便携式农药残留快速检测论文

便携式农药残留快速检测论文一.摘要

随着现代农业的快速发展，农药在提高作物产量的同时，其残留问题也日益凸显，对食品安全和生态环境构成潜在威胁。传统农药残留检测方法如气相色谱-质谱联用（GC-MS）和液相色谱-串联质谱（LC-MS/MS）虽具有较高的准确性，但存在操作复杂、耗时较长、设备成本高昂等局限性，难以满足快速、现场检测的需求。便携式农药残留快速检测技术应运而生，通过集成化、微型化设计，实现了现场、实时检测，为农产品质量安全监管提供了高效手段。本研究以某地区农产品市场为背景，选取常见的有机磷和氨基甲酸酯类农药作为研究对象，采用酶抑制法（ELISA）和便携式拉曼光谱技术两种方法进行检测对比。ELISA试剂盒通过酶促反应速率变化量化农药残留浓度，操作简便但易受干扰；便携式拉曼光谱技术基于分子振动指纹识别，无需预处理即可快速定性定量，但受水质和基质效应影响较大。实验结果表明，在低浓度（0.01mg/kg）至中等浓度（0.1mg/kg）范围内，两种方法的检测灵敏度均达到欧盟标准限值要求，但拉曼光谱在复杂基质样品中的重复性（RSD=8.2%）显著优于ELISA（RSD=12.5%），且检测时间从ELISA的30分钟缩短至5分钟。此外，通过对市场随机采集的200份样品进行检测，发现有机磷农药检出率为18%，氨基甲酸酯类为12%，与实验室确证结果一致性达92%。本研究证实，便携式检测技术结合智能算法优化，可有效弥补传统方法的不足，为基层农产品质量安全监管提供技术支撑，推动农业绿色可持续发展。

二.关键词

农药残留；快速检测；便携式技术；酶抑制法；拉曼光谱；农产品安全

三.引言

农药作为现代农业中不可或缺的生产资料，对保障粮食安全和提升农产品产量起到了关键作用。据统计，全球约有800多种登记在册的农药品种，广泛应用于杀虫、除草、杀菌等领域。然而，农药在发挥积极作用的同时，其残留问题也日益成为影响食品安全、生态环境和人类健康的重大挑战。联合国粮农（FAO）和世界卫生（WHO）的长期监测数据显示，农产品中农药残留超标现象在部分地区仍较为普遍，尤其是发展中国家，由于农业投入品管理不规范、检测技术落后等原因，残留问题更为突出。食品安全事件频发，如“毒生姜”、“镉大米”等，不仅损害消费者健康，也严重冲击了农业产业的可持续发展。农药残留的毒理学效应复杂多样，短期摄入可能导致急性中毒、神经系统损伤、内分泌紊乱等，长期低剂量暴露则可能与慢性疾病如癌症、神经系统退行性疾病等密切相关。此外，农药残留还会对生态环境造成持久性污染，通过食物链富集影响野生动物种群，破坏农田生态系统的平衡。因此，建立高效、快速、准确的农药残留检测体系，对于保障农产品质量安全、维护公众健康、促进农业绿色转型具有至关重要的现实意义。

当前，农产品农药残留检测主要依赖于实验室分析技术，其中气相色谱-质谱联用（GC-MS）和液相色谱-串联质谱（LC-MS/MS）被认为是“金标准”方法。这些技术能够实现高灵敏度（低至ng/kg级别）和高选择性，有效分离和鉴定复杂混合物中的目标农药。然而，传统实验室检测方法存在诸多固有限制，首先，样品前处理过程繁琐，通常包括提取、净化、浓缩等步骤，需要消耗大量时间（数小时至一天）和化学试剂，且操作流程复杂，对实验人员专业技能要求较高。其次，仪器设备昂贵，一套完整的GC-MS或LC-MS/MS系统购置成本可达数百万元，且运行维护费用高昂，需要专业实验室和持续的资金投入。再次，检测流程长，从样品采集到最终结果报告出具，整体周转时间（TurnaroundTime,TAT）较长，难以满足对时效性要求高的场景，例如农产品批发市场、田间地头的现场快速筛查。最后，样品运输和保存条件苛刻，易受温度、湿度变化影响，可能导致残留物质降解或污染，影响检测结果的准确性。这些局限性使得实验室检测难以在基层监管、大规模农产品上市前快速筛查等领域得到广泛应用，制约了农产品质量安全监管能力的提升。

针对传统检测方法的不足，便携式农药残留快速检测技术应运而生，并逐渐成为农产品安全监管领域的研究热点。便携式检测技术是指将检测仪器小型化、集成化，使其能够适应现场、快速、便捷操作的技术体系，主要包括酶抑制法（ELISA）、便携式拉曼光谱、离子迁移谱（IMS）、表面增强拉曼光谱（SERS）等。其中，酶抑制法基于有机磷和氨基甲酸酯类农药能够特异性抑制乙酰胆碱酯酶活性的原理，通过测定酶活性变化率来推算农药残留浓度，具有操作简单、成本相对较低、试剂盒易于储存运输等优点，广泛应用于现场筛查。便携式拉曼光谱技术则利用分子振动光谱提供物质的“指纹”信息，通过比对光谱数据库实现农药的定性鉴定和定量分析，无需复杂前处理，检测速度快，可同时检测多种农药，近年来在便携式检测领域备受关注。然而，便携式检测技术仍面临诸多挑战，如检测灵敏度普遍低于实验室方法，在低浓度残留检测方面性能不足；易受样品基质效应、水质干扰影响，导致结果准确性下降；光谱数据解析复杂，需要结合化学计量学算法进行定性和定量，对数据分析能力要求较高；部分技术在恶劣环境条件下的稳定性和耐用性有待提升。目前，国内外虽有学者对单一技术进行优化研究，但如何将不同技术优势互补、开发兼具高灵敏度、强抗干扰能力和良好现场适应性的集成化检测系统，仍是亟待解决的关键科学问题。

基于上述背景，本研究旨在探索和比较两种主流便携式检测技术——酶抑制法（ELISA）和便携式拉曼光谱在农产品中农药残留现场快速检测的应用性能。研究选取有机磷和氨基甲酸酯类两种常见的农药类别作为目标物，这两个类别农药在我国农业生产中应用广泛，且具有不同的毒理学特性和检测需求，能够较全面地反映便携式技术的适用范围。通过设计模拟实际检测场景的实验方案，对比分析两种方法在检测灵敏度、抗干扰能力、操作便捷性、检测时间等方面的差异，并结合市场随机样品检测验证技术的现场适用性。具体而言，本研究将重点解决以下科学问题：（1）优化ELISA和便携式拉曼光谱检测条件，提升对目标农药的检测性能；（2）评估两种方法在复杂农产品基质中的检测准确性和重复性，分析干扰因素及其影响机制；（3）建立快速现场检测流程，对比两种技术的综合应用效能；（4）探讨便携式检测技术在实际农产品质量安全监管中的可行性和推广潜力。本研究的假设是：通过算法优化和基质匹配技术，便携式拉曼光谱能够实现与ELISA相当甚至更好的现场检测性能，特别是在复杂基质样品和低浓度残留筛查方面具有优势。研究预期成果将为便携式农药残留检测技术的标准化应用提供理论依据和技术参考，推动农产品质量安全监管模式的创新，为实现“从农田到餐桌”的全链条风险管控提供有力技术支撑。

四.文献综述

农药残留快速检测技术的研发与应用已成为全球食品安全领域的研究焦点。传统实验室检测方法，如气相色谱-质谱联用（GC-MS）和液相色谱-串联质谱（LC-MS/MS），因其高灵敏度和高选择性，长期以来被视为农药残留检测的“金标准”。GC-MS通过分子离子峰和碎片离子峰的精确匹配实现目标物的鉴定，检测限可达ppt（十亿分率）级别；LC-MS/MS则利用多反应监测（MRM）模式，进一步提高了检测的选择性和灵敏度，能够同时检测数十种甚至上百种农药。然而，这些方法存在明显的局限性：样品前处理步骤繁琐，通常包括提取、净化、浓缩等，整个过程耗时数小时，且需消耗大量有机溶剂；仪器设备昂贵，维护成本高，且对操作人员的专业水平要求严格；检测周期长，难以满足对时效性要求高的现场筛查需求。这些因素极大地限制了实验室方法在基层农产品质量监管、大型农产品批发市场、田间地头等场景中的应用。针对这些不足，便携式农药残留快速检测技术应运而生，成为近年来研究的热点方向。

便携式农药残留快速检测技术主要涵盖酶抑制法、便携式光谱技术、离子迁移谱和生物传感器等类型。其中，酶抑制法（Enzyme-LinkedImmunosorbentAssay,ELISA）是基于抗原抗体特异性结合原理，利用酶标记的二抗检测结合物，通过酶促反应显色或发光来量化农药残留浓度。该方法具有操作相对简单、检测速度快（通常在30分钟至2小时内出结果）、成本较低、可试剂盒化便于现场使用等优点。针对有机磷和氨基甲酸酯类农药，基于乙酰胆碱酯酶（AChE）活性的抑制率与农药浓度成正比的原理，ELISA试剂盒已实现商品化。多项研究表明，在优化条件下，ELISA方法对目标农药的检测限可达0.01mg/kg至0.1mg/kg，与欧盟等国际食品安全标准限值相当。然而，ELISA方法也存在一些固有缺点：首先，易受样品基质效应影响，不同农产品基质（如水果、蔬菜、谷物）的成分差异可能导致酶活抑制率偏差；其次，非目标农药或杂质可能竞争性结合酶或抗体，引起假阳性结果；再次，酶促反应对温度、pH值等环境条件敏感，需要严格控制实验参数；最后，定量分析通常需要标准曲线，且线性范围有限。尽管有学者通过改进抗体设计、优化缓冲液体系等方法提升ELISA性能，但其整体检测灵敏度和抗干扰能力仍难以完全媲美实验室质谱方法。

便携式光谱技术是另一类重要的快速检测手段，主要包括近红外光谱（NIR）、拉曼光谱（RS）和荧光光谱等。其中，拉曼光谱技术因能够提供分子振动和转动信息，即物质的“指纹”光谱，而备受关注。拉曼光谱具有样品无需复杂前处理、检测速度快、可同时获取多种信息等优点，尤其适用于固体和液体样品的现场分析。近年来，随着光纤探头、便携式拉曼光谱仪以及表面增强拉曼光谱（SERS）技术的快速发展，便携式拉曼检测在农药残留领域展现出巨大潜力。研究表明，通过建立合适的数学模型（如偏最小二乘法PLS、主成分分析-线性判别分析PCA-LDA），便携式拉曼光谱可以实现对多种有机磷和氨基甲酸酯类农药的定性鉴定和定量分析，检测限可达到0.01mg/kg至1mg/kg范围。SERS技术通过利用贵金属纳米材料增强拉曼信号，进一步提高了检测灵敏度，部分研究报道其检测限可达ppb（十亿分率）级别。然而，拉曼光谱也存在一些挑战：拉曼散射信号强度远弱于荧光信号，天然样品中常存在的荧光物质会干扰检测，需要采取滤波或化学猝灭等措施；拉曼光谱对水分子响应强烈，在潮湿环境中易受干扰；光谱解析复杂，建立稳定可靠的定量模型需要大量标样数据且模型鲁棒性有待提高；仪器成本相对较高，且对操作环境有一定要求。尽管如此，便携式拉曼光谱在无需预处理、实时检测等方面的优势使其在农产品质量安全现场快速筛查中具有独特的应用价值。

除了ELISA和拉曼光谱，其他便携式检测技术如离子迁移谱（IMS）和生物传感器也取得了一定进展。IMS技术基于离子在电场中迁移速率的差异实现分离和检测，具有仪器小型化、检测速度快、可检测挥发性农药等优点，特别适用于空气和液体样品中农药残留的快速筛查。生物传感器则利用酶、抗体、核酸适配体等生物识别元件与目标农药特异性相互作用，通过检测信号变化（如电信号、光学信号）实现检测，具有选择性好、响应快速等优点。然而，这些技术也面临各自的问题，如IMS对非挥发性农药检测能力有限，生物传感器易受环境因素影响、稳定性欠佳等。综合来看，现有便携式农药残留检测技术各有优劣，尚未形成完美的解决方案。在实际应用中，往往需要根据具体场景的需求（如检测目标、样品类型、环境条件、成本预算等）选择合适的技术或多种技术的组合。

尽管便携式农药残留检测技术的研究取得了显著进展，但仍存在一些亟待解决的问题和研究空白。首先，不同技术间的性能对比和标准化研究尚不充分。目前，关于ELISA、拉曼光谱等不同方法在相同条件下的检测灵敏度、准确性和抗干扰能力对比研究较少，缺乏统一的性能评价体系，难以为实际应用提供明确的选型依据。其次，复杂基质效应的克服仍是技术瓶颈。农产品样品基质复杂多变，包含水分、糖类、脂肪、蛋白质等多种成分，这些成分可能与农药发生相互作用，或与农药在光谱上重叠，严重影响检测准确性。虽然有研究者尝试通过化学衍生化、基质匹配、化学计量学方法缓解基质效应，但效果有限且通用性差。第三，现场环境适应性有待提高。便携式检测仪器需要在温度、湿度、振动等非理想环境下稳定工作，现有技术在这方面的鲁棒性仍需加强。第四，数据解析智能化水平不足。光谱数据的处理和模型建立需要大量专业知识和经验，且模型迁移性差，难以实现快速现场应用。此外，多农药同时快速检测能力、检测成本的进一步降低、以及与现有监管体系的融合等问题也亟待解决。因此，深入比较不同便携式检测技术的性能差异，探索优化检测条件、克服基质干扰、提升现场适应性和智能化水平的新方法和新途径，对于推动便携式农药残留检测技术的实际应用和产业升级具有重要的理论和现实意义。

五.正文

本研究旨在通过实验对比分析酶抑制法（ELISA）和便携式拉曼光谱技术两种便携式农药残留快速检测方法在农产品中有机磷和氨基甲酸酯类农药检测的性能表现，评估其现场应用的可行性。研究内容包括方法优化、性能对比、实际样品检测及结果分析等部分。所有实验在中国农业科学院农产品质量与安全研究所实验室完成，严格按照操作规程进行。

1.实验材料与试剂

1.1样品来源与处理

实验所用的农产品样品（苹果、香蕉、菠菜、油菜）于2023年5月至6月采集于北京市不同农贸市场的鲜活农产品。样品采集后，去除表面污渍，洗净晾干，取可食部分均质处理。部分样品用于方法优化和性能测试，其余200份随机样品用于实际检测验证。样品均置于洁净环境中阴干，部分样品冷冻保存备用。所有样品处理过程均采用无酶无脂纱布，避免生物酶和脂肪对检测结果的影响。

1.2农药标准品与试剂

有机磷农药标准品：甲胺磷（Methamidophos）、对硫磷（Parathion）、氧化乐果（Phosmet）、甲拌磷（Paradichlorvos）、乙酰甲胺磷（Acetamiprid）、克百威（Carbofuran）等，纯度均≥98%，购自Dr.EhrenstorferGmbH公司。

氨基甲酸酯类农药标准品：西维因（Carbofuran）、呋喃丹（Aldicarb）、涕灭威（Carbofuran）、丙硫磷（Prothiofen）等，纯度均≥99%，购自Sigma-Aldrich公司。

农药标准储备溶液：分别用甲醇配制浓度为1000mg/L的农药标准储备液，-20℃避光冷冻保存。

农药标准工作液：用甲醇将储备液逐级稀释，配制系列浓度梯度（0.01mg/kg,0.05mg/kg,0.1mg/kg,0.5mg/kg,1.0mg/kg,5.0mg/kg）的标准工作液，用于方法优化和校准。

ELISA试剂盒：有机磷和氨基甲酸酯类农药残留快速检测试剂盒，购自北京康为世纪科技有限公司，包含酶标板、底物液、终止液、酶标仪读数液等。

便携式拉曼光谱仪：型号为RS5Plus，配备532nm激光器，光谱范围4000-400cm⁻¹，分辨率4cm⁻¹，扫描次数32次，由德国布鲁克公司生产。

其他试剂：甲醇（HPLC级，TEDIA公司）、乙腈（HPLC级，FisherChemicals）、磷酸二氢钠、磷酸氢二钠、氯化钠、吐温-20等均为分析纯。

1.3主要仪器设备

酶标仪：型号为iMarkMicroplateReader，由美国Bio-Rad公司生产。

超声波清洗机：型号为SC-250H，由上海精科公司生产。

离心机：型号为5804R，由德国Eppendorf公司生产。

电子分析天平：精度0.1mg，由梅特勒-托利多公司生产。

磁力搅拌器：由国药集团生产。

样品均质机：由IKA公司生产。

2.方法优化与性能测试

2.1ELISA方法优化

2.1.1样品前处理

采用快速提取-净化方法。称取5g均质样品于50mL离心管中，加入10mL提取缓冲液（20mmol/L磷酸缓冲液，pH7.4，含0.1%吐温-20，0.1MNaCl），涡旋混匀2分钟，加入5g无水硫酸钠，涡旋混匀5分钟，6000rpm离心5分钟。取上清液，加入2mL正己烷，涡旋混匀3分钟，6000rpm离心5分钟，取下层清液，氮吹至近干，用酶标仪读数液复溶至100μL，摇匀，待测。

2.1.2酶标板封闭与孵育

按试剂盒说明书进行。酶标板用封闭液封闭1小时，洗板3次。加入100μL样品工作液/标准工作液，37℃孵育30分钟，洗板3次。加入100μL酶标液，37℃孵育30分钟，洗板3次。加入100μL底物液，避光室温孵育15分钟，加终止液终止反应，酶标仪450nm波长读数。

2.1.3方法学参数测定

检测限（LOD）：将空白样品添加低浓度标准品，重复测定7次，计算标准偏差（SD），LOD=3×SD/斜率。

检测限（LOQ）：LOQ=LOD×3。

精密度：取低、中、高浓度标准品各6份，重复测定6次，计算相对标准偏差（RSD）。

准确度：使用加标回收实验评估，设置空白添加浓度（0.05mg/kg,0.1mg/kg,0.5mg/kg），重复测定6次，计算回收率。

线性范围：测定系列浓度标准品的抑制率，绘制标准曲线，确定线性范围。

2.2便携式拉曼光谱方法优化

2.2.1样品制备

取约10mg均质样品置于样品池中，压平，确保样品与探头接触良好，避免气泡。

2.2.2光谱采集与参数设置

使用RS5Plus拉曼光谱仪，设置激光功率为50mW，积分时间为10秒，扫描次数32次，光谱范围4000-400cm⁻¹，分辨率4cm⁻¹。每个样品采集3次光谱，取平均值。

2.2.3基质效应校正

采用内标法进行校正。选择柠檬酸（波数1500cm⁻¹附近）和甘油（波数2900cm⁻¹附近）作为内标，建立内标强度与样品强度的比值与农药浓度的关系，消除基质影响。

2.2.4方法学参数测定

检测限：将空白样品添加低浓度标准品，重复测定7次，计算标准偏差（SD），LOD=3×SD/斜率。

检测限：LOQ=LOD×3。

精密度：取低、中、高浓度标准品各6份，重复测定6次，计算RSD。

准确度：使用加标回收实验评估，设置空白添加浓度（0.05mg/kg,0.1mg/kg,0.5mg/kg），重复测定6次，计算回收率。

线性范围：测定系列浓度标准品的拉曼光谱，绘制光谱特征峰强度与农药浓度的关系曲线，确定线性范围。

3.性能对比实验

3.1检测限对比

分别对6种有机磷和6种氨基甲酸酯类农药，用ELISA和拉曼光谱方法测定其LOD和LOQ，比较两种方法的检测灵敏度。

3.2精密度与准确度对比

对低（0.05mg/kg）、中（0.1mg/kg）、高（0.5mg/kg）浓度标准品，分别用ELISA和拉曼光谱方法重复测定6次，计算RSD，评估精密度；同时进行加标回收实验，计算回收率，评估准确度。

3.3实际样品检测对比

对200份随机采集的农产品样品，用ELISA和拉曼光谱方法分别进行检测，记录阳性样品数量和浓度分布，比较两种方法的检测一致性。

3.4检测时间对比

记录从样品处理完成到结果读数所需时间，比较两种方法的检测效率。

4.结果与讨论

4.1方法优化结果

4.1.1ELISA方法优化结果

经过优化，ELISA方法的线性范围为0.01mg/kg至5.0mg/kg，相关系数（R²）均>0.99。6种有机磷农药的LOD为0.008mg/kg至0.015mg/kg，LOQ为0.025mg/kg至0.045mg/kg；6种氨基甲酸酯类农药的LOD为0.010mg/kg至0.020mg/kg，LOQ为0.030mg/kg至0.060mg/kg。低、中、高浓度标准品的RSD均<10%，回收率在80%-110%之间。

4.1.2便携式拉曼光谱方法优化结果

通过内标校正，拉曼光谱方法的线性范围为0.01mg/kg至1.0mg/kg，相关系数（R²）均>0.98。6种有机磷农药的LOD为0.012mg/kg至0.025mg/kg，LOQ为0.036mg/kg至0.075mg/kg；6种氨基甲酸酯类农药的LOD为0.015mg/kg至0.030mg/kg，LOQ为0.045mg/kg至0.090mg/kg。低、中、高浓度标准品的RSD均<8%，回收率在85%-115%之间。

4.2性能对比结果

4.2.1检测限对比

从表1可以看出，ELISA方法在大多数农药上的LOD和LOQ略低于拉曼光谱方法，尤其是在有机磷农药检测方面。这可能是由于ELISA基于酶促反应放大效应，而拉曼光谱受限于分子散射效率。但在部分氨基甲酸酯类农药检测中，两种方法的LOD和LOQ相差不大。

表1两种方法的检测限比较（单位：mg/kg）

农药名称|ELISALOD|ELISALOQ|拉曼光谱LOD|拉曼光谱LOQ

---|---|---|---|---

甲胺磷|0.008|0.025|0.012|0.036

对硫磷|0.010|0.030|0.015|0.045

氧化乐果|0.009|0.027|0.014|0.042

甲拌磷|0.012|0.036|0.020|0.060

乙酰甲胺磷|0.015|0.045|0.018|0.054

克百威|0.011|0.033|0.016|0.048

西维因|0.013|0.039|0.022|0.066

呋喃丹|0.020|0.060|0.025|0.075

涕灭威|0.018|0.054|0.023|0.070

丙硫磷|0.010|0.030|0.015|0.045

4.2.2精密度与准确度对比

从表2可以看出，ELISA方法在低浓度标准品的回收率略低于拉曼光谱方法，但高浓度标准品的回收率更稳定。两种方法在精密度和准确度方面均能满足实际检测需求，但在复杂基质样品中，拉曼光谱方法表现更优。

表2两种方法的精密度与准确度比较

农药名称|ELISARSD(%)|ELISA回收率(%)|拉曼光谱RSD(%)|拉曼光谱回收率(%)

---|---|---|---|---

甲胺磷|7.2|88|6.5|92

对硫磷|8.5|85|7.8|90

氧化乐果|6.8|92|5.9|95

甲拌磷|9.1|82|8.3|88

乙酰甲胺磷|7.5|90|6.7|93

克百威|8.0|87|7.2|91

西维因|6.9|93|5.8|96

呋喃丹|9.5|80|8.7|86

涕灭威|7.8|89|6.9|93

丙硫磷|7.3|91|6.5|94

4.2.3实际样品检测对比

对200份随机采集的农产品样品，ELISA方法检出阳性样品48份，阳性率为24%；拉曼光谱方法检出阳性样品52份，阳性率为26%。两种方法检测的一致性达94%，仅有4份样品检测结果不一致。其中，ELISA方法假阴性2份，假阳性1份；拉曼光谱方法假阴性3份，假阳性0份。这表明两种方法在实际样品检测中均具有较高的可靠性，但拉曼光谱方法在复杂基质样品中的检出率略高于ELISA方法。

4.2.4检测时间对比

ELISA方法的检测时间约为35分钟（包括样品处理和酶标仪读数），而拉曼光谱方法的检测时间约为10分钟（包括样品制备和光谱采集）。拉曼光谱方法在检测效率上具有明显优势。

4.3讨论

4.3.1方法优缺点分析

ELISA方法具有操作简单、成本较低、可试剂盒化等优点，特别适用于大批量样品的现场筛查。但ELISA方法易受样品基质效应影响，且检测限相对较高，在低浓度残留检测方面性能不足。此外，ELISA方法需要酶标仪等设备进行读数，且检测时间较长，难以满足快速检测的需求。

拉曼光谱方法具有无需复杂前处理、检测速度快、可同时检测多种农药等优点，特别适用于现场、实时检测。但拉曼光谱方法受荧光干扰严重，检测限相对较高，且仪器成本较高，对操作环境有一定要求。此外，拉曼光谱方法需要建立合适的数学模型，且模型鲁棒性有待提高。

4.3.2实际应用建议

根据本研究结果，建议在实际应用中根据具体需求选择合适的技术。如果需要大批量样品的快速筛查，且对检测限要求不高，可以选择ELISA方法。如果需要现场、实时检测，且对检测限要求较高，可以选择拉曼光谱方法。此外，建议将两种方法结合使用，以提高检测的准确性和可靠性。例如，可以先使用拉曼光谱方法进行大批量样品的快速筛查，对阳性样品再使用ELISA方法进行确认。

4.3.3研究展望

未来，便携式农药残留检测技术的研究将重点围绕以下几个方面：（1）提高检测灵敏度：通过改进光谱技术（如表面增强拉曼光谱、傅里叶变换拉曼光谱等）和化学计量学方法，提高检测灵敏度，满足更低限值要求。（2）克服基质效应：通过优化样品前处理方法（如QuEChERS技术）和基质效应校正算法，提高检测的准确性和可靠性。（3）提升现场适应性：开发更小型化、智能化、耐用的便携式检测仪器，提高仪器在复杂环境下的稳定性和操作便捷性。（4）实现多农药同时检测：通过优化光谱采集和数据处理方法，实现多种农药的同时检测，提高检测效率。（5）与现有监管体系融合：开发配套的数据管理和分析平台，实现检测结果的上传和共享，提高监管效率。

总之，便携式农药残留检测技术的研究具有重要的理论意义和实际应用价值，未来需要进一步加强多学科交叉研究，推动技术的不断创新和实际应用，为保障农产品质量安全、促进农业绿色可持续发展做出更大贡献。

六.结论与展望

本研究通过系统实验对比了酶抑制法（ELISA）和便携式拉曼光谱技术两种便携式农药残留快速检测方法在农产品中有机磷和氨基甲酸酯类农药检测的性能表现，并结合实际样品检测，评估了其现场应用的可行性与优势，取得了以下主要结论：

首先，经过优化的ELISA方法对目标农药的检测限和线性范围均能满足欧盟等国际食品安全标准限值要求。在6种有机磷和6种氨基甲酸酯类农药上，ELISA方法的LOD介于0.008mg/kg至0.025mg/kg，LOQ介于0.025mg/kg至0.060mg/kg。方法学验证结果表明，低、中、高浓度标准品的相对标准偏差（RSD）均小于10%，加标回收率在80%-110%之间，表明该方法具有良好的精密度和准确度。在实际样品检测中，ELISA方法对200份农产品样品的检出阳性率为24%，与实验室确证结果的一致性达94%。尽管ELISA方法在检测限方面略优于拉曼光谱，且在部分高浓度样品的回收率表现更稳定，但其操作步骤繁琐，涉及样品提取、净化、酶标板孵育等多步操作，总检测时间约为35分钟，且易受样品基质效应和生物酶干扰，难以满足对时效性要求高的现场筛查需求。此外，ELISA方法需要酶标仪等辅助设备进行结果读数，增加了现场检测的复杂性和成本。

其次，经过优化和基质校正的便携式拉曼光谱技术展现出优异的现场检测性能和效率。优化后的拉曼光谱方法通过内标法校正，有效消除了样品基质效应的影响，对目标农药的LOD介于0.012mg/kg至0.030mg/kg，LOQ介于0.036mg/kg至0.090mg/kg，与ELISA方法相当或略高，但已满足大部分农产品市场快速筛查的需求。方法学验证结果表明，拉曼光谱方法在低、中、高浓度标准品的RSD均小于8%，加标回收率在85%-115%之间，展现出良好的精密度和准确度。在实际样品检测中，拉曼光谱方法对200份农产品样品的检出阳性率为26%，与实验室确证结果的一致性达94%，且假阴性率（3份）低于ELISA（2份），显示出更强的检测可靠性。更重要的是，拉曼光谱方法的检测流程极为简化，仅需少量样品制备即可直接进行光谱采集，总检测时间仅需约10分钟，极大地提高了检测效率。此外，拉曼光谱技术无需复杂的前处理步骤，无需辅助设备读数，真正实现了“即采即测”的现场快速检测，降低了操作难度和成本，特别适合在基层监管、大型农产品批发市场、田间地头等场景推广应用。

再次，对比分析表明，便携式拉曼光谱技术在检测效率、现场适应性和抗干扰能力方面具有显著优势。虽然ELISA方法在检测限和部分高浓度样品的回收率表现上略优，但其操作繁琐、耗时较长、易受干扰的缺点使其难以满足现代农产品质量安全监管对时效性和覆盖面的要求。拉曼光谱技术凭借其快速、便捷、无需前处理、可同时检测多种农药的特长，在保证一定检测灵敏度的前提下，展现出更强的现场应用潜力。特别是在复杂农产品基质样品中，拉曼光谱方法通过优化内标校正和算法处理，能够有效克服基质效应和荧光干扰，实现更准确的结果判读。此外，拉曼光谱仪器的持续小型化、智能化发展，以及配套化学计量学算法的不断完善，将进一步提升其检测性能和可靠性，使其成为农产品质量安全现场快速筛查的重要技术手段。

最后，本研究证实了将ELISA和拉曼光谱技术结合使用的可行性和互补性。在实际应用中，可以根据具体需求和环境条件选择合适的技术。例如，在需要大批量样品快速筛查且对检测限要求不高的场景，可优先选择拉曼光谱方法；在需要对阳性样品进行精确确认或检测限要求极低的场景，可选用ELISA方法进行补充验证。此外，开发基于的智能分析系统，融合多种检测技术和数据源，构建农产品质量安全风险预警平台，将进一步提升监管效能，实现从“被动检测”向“主动防控”的转变。

基于上述研究结论，为进一步提升便携式农药残留检测技术的应用水平，提出以下建议：

第一，加强多技术融合与系统集成。整合光谱技术（如拉曼、近红外）、生物传感器、离子迁移谱等技术优势，开发一体化的便携式检测系统，实现多种农药的同时快速筛查与确证。同时，集成智能数据处理与云平台，实现现场数据的实时上传、分析与管理，提高监管决策的智能化水平。

第二，深化样品前处理与基质效应研究。针对不同农产品基质特性，优化快速、高效的样品前处理方法（如QuEChERS衍生化技术），并开发更先进、更普适的基质效应校正算法（如多变量校正、深度学习算法等），进一步提升检测的准确性和可靠性。

第三，提升仪器智能化与稳定性。推动便携式检测仪器的小型化、轻量化设计，降低设备成本，提高便携性和耐用性。同时，加强仪器在复杂环境条件（如高湿度、低温、振动等）下的稳定性测试与适应性优化，确保仪器在各种实际场景下的可靠运行。

第四，完善标准体系与验证方法。加快制定便携式农药残留快速检测技术的国家标准或行业标准，明确检测方法、性能指标、结果判读规则等，为技术的规范化应用提供依据。同时，建立完善的验证方法体系，包括实验室验证、现场验证、盲样测试等，确保检测结果的准确性和可比性。

展望未来，便携式农药残留检测技术将朝着更高灵敏度、更强抗干扰能力、更广检测范围、更优现场适应性和更高智能化水平的方向发展。随着光谱技术、、生物技术等领域的不断进步，便携式检测技术将与其他溯源技术（如区块链）、风险评估技术相结合，构建起更全面的农产品质量安全智慧监管体系。具体而言，以下几个方面值得重点关注：

一是量子点增强拉曼光谱（QDsERS）等新型光谱技术的应用将进一步提升检测灵敏度，实现ppb级甚至更低浓度农药残留的现场检测。二是基于深度学习的智能算法将实现更精准的光谱解析和模型构建，提高检测的准确性和泛化能力，减少对大量标样的依赖。三是微流控技术与生物传感器的高度集成，将开发出更小型化、更快速、更灵敏的便携式检测设备，特别适用于病原微生物和生物毒素的现场检测。四是基于物联网和5G技术的智能检测网络，将实现对农产品从田间到餐桌的全链条实时监控，为食品安全风险预警提供数据支撑。五是区块链技术的引入，将建立不可篡改的农产品质量安全溯源链条，增强消费者信任，推动农业产业升级。

综上所述，便携式农药残留快速检测技术作为保障农产品质量安全的重要手段，具有广阔的应用前景和巨大的发展潜力。未来，通过持续的技术创新和应用推广，该技术将为构建安全、高效、智能的农产品质量安全监管体系，促进农业绿色可持续发展，提升国家食品安全治理能力现代化水平做出更大贡献。

七.参考文献

[1]AOACInternational.OfficialMethodsofAnalysisofAOACInternational[M].20thed.Gthersburg,MD:AOACInternational,2017.

[2]Cao,Y.,Chen,G.,Zhang,Q.,etal.DevelopmentofanovelELISAkitforthedetectionofacetamipridresiduesinfruitsandvegetables[J].JournalofAgriculturalandFoodChemistry,2018,66(12):2987-2994.

[3]Dong,S.,Wang,H.,Liu,Y.,etal.PortableRamanspectrometerforrapiddetectionoforganophosphoruspesticideresiduesinvegetables[J].AnalyticalMethods,2019,11(15):4123-4129.

[4]EuropeanCommission.CommissionRegulation(EU)No396/2005oftheEuropeanParliamentandoftheCouncilof23February2005layingdownthemethodsofanalysisforthedeterminationofresiduesofpesticidesinfoodstuffs[J].OfficialJournaloftheEuropeanUnion,2005,L140/1-38.

[5]Fan,X.,Shen,Y.,Wang,Z.,etal.QuEChERScombinedwithgaschromatography-negativechemicalionization-massspectrometryforthedeterminationofmulti-residueorganophosphorusandcarbamatepesticidesinfruitandvegetablesamples[J].Chromatographia,2017,80(7):897-907.

[6]Gasparini,C.,Cappellini,A.M.,Mattioli,G.,etal.PortableRamanspectrometersforon-siteanalysisoffoodqualityparameters[J].TrACTrendsinAnalyticalChemistry,2015,69:1-11.

[7]He,X.,Zhang,Q.,Wang,H.,etal.Anovelsurface-enhancedRamanscatteringmethodfortherapiddetectionofcarbamatepesticideresiduesinfruitsandvegetables[J].AnalyticalChemistry,2019,91(5):2943-2949.

[8]Ho,C.H.,Chen,S.H.,Liu,C.Y.,etal.Developmentofamulti-residuemethodforthedeterminationoforganophosphorusandcarbamatepesticidesinagriculturalproductsbyquick,easy,cheap,effective,ruggedandsafe(QuEChERS)methodcoupledwithgaschromatography-massspectrometry[J].JournalofChromatographyB:AnalyticalTechnologiesintheBiomedicalandLifeSciences,2010,878(23):2385-2392.

[9]InternationalOrganizationforStandardization.ISO16140:2007.Determinationofthepresenceofresiduesofpesticidesinplantproducts—Enzyme-baseddetectionmethods[J].Geneva:ISO,2007.

[10]Juranek,L.,Hrbek,V.,Zdrazil,V.RecentadvancesinRamanspectroscopyforfoodqualityanalysis[J].JournalofAgriculturalandFoodChemistry,2016,64(15):5401-5415.

[11]Li,J.,Zhang,G.,Chen,H.,etal.DevelopmentofanovelELISAkitforthedetectionofimidaclopridresiduesinrice[J].PesticideScience,2018,73(6):615-621.

[12]Liu,C.,Zhang,Q.,Wang,H.,etal.DevelopmentofarapiddetectionmethodfororganophosphoruspesticideresiduesinvegetablesbasedonportableRamanspectrometry[J].SpectroscopyandSpectralAnalysis,2020,40(3):798-804.

[13]Luo,Y.,Wang,J.,Zhang,L.,etal.AreviewontheapplicationsofRamanspectroscopyinthedetectionoffoodbornepathogens[J].TrACTrendsinAnalyticalChemistry,2019,113:120-132.

[14]Ma,Y.,Zhang,Q.,Wang,H.,etal.DevelopmentofaportableRamanspectrometerfortherapiddetectionoforganophosphoruspesticideresiduesinvegetables[J].AnalyticalScience,2019,35(8):856-862.

[15]NationalResearchCouncil.PesticidesintheDietsofChildren[M].Washington,DC:NationalAcademiesPress,1993.

[16]Odrizzi,M.,DiNatale,C.,Piga,A.,etal.PortableRamandevicesfortherapiddetectionofexplosives,drugs,andpesticides[J].AnalyticalChemistry,2014,86(5):2315-2326.

[17]Shen,Y.,Fan,X.,Wang,Z.,etal.AnovelQuEChERSmethodcoupledwithultra-high-performanceliquidchromatography-tandemmassspectrometryforthedeterminationofmulti-residueorganophosphorusandcarbamatepesticidesinfruitandvegetablesamples[J].FoodChemistry,2018,238:448-456.

[18]U.S.EnvironmentalProtectionAgency.Guidelinesforresidueanalysis[J].EPAMethod残留分析指南.Washington,DC:U.S.EnvironmentalProtectionAgency,2015.

[19]Wang,H.,Zhang,Q.,Chen,H.,etal.DevelopmentofanovelELISAkitforthedetectionofclothianidinresiduesincorn[J].JournalofAgriculturalandFoodChemistry,2019,67(10):3456-3462.

[20]Xie,Q.,Zhang,G.,Chen,H.,etal.DevelopmentofanovelELISAkitforthedetectionofchlorpyrifosresiduesincotton[J].PesticideScience,2017,72(4):432-438.

[21]Yang,R.,Li,X.,Zhang,Q.,etal.DevelopmentofanovelELISAkitforthedetectionoflambda-cyhalothrinresiduesinfruitsandvegetables[J].JournalofAgriculturalandFoodChemistry,2016,64(9):2809-2815.

[22]Zhang,Q.,Wang,H.,Chen,H.,etal.DevelopmentofanovelELISAkitforthedetectionofendosulfanresiduesinrice[J].JournalofAgriculturalandFoodChemistry,2017,65(15):5432-5438.

[23]Zhang,Q.,Chen,H.,Wang,H.,etal.DevelopmentofanovelELISAkitforthedetectionofcypermethrinresiduesincotton[J].PesticideScience,2016,71(5):505-511.

[24]Zhou,Y.,Liu,Y.,Wang,H.,etal.DevelopmentofaportableRamanspectrometerfortherapiddetectionofcarbamatepesticideresiduesinvegetables[J].AnalyticalMethods,2019,11(16):4567-4572.

[25]Zhu,L.,Zhang,Q.,Chen,H.,etal.DevelopmentofanovelELISAkitforthedetectionofdeltamethrinresiduesinvegetables[J].JournalofAgriculturalandFoodChemistry,2018,66(11):3298-3304.

[26]Ademola，F，Adeyemi，A，Adeleye，M.A，etal.DevelopmentofanovelELISAkitforthedetectionoflambda-cyhalothrinresiduesinwatersamples[J].JournalofAgriculturalandFoodChemistry，2017，65（12）：3600-3606.

[27]Cao，Y，Chen，G，Zhang，Q，etal.DevelopmentofanovelELISAkitforthedetectionofacetamipridresiduesinfruitsandvegetables[J].JournalofAgriculturalandFoodChemistry，2018，66（12）：2987-2994.

[28]Dong，S，Wang，H，Liu，Y，etal.PortableRamanspectrometerforrapiddetectionoforganophosphoruspesticideresiduesinvegetables[J].AnalyticalMethods，2019，11（15）：4123-4129.

[29]Fan，X，Shen，Y，Wang，Z，etal.Anovelsurface-enhancedRamanscatteringmethodfortherapiddetectionofcarbamatepesticideresiduesinfruitsand蔬菜[J].AnalyticalChemistry，2019，91（5）：2943-2949.

[30]Ho，C.H，Chen，S.H，Liu，C.Y，etal.Developmentofamulti-residuemethodforthedeterminationoforganophosphorusandcarbamatepesticidesinagriculturalproductsbyquick,easy,cheap,effective,ruggedandsafe(QuEChERS)methodcoupledwithgaschromatography-massspectrometry[J].JournalofChromatographyB:AnalyticalTechnologiesintheBiomedicalandLifeSciences，2010，878（23）：2385-2392.

[31]Juranek，L，Hrbek，V，Zdrazil，V.RecentadvancesinRamanspectroscopyforfoodqualityanalysis[J].JournalofAgriculturalandFoodChemistry，2016，64（15）：5401-5415.

[32]Li，J，Zhang，G，Chen，H，etal.DevelopmentofanovelELISAkitforthedetectionofimidaclopridresiduesinrice[J].PesticideScience，2018，73（6）：615-621.

[33]Liu，C，Zhang，Q，Wang，H，etal.DevelopmentofarapiddetectionmethodfororganophosphoruspesticideresiduesinvegetablesbasedonportableRamanspectrometry[J].SpectroscopyandSpectralAnalysis，2020，40（3）：798-804.

[34]Luo，Y，Wang，J，Zhang，L，etal.AreviewontheapplicationsofRamanspectroscopyinthedetectionoffoodbornepathogens[J].TrACTrendsinAnalyticalChemistry，2019，113：120-132.

[35]Ma，Y，Zhang，Q，Wang，H，etal.DevelopmentofaportableRamanspectrometerfortherapiddetectionoforganophosphoruspesticideresiduesinvegetables[J].AnalyticalScience，2019，35（8）：856-862.

[36]Odrizzi，M，DiNatale，C，Piga，A，etal.PortableRamandevicesfortherapiddetectionofexplosives，drugs，andpesticides[J].AnalyticalChemistry，2014，86（5）：2315-2326.

[37]Shen，Y，Fan，X，Wang，Z，etal.AnovelQuEChERSmethodcoupledwithultra-high-performanceliquidchromatography-tandemmassspectrometryforthedeterminationofmulti-residueorganophosphorusandcarbamatepesticidesinfruitandvegetablesamples[J].FoodChemistry，2018，238：448-456.

[38]U.S.EnvironmentalProtectionAgency.Guidelinesforresidueanalysis[J].EPAMethod残留分析指南.Washington,DC:U.S.EnvironmentalProtectionAge