外文摘要：NOVELTY - The method involves taking the food test sample tablets. The mass ratio of the to-be-detected pesticide in the food test sample tablets is calculated. The spectrum of the mass ratio is drawn for each food test sample tablet by using THz-TDS. The spectrum is randomly divided into a training set and a validation set at the characteristic bands of the food test sample tablets. The quantitative analysis of the training set and validation set is performed for establishing THz-TDS frequency domain spectrum to obtain quantitative detection values for the food test sample tablets.
USE - Method for detecting pesticide residue in food using terahertz time-domain spectroscopy (THz-TDS) frequency domain spectrum.
ADVANTAGE - The pesticide residue in the food is detected effectively using the THz-TDS frequency domain spectrum.
主权项：
1.一种利用THz-TDS频域谱定量检测粮食中农药残留的方法，其特征在于，包括如下步 骤：
(1)取待测粮食样品研磨后压片，即得待测粮食压片样品；
(2)取欲检测的目标农药样品，按照质量比1:4的比例与聚乙烯进行混合，并研磨后压 片，即得含有目标农药与聚乙烯的混合压片样品；
(3)利用THz-TDS光谱系统对所述待测粮食压片样品和所述混合压片样品进行逐一测 试，得到各样品的太赫兹时域光谱，采集氮气氛围下的太赫兹时域光谱信号作为参考信号， 并在相同条件下采集所述待测粮食压片样品和混合压片样品的太赫兹时域光谱信号作为 样品信号，将参考信号和样品信号分别经过傅里叶变换后得到参考的频域谱信号Es和样品 的频域谱信号Er：
式中，ω代表频率， 代表样品信号与参考信号的相位差，ρ为样品信号与参考信号的振 幅模的比值；
(4)根据所述混合压片样品的频域谱信号，选定重现性较好的波段区间作为特征波段， 并将所述待测粮食压片样品在所述特征波段下的频域谱随机划分为训练集样本频域谱和 验证集样本频域谱；
(5)利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集样本频域谱的 定量分析模型，获得各所述待测粮食样品的定量检测值；
所述农药为啶虫脒，所述啶虫脒频域谱特征波段为0.1-2.0THz；
所述步骤(5)中，利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集 样本频域谱的定量分析模型，所述啶虫脒频域谱定量分析模型的主成分数为2；
所述步骤(3)中，所述THz-TDS的测试条件是：检测温度为19℃，以氮气作为参考，光谱 仪扫描系统的步进电机扫描区间为-1mm-2mm，步长为0.01mm；
所述步骤(4)中，所述训练集样本和所述验证集样本的划分利用自助拉丁配分法进行；
所述自助拉丁配分法的具体计算过程如下：
(a)假设数据集有n个样本，将样本随机排序，之后每次从数据集中抽出N个样本；
(b)将该数据集划分成相等大小的m组，m＝n/N；
(c)以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(d)以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(e)以此类推，共进行m次，直至所有组被抽出一次并进行预测为止；
利用所述自助拉丁配分法对所述频域谱进行划分时，重复配分计算10次；
所述步骤(3)中，每个样品重复测量3次，每个样品为直径13mm、厚度1.2mm的圆薄片；
所述步骤(5)中，所述偏最小二乘回归方法的具体计算原理如下：
偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜 变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；
X＝TP T+E＝∑t ap a t；
Y＝UQ T+F＝∑u aq a t；
式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t a为得分向量,p a为相应的 载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u a为得分向量,q a为相应的 载荷向量；
偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形 组合，同时应满足以下条件：
(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息；
(b)二者之间的协方差最大化。
2.一种利用THz-TDS频域谱定量检测粮食中农药残留的方法，其特征在于，包括如下步 骤：
(1)取待测粮食样品研磨后压片，即得待测粮食压片样品；
(2)取欲检测的目标农药样品，按照质量比1:4的比例与聚乙烯进行混合，并研磨后压 片，即得含有目标农药与聚乙烯的混合压片样品；
(3)利用THz-TDS光谱系统对所述待测粮食压片样品和所述混合压片样品进行逐一测 试，得到各样品的太赫兹时域光谱，采集氮气氛围下的太赫兹时域光谱信号作为参考信号， 并在相同条件下采集所述待测粮食压片样品和混合压片样品的太赫兹时域光谱信号作为 样品信号，将参考信号和样品信号分别经过傅里叶变换后得到参考的频域谱信号Es和样品 的频域谱信号Er：
式中，ω代表频率， 代表样品信号与参考信号的相位差，ρ为样品信号与参考信号的振 幅模的比值；
(4)根据所述混合压片样品的频域谱信号，选定重现性较好的波段区间作为特征波段， 并将所述待测粮食压片样品在所述特征波段下的频域谱随机划分为训练集样本频域谱和 验证集样本频域谱；
(5)利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集样本频域谱的 定量分析模型，获得各所述待测粮食样品的定量检测值；
所述农药为西维因，所述西维因的频域谱特征波段为0.5-2.0THz；
所述步骤(5)中，利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集 样本频域谱的定量分析模型，所述西维因频域谱定量分析模型的主成分数为4；
所述步骤(3)中，所述THz-TDS的测试条件是：检测温度为19℃，以氮气作为参考，光谱 仪扫描系统的步进电机扫描区间为-1mm-2mm，步长为0.01mm；
所述步骤(4)中，所述训练集样本和所述验证集样本的划分利用自助拉丁配分法进行；
所述自助拉丁配分法的具体计算过程如下：
(a)假设数据集有n个样本，将样本随机排序，之后每次从数据集中抽出N个样本；
(b)将该数据集划分成相等大小的m组，m＝n/N；
(c)以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(d)以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(e)以此类推，共进行m次，直至所有组被抽出一次并进行预测为止；
利用所述自助拉丁配分法对所述频域谱进行划分时，重复配分计算10次；
所述步骤(3)中，每个样品重复测量3次，每个样品为直径13mm、厚度1.2mm的圆薄片；
所述步骤(5)中，所述偏最小二乘回归方法的具体计算原理如下：
偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜 变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；
X＝TP T+E＝∑t ap a t；
Y＝UQ T+F＝∑u aq a t；
式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t a为得分向量,p a为相应的 载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u a为得分向量,q a为相应的 载荷向量；
偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形 组合，同时应满足以下条件：
(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息；
(b)二者之间的协方差最大化。
3.一种利用THz-TDS频域谱定量检测粮食中农药残留的方法，其特征在于，包括如下步 骤：
(1)取待测粮食样品研磨后压片，即得待测粮食压片样品；
(2)取欲检测的目标农药样品，按照质量比1:4的比例与聚乙烯进行混合，并研磨后压 片，即得含有目标农药与聚乙烯的混合压片样品；
(3)利用THz-TDS光谱系统对所述待测粮食压片样品和所述混合压片样品进行逐一测 试，得到各样品的太赫兹时域光谱，采集氮气氛围下的太赫兹时域光谱信号作为参考信号， 并在相同条件下采集所述待测粮食压片样品和混合压片样品的太赫兹时域光谱信号作为 样品信号，将参考信号和样品信号分别经过傅里叶变换后得到参考的频域谱信号Es和样品 的频域谱信号Er：
式中，ω代表频率， 代表样品信号与参考信号的相位差，ρ为样品信号与参考信号的振 幅模的比值；
(4)根据所述混合压片样品的频域谱信号，选定重现性较好的波段区间作为特征波段， 并将所述待测粮食压片样品在所述特征波段下的频域谱随机划分为训练集样本频域谱和 验证集样本频域谱；
(5)利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集样本频域谱的 定量分析模型，获得各所述待测粮食样品的定量检测值；
所述农药为吡虫啉，所述吡虫啉的频域谱特征波段为在0.1-2.0THz；
所述步骤(5)中，利用偏最小二乘回归方法建立所述训练集样本频域谱和所述验证集 样本频域谱的定量分析模型，所述吡虫啉频域谱定量分析模型的主因子数为6；
所述步骤(3)中，所述THz-TDS的测试条件是：检测温度为19℃，以氮气作为参考，光谱 仪扫描系统的步进电机扫描区间为-1mm-2mm，步长为0.01mm；
所述步骤(4)中，所述训练集样本和所述验证集样本的划分利用自助拉丁配分法进行；
所述自助拉丁配分法的具体计算过程如下：
(a)假设数据集有n个样本，将样本随机排序，之后每次从数据集中抽出N个样本；
(b)将该数据集划分成相等大小的m组，m＝n/N；
(c)以第一组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(d)以第二组为验证集，剩余m-1组为训练集，即用n-N个训练集样本建立分析模型，并 预测被抽出来的N个样本；
(e)以此类推，共进行m次，直至所有组被抽出一次并进行预测为止；
利用所述自助拉丁配分法对所述频域谱进行划分时，重复配分计算10次；
所述步骤(3)中，每个样品重复测量3次，每个样品为直径13mm、厚度1.2mm的圆薄片；
所述步骤(5)中，所述偏最小二乘回归方法的具体计算原理如下：
偏最小二乘方法是建立在自变量X和因变量Y矩阵基础上的模型，通过建立自变量的潜 变量关于因变量的潜变量的线性回归模型，进而反应自变量与因变量之间的关系；
X＝TP T+E＝∑t ap a t；
Y＝UQ T+F＝∑u aq a t；
式中：T为X的得分矩阵，P为X的载荷矩阵,E为X的残差矩阵，t a为得分向量,p a为相应的 载荷向量,U为Y的得分矩阵,Q为Y的载荷矩阵,F为Y的残差矩阵,u a为得分向量,q a为相应的 载荷向量；
偏最小二乘回归分别在X和Y中提取各自的潜变量,它们分别为自变量与因变量的线形 组合，同时应满足以下条件：
(a)两组潜变量分别最大程度地承载自变量和因变量的变异信息；
(b)二者之间的协方差最大化。
申请号： CN201410510382.2
公开/公告号： CN104297202B
申请日：2014-09-28
公开/公告日：2017-10-20
申请/专利权人： 首都师范大学;中央民族大学;北京远大恒通科技发展有限公司
发明/设计人： 张卓勇;孙彤;杨玉平
分类号： G01N21/3581 G01N21/3586
主分类号：G01N21/3581
法律状态：有权-审定授权
点击下载：利用THz-TDS频域谱定量检测粮食中农药残留的方法