高效农药残留检测技术方案论文

高效农药残留检测技术方案论文一.摘要

随着现代农业的快速发展，农药在提高农作物产量和防治病虫害方面发挥着关键作用，但农药残留问题也随之日益突出，对食品安全和人类健康构成潜在威胁。传统农药残留检测方法如气相色谱-质谱联用（GC-MS）和高效液相色谱法（HPLC）虽然具有较高的准确性和灵敏度，但存在操作复杂、耗时较长、成本较高等局限性，难以满足大规模、快速检测的需求。因此，开发高效、精准、经济的农药残留检测技术成为当前食品安全领域的重要研究方向。本研究以蔬菜、水果等农产品为研究对象，聚焦于新型农药残留检测技术的优化与应用。研究方法主要包括：采用酶联免疫吸附测定（ELISA）技术结合纳米材料增强检测灵敏度，探索表面增强拉曼光谱（SERS）技术对常见农药残留的快速识别，并对比分析不同技术的检测性能。实验结果表明，纳米材料修饰的ELISA技术将检测限降低了两个数量级，对敌敌畏、乐果等有机磷农药的回收率在85%-95%之间，而SERS技术则能在10分钟内完成样品检测，对多种农药的检测限达到ng/L级别。综合比较发现，结合两种技术的复合检测方案在灵敏度、速度和成本之间达到了最佳平衡。结论指出，纳米材料增强ELISA与SERS技术相结合的检测方案能够显著提高农药残留检测效率，为农产品安全监控提供了一种实用性强、可靠性高的技术选择，具有重要的应用价值和推广前景。

二.关键词

农药残留检测；纳米材料；酶联免疫吸附测定；表面增强拉曼光谱；食品安全

三.引言

农药，作为现代农业生产中不可或缺的化学品，极大地提升了农作物的产量和品质，有效保障了全球粮食安全。据统计，全球每年约有数百万吨农药被施用于农田，用于防治各种病虫害。然而，农药在发挥积极作用的同时，其残留问题也日益凸显，成为影响食品安全和公众健康的重大隐患。农药残留不仅可能对人体神经系统、内分泌系统等造成损害，长期摄入还可能增加患癌风险。因此，建立高效、精准、快速的农药残留检测技术，对于保障农产品质量、维护消费者权益、促进农业可持续发展具有重要意义。

当前，农药残留检测方法主要分为化学分析法、生物学分析法和快速检测法三大类。化学分析法以气相色谱-质谱联用（GC-MS）和高效液相色谱法（HPLC）为代表，具有高灵敏度、高准确性的特点，是目前法定残留检测的标准方法。然而，这些方法通常需要复杂的样品前处理、昂贵的仪器设备和专业的操作人员，检测周期长，难以满足大规模、现场化的检测需求。例如，GC-MS检测一个样品通常需要数小时，且运行成本较高，不适合在基层农产品检测机构推广使用。HPLC虽然检测时间相对较短，但其在检测某些极性较强或热不稳定的农药时，灵敏度仍有一定限制。

为了弥补化学分析法在速度和成本上的不足，快速检测法应运而生。这类方法主要包括酶联免疫吸附测定（ELISA）、免疫芯片技术、表面增强拉曼光谱（SERS）、近红外光谱（NIR）等。ELISA技术基于抗原抗体反应，具有操作简便、检测成本较低的优势，广泛应用于现场快速筛查。然而，传统ELISA的灵敏度受限于酶标记物的信号强度，对于低浓度残留的检测能力有限。SERS技术作为一种新兴的分子光谱技术，利用贵金属纳米材料表面的等离子体共振效应，能够显著增强分子振动光谱信号，实现痕量物质的检测，具有超高的灵敏度和潜在的多物同时检测能力。但SERS技术的应用仍面临纳米材料稳定性、光谱信号重复性等挑战。NIR技术凭借其非接触、快速、无损的特点，在农产品成分分析中展现出巨大潜力，但对农药残留的检测灵敏度普遍不高，且需要建立复杂的预测模型。

四.文献综述

农药残留检测技术的研究历史悠久，随着分析化学和生物技术的进步，检测方法经历了从宏观到微观、从单一到多元、从耗时到快速的演变过程。早期，农药残留的检测主要依赖于感官评价或简单的化学比色法，这些方法灵敏度低、特异性差，难以满足实际需求。20世纪中叶，色谱技术的兴起为农药残留检测带来了性突破。气相色谱法（GC）因其分离效能高、适用范围广，很快成为农药残留检测的主流技术。为了克服GC对某些农药热不稳定性的限制，液相色谱法（HPLC）应运而生，并因其对极性化合物良好的分离能力而得到广泛应用。进入21世纪，GC-MS和HPLC-MS/MS联用技术的出现，极大地提高了检测的灵敏度和准确性，成为法定残留检测的标准方法。这些技术能够检测多种农药，定量限达到ng/g甚至pg/g级别，为保障食品安全提供了强有力的技术支撑。

在快速检测技术领域，ELISA因其操作相对简单、成本较低而备受关注。自上世纪80年代商业化应用以来，ELISA技术不断完善，成为农产品农药残留现场快速筛查的重要工具。研究者们通过优化抗原抗体反应条件、开发新型酶标记物等方式，持续提高ELISA的灵敏度和特异性。例如，有研究利用单克隆抗体技术制备试剂盒，将某些有机磷和氨基甲酸酯类农药的检测限降低至0.01mg/kg。此外，基于多重抗原抗体反应的“芯片式”ELISA技术也得到发展，实现了对多种农药的同时检测，提高了检测效率。然而，传统ELISA方法的灵敏度仍有提升空间，且易受样品基质干扰，影响检测结果的重现性。

表面增强拉曼光谱（SERS）技术是近年来兴起的一种高灵敏度光谱检测技术，在农药残留检测领域展现出巨大潜力。SERS技术利用贵金属纳米结构（如金、银纳米颗粒）表面的等离子体共振效应对拉曼散射信号进行放大，使得痕量甚至单分子水平的物质检测成为可能。研究表明，通过合理设计纳米材料的形貌、尺寸及组成，可以实现对不同农药残留的高选择性检测。例如，有学者报道，利用树状大分子包覆的银纳米簇构建的SERS平台，对敌敌畏、乐果等有机磷农药的检测限达到0.1-1ng/mL。此外，将SERS技术与微流控芯片、便携式光谱仪等结合，实现了样品的快速处理和现场检测，为农产品安全监管提供了新途径。尽管SERS技术具有极高的灵敏度，但其信号重复性、纳米材料的稳定性和生物兼容性等问题仍需进一步解决。部分研究指出，SERS信号受纳米材料制备条件、溶液环境等因素影响较大，难以建立普适性的检测方法。

近红外光谱（NIR）技术因其非接触、快速、无损等优点，在农产品品质检测中得到广泛应用。通过建立NIR光谱与农药残留含量的数学模型，可以实现多种农药残留的快速预测。然而，NIR技术对农药残留的检测灵敏度普遍不高，且建模过程复杂，需要大量标样数据。质谱技术，特别是Orbitrap等高分辨率质谱，在农药残留检测中展现出强大的结构鉴定能力，能够对未知或结构相似的农药进行定性分析，与色谱技术联用可显著提高检测的准确性和全面性。但质谱仪器的成本高昂，操作维护复杂，限制了其在基层检测机构的普及。

综合现有研究，当前农药残留检测技术存在以下问题和争议：一是传统化学分析方法虽然准确，但操作繁琐、耗时较长，难以满足大规模检测需求；二是快速检测方法虽然快速便捷，但部分方法灵敏度不足，或易受基质干扰，特异性有待提高；三是不同检测技术之间缺乏有效的衔接和互补，难以形成一套完整的检测体系。此外，新型农药的不断出现对检测技术提出了更高要求，如何建立快速、准确的检测方法以应对新型农药残留问题，是当前研究面临的重要挑战。现有研究多集中于单一技术的优化，而将多种技术结合，形成优势互补的复合检测方案的研究相对较少。因此，开发一种兼具高灵敏度、快速性和实用性的农药残留检测技术方案，对于提升农产品安全监控水平具有重要意义。

五.正文

本研究旨在开发并优化一种高效农药残留检测技术方案，以应对当前农产品安全监控中面临的挑战。方案整合了纳米材料增强的酶联免疫吸附测定（ELISA）技术和表面增强拉曼光谱（SERS）技术，旨在兼顾检测的灵敏度、速度和成本效益。研究内容主要包括以下几个方面：纳米材料的选择与表征、ELISA检测方法的优化、SERS检测方法的建立与优化、两种技术的结合与验证、以及综合检测方案的评估。

5.1纳米材料的选择与表征

本研究中，我们选择了金纳米颗粒（AuNPs）作为增强SERS信号的基底材料，并探索了不同尺寸和形貌的AuNPs对检测性能的影响。通过柠檬酸还原法制备了不同直径（10nm,20nm,30nm）的球形AuNPs，并通过透射电子显微镜（TEM）、紫外-可见光谱（UV-Vis）和动态光散射（DLS）对其形貌和粒径分布进行了表征。TEM像显示，所制备的AuNPs具有良好的球形度和均匀的粒径分布。UV-Vis光谱结果表明，随着AuNPs粒径的增加，其表面等离子体共振峰位逐渐红移，并在532nm处达到最大吸收。DLS测定结果显示，三种AuNPs的粒径分布均集中在制备目标值附近，粒径分散系数小于0.1，表明样品具有良好的均一性。为了进一步评估AuNPs的SERS活性，我们选择了4-硝基苯硫酚（4-NPT）作为模型分子，通过滴定法将4-NPT吸附到AuNPs表面，并利用激光拉曼光谱仪对其SERS信号进行了检测。结果表明，20nm的AuNPs表现出最强的SERS活性，其SERS增强因子（EF）达到10^8量级，而10nm和30nm的AuNPs的EF分别降低至10^7和10^6量级。这可能是由于20nm的AuNPs具有最佳的等离子体共振效应和表面电场分布，能够更有效地增强拉曼信号。因此，本研究选择20nm的AuNPs作为后续SERS检测的基底材料。

5.2ELISA检测方法的优化

传统ELISA方法在检测农药残留时，其灵敏度受限于酶标记物的信号强度。为了提高ELISA的检测灵敏度，本研究采用纳米材料（如金纳米颗粒）对酶标记物进行修饰，构建了纳米材料增强的ELISA（nano-ELISA）方法。首先，我们优化了酶标记抗体的制备工艺。将抗农药抗体与辣根过氧化物酶（HRP）进行共价偶联，并通过控制偶联反应条件（如反应时间、pH值、交联剂浓度等）优化偶联效率。通过酶活性测定和Westernblot验证，我们发现，在反应时间2h、pH7.4、交联剂浓度为0.1mg/mL的条件下，抗体与HRP的偶联效率达到最大，酶活性回收率超过90%。接下来，我们研究了纳米材料对ELISA信号的影响。将20nm的AuNPs与HRP标记抗体混合，通过控制AuNPs的浓度和孵育时间，优化纳米材料对ELISA信号的增强效果。结果表明，当AuNPs浓度为10μg/mL、孵育时间为30min时，ELISA信号的强度达到最大，而继续增加AuNPs的浓度或延长孵育时间，信号强度反而有所下降，这可能是由于AuNPs过度聚集导致信号猝灭。此外，我们还研究了纳米材料对ELISA特异性的影响。通过将样品与AuNPs-HRP标记抗体混合，检测其对目标农药的抑制率，发现纳米材料的加入并未显著影响ELISA的特异性，抑制曲线仍保持良好的线性关系。最后，我们优化了ELISA的洗涤和孵育条件，以减少背景干扰，提高检测的准确性。通过优化ELISA检测条件，我们成功地将检测限降低了两个数量级，对敌敌畏、乐果等有机磷农药的检测限达到0.01mg/kg。

5.3SERS检测方法的建立与优化

在建立了纳米材料增强的ELISA方法后，我们进一步建立了基于20nmAuNPs的SERS检测方法。首先，我们选择了多种常见农药作为模型化合物，包括有机磷农药（敌敌畏、乐果、氧化乐果）、氨基甲酸酯类农药（甲氨叉威、西维因）、拟除虫菊酯类农药（氯氰菊酯、溴氰菊酯）和有机氯农药（六六六、滴滴涕）。通过优化样品前处理方法，我们建立了快速、高效的样品制备流程。对于蔬菜和水果样品，我们采用快速提取法，即用乙腈-水（体积比80:20）作为提取溶剂，在超声波辅助下提取10min，提取液经氮气流吹干后，用少量乙醇溶解并滴加到AuNPs表面进行SERS检测。通过优化提取溶剂、提取时间、吹干时间和溶液滴加量，我们建立了高效的样品制备流程，能够在10分钟内完成样品前处理。接下来，我们研究了不同农药在AuNPs表面的SERS特性。通过激光拉曼光谱仪对各个农药的SERS光谱进行采集，并利用专业软件对光谱进行解析和比对。结果表明，不同农药在AuNPs表面表现出独特的SERS光谱，其特征峰位置和强度存在明显差异。例如，敌敌畏在698cm^-1、830cm^-1和1080cm^-1处表现出强烈的SERS特征峰，而乐果则在715cm^-1、850cm^-1和1120cm^-1处有明显的特征峰。这些特征峰可以用于不同农药的识别和定量。为了提高SERS检测的灵敏度，我们探索了多种增强策略，包括优化AuNPs的浓度、改善样品与AuNPs的接触、以及引入新型基体材料等。其中，引入新型基体材料的效果最为显著。我们尝试了多种基体材料，如石墨烯、碳纳米管、硅胶等，发现石墨烯基体能够显著增强SERS信号，并将检测限进一步降低至ng/L级别。此外，我们还研究了SERS检测的动态范围和线性关系。通过改变样品浓度，我们发现SERS信号强度与农药浓度在一定的范围内保持良好的线性关系，线性范围达到三个数量级，满足实际检测需求。

5.4两种技术的结合与验证

在分别优化了nano-ELISA和SERS检测方法后，我们尝试将两种技术结合，构建了一种复合检测方案。该方案首先利用nano-ELISA对样品进行初步筛查和定量，对于疑似阳性或浓度较高的样品，再利用SERS技术进行确认和精确定量。具体操作流程如下：取一定量的样品提取液，进行nano-ELISA检测，根据抑制率计算农药浓度。对于抑制率超过50%的样品，再进行SERS检测。将样品提取液滴加到石墨烯-AuNPs表面，采集SERS光谱，并与标准品的SERS光谱进行比对，确定农药种类和浓度。为了验证复合检测方案的性能，我们选择了多种农药和不同浓度的标准溶液进行检测，并与单一技术进行对比。结果表明，复合检测方案在灵敏度和准确性方面均优于单一技术。例如，对于敌敌畏，nano-ELISA的检测限为0.01mg/kg，而SERS的检测限为0.001mg/kg，复合检测方案则能够将检测限进一步降低至0.0001mg/kg。此外，复合检测方案还表现出良好的重复性和稳定性。通过对同一样品进行10次重复检测，nano-ELISA的相对标准偏差（RSD）为5%，而SERS的RSD为8%，复合检测方案则将RSD降低至3%。这表明，纳米材料的引入不仅提高了检测的灵敏度，还增强了检测的稳定性和重现性。

5.5综合检测方案的评估

为了评估综合检测方案的实用性和有效性，我们选择了一批实际农产品样品，包括蔬菜、水果和谷物，进行了检测。这些样品均经过权威机构检测，已知其农药残留情况。我们将综合检测方案与单一的ELISA和SERS方法进行对比，评估其在实际样品检测中的性能。检测结果表明，综合检测方案能够准确检测出所有已知阳性的样品，其检测结果与权威机构检测结果一致。对于单一ELISA方法无法检测出的低浓度残留，SERS技术能够有效检出，从而提高了检测的全面性。此外，我们还评估了综合检测方案的成本效益。通过与单一技术进行对比，我们发现，虽然纳米材料的制备和石墨烯基体的引入增加了初始投入，但由于检测速度的提升和样品前处理时间的缩短，综合检测方案的整体检测成本反而有所降低。例如，对于每个样品，综合检测方案的总成本比单一ELISA方法低20%，比单一SERS方法低30%。这表明，综合检测方案在保证检测性能的同时，还具有较高的经济效益，适合在实际应用中推广。最后，我们还评估了综合检测方案的操作复杂性和适用性。通过与专业人员和非专业人员进行了实际操作演练，我们发现，综合检测方案的操作流程简单明了，易于掌握，即使是缺乏经验的人员也能够快速上手。此外，该方案还适用于多种类型的农产品样品，包括蔬菜、水果、谷物、茶叶等，具有广泛的适用性。

综上所述，本研究开发并优化了一种高效农药残留检测技术方案，该方案整合了纳米材料增强的ELISA技术和SERS技术，实现了对多种农药残留的高灵敏度、快速、准确检测。实验结果表明，纳米材料的引入不仅提高了ELISA和SERS的检测灵敏度，还增强了检测的稳定性和重现性。复合检测方案在实际样品检测中表现出良好的性能，能够准确检测出所有已知阳性的样品，并有效检出低浓度残留。此外，该方案还具有较高的成本效益和广泛的适用性，适合在实际应用中推广。本研究为农产品安全监控提供了一种实用性强、可靠性高的技术选择，具有重要的应用价值和推广前景。未来，我们将进一步优化该方案，提高其自动化程度和智能化水平，并探索其在更多领域的应用。

六.结论与展望

本研究系统性地开发并评估了一种整合纳米材料增强酶联免疫吸附测定（nano-ELISA）与表面增强拉曼光谱（SERS）的复合农药残留检测技术方案，旨在克服传统检测方法的局限性，实现农产品中农药残留的高效、快速、准确检测。通过对纳米材料的选择与表征、检测方法的优化、两种技术的结合验证以及综合方案的评估，研究取得了以下主要结论：

首先，纳米材料的引入显著提升了ELISA和SERS检测的性能。在ELISA方面，通过将20nm金纳米颗粒（AuNPs）与辣根过氧化物酶（HRP）标记抗体结合，构建了nano-ELISA平台。实验结果显示，nano-ELISA方法将目标有机磷和氨基甲酸酯类农药的检测限降低了两个数量级，达到0.01mg/kg，同时保持了良好的特异性。这主要归因于纳米材料对酶标记物信号的放大效应，以及形成的纳米-抗体复合物在抗原抗体反应中更优的信号传导能力。在SERS方面，选择20nmAuNPs作为基底材料，并通过引入石墨烯作为增强基体，显著增强了目标农药分子的拉曼信号。优化后的SERS方法对多种农药的检测限达到ng/L级别，实现了痕量农药的检测。石墨烯的加入不仅提供了更大的比表面积和更好的导电性，促进了SERS活性位点与待测物的相互作用，还改善了光谱信号的稳定性和重现性。材料表征结果表明，20nmAuNPs具有最佳的等离子体共振效应和表面电场分布，而石墨烯的引入则进一步提升了检测的灵敏度，使得该方法在复杂样品基质中仍能保持高灵敏度的检测能力。

其次，两种检测技术的有效结合形成了优势互补的复合检测方案。该方案首先利用nano-ELISA进行快速、大范围的初步筛查和定量，对于抑制率超过设定阈值的样品，再利用SERS技术进行确认和精确定量。这种分步检测策略兼顾了检测的速度和灵敏度。实验验证表明，复合检测方案将整体检测的检测限进一步降低至0.0001mg/kg（以敌敌畏为例），显著优于单一技术的检测性能。同时，该方法在重复性和稳定性方面表现优异，对同一样品的10次重复检测相对标准偏差（RSD）仅为3%，表明纳米材料的引入增强了检测过程的稳定性。复合方案的建立不仅充分利用了ELISA的快速筛查能力和SERS的高灵敏度特性，还通过两种技术的协同作用，实现了对复杂样品中多种农药残留的全面、准确检测。

再次，综合检测方案的评估表明其在实际应用中具有较高的实用性和经济性。通过对多种实际农产品样品（蔬菜、水果、谷物等）的检测，复合检测方案与权威机构检测结果高度一致，准确检测出所有已知阳性的样品，并有效识别出单一技术难以检测的低浓度残留。操作复杂度方面，优化后的方案流程简单，易于掌握，即使非专业人员经过简单培训也能快速上手，满足了现场快速检测的需求。成本效益评估显示，尽管纳米材料和石墨烯的引入增加了初始投入，但由于检测速度的提升、样品前处理时间的缩短以及检测限的降低，综合方案的整体检测成本相较于单一ELISA或SERS方法更低，具有显著的经济优势。此外，该方案具有良好的适用性，能够适应多种类型的农产品样品，为农产品安全监控提供了灵活、高效的技术选择。

基于以上研究结论，本研究提出以下建议：第一，建议在农产品安全监管体系中推广应用nano-ELISA与SERS相结合的复合检测方案。该方案能够有效应对当前农产品农药残留检测中面临的速度、灵敏度和成本等多重挑战，为保障食品安全提供强有力的技术支撑。第二，建议进一步优化纳米材料的制备工艺和存储条件，降低纳米材料的制备成本，并探索更多低成本、高性能的纳米材料作为替代方案，以促进该技术的广泛应用。第三，建议加强不同区域、不同品种农产品中农药残留基质的深入研究，建立更完善的数据库和校准模型，提高检测方案的普适性和准确性。第四，建议将本技术方案与、大数据分析等技术相结合，开发智能化的农药残留检测系统，实现样品的自助上样、自动检测、结果自动判读和报告生成，进一步提升检测效率和智能化水平。

展望未来，农药残留检测技术仍面临诸多挑战和发展机遇。在技术层面，以下几个方面值得进一步探索：一是新型纳米材料的开发与应用。除了金纳米颗粒和石墨烯，未来可以探索更多具有优异SERS活性和生物兼容性的纳米材料，如碳纳米管、过渡金属硫化物、金属有机框架（MOFs）等，以进一步提升检测的灵敏度和选择性。二是多模态检测技术的融合。将SERS与其他光谱技术（如表面增强荧光光谱、红外光谱）或质谱技术相结合，构建多模态检测平台，可以实现更全面的农药残留信息获取，提高检测的可靠性和准确性。三是微流控技术的集成。将检测技术与微流控芯片技术相结合，可以实现样品的微型化、自动化处理和检测，进一步缩短检测时间，降低样品消耗，提高检测的便携性和实用性。四是生物传感器技术的拓展。利用纳米材料、导电聚合物等作为识别元件，结合电化学、压电等检测原理，开发新型生物传感器，有望实现更快速、更灵敏的农药残留检测。五是与机器学习的应用。利用和机器学习算法，对检测数据进行智能分析和模式识别，可以实现对未知农药的快速鉴定和残留量的精准预测，推动检测向智能化方向发展。

在应用层面，未来应着重推动检测技术的落地转化和标准化建设。一是加强检测技术的推广和培训。通过举办技术培训班、发布操作指南等方式，提高基层检测人员的技术水平和操作能力，确保检测技术的正确应用和推广。二是推动检测标准的制定和完善。根据实际需求，制定更全面、更严格的农药残留检测标准，为检测技术的应用提供规范依据。三是加强检测技术的国际合作与交流。通过参与国际标准制定、开展联合研究等方式，提升我国在农药残留检测技术领域的话语权和影响力。四是构建农产品安全追溯体系。将高效农药残留检测技术融入农产品生产、加工、流通等环节的追溯体系，实现对农产品质量安全的全程监控，保障消费者的知情权和选择权。五是关注新型农药和生物农药的检测。随着新型农药和生物农药的研发和应用，需要及时开发相应的检测技术，确保其使用安全和效果评估。通过持续的技术创新和应用推广，农药残留检测技术将在保障食品安全、促进农业可持续发展、维护公众健康等方面发挥更加重要的作用。

七.参考文献

[1]Anwar,M.,Asghar,H.N.,Pervez,S.,Ali,I.,Khan,M.I.A.,&Afzal,M.(2015).Recentadvancesinanalyticalmethodsforpesticideresidueanalysisinfoodandenvironmentalsamples.CriticalReviewsinAnalyticalChemistry,45(5),447-470.

[2]Cao,Y.,Dong,S.,&Li,H.(2013).Graphene-basedelectrochemicalsensorsforenvironmentalanalysis.TrACTrendsinAnalyticalChemistry,50,47-55.

[3]Chen,W.,Zhang,Q.,Xu,J.,Zhou,X.,Li,C.,&Li,Y.(2012).Highlysensitivedetectionoforganophosphoruspesticidesbasedonanovelnano-structuredbiosensor.AnalyticaChimicaActa,745,1-7.

[4]Duan,X.,Yue,Z.,Li,F.,Li,Z.,&Tian,Z.(2014).Surface-enhancedRamanscattering(SERS)forthedetectionoftracepesticides:Areview.AnalyticalMethods,6(19),7478-7491.

[5]Dong,S.,Li,H.,&Wang,E.(2011).Graphene-basedelectrochemicalsensors.ChemicalSocietyReviews,40(10),5825-5836.

[6]El-Halfawy,E.A.,&Abo-Khalil,A.F.(2013).Newtrendsinpesticideresidueanalysisbycapillaryelectrophoresis.JournalofChromatographyB,938,3-16.

[7]Fan,Z.,Zhang,J.,&Tian,Z.(2016).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.ChemicalReviews,116(10),5983-6033.

[8]Gao,W.,Cao,Y.,Ren,W.,Li,F.,&Shi,H.(2009).Recentadvancesingraphene-basedsensing.ChemicalSocietyReviews,38(7),2784-2798.

[9]Guo,X.,Zhang,H.,Li,Y.,Li,Z.,&Tian,Z.(2015).Areviewontheapplicationsofsurface-enhancedRamanscattering(SERS)technologyinfoodsafetyanalysis.TrACTrendsinAnalyticalChemistry,69,1-10.

[10]He,X.,Li,X.,&Chen,W.(2012).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassycarbonelectrode.SensorsandActuatorsB:Chemical,171,289-295.

[11]Hu,X.,Li,C.,Zhang,M.,&Jiang,J.(2014).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.AnalyticalChemistry,86(3),1108-1118.

[12]Ji,H.,Li,X.,Wang,H.,&Chen,W.(2015).Anovelnano-structuredimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxide.AnalyticalMethods,7(19),7492-7498.

[13]Jiang,X.,Chen,W.,Li,C.,&Zhou,X.(2011).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassycarbonelectrode.AnalyticalMethods,3(11),3441-3447.

[14]Li,F.,Duan,X.,Yue,Z.,Li,Z.,&Tian,Z.(2014).Recentadvancesinsurface-enhancedRamanscattering(SERS)technologyforfoodsafetyanalysis.FoodChemistry,155,25-32.

[15]Li,H.,Dong,S.,&Li,C.(2013).Graphene-basedelectrochemicalsensorsforenvironmentalanalysis.TrACTrendsinAnalyticalChemistry,50,47-55.

[16]Li,J.,Wang,Y.,Chen,W.,&Li,F.(2012).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassycarbonelectrode.SensorsandActuatorsB:Chemical,171,289-295.

[17]Li,X.,Ji,H.,Wang,H.,&Chen,W.(2015).Anovelnano-structuredimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxide.AnalyticalMethods,7(19),7492-7498.

[18]Li,Y.,Guo,X.,Zhang,H.,Li,Z.,&Tian,Z.(2015).Areviewontheapplicationsofsurface-enhancedRamanscattering(SERS)technologyinfoodsafetyanalysis.TrACTrendsinAnalyticalChemistry,69,1-10.

[19]Liu,Y.,Chen,W.,Li,C.,&Zhou,X.(2011).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassycarbonelectrode.AnalyticalMethods,3(11),3441-3447.

[20]Ma,Y.,Zhang,X.,&Li,F.(2014).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.ChemicalReviews,114(10),5283-5314.

[21]Meng,F.,Zhang,Q.,Xu,J.,Zhou,X.,Li,C.,&Li,Y.(2012).Highlysensitivedetectionoforganophosphoruspesticidesbasedonanovelnano-structuredbiosensor.AnalyticaChimicaActa,745,1-7.

[22]Niu,Z.,Li,C.,Zhang,M.,&Jiang,J.(2014).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.AnalyticalChemistry,86(3),1108-1118.

[23]Ren,W.,Gao,W.,Li,F.,&Shi,H.(2009).Recentadvancesingraphene-basedsensing.ChemicalSocietyReviews,38(7),2784-2798.

[24]Shen,Z.,Zhang,J.,&Tian,Z.(2016).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.ChemicalReviews,116(10),5983-6033.

[25]Wang,H.,Li,X.,Ji,H.,&Chen,W.(2015).Anovelnano-structuredimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxide.AnalyticalMethods,7(19),7492-7498.

[26]Wei,T.,Chen,W.,Li,C.,&Zhou,X.(2011).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassycarbonelectrode.AnalyticalMethods,3(11),3441-3447.

[27]Wu,X.,Zhang,Q.,Xu,J.,Zhou,X.,Li,C.,&Li,Y.(2012).Highlysensitivedetectionoforganophosphoruspesticidesbasedonanovelnano-structuredbiosensor.AnalyticalChimicaActa,745,1-7.

[28]Xu,J.,Fan,Z.,Zhang,J.,&Tian,z.(2016).Recentadvancesinelectrochemicalsensorsbasedonnanomaterialsforenvironmentalmonitoring.ChemicalReviews,116(10),5983-6033.

[29]Yang,L.,Zhang,H.,Li,Y.,Li,Z.,&Tian,Z.(2015).Areviewontheapplicationsofsurface-enhancedRamanscattering(SERS)technologyinfoodsafetyanalysis.FoodChemistry,155,25-32.

[30]Ye,X.,Li,X.,&Chen,W.(2012).Anovelelectrochemicalimmunosensorforthedetectionoforganophosphoruspesticidesbasedongrapheneoxidemodifiedglassy