一种基于近红外光谱的草甘膦产品及其副产物检测方法与流程
- 国知局
- 2024-10-21 15:02:33
本发明涉及药物分析,尤其是涉及一种基于近红外光谱的草甘膦产品及其副产物检测方法。
背景技术:
1、草甘膦,别名n-(膦酸甲基)甘氨酸(简写为pmg),是孟山都开发的一种低毒的内吸传导型广谱灭生性除草剂,2021年产量80万吨,是全球生产量和销量最大的农药品种,目前在我国登记使用作物超50个,涉及水果、玉米与水稻等食用农产品以及橡胶、桑树等非农药产品。近年来由于全球极端气候的持续加剧以及新冠病毒的爆发,使得全球食品供应系统的不确定性和不稳定性,世界各国越来越重视保障粮食自给,农产品种植面积将会有所回升,对于化肥、农药等农化产品的需求也将同步增长。按照历年数据,中国生产的草甘膦80%以上用于出口,占农药总出口的50%以上,预计年出口量为40万吨,主要出口国家,有巴西、阿根廷、美国与澳大利亚等。
2、出口产品要求相比于国内,草甘膦特性指标副产物指标要求更为苛刻,特别是2020年,欧盟重新调整了我国草甘膦残留限量标准以及产品出口标准,其农药管理政策的调整对以后分析的要求越来越高,也将对农产品出口产生影响。目前国际与国内通用的草甘膦分析方法主要用两种:高效液相色谱法(仲裁法)与分光光度法,(gb-t 12686-2017),前者需要对样品进行预处理,且对仪器设备要求较高,耗材量大,对温度敏感,后者需要使用溴化钾以及亚硝酸钠等毒性物质,且过程繁杂,分析周期较长,需要两个小时,且对样品的均匀度要求较高,两种方法均会产生大量酸碱以及有机废液,需要委外处理,这也增加了草甘膦生产成本。同时,草甘膦属于低毒除草剂,对人体皮肤和粘膜有一定刺激作用,长时间接触引起过敏反应。
3、近红外光谱分析技术是利用近红外谱区包含的物质信息,主要用于有机物定性和定量分析的一种检测技术,主要体现基频2000cm-1以上的基团信息,其中以含氢基团为主,包括(c-h,o-h,s-h,n-h),也包括其他基团信息(c=c,c=o),这些丰富的信息决定其能够测定化学成分也能够分析物理性质,能够为石油、化工、食品、制药与农药领域提供品质检测和分析解决方案。近年来国内外已经有很多学者将近红外光谱技术成功应用在石油和农产品等领域的成分判别方面,但是暂未有近红外在农药领域的应用研究。
4、烷基酯法作为我国草甘膦的主流生产路线,提供着全国约80%的需求量,尤其是甘氨酸法。但是该法合成过程中因为甲醛和水解作用不可避免的产生一系列副反应,经碳谱、磷谱以及氢谱检测主要为增甘膦、n-甲基草甘膦等,导致草甘膦产品成分复杂。
5、因此,开发一种在线草甘膦原位分析检测方法,实现产品指标快速、高效分析,对草甘膦甚至农药行业均具有突破现实意义。
技术实现思路
1、有鉴于此,本发明要解决的技术问题在于提供一种基于近红外光谱的草甘膦产品及其副产物检测方法,本发明的检测方法检测草甘膦产品及其副产物快速,重现性和准确性好。
2、本发明提供了一种基于近红外光谱的草甘膦产品及其副产物检测方法,包括如下步骤:
3、a)将待测草甘膦产品及其副产物经预处理后,进行近红外光谱采集,得到草甘膦产品的原始近红外光谱图;
4、b)将草甘膦产品及其副产物的原始近红外光谱图输入已建立的定量模型中,得到草甘膦产品及其副产物的定量结果;
5、所述定量模型通过如下方法得到:
6、a)采用高效液相色谱法测定草甘膦产品及其副产物的含量;
7、b)对草甘膦产品及其副产物进行近红外光谱扫描,得到草甘膦产品及其副产物的原始近红外光谱图;
8、c)对草甘膦产品及其副产物的原始近红外光谱图进行预处理,结合pls拟合建立光谱数据矩阵建立初步模型;
9、d)根据交叉检验和/或外部检验对模型进行评价和二次优化,得到定量模型。
10、本发明提供了一种基于近红外光谱的草甘膦产品及其副产物检测方法。
11、本发明对于所述草甘膦副产物包括草甘膦副产物包括增甘膦和n-甲基草甘膦。
12、即为,本发明检测方法能够对含有草甘膦、增甘膦和n-甲基草甘膦的产品中的上述物质的含量进行定性定量分析,重现性和准确性好。
13、首先为定量模型的建立。
14、本发明所述定量模型的建立首先采用高效液相色谱法测定草甘膦产品及其副产物的含量。
15、本发明对于所述高效液相色谱的测定方法不进行限定,本领域技术人员熟知的即可。优选可以采用gb/t 12686-2017的方法。具体为:采用仲裁法-高效液相色谱仪法(gb/t12686-2017)对草甘膦原粉进行组分测定,主要分析指标包括草甘膦、增甘膦与n-甲基草甘膦。每个样品测量2次作为样本最终浓度值,平行结果测定之差低于0.5%,以外标法进行定量。
16、可以为:试样经流动相溶解,以ph为1.9的磷酸二氢钾和甲醇水溶液为流动相,使用强离子交换柱(sax)和紫外检测器(195nm),对试样中各组分进行测定。测量条件:流动相磷酸二氢钾(质量浓度0.027%)+甲醇的水溶液(甲醇:水=0.03),用磷酸调ph为1.9,超声波震荡10~20分钟;流速:1.5ml/min;柱温:30℃,进样体积20μl。每个样品测量2次作为样本最终浓度值,平行结果测定之差低于0.5%,以外标法进行定量。
17、本发明优选选择能够代表草甘膦体系的样本,为保证模型的稳健性,拓展含量范围,光谱扫描样本数据量150~600个;更优选为200~500个。
18、本发明人发现,上述样品范围内,建立的模型具有良好的准确性,
19、若未控制样本组别无法识别边界含量,同时导致浓度中间段的成品过拟合,会导致模型失效。
20、对草甘膦产品及其副产物进行近红外光谱扫描,得到草甘膦产品及其副产物的原始近红外光谱图。
21、按照本发明,所述近红外光谱采集参数具体为:
22、采用近红外光谱仪对草甘膦样品数据进行漫反射采集,主要波长范围集中在长波段1100~2526nm,均分辨率2nm;
23、光谱数据采集的具体扫描附件为样品旋转台+积分球附件,样品及背景扫描频次64次,作为最终样品信息,单个样品光谱数量2,扫描速度10khz;样品温度30℃。
24、本发明选择上述光谱数据采集参数的综合作用使得最终建立的模型数据结果准确可靠。
25、对草甘膦产品及其副产物的原始近红外光谱图进行预处理。本发明所述预处理包括波谱预处理和模型预处理;
26、按照本发明,所述波谱预处理指标包括:草甘膦为9090-6060cm-1、5464-4608cm-1;包含445个波长点。增甘膦为9130-8090cm-1、7504-5448cm-1、4600-4248cm-1包含412个波长点;n-甲基草甘膦为8952-8100cm-1、6000-4100cm-1,包含445个波长点,每个指标的实际光谱数据为波长点的矩阵集合。
27、本发明上述全扫描,限制pls回归的频率范围,是为减少光谱噪声和样品中附加组分的影响,造成过度解析,增强模型的稳健性。
28、本发明所述模型预处理包括减去一条直线、最小-最大归一化、矢量归一化(snv)、一阶导数、二阶导数、一阶导数+矢量归一化;一阶导数+msc的一种或几种;
29、本发明模型预处理指标优选包括:草甘膦采用一阶导数+msc处理;增甘膦采用一阶导数+矢量归一化;n-甲基草甘膦采用一阶导数法处理。
30、本发明检测方法采用上述特定的预处理指标,能得到最大的定向系数r2/rp2与最小的均方根误差值。
31、预处理后,结合pls拟合建立光谱数据矩阵,建立初步模型。本发明pls拟合过程中设置矩阵维数≤10,具体根据如下评价参数和二次优化结果定值。
32、模型维数过高一方面影响特征值的识别,影响模型性能,另一方面计算存储复杂,建模过程中尽可能降维处理。
33、根据交叉检验和/或外部检验对模型进行评价和二次优化,得到定量模型。
34、本发明所述交叉检验和/或外部检验包括:
35、草甘膦校验采用外部检验方式得到最佳rmsep、r2与rpd值;校正值:测量值=5:2,校正间距为10,数据长度为4;
36、增甘膦校验采用交叉检验方式得到最佳rmsecv、r2与rpd值;
37、n-甲基草甘膦校验采用外部检验方式得到最佳rmsep、r2与rpd值;校正值:测量值=4:1,校正间距为8,数据长度为2。
38、不同化学值采取特定的评价方式与参数可以得到最稳健的效果,本发明上述检验方式的选择,使得得到最佳rmsep、r2与rpd值。
39、本发明所述二次优化包括:
40、通过异常值的剔除、维数选择、马氏距离调整,杠杆值与光谱残留关系调整对模型进行二次优化。
41、本发明上述优化方式为本领域技术人员熟知的常规优化方式,本发明人可以根据具体需要采用一种或者几种进行优化。
42、通过异常值的剔除、维数选择、马氏距离调整,杠杆值与光谱残留关系调整对模型进行二次优化、确保拟合值与真值、偏差和残差达到最佳水平。最终,所述定量模型最佳维数分别为:草甘膦:10、增甘膦与n-甲基草甘膦分别为7和8。
43、本发明提供的一种基于近红外光谱的草甘膦产品及其副产物检测方法,首先将待测草甘膦产品及其副产物经预处理后,进行近红外光谱采集,得到草甘膦产品的原始近红外光谱图。
44、此处预处理为样品预处理,本发明样品需要经过流动相稀释、超声震荡等预处理。
45、本发明其中一个实施例中,稀释优选可以为:0.2g到100ml,流动相稀释到刻度;
46、超声震荡优选可以为:常温水浴,10分钟。
47、预处理后,进行近红外光谱采集的参数上述已经有了清楚的描述,近红外光谱采集参数具体为:
48、采用近红外光谱仪对草甘膦样品数据进行漫反射采集,主要波长范围集中在长波段1100~2526nm,均分辨率2nm;
49、光谱数据采集的具体扫描附件为样品旋转台+积分球附件,样品及背景扫描频次64次,作为最终样品信息,单个样品光谱数量2,扫描速度10khz;样品温度30℃。上述参数可以保证样品扫描的稳定性与均匀性,避免仪器以及环境温度的影响。
50、将草甘膦产品及其副产物的原始近红外光谱图输入已建立的定量模型中,得到草甘膦产品及其副产物的定量结果。
51、本发明检测方法还包括采用模型检测的定量结果结合白度或粒径指标对草甘膦产品进行分级。
52、本发明白度评价优选为:通过样品对蓝光的反射率与标准白板对蓝光的反射率进行对比,得到样品的白度。按照白度仪提供的样品盒装样,同时连续进行两次测定,平行测定结果的差值不大于0.2%,取平均值为测定结果;
53、粒度的评价优选为:粒度采用马尔文3000粒度分析仪测定。
54、草甘膦样品化学检验指标包括草甘膦、增甘膦与n-甲基草甘膦,标准品设置阈值,通过将样品与标准阈值比较(见表10),从而确定草甘膦产品的等级。
55、根据草甘膦样品的主成分以及杂质含量,包括粒度与白度等物性指标确定草甘膦产品等级a、b与c级(见表10)。a级合格品可(出口)外售、b级合格品可国内外售;c级品不合格。
56、本发明通过以上创新,攻克现有分析技术存在的分析周期长、精确度低以及环境污染问题,实现了对草甘膦产品品质的快速、准确评价。
57、本发明与传统方法相比,一、测试过程中对草甘膦成品品无损伤,最大程度的保留测试样本;二、分析速度快,可在十几秒内迅速完成;三、测试过程中无需复杂的前处理,无化学试剂的使用,实现绿色化,同时对分析人员无专业化的要求。四、精确度与重线性好,无论是在线还是离线分析,样本量大且每个样本重复扫描30次及以上,同时消除了人为误差;五、实现多种化学组分同时检测,节省物力和人力,分析效率大幅提升。总之,本发明开发的分析方法可以实现草甘膦成品的快速检测,及时根据品类分级回归工序做出调整,确保产品总合格率实现100%,大幅提高元素利用率。
本文地址:https://www.jishuxx.com/zhuanli/20241021/320280.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。