基于THz-ATR光谱的玉米种子水分定量模型优化方法研究

应用太赫兹时域光谱技术结合区间偏最小二乘法筛选玉米种子水分THz特征波段,并采用支持向量机构建基于特征谱区的抗非线性干扰的种子水分快速定量分析模型。实验以郑单958玉米种子为例,制备含水量范围9.58%~12.71%的种子粉末样本40组(每组取样3份),采用衰减全反射(ATR)附件扫描得到120份样本太赫兹时域光谱,根据SPXY(光谱-理化值共生距离算法)法划分得到训练集样本90份,测试集样本30份。种子水分对太赫兹波具有强烈吸收,首先采用基于偏最小二乘线性回归的移动区间（mwPLS）、独立区间(iPLS)、后向区间(biPLS)和联合区间(siPLS)方法筛选最优特征谱区组合;鉴于环境水分、种子其他成分及系统噪声对种子水分太赫兹光谱存在不可避免的非线性干扰,在上述光谱特征区间进一步采用基于RBF核函数的支持向量机和网格搜索法构建得到预测性能最优的种子水分快速定量分析非线性模型,训练集均方根误差为0.021 2,预测集均方根误差为0.069 7,相对分析误差为12.345 7,相较于传统偏最小二乘线性回归模型,模型性能得到提升。种子水分含量是影响种子贮藏安全和种子活力的重要因素,实验结果表明：太赫兹时域光谱结合化学计量学可以有效筛选种子水分特征吸收谱区,建立抗干扰、高精度的种子水分快速定量分析模型,有望成为未来种子质量快速测定领域一项极具应用潜力的补充技术。     

太赫兹时域光谱的药物多组分同时定量测定

应用太赫兹时域光谱(THz-TDS)技术结合化学计量学方法对多组分药物混合物中药物活性成分(API)和药用辅料的含量进行了定量分析研究。用THz-TDS系统测量了无水茶碱、乳糖一水合物和硬脂酸镁三元药物混合物及对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉四元药物混合物的太赫兹吸收光谱,并采用主成分回归(PCR)和偏最小二乘回归(PLS)两种多元校正方法分别建立了太赫兹吸收谱与多元混合物各组分含量的定量回归模型,同时获得了混合物中药物活性成分和药用辅料的含量。PLS回归取得更好结果,其中三元混合物两组分含量的PLS定量模型校正及预测相关系数R均高于0.98,四元混合物中对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉含量的PLS定量模型校正及预测相关系数R均分别高于0.93,0.98,0.63和0.86。结果表明,THz-TDS技术结合化学计量学方法建立定量分析模型能够实现对多元混合物成分含量的无损非破坏定量分析,在药物分析等领域将有广阔的应用价值。     

基于高光谱图像和偏最小二乘的羊肉pH值特征波段筛选研究

波段筛选方法的选取以及随后的光谱特征波段的提取对高光谱模型效果的影响较大。为了快速准确检测羊肉的pH值,开展并讨论了利用两种特征波段筛选方法对羊肉pH值高光谱模型的影响研究。本研究采用二阶导数(2D)、多元散射校正(MSC)和中心化处理(mean-centering)相结合的方法对所提取纯肌肉部分的代表性光谱进行预处理,利用联合区间偏最小二乘(siPLS)和联合区间偏最小二乘结合遗传算法(siPLS-GA)对全波段473～1000 nm范围光谱进行特征波段的提取,并分别建立相对应特征波段范围羊肉pH的PLS预测模型,同时与全波段的PLS模型效果相比较。结果表明采用siPLS-GA提取的特征波长建立的PLS模型效果最优,其选取的特征波长点数为56,校正集相关系数(R_cal)和均方根误差(RMSEC)分别为0.96和0.043,预测集相关系数(R_P)和均方根误差(RMSEP)分别为0.96和0.048。siPLS-GA方法既能够减少建模使用的光谱变量,又可以提高模型精度,因此利用高光谱图像技术结合siPLS-GA可以实现羊肉pH的特征波段筛选和快速准确检测。     

利用Far-IR和THz-TDS光谱法测定大米中西维因

利用太赫兹时域光谱（THz-TDS）和傅里叶变换远红外光谱（FT-Far-IR）技术研究了大米中西维因在太赫兹频段的吸收光谱特征,并结合化学计量学方法对大米中西维因进行了测定。样品的制备采取待测农药西维因与大米粉末混合压片的方法模拟真实检测情景,无需样品的分离富集。分别将样品在1.8～6.3 THz特征波段内的Far-IR吸收光谱数据和在0.5～1.5 THz特征波段内的THz-TDS吸收光谱数据随机划分为训练集和验证集。采用偏最小二乘回归（PLSR）方法建立定量分析模型,将校正均方根误差（RMSECV）、预测均方根误差（RMSEP）、预测相关系数（R_v）作为模型性能评判的依据,RMSECV,RMSEP越小,R_v越大,则所建立的模型越好。两种检测技术均得到较好的结果。其中,运用Far-IR技术所得数据建立的定量分析模型预测相关系数(R_v)为0.99,校正均方根误差（RMSECV）为0.007 7, 预测均方根误差（RMSEP）为0.008 6; 运用THz-TDS技术所得数据建立的定量分析模型预测相关系数为0.98,校正均方根误差（RMSECV）为0.002 5、预测均方根误差（RMSEP）为0.004 4。该研究为定量检测粮食中的农残提供了一种新方法。     

基于密度泛函理论与自举软缩减法的酒石酸太赫兹光谱特征谱区分析指认

太赫兹时域光谱不但包含了样品的化学信息和物理信息,还承载了设备噪声、样品状态、环境参数等多方面的背景信息,其光谱的多元性可能影响模型的性能,降低预测精度。能否在复杂、重叠、变动背景下从光谱数据中提取目标组分的特征信息,去除冗余变量,筛选特征谱区,对太赫兹光谱定量、定性分析至关重要。以L-酒石酸为研究对象,在室温下采集6个浓度：10%,20%,40%,50%,60%和80%,共计342个样本的L-酒石酸太赫兹吸收光谱。利用密度泛函理论(DFT)中的B3LYP方法,基于6-31G*(d,p)基组对L-酒石酸单分子模型进行优化并对其太赫兹频谱特性进行理论模拟计算,分析对应特征波峰的分子振动模式,得到0.2～1.6 THz频段吸收谱。与实测吸收谱进行对比,实验所测结果与理论计算结果对应的吸收峰位置基本吻合。采用自举软缩减法（BOSS）对L-酒石酸的太赫兹吸收谱进行特征谱区筛选,并与竞争性自适应加权采样（CARS）、蒙特卡洛无信息变量消除法（MC-UVE）和间隔区间偏最小二乘法（iPLS）3种经典特征谱区筛选法进行对比,分析结果显示BOSS算法选取的有效谱区与DFT理论计算特征谱区重合度最优。分别使用全谱PLS,CARS-PLS,MC-UVE-PLS,iPLS及BOSS五种算法对L-酒石酸光谱进行建模回归分析,实验结果表明,四种谱区筛选方法相较于全谱PLS模型,预测精度均有所提高,其中BOSS算法预测能力提高最为显著,其交互验证均方根误差（RMSECV）、预测均方根误差（RMSEP）、训练集决定系数(R2_train)和测试集决定系数(R2_test)分别为0.026 0,0.026 0,0.988 1和0.987 5,相较其他模型有更高的预测精度和模型稳定性,为实现基于太赫兹光谱技术的快速定量检测提供了一种有效的方法。     

太赫兹光谱结合特征谱区筛选算法在发动机润滑油含水量定量分析中应用研究

发动机润滑油是保障汽车发动机持久且稳定运转的基石,准确评定发动机润滑油各项性能指标是其在生产到使用全过程必不可少的步骤。发动机润滑油在一段时间的使用后会因为多种原因引起油品变质,发动机润滑油变质的指标可以用其中非磁性颗粒物浓度、金属屑含量、pH值、粘稠度、含水率等表述。关于发动机润滑油含水量的检测,传统的检测方法存在操作复杂,及时性差等缺点。太赫兹对水吸收强烈,适合用于对样品中微水含量的分析。通过透射式太赫兹时域光谱系统获得1.0～3.5 THz下的六种不同水含量的发动机润滑油的吸收系数谱线,对谱线进行Savitzky-Golay（SG）平滑去噪,剔除奇异样本后,采用Kennard-Stone算法划分样品集,尝试常规区间偏最小二乘法（iPLS）、向后区间偏最小二乘法（BiPLS）和联合区间偏最小二乘法（SiPLS）对其太赫兹时域光谱特征谱区间进行筛选,着重研究区间间隔数、PLS组件数、最佳主因子数和区间选择等因素对PLS模型属性的影响,并且对不同含水量的润滑油建模分析,对不同模型比较选优,建立最优定量分析模型。建模结果表示特征谱区筛选可以提高建模性能、降低模型复杂性,特征谱区筛选算法通过剔除发动机润滑油太赫兹吸收系数谱线中非线性或者无关变量的方式,使建模结果更好的表达吸收系数谱线与其含水量的关系。结果表明：采用BiPLS模型用于发电机润滑油中微量水含量的定量分析时建模效果最佳,模型区间数为26,入选区间为[18 10 4 3 8 12 5 11 24 13 16 21 2],主因子数为10,最优模型的交互验证均方根误差RMSECV为0.003 5,预测均方根误差RMSEP为0.004 6,校正集相关系数r为0.919 3,预测集相关系数r为0.865 7。由此可见,可以采用反向区间偏最小二乘法（BiPLS）用于发动机润滑油水含量的测定,且实验过程简单,建模计算速度快,效果理想,可以适用于非接触式油品含水量的定量分析。     

麻油中邻苯二甲酸二丁酯的太赫兹时域光谱研究

塑化剂极易转移到大气、土壤、水体和食品中,对环境和人体造成极大的伤害。邻苯二甲酸二丁酯(DBP)是一种常见的塑化剂,本文以DBP为实验对象,利用太赫兹时域光谱技术(THz-TDS)在室温环境下对麻油及其与DBP的混合物进行检测,得到其在0.3~2.25THz波段的折射率和吸收光谱。利用偏最小二乘回归(PLSR)的方法对不同浓度的混合物的吸收光谱进行建模分析,结果表明麻油中DBP含量与太赫兹波段吸收光谱具有很高的相关性,相关系数R为0.9893,校正最大均方根误差(RMSEC)为0.46%,预测最大均方根误差(RESEP)为1.18%,证明了利用太赫兹时域光谱技术结合PLSR方法能够精确分析麻油中塑化剂含量。     

基于可见-近红外光谱变量选择的荒漠土壤全磷含量估测研究

以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象,利用ASD Field Spec○R 3 HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源,将原始光谱数据经过卷积平滑、标准正态变量变换以及一阶微分预处理后,采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长,构建土壤全磷含量偏最小二乘回归预测模型;并与全谱偏最小二乘、蚁群-区间偏最小二乘、遗传-偏最小二乘模型进行比较。结果表明：经蚁群-区间偏最小二乘法筛选后,荒漠土壤全磷特征波段为500~700,1 101~1 300,1 501~1 700,1 901~2 100 nm;进一步采用遗传-区间偏最小二乘法进行变量选择,得到共线性最小的13个有效波长,分别为：1 621,546,1 259,573,1 572,1 527,564,1 186,1 988,1 541,2 024,1 118和1 191 nm。建模方法比较显示,采用蚁群-遗传结合区间偏最小二乘法选择的特征变量,建立的模型精度最高,其次是遗传算法、蚁群算法和全光谱。蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型,效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108 mg·g-1,效验证相关系数R_c以及预测集的相关系数R_p分别为0.535 7,0.555 9。因此,经过卷积平滑、标准正态变量变换以及一阶微分预处理,并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单,而且具有较高的预测精度和较好的稳健性,可以估算荒漠土壤全磷含量。     

基于太赫兹光谱的植物生长调节剂检测技术研究

应用太赫兹时域光谱技术获取了赤霉素、氯吡脲和噻苯隆的太赫兹时域谱图和参考信号的时域谱图,并计算获得了折射率谱和吸收谱。实验结果显示,这三种植物生长调节剂在太赫兹波段内有着明显的特征吸收峰。而后基于最小二乘支持向量机对十九种不同物质的太赫兹时域吸收光谱进行了分类检测,并采用遗传算法和粒子群寻优算法对其进行了优化,最后通过添加噪声测试了模型的鲁棒性。该研究验证了太赫兹时域光谱技术用于药物成分检测的可行性,为植物生长调节剂的检测和鉴别提供了新的实验方法。     

橡胶添加剂瓦斯炭黑的太赫兹光谱定量研究

瓦斯炭黑是橡胶中重要的添加剂之一,其含量对橡胶性能有重要的影响。丁腈橡胶是工业生产中应用比较广泛的合成橡胶,研究丁腈橡胶中瓦斯炭黑的含量具有重要意义。利用太赫兹时域光谱技术,对八种不同含量瓦斯炭黑与丁腈橡胶组成的混合物样本中的瓦斯炭黑含量进行测试,获取了混合物样本在0.3~1.4 THz频段的吸收光谱数据。分别利用偏最小二乘(PLS)和支持向量回归(SVR)建立混合物中瓦斯炭黑的定量分析模型,使用均匀梯度法来选择模型的校正集和预测集,获得瓦斯炭黑预测集的相关系数与均方根误差。偏最小二乘模型相关系数与均方根误差分别为0.985 8和2.098 9%,支持向量回归模型相关系数与均方根误差分别为0.998 0和0.785 4%。实验结果表明,支持向量回归定量分析模型的预测结果优于偏最小二乘模型。为进一步证明支持向量回归模型的稳定性,多次使用随机选择法选择它的校正集和预测集,并求得其相关系数与均方根误差。结果表明,无论是利用均匀梯度法还是随机选择法对支持向量回归定量分析模型的校正集和预测集进行选择,求得的相关系数和均方根误差均优于偏最小二乘模型。     

土壤水分对近红外光谱实时检测土壤全氮的影响研究

利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一,但是由于土壤水分在近红外波段的吸收系数较高,影响了土壤全氮含量的实时预测精度。使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描,定性和定量的分析了土壤水分对近红外光谱的影响,并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。近红外光谱扫描结果显示在同一全氮含量水平下,随着土壤水分含量的增加,光谱吸光度呈逐渐上升的趋势,且变化趋势为非线性。通过对1 450和1 940 nm两个水分吸收波段的差分处理,设计了水分吸收指数MAI（moisture absorbance index）,再对土壤按照水分含量梯度进行分类,提出了相应的修正系数。修正后的6个土壤全氮特征波段处(940,1 050,1 100,1 200,1 300和1 550 nm)的土壤吸光度值作为建模自变量,使用BP神经网络建立了土壤全氮预测模型,模型的R_C,R_V,RMSEC,RMSEP和RPD分别达到了0.86,0.81,0.06,0.05和2.75;与原始吸光度所建模型相比较模型精度得到了显著提高。实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响,为土壤全氮含量实时预测提供了理论和技术支持。     

液态样本近红外光谱测量中的光程变化误差消减方法研究

以蔗糖溶液为研究对象,利用近红外光谱分别测量4,5和6 mm光程下不同浓度蔗糖溶液的透反射光谱,研究采用矢量归一化、基线偏移校正、多元散射校正、标准正态变量变换、一阶导数5种预处理方法消除光程差异的影响,并结合PLS方法建立校正集模型。与原始光谱的PLS模型相比,五种预处理方法均对模型的预测精度有不同程度的提高,其中,多元散射校正结合PLS方法建立的模型最优,使原始光谱的主成分数PC由6下降为3,决定系数R2由0.891 278提高到0.987 535,交互验证决定系数R2_CV由0.888 374提高到0.983 343,校正标准偏差RMSEC由1.704%下降到0.89%,交互验证的校正标准偏差RMSECV由1.827%下降到1.05%,预测集样本的相关系数由0.950 89上升到0.976 22,预测标准偏差由0.014 36下降为0.01。结果表明,五种预处理方法中,多元散射校正法能够消除光程差异的干扰,提高模型的预测精度,改善稳定性。     

结构相似单糖和二糖分子的太赫兹时域光谱研究

应用太赫兹时域光谱(THz-TDS)技术结合密度泛函理论(DFT)对两种结构相似的典型单糖和二糖物质(D-葡萄糖和乳糖一水化合物)在0.3~1.7 THz频段的太赫兹吸收光谱进行了实验与理论模拟研究。首先,利用THz-TDS技术分别测量了D-葡萄糖和乳糖一水化合物在0.3~1.7 THz频段的太赫兹特征吸收谱,获得了它们在此太赫兹频率范围内的指纹光谱数据,发现虽然乳糖的组成结构中含有葡萄糖,但THz-TDS技术对糖类分子的结构变化非常敏感,两种物质在所测太赫兹频段内分别表现出各自不同的太赫兹指纹吸收特性。然后,利用DFT方法分别对两种糖类物质单分子和多分子构型的低频集体振动模式进行了理论模拟计算,获得了D-葡萄糖晶胞构型和乳糖一水化合物单分子及晶胞构型的DFT模拟计算结果,并通过简正振动模式分解的PED分析方法,结合GaussView显示的分子振动形式,对两种糖类物质在太赫兹频段吸收峰的简正振动模式进行了指认,发现乳糖一水化合物的振动模式与羟基(-OH)、羟甲基(-CH₂OH)和糖苷键的振动模式密切相关,且D-葡萄糖在1.44 THz处及乳糖一水化合物在1.38 THz处出现的吸收峰主要是由分子间的相互作用(氢键和范德华力),尤其是相互作用较强的氢键引起。最后,利用约化密度梯度(RDG)分析,可视化地分析了D-葡萄糖和乳糖一水化合物分子间相互作用的位置、类型和强度,进一步证明了两种物质在太赫兹频段的特征吸收峰主要来源于分子间氢键网络支配的集体振动模式。研究结果表明,THz-TDS技术对糖类分子结构的细微变化有着敏锐的感知,虽然D-葡萄糖和乳糖一水化合物的分子结构相似,但太赫兹波对它们之间的结构差异十分敏感,两者在太赫兹波段的特征吸收谱表现出明显差异,这为THz-TDS技术结合DFT方法对糖类物质进行检测识别以及研究糖类分子间的相互作用提供了有价值的实验和理论参考。     

基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测

为建立预测能力高、稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型,对比各种预处理方法、变量优选方法、快速独立主成分分析(FICA)以及最小二乘支持向量机(LS-SVM)对黄花梨SSC模型的影响,得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。采用Quality Spec型光谱仪采集550~950 nm波段范围内的黄花梨漫透射光谱并采用遗传算法、连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量,再结合FICA提取光谱主成分,最后采用LS-SVM建立黄花梨的SSC预测模型。结果显示,采用CARS筛选的21个变量,经FICA挑选出12个主成分数,联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳,建模集和预测集的决定系数及均方根误差分别为0.974,0.116%和0.918,0.158%,同直接采用PLS方法建模相比,变量数从401个下降到21,主成分数由14下降到12,建模集和预测集决定系数分别上升了0.023,0.019,而建模和预测均方根误差分别下降了0.042%和0.010%。CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。     

多种糖混合物的太赫兹时域光谱定性及定量分析研究

利用太赫兹时域光谱(terahertz time-domain spectroscopy, THz-TDS)技术研究了D-(-)-核糖、D-葡萄糖、α-乳糖一水合物及β-乳糖在0.3～1.6 THz波段的光谱特性。结果显示THz波对几种糖结构的变化有灵敏响应,在测量波段内有各自特征的THz指纹吸收光谱。利用线性回归技术对含两至四组分混合体系的THz光谱进行定性及定量解析,获得了混合物中各组分含量,相对误差小于7.2%,并就误差产生的原因做了简要分析。实验结果表明THz-TDS技术能够用于材料的定性及定量分析研究,在生物医药的无损检测和质量控制等方面有重要的应用前景。     

三维漫射光谱法检测猪肉嫩度的初步研究

猪肉是光的强散射物质,嫩度是评价猪肉品质优劣的重要标准之一,提出一种基于三维漫射光谱法的猪肉嫩度检测方式。将猪肉样本更多的散射信息引入光谱分析中。利用实验室搭建的数据采集系统,通过采集距光源入射点不同距离处的样本漫反射光信号构建了64个猪肉样本的三维漫射光谱。经过小波消噪处理后,利用多维偏最小二乘法(NPLS)建立了三维漫射光谱与猪肉嫩度之间的分析模型,模型的校正决定系数R2_Cal是0.883 1,校正标准差RMSEC是3.685 0N,预测决定系数R2_Pred是0.874 7,预测标准差RMSEP是3.9756N。实验结果表明, 与常规的漫反射光谱法相比,三维漫射光谱法所建立的猪肉嫩度NPLS模型具有更高的校正精度和预测稳健性,有望为猪肉嫩度及其他品质的快速检测提供一种新的途径。     

基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究

利用高光谱成像系统获得网纹类哈密瓜糖度漫反射光谱信息,选择有效波段500～820 nm进行哈密瓜糖度检测建模回归分析。对比了多元散射信号修正和标准正则变换校正方法,原始光谱、一阶微分、二阶微分光谱预处理方法对建模精度的影响;采用偏最小二乘法、逐步多元线性回归和主成分回归方法对比分析了带皮哈密瓜和去皮哈密瓜糖度检测模型效果。结果表明,对原始光谱经过MSC和一阶微分光谱处理后,采用PLS和SMLR方法均可取得很好的建模效果,应用PLS法检测带皮哈密瓜糖度是可行的,其校正集相关系数(R_c)为0.861,RMSEC为0.627,预测集相关系数(R_p)为0.706,RMSEP为0.873;应用SMLR法检测去皮哈密瓜糖度效果最佳,校正集相关系数(R_c)为0.928,RMSEC为0.458,预测集相关系数(R_p)为0.818,RMSEP为0.727。研究表明,应用高光谱成像技术检测哈密瓜糖度具有可行性。     

基于拉曼光谱的苹果中农药残留种类识别及浓度预测的研究

应用拉曼光谱技术结合化学计量学方法能有效的实现果蔬中农药残留的定性定量分析。本研究借助实验室自主研发的拉曼光谱检测系统,对苹果中溴氰菊酯和啶虫脒的快速无损识别和检测进行了探索。定性分析时将拉曼峰574 和843 cm-1分别作为识别溴氰菊酯和啶虫脒的拉曼指纹,当苹果中的溴氰菊酯和啶虫脒残留的含量分别为0.78和0.15 mg·kg-1时,两种农药的特征峰仍清晰可见。定量分析首先对光谱进行多种预处理（Savitzky-Golay平滑、一阶导、二阶导、基线校准、标准正态变量变换）,结合偏最小二乘法分别建立苹果中溴氰菊酯和啶虫脒含量的定量模型。结果表明,采用8次多项式拟合进行基线校准的预处理方法效果最好,对于溴氰菊酯,偏最小二乘模型预测值与气相色谱法测定值的相关系数和预测均方根误差分别为0.94和0.55 mg·kg-1,对于啶虫脒,其偏最小二乘模型的相关系数与预测均方根误差分别为0.85和0.12 mg·kg-1。本研究证实了利用拉曼技术对苹果农残进行无损检测的可行性,使用该方法进行检测时,在光谱测定前不需要进行前处理,光谱测定后样品无任何损伤,该技术实现了果蔬农残的现场检测,可在检测部门、果蔬加工企业、超市、市场等场所得到推广使用,为果蔬品质安全提供了一种无损、快速和环保的检测方法。