 2210-2216.

[18] 宋莹. 磁富集与表面增强拉曼光谱技术联用快速检测茶叶中3种农药的方法研究[D]. 武汉： 华中农业大学， 2022.

[19] 王书涛， 苑媛媛， 王玉田， 等. 基于三维荧光与GA-RBF神经网络对茶叶中氯菊酯农药残留的检测[J]. 发光学报， 2016， 37（10）： 1267-1274.

[20] FAN Y， LIU L， SUN D， et al. \"Turn-off\" fluorescent data array sensor based on double quantum dots coupled with chemometrics for highly sensitive and selective detection of multicomponent pesticides[J]. Analytica Chimica Acta， 2016， 916： 84-91.

[21] 胡薇薇. 茶叶中啶虫脒农药的纳米生物传感器检测方法研究[D]. 镇江： 江苏大学， 2017.

[22] HASSAN M M， ZAREEF M， JIAO T， et al. Signal optimized rough silver nanoparticle for rapid SERS sensing of pesticide residues in tea[J/OL]. Food Chemistry， 2021， 338： 127796. https：//doi.org/10.1016/j.foodchem.2020.127796.

[23] 杨丽敏， 李明明. 核酸适配体荧光分子开关的啶虫脒测定[J]. 实验室研究与探索， 2022， 41（3）： 50-53.

[24] CHEN H， HU O， FAN Y， et al. Fluorescence paper-based sensor for visual detection of carbamate pesticides in food based on CdTe quantum dot and nano ZnTPyP[J/OL]. Food Chemistry， 2020， 327： 127075. https：//doi.org/10.1016/j.foodchem.2020.127075.

[25] 王玉辉. 酶抑制法检测有机磷农药[D]. 金华： 浙江师范大学， 2012.

[26] 金莉莉. 基于微流控纸芯片技术的有机磷和氨基甲酸酯类农药残留快速检测研究[D]. 北京： 中国农业科学院， 2019.

[27] 赵超群. 茶叶中有机磷及拟除虫菊酯类农药残留快速检测方法的研究[D]. 福州： 福建农林大学， 2012.

[28] 杜美红， 孙永军， 汪雨， 等. 酶抑制-比色法在农药残留快速检测中的研究进展[J]. 食品科学， 2010， 31（17）： 462-466.

[29] 中华人民共和国国家质量监督检验检疫总局. 茶中有机磷及氨基甲酸酯农药残留量的简易检验方法 酶抑制法： GB/T 18625—2002[S]. 北京： 中国标准出版社， 2002.

[30] 李莉梅， 沙月娥， 彭海燕， 等. 酶抑制率法快速检测茶叶中农药残留的研究[J]. 湖南农业科学， 2013（12）： 33-34.

[31] 程楠， 何景， 董凯， 等. 试纸法在食品安全快速检测中的研究进展[J]. 食品科学， 2015 ， 36（1）： 256-261.

[32] LIU S Q， ZHENG Z Z， LI X Y. Advances in pesticide biosensors： Current status， challenges， and future perspectives[J]. Analytical and Bioanalytical Chemistry， 2013， 405： 63-90.

[33] 刘淑娟， 钟兴刚， 李彦. 基于酶抑制的电化学生物传感器快速检测茶叶中的对氧磷[J].茶叶科学技术， 2013（2）： 5-8.

[34] 王鹏. 食品中13种典型化学残留物的免疫分析方法研究[D]. 无锡： 江南大学， 2023.

[35] 吴刚， 姜瞻梅， 霍贵成， 等. 胶体金免疫层析技术在食品检测中的应用[J]. 食品工业科技， 2007（12）： 216-218.

[36] 武晋慧， 孟利. 免疫胶体金技术及其应用研究进展[J]. 中国农学通报， 2019， 35（13）： 146-151.

[37] 邓省亮， 赖卫华， 许杨. 胶体金免疫层析法快速检测黄曲霉毒素B1的研究[J]. 食品科学， 2007（2）： 232-236.

[38] 杨梅， 罗逢建， 陈宗懋， 等. 茶叶中吡虫啉与啶虫脒农药残留速测技术研究[J]. 中国茶叶， 2018， 40（2）： 31-35.

[39] 周嘉明， 封冰， 智军海. 三氯杀螨醇胶体金免疫快速检测试纸条研制及在茶叶中的应用[J]. 食品安全质量检测学报， 2020， 11（15）： 5337-5342.

[40] 李靖靖. 酶联免疫吸附法在食品安全检测中的应用[J]. 食品安全导刊， 2023（30）： 154-156.

[41] 施杰， 来庆华， 郭思聪， 等. 茶叶农药残留与检测技术[J]. 食品安全质量检测学报， 2019， 10（5）： 1243-1249.

[42] 刘杰. 果蔬中11种典型农药的免疫分析方法研究[D]. 无锡： 江南大学， 2023.

[43] 张德. 基于表面增强拉曼散射光谱的茶叶痕量农药残留检测机理和方法研究[D]. 武汉： 华中农业大学， 2021.

[44] 伍林， 欧阳兆辉， 曹淑超， 等. 拉曼光谱技术的应用及研究进展[J]. 光散射学报， 2005（2）： 180-186.

[45] MCNAY G， EUSTACE D， SMITH E W. Surface-enhanced Raman scattering （SERS） and surface-enhanced resonance Raman scattering （SERRS）： A review of applications[J]. Appl Spectrosc， 2011， 65（8）： 825-837.

[46] WANG J， AHMAD W， HASSAN M M， et al. Landing microextraction sediment phase onto surface enhanced Raman scattering to enhance sensitivity and selectivity for chromium speciation in food and environmental samples[J/OL]. Food Chemistry， 2020， 323： 126812. https：//doi.org/10.1016/j.foodchem.2020.126812.

[47] ZHENG H J， NI D J， Yu Z， et al. Preparation of SERS-active substrates based on graphene oxide/silver nanocomposites for rapid zdetection of L-theanine[J]. Food Chemistry， 2017， 217： 511-516.

[48]" KUBACKOVA J， FABRICIOVA G， MISKOVSKY P， et al. Sensitive surface-enhanced Raman spectroscopy （SERS） detection of organo-

chlorine pesticides by alkyl dithiol-functionalized metal nanoparticles-induced plasmonic hot spots[J]. Analytical Chemistry， 2015， 87（1）： 663-669.

[49] 欧阳磊， 朱丽华， 帅琴. 表面增强拉曼光谱的样品前处理方法研究进展[J]. 武汉： 武汉工程大学学报， 2023， 45（5）： 473-481.

[50] MA C H， ZHANG J， HONG Y C， et al. Determination of carbendazim in tea using surface enhanced Raman spectroscopy[J]. Chinese Chemical Letters， 2015， 26（12）： 1455-1459.

[51] 靳梦轲. 微萃取结合SERS技术检测环境中抗生素残留[D]. 大连： 大连理工大学， 2022.

[52] ZHANG D， LIANG P， YE J， et al. Detection of systemic pesticide residues in tea products at trace level based on SERS and verified by GC-MS[J]. Analytical and Bioanalytical Chemistry， 2019， 411： 7187-7196.

[53] ZHU X， LI W， WU R， et al. Rapid detection of chlorpyrifos pesticide residue in tea using surface-enhanced Raman spectroscopy combined with chemometrics[J/OL]. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2021， 250： 119366. https：//doi.org/ 10.1016/j.saa.2020.119366. （下转P32）

基金项目：国家自然基金青年项目（32202540），中央高校基本科研业务费专项资金（2662023YLQD002）

作者简介：喻明辉，男，硕士研究生，主要从事茶叶加工与茶叶农药残留快速检测研究。*通信作者，E-mail：zdybfq@163.com