基于花青素染料的比色传感器阵列结合模式识别算法实现韭菜中农药残留的多任务检测

为解决韭菜农药残留快速检测难题，研究人员开发了一种基于9种环保花青素染料的比色传感器阵列(CSA)，结合卷积神经网络(CNN)和支持向量回归(SVR)模型，实现了农药类型100%分类准确率、浓度检测误差1.02–2.68 mg/kg，检测时间缩短至20分钟内，为食品安全监测提供高效低成本新方案。

　　

韭菜作为富含矿物质和维生素的常见蔬菜，其种植过程中因叶片蜡质层特性易残留农药，北京2022年研究显示其农药残留率高达40.2%。传统检测方法如高效液相色谱(HPLC)和酶联免疫吸附试验(ELISA)存在设备昂贵、操作复杂等局限。针对这一现状，中国研究人员创新性地将天然花青素染料应用于比色传感器阵列(CSA)开发，结合人工智能算法建立了一套高效检测体系。

研究采用顶空固相微萃取-气相色谱质谱联用(HS-SPME-GC-MS)分析农药挥发性有机化合物(VOCs)组分，筛选9种花青素构建CSA阵列，通过CNN分类器实现杀菌剂(腐霉利、多菌灵)和杀虫剂(毒死蜱)的100%类型识别，SVR模型获得0.93–0.95的相关系数。关键技术包括：温室培育标准化的韭菜样本；HS-SPME-GC-MS分析农药VOCs特征；花青素CSA的颜色特征提取；CNN与SVR相结合的算法建模。

HS-SPME-GC-MS分析不同农药
研究发现腐霉利处理样本含36.51%烃类有机物，多菌灵组以醛类(28.37%)为主，毒死蜱组则富含含硫化合物(42.16%)，证实不同农药产生特征性VOCs谱。

结论与意义
该研究首次将花青素CSA应用于韭菜农药多维度检测，突破传统方法单次检测单一指标的限制。CNN对3类农药的浓度分级准确率达75%–100%，SVR模型预测误差低于2.68 mg/kg，满足食品安全监管1 mg/kg精度要求。花青素的环境友好特性解决了金属卟啉染料的光毒性风险，20分钟快速检测能力为未来建立蔬菜农药残留在线智能检测平台奠定基础。论文发表于《Food Chemistry》，为农产品安全监管提供了兼具科学性、实用性和创新性的技术范式。