茶葉中農藥殘留快速檢測技術研究進展

【編者按】“民以食為天，食以安為先”，茶葉質量安全是保障消費者健康與茶產業高質量發展的前提條件。茶葉質量安全是“產出來”的，也是“管出來”的。當前我國茶葉質量安全處于高位合格穩定水平，茶葉質量安全檢測技術在風險監測、風險預警、風險評估與應急處理等方面發揮了重要作用，保障了消費者健康和茶產業高質量發展。

近年來，我國科學家對茶葉質量安全檢測技術的研究不斷推進，核心元件與關鍵材料創新，提高了檢測方法的準確度與精密度；色譜-質譜聯用創新技術大大擴增了茶葉農藥殘留監測的數量，擴大了檢測范圍，提高了準確度、精密度和靈敏度；膠體金免疫層析技術等茶葉農藥殘留速測技術提升了檢測場景范圍，前移了茶葉農藥殘留監測環節；智能感官分析技術在茶葉審評中的應用提升了茶葉客觀審評結果，為現代茶葉審評提供了輔助作用。

“茶葉質量安全檢測與品質評價研究專題”將聚焦于茶葉質量安全檢測與品質評價新技術、新方法和新手段的開發及應用研究進展，以期為茶葉質量控制、安全評估及品質分析提供技術支持和指導。 專題主編" 陳紅平

摘要：茶是世界三大無酒精飲料之一，飲茶人群遍布世界各地。茶葉質量安全受到消費者廣泛關注，茶葉農藥殘留是茶葉質量安全的一個重要方面。茶葉中的農藥殘留會危害到消費者的身體健康，還會阻礙我國茶葉出口經濟的發展。對茶葉進行檢測是控制茶葉農藥殘留的重要手段，然而傳統的質譜等檢測方法，方法復雜、耗時長、成本高且無法進行現場檢測。因此，茶葉中農藥殘留快速檢測技術的研究具有至關重要的意義。文章總結了茶葉中農藥殘留快速檢測技術的原理、特點、應用情況和發展趨勢，旨在為茶葉農殘快速檢測提供參考。

關鍵詞：茶葉；農藥殘留；快速檢測技術；酶抑制法；免疫分析法；光譜法

中圖分類號：TS272.7；S481.8" " " " " " " " " " " " " " " " 文獻標識碼：A" " " " " " " " " " " " " " " " " "文章編號：1000 －3150（2024）07-01-10

Research Progress on Rapid Detection Technology for

Pesticide Residues in Tea

YU Minghui1，2， ZHANG Ting1，2， QIN Chongyang1，2， FENG Yuwen1，2，

YUE Yaqi1，2， YU Zhi1，2， LIANG Pei3， NI Dejiang1，2， ZHANG De1，2*

1. National Key Laboratory for Germplasm Innovation amp; Utilization of Horticultural Crops， Wuhan 430070， China;

2. Department of Tea Science， College of Horticulture amp;Forestry Sciences， Huazhong Agricultural University， Wuhan 430070， China;

3. College of Optical and Electronic Technology， China Jiliang University， Hangzhou 310018， China

Abstract：" Tea is one of the three non-alcoholic beverages in the world， and tea drinkers are all over the world. The quality and safety of tea are widely concerned by consumers， and pesticide residues in tea are an important aspect of tea quality and safety. The pesticide residues in tea will not only harm the health of consumers， but also hinder the development of China's tea export economy. Detection of tea is an important means to control pesticide residues in tea. However， the traditional detection methods such as mass spectrum are complex， time-consuming， high cost， and unable to carry out on-site detection. Therefore， the research on rapid detection technology for pesticide residues in tea is of crucial significance. This article summarized the principles， characteristics， application status and development trends of rapid detection methods for pesticide residues in tea， aiming to provide reference for pesticide residue detection in tea production.

Keywords： tea， pesticide residue， rapid detection， enzyme inhibition， immunoassay， spectrometry

茶葉作為健康飲料受到世界各地消費者廣泛青睞，目前全球有54個國家和地區種植茶樹，160多個國家有茶葉消費的習慣[1]。因此，茶產業的健康發展尤為重要。化學農藥因為良好的殺蟲除草效果，在茶樹栽培種植過程中被廣泛使用[2]。但化學農藥使用不當容易導致茶葉農藥殘留（農殘）超標[3]。

農殘超標是妨礙茶產業健康發展的重要因素。在國內市場方面，消費者越來越注重茶產品的健康安全，農殘超標會降低消費者對產品的信任，降低消費者購買茶葉的積極性，從而阻礙茶葉經濟的發展。在海外市場方面，面對歐盟等嚴格的食品安全標準體系構成的綠色貿易壁壘，農殘超標會嚴重影響茶葉出口[4]。我國在不斷完善相關法律法規的同時，歐盟、美國、日本等國家與地區每年也在添加更嚴苛的標準。中國茶葉曾因氯氟氰菊酯、唑蟲胺、噠螨靈等農藥殘留超標而被歐盟通報[5]。茶葉出口困難會造成海外市場的萎縮，加劇茶葉供大于求的困境，特別是中低檔茶產量過剩，不利于夏秋茶的利用，會降低茶葉的經濟效益。

對茶葉進行檢測是控制農藥殘留的有效手段。傳統的農殘檢測方法，如高效液相色譜法，氣相色譜-質譜法、液相色譜-質譜法等，雖然檢測靈敏度高，但檢測方法復雜、耗時長、成本高，無法滿足現場快速檢測的需求[1]。2014—2023年10年間有關茶葉農殘檢測的總論文數量和快速檢測的論文數量均呈現遞增趨勢，說明茶葉農殘檢測技術倍受研究者們的關注。為滿足現場簡單高效的農殘檢測需求，目前出現了多種茶葉農殘快速檢測方法，如酶抑制法、免疫分析法，以及光譜類的拉曼光譜法、紅外光譜法、熒光光譜法等檢測方法。每一種方法的優勢和實際應用的情況有差異，本文綜述現有茶葉農殘快速檢測方法及其檢測原理，分析各種方法的優缺點及發展現狀，并對其發展趨勢進行展望。

1" 茶園中常用的化學農藥種類

如表1所示，茶園常用的化學農藥按其化學結構可分為5類，分別為有機氯農藥、有機磷農藥、擬除蟲菊酯類農藥、氨基甲酸酯類農藥和有機雜環類農藥[6]。因為茶葉沖泡過程以水為載體，水溶性高的農藥普遍浸出率高，所以農藥的水溶性越高，其對消費者產生潛在危害的風險越大，茶湯“有效風險量”決定原則也于2016年在第48屆國際食品法典農藥殘留委員會會議上獲得通過[3]。通常又將茶葉中常用的化學農藥種類分為脂溶性農藥和水溶性農藥兩大類。

1.1" 脂溶性農藥

脂溶性農藥是指非極性或具有中等極性的農藥，主要特征是難溶于水；包括有機氯農藥、有機磷農藥、擬除蟲菊酯類農藥等。有機氯農藥是茶樹栽培中最早使用的農藥類型之一，因其有劇毒性，并且在環境中難以降解，逐漸被禁用并被其他農藥取代[7]。有機磷農藥曾經是茶葉中使用最廣泛的殺蟲劑[8]，但由于其劇毒性大部分也被禁用，毒死蜱是目前茶葉中最常見的有機磷農藥[9]。擬除蟲菊酯類農藥是一類仿制天然除蟲菊酯化學結構和生物活性的仿生農藥，具有殺蟲活性高、適用范圍廣、殺蟲時間短等優點。這類農藥對哺乳動物毒性低，在茶園中被廣泛應用。茶園中常用的擬除蟲菊酯類農藥有溴氰菊酯、氯氰菊酯和氯菊酯等。擬除蟲菊酯類農藥對蜜蜂、蠶、魚、蝦、蟹等均有毒副作用[10]。

1.2" 水溶性農藥

水溶性農藥是指具有極性的農藥，可溶于水。包括氨基甲酸酯類農藥和有機雜環類農藥等。氨基甲酸酯類農藥是一大類高效廣譜殺蟲劑，能夠被快速分解和代謝，具有高度的神經抑制性和毒性[11]。氨基甲酸酯類農藥和有機磷農藥具有相似的毒性作用機制，并且都含有膽堿酯酶抑制劑，其抑制作用基于它們阻斷哺乳動物和昆蟲中樞神經系統中關鍵酶的能力[12]。有機雜環類農藥中的新煙堿類農藥是茶園中使用最多的水溶性農藥，在2021—2023年3年間，中國茶葉產品由于新煙堿類農藥呋蟲胺殘留量超標而被歐盟通報的次數最多。

2" 茶葉中農殘的快速檢測方法研究進展

近年來很多先進的茶葉農殘快速檢測技術不斷涌現，按照是否使用光譜可以分為兩大類，一類是非光譜類檢測方法，主要包括酶抑制法和免疫分析法；另一類是光譜類檢測方法，主要包括拉曼光譜法、紅外光譜法和熒光光譜法。如表2所示，這些檢測方法利用的原理不同，各自的優點和局限性也有所差別，但都具有方便快捷的特點。

2.1" 非光譜類快速檢測法

2.1.1" 酶抑制法

酶抑制法是目前研究較為成熟和應用比較廣泛的一種農殘快速檢測方法。在一定條件下，有機磷和氨基甲酸酯類農藥對某些酯酶的活性具有抑制作用，而且抑制率與農藥的濃度呈正相關[25]。當檢測物中存在有機磷或氨基甲酸酯類農藥，酶的活性受到抑制，會減緩甚至阻止了底物的水解，導致水解產物生成量減少[26]。利用這一原理，通過測定酶反應體系的顏色變化或者其他物理化學信號變化，可判斷有機磷或氨基甲酸酯類農藥殘留水平。酶源的選擇是酶抑制法應用的關鍵，酶源的特異性和穩定性等性質優劣會直接影響檢測方法的可靠性和靈敏度。目前酶抑制法主要使用的是動物源的乙酰膽堿酯酶、丁酰膽堿酯酶以及植物源的植物酯酶。相較于丁酰膽堿酯酶和植物酯酶，乙酰膽堿酯酶有更好的專一性和可靠性，并且檢測結果的假陽性率也明顯更低，在實際應用中使用的范圍最廣泛[27]。

根據檢測方式不同，酶抑制法主要分為分光光度法、試紙條法和電化學傳感器法。酶抑制分光光度法是利用分光光度計于特定波長處測量酶抑制顯色反應前后吸光度的變化值，以此計算酶活性抑制率，進而計算樣品中農藥殘留量的方法[28]。該方法已被我國國家質量監督檢驗檢疫總局定為茶中有機磷及氨基甲酸酯類農藥殘留量的簡易檢驗方法[29]。分光光度計法在果蔬農殘檢測中比較常用，現在也逐漸應用于茶葉農殘檢測中，李莉梅等[30]使用該方法對市場上4種品牌的綠茶進行檢測，發現不同品牌的綠茶提取液對乙酰膽堿酯酶的抑制率差異達到極顯著水平。酶抑制試紙條法的原理是被測物會抑制涂敷在試紙條上的酶與底物間的反應，從而產生顏色信號的變化，通過肉眼觀察進行定性分析或者使用小型儀器設備進行定量分析[31]。與肉眼觀察判斷相比，使用掃描儀、智能手機、照相機等簡單儀器設備結合圖像處理軟件可對顯色反應結果進行定量分析，使檢測具有更高的靈敏性和更低的檢測限。電化學傳感器大部分是基于農藥對乙酰膽堿酯酶的抑制原理，通過安培法檢測乙酰膽堿酯酶催化硫代乙酰膽堿水解產生的硫代膽堿在電極上產生的氧化峰電流，從而得到農藥對酯酶的抑制率[32-33]。電化學傳感器的使用提高了酶抑制法檢測的靈敏度和準確性。劉淑娟等[33]在金電極表面沉積二氧化鋯納米粒子用來固定乙酰膽堿酯酶，制成乙酰膽堿酯酶/二氧化鋯粒子層/金電極電化學傳感器，用于茶葉中的對氧磷殘留的檢測。二氧化鋯納米粒子的使用增大了酶附著的面積，提高了傳感器響應的靈敏性，使用該傳感器檢測時，抑制率與對氧磷質量濃度在5.0×10-7～5.5×10-4 g/L范圍內成線性關系，最低檢測限為1.0×10-7 g/L，在茶湯樣品中添加回收率為96.05%～105.47%，有較好的檢測性能。

然而，酶抑制法在檢測某些復雜基質樣品時，常常會出現誤判。茶葉中內含成分非常豐富，茶多酚和咖啡堿等內含成分會抑制酯酶的活性，并且有一定的協同作用；茶黃素、茶紅素和黃酮類等內含成分呈現出的不同顏色會影響酶檢測體系顏色反應結果[26-27]。通過引入新的酶反應體系，可以提高檢測方法的抗干擾性和可靠性。例如鞠興榮等[14]使用植物酯酶作為催化酶、乙酸-β-萘酯作為底物、堅牢藍鹽作為顯色劑創建植物酯酶酶促反應體系，對茶葉中的甲胺磷殘留進行檢測，甲胺磷含量在0.1～1.0 mg/kg之間時，反應體系得到的吸光值與甲胺磷濃度呈線性相關，并且回收率可達84%，具有良好的檢測效果。對茶葉樣品進行前處理是一種提高酶抑制法檢測準確性和靈敏性的方法，但這會使其檢測流程變得復雜，不利于快速、實地檢測。

2.1.2" 免疫分析法

免疫分析法具有耗時短、操作簡單、特異性強等特點[34]，在茶葉農殘檢測中常用的免疫分析法有免疫膠體金試紙和酶聯免疫吸附法[8]。免疫膠體金試紙法基于免疫層析技術，使用膠體金作為著色標記物，將免疫原理和層析技術結合在一起。免疫膠體金試紙以條狀纖維層析材料為固相，借助毛細管力使樣品溶液在層析條上泳動，農藥抗體與膠體金結合在一起被吸附在層析條表面。當樣品溶液中含有農藥時，農藥與抗體發生特異性結合，此時樣品溶液、抗體-膠體金結合物繼續泳動，經過檢測區時，已經被農藥結合的抗體-膠體金結合物不會被檢測區抗原所捕獲富集，檢測線也不會顯現顏色[9]。這種層析技術被稱為直接競爭免疫層析法，通常被用于農殘檢測[35-36]。在檢測線后設置質控線，質控線上固定能特異性結合農藥抗體的物質，從而捕獲富集抗體-膠體金結合物，使質控線顯色，如果質控線不顯色，說明試紙條無效[37]。

免疫膠體金試紙使用簡單方便，檢測時間短，不需要專業人員、專業設備，雖然無法進行精確定量檢測，但是便于茶農、商戶、管理部門進行實地檢測，可作為鮮葉、干茶收購及茶葉拼配等過程中農殘檢測的初篩工具。如楊梅等[38]基于直接競爭免疫層析法開發一種免疫膠體金試紙雙聯速測卡，對茶葉中的吡蟲啉、啶蟲脒進行半定量檢測，準確率分別達到91.5%和90.5%，檢測限低至0.05 mg/kg，具有良好的性能。周嘉明等[39]開發了一種茶葉中三氯殺螨醇殘留快速檢測試紙條，可用于茶鮮葉中農藥殘留的檢測，檢測限為0.2 mg/kg，檢測時間8 min，且與三氯殺螨醇結構和性能相似的農藥無交叉反應，可用于田間快速檢測。

酶聯免疫吸附法利用抗原－抗體特異性結合的免疫學原理，將待測物固定在固相板的孔洞內，然后利用酶修飾的抗體或抗原對待測物進行特異識別并與之結合，隨后加入底物，被固定的酶與底物反應產生顏色變化，利用ELISA讀板儀可以讀取反應產生的信號強度，通常以吸光值（OD）表示[40]。酶聯免疫吸附法是高靈敏度、高精準度的一種快速而經濟的檢測方法，被廣泛應用于茶葉農殘檢測中[41]。Song等[17]設計了一種僅包含氰戊菊酯特征部分——2-（4-氯苯基）-3-甲基丁酸基團的新型半抗原，該半抗原與蛋白質KLH結合制備人工抗原，從而得到抗體，并利用酶聯免疫吸附法對茶葉中的氰戊菊酯殘留進行檢測，在茶樣中實際檢出限為0.06 mg/L，加標茶的回收率為76.67%～91.43%。

雖然免疫分析技術安全可靠，但是由于抗原的來源比較復雜，差異性比較大，相對應的抗體研究艱難緩慢，因而研究過程復雜，開發時間較長。并且因為抗體特異性強，該方法只能用于單一農藥殘留的檢測，無法實現多種農藥殘留的高通量檢測，且存在假陽性問題，在實際生產中應用與推廣受到限制[42-43]。如今，研究者熱衷于使用核酸適配體作為抗體的替代品，核酸適配體是通過指數富集配體進化技術獲得的一種特定序列的DNA或RNA。它能與待測物特異性結合，親和力和特異性高，生產成本較抗體低，在物質微量、痕量檢測方面具有巨大前景，也正被廣泛應用于茶葉農殘檢測。

2.2" 光譜類快速檢測法

2.2.1" 表面增強拉曼光譜法

拉曼光譜是一種非彈性散射光譜，亦稱為拉曼效應，通過入射光激發，分子產生的與入射光頻率不同的輻射波長可反映出分子官能團的振動或轉動信息[44]。由于拉曼散射主要取決于分析物的分子結構，因此每種物質擁有自己獨特的特征“指紋”光譜，可作為鑒別和檢測的依據[43]。然而，由于大多數分析物的普通拉曼信號較弱，限制了其作為有效檢測方法的能力[45]。貴金屬金（Au）、銀（Ag）等作為增強基底可以顯著放大物質的拉曼信號，利用這一特性所改進的方法稱為表面增強拉曼光譜（Surface enhanced Raman scattering， SERS）。SERS檢測使用貴金屬納米襯底放大物質拉曼信號，從而實現對物質痕量的定量檢測[22， 46]。目前學術界比較主流的兩種拉曼增強機理分別是物理增強機理和化學增強機理。物理增強機理又叫電磁增強機理，光是一種電磁波，當光照射到與檢測物接觸的納米金屬表面會引起金屬表面自由電子與電磁波產生共振，使電磁場強度增加，而電磁場強度與拉曼散射強度成正比[43]。化學增強機理主要是基于檢測物和納米金屬結構之間的電荷轉移效應。現在的研究認為，物質的SERS信號是物理增強與化學增強共同作用的結果。如今SERS被廣泛應用于茶葉農殘檢測，SERS檢測首先需要選擇合適的襯底增強拉曼信號；其次因為茶葉內含成分復雜，為了降低茶葉內含成分對檢測結果的影響，進行SERS檢測時，需要對樣品進行前處理以及對檢測數據進行算法處理。

吸附在襯底表面的分子與貴金屬納米結構表面等離子體發生共振能夠引起拉曼信號強烈增強。自然界中的貴金屬〔Au、Ag、銅（Cu）〕和部分金屬氧化物（Fe3O4）具有這種特殊的光學性能，其中Ag是性能最好的材料，這與它最優良的導電性和導熱性有關[22]。發生在納米顆粒間隙之間的局部等離子體共振要比其他地方強的多，這個地方被稱為“熱點”。優良的襯底具備較多的熱點、高增強因子、良好均一性、高穩定性、制備方法簡單且成本較低等特點[1]。目前常用的納米顆粒制備方法主要包括液相還原法、水熱法、模板法、光刻法等[47]。納米顆粒襯底的性能取決于表面等離子體共振，而表面等離子體共振與納米顆粒的粒徑、形狀和成分有關。銀納米襯底，特別是花狀銀納米襯底具有良好的SERS增強功能，而且制備方法簡單[43]。金納米襯底具有良好的生物相容性和穩定性，金-銀合金納米襯底可以結合兩種材料的特點形成優勢襯底。陳雯雯[15]制備優化得到3種SERS襯底，分別是仙人掌狀納米金（AuNSs）、花狀納米銀（AgNPs）、銀包金種子納米襯底（Au@AgNPs），并對這3種襯底SERS增強性能進行研究。3種襯底粒徑、形狀和成分不同，襯底表面都具有較高的粗糙度，分布有較多“熱點”；但是AuNSs粒徑較大，多個顆粒組成的比表面積之和較小，總熱點減少導致SERS增強性能不如AgNPs；而 Au@AgNPs表面“毛刺”分布最均勻且總比表面積大，因此表面分布的“熱點”豐富，SERS增強效果在這3種襯底中是最佳的。此外，強的表面等離子共振效應只有在農藥分子與襯底距離足夠近時才會發生，農藥分子一般通過巰基、氨基、羥基、羧基等基團吸附在襯底表面，不同農藥分子吸附能力有差別，并非所有農藥分子都可以通過自身基團吸附在襯底表面[1]。這種情況下，需要通過一定技術手段使農藥分子吸附在襯底表面。例如，Jana等[48]使用烷基二硫醇作為雙功能連接體對銀納米顆粒進行修飾，在銀納米顆粒間創造出一個特定的環境，提供大量供有機氯農藥分子結合的位點，使用該襯底對有機氯農藥進行SERS檢測，檢出限達到1.0×10-8 mol/L。

考慮到茶葉復雜基質的特性，在進行SERS檢測時，茶多酚、咖啡堿等諸多茶葉內含物質不僅導致光譜復雜，而且還可能影響目標分子與SERS基底之間的相互作用。為降低基質干擾，可將分析化學前處理技術結合茶葉和SERS的特性進行改進和優化[49]。應用于茶葉生產的農藥可分為非滲透性農藥和滲透性農藥。非滲透性農藥存在于茶鮮葉表面，檢測相對簡單，可使用有機溶劑從鮮葉表面提取農藥再加入襯底進行SERS檢測或者直接將襯底溶膠涂抹于鮮葉表面進行SERS檢測。例如，Ma等[50]將納米金膠體滴在茶鮮葉表面，實現多菌靈的原位SERS檢測，SERS強度和多菌靈含量的線性范圍為0.5～8.0 mg/kg。多菌靈的檢出限為0.1 mg/kg，在茶樣中的回收率為72.3%，整個檢測過程可在30 min內完成。滲透性農藥則會滲透進茶鮮葉內部，對于這類農藥的檢測需要較為復雜的前處理，主要包括提取和凈化兩個步驟。

提取時，要依據農藥分子和茶葉內含物質的特性選擇合適的提取劑。提取極性農藥分子（水溶性農藥）時一般使用乙腈作為提取劑，乙腈是極性溶劑，對茶葉中的葉綠素、油脂和蠟質等非極性物質提取效果不佳，但可以有效提取茶葉中的極性農藥分子。提取非極性農藥分子（脂溶性農藥）使用乙酸乙酯作為提取劑，乙酸乙酯是非極性溶劑，可以在高糖溶液中提取非極性農藥分子，能夠排除茶葉中的單糖、多糖的干擾。凈化步驟是去除茶葉內含物質的關鍵步驟，凈化方法主要有固相萃取、液液萃取、固相微萃取、液相微萃取[8]。固相萃取是一種利用固相萃取小柱對樣品中的目標物進行分離、純化和富集的萃取技術，因回收率高、重現性好、自動化操作和適用范圍廣等優勢被廣泛應用[51]。吸附劑的選擇是決定萃取效率的重要因素，常用的固相吸附劑有石墨化炭黑、N-丙基乙二胺、十八烷基三氯硅烷[18]。目前，茶葉SERS前處理常用固相萃取方法以及由固相萃取發展出的快速前處理方法QuEChERS方法。Zhang等[52]使用固相萃取柱作為前處理方法對茶葉中毒死蜱殘留進行檢測，檢測效果優秀；Zhu等[53]使用QuEChERS作為前處理方法對茶葉中毒死蜱殘留進行檢測，回收率達到98.47%～105.18%。

SERS光譜的數據處理主要包括光譜數據的預處理和光譜定性定量模型的建立。茶葉基質具有復雜特性，經過前處理之后仍然會有部分內含物質存在，進行拉曼檢測時會產生熒光干擾，加之儀器本身背景噪聲，會影響檢測結果。光譜預處理的目的就是為了減弱或消除非目標因素對光譜的影響，為定量模型奠定基礎。光譜預處理的方法有平滑處理、基線扣除、求導、歸一化處理等。定量模型最終將應用于未知樣品的定性定量檢測。目前在茶葉的農藥殘留檢測中，建立定量模型方法有單峰（一元）線性擬合、雙峰（二元）線性擬合、主成分分析法以及偏最小二乘法等[43]。隨著計算機技術不斷發展，神經網絡、模糊數學、機器學習和深度學習等新型算法也被應用到拉曼光譜的數據處理中。

2.2.2" 紅外光譜法

紅外光譜分析方法具有綠色無污染、不破壞樣品、在線性好、檢測快速、可實現多成分同時定量分析等優點[54]。紅外光譜是物質吸收紅外光譜區域的電磁輻射后產生分子振動，引起不同的偶極矩變化，呈現出可觀測的譜線，憑此進行分析檢測[55]。在農殘檢測領域常用的有近紅外光譜和中紅外光譜兩種分析技術，光譜波長780～2 500 nm的區域稱為近紅外區，光譜波長2 500～25 000 nm的區域稱為中紅外區。

近紅外譜區的吸收是由于分子振動的倍頻或合頻組合吸收所造成的。近紅外光譜包含有豐富的化學鍵振動信息，但是這些譜峰往往吸收較弱而且重疊在一起，很難對其歸屬和強度進行完整的辨識和利用[56]。基于這些特點，近紅外在農殘檢測方面應用較少，主要用于農殘定性檢測。李敏[57]基于近紅外光譜分析技術提出了一種小波軟閾值預處理方法，對實際樣品中氟氰菊酯農藥進行定性鑒別，無農藥殘留與含輕度農藥殘留兩類樣本的正確鑒別率為95%，對含輕度農殘與含重度農殘兩類樣本的正確鑒別率為90%。Zhang等[58]利用近紅外光譜結合化學計量學方法偏最小二乘判別分析和最小二乘支持向量機建立了兩種預測模型對實際樣品中的阿維菌素、敵敵畏和百菌清殘留進行檢測，鑒別準確率分別為98.33%、95.00%、93.33%。近紅外光譜檢測在測試前需要有大量樣品數據建立模型，對待測樣品進行代入分析，且每臺儀器需要重新建立模型，不適合小批量樣品測試[18]。

中紅外光譜技術是根據物質的基頻振動信息來對物質進行定性和定量分析的技術[59]。中紅外光譜是研究最深入，應用最廣泛的紅外光譜，其儀器和技術也最為成熟。農殘檢測的近紅外光譜研究尚處于初步階段。熊艷梅等[60]分別利用近紅外光譜和中紅外光譜結合偏最小二乘法，建立氰戊菊酯和馬拉硫磷的定量模型進行檢測分析，驗證得到中紅外光譜法建立的定量模型相關系數與標準差均優于近紅外光譜法所建立的定量模型，說明中紅外光譜法在這兩種農藥殘留檢測方面有更高的靈敏度和準確性，在農殘檢測方面有更大的發展空間。鄧海雁等[61]對低濃度阿特拉津進行近紅外光譜和中紅外光譜檢測，并將數據融合建模，結果表明數據融合之后建模的效果優于單一光譜建模的效果，準確性和穩定性都有所提高，證明數據融合在低濃度農藥檢測應用的可行性。不過，中紅外光譜檢測技術仍然局限于欠佳的靈敏度與精確性，不適用微量檢測和含水樣品的檢測。表面增強紅外檢測技術可以克服這一問題，因此其近年來成為一個具有潛力的研究方向[43]。與常規紅外光譜檢測相比，表面增強紅外光譜（Surface-enhanced infrared absorption，SEIRA）利用了貴金屬納米顆粒作為襯底增強紅外信號[62]。江欣承等[63]使用具有三維孔隙結構的泡沫銅材料作為襯底，在泡沫銅表面負載銀納米粒子，研發了一種低成本的SEIRA基底，使用該基底對福美林進行檢測，產生的紅外信號明顯增強，在1 371 cm-1處增強達到2.9倍，檢出限為0.024 mg/mL，為紅外光譜檢測茶葉這類復雜基質含水樣品中農藥殘留提供新的思路。

2.2.3" 熒光光譜法

熒光光譜技術通常用來檢測具有熒光效應的物質。農藥分子經過光源激發后，吸收能量產生熒光信號，通過對信號的特征和強度進行分析從而獲取農藥含量[64]。熒光光譜技術操作簡單、速度快、靈敏度高、選擇性強，能夠提供大量待測物質的分子信息，對于痕量物質的檢測具有較好的適用性[43]。在農殘檢測方面，熒光光譜技術還處于發展階段，但與化學計量學相結合，可發揮出獨特的優勢。

熒光光譜法根據待測物質本身是否具有熒光特性可分為直接檢測和間接檢測兩種類型。熒光強度大的分子都具有大的共軛鍵結構以及供電子取代基和剛性平面結構等，對于具有熒光特性的農藥可通過熒光光譜直接進行測定。許鶴[64]使用熒光光譜法對胺菊酯、溴氰菊酯、毒死蜱3種農藥進行檢測，胺菊酯熒光強度與質量濃度在2～120 μg/L范圍內成正比，最低檢測限為2 μg/L；溴氰菊酯熒光強度與質量濃度在5～110 μg/L范圍內成正比，最低檢測限為5 μg/L；毒死蜱熒光強度與質量濃度在5～110 μg/L范圍內成正比，最低檢測限為5 μg/L。此外，陳盛等[65]使用熒光光譜法對真實樣品中的吡蟲啉殘留進行檢測，根據吡蟲啉濃度和熒光強度進行線性擬合，R2為0.968 11，說明了熒光光譜法在真實樣品中檢測的可行性。王書濤等[19]使用熒光光譜法檢測綠茶和鐵觀音中的氯菊酯，采用遺傳算法優化的徑向基函數神經網絡進行分析，在綠茶和鐵觀音樣本中的平均回收率分別為99.35%和98.89%，能夠較好地預測出茶葉中氯菊酯農藥殘留的含量，檢出限可達0.004 8～24.000 0 mg/kg。

但是有很多農藥自身并不具備熒光性能，或者產生熒光量子不多，不能直接進行檢測，只有通過添加其他熒光試劑或通過熒光探針技術使本身不發光的物質發光進行間接檢測[64]。例如，納米四吡啶基鋅卟啉（ZnTPyP）會猝滅CdTe量子點的熒光，在帶負電荷的氨基甲酸酯類農藥存在時，其與帶正電荷的納米ZnTPyP結合，從而恢復量子點的熒光[24]。

3" 展望

目前，多種技術配合進行農殘快速檢測是一個趨勢，可以提高檢測的靈敏性和準確性。結合適配體的生物傳感器是茶葉農藥殘留快速檢測的一個新的發展方向。適配體相比于抗體穩定性更好、更加容易制備、成本更低且能特異性地識別農藥分子。對于茶葉這種復雜基質的產品，適配體特異性地結合農藥分子，可以降低內含成分對于檢測結果的干擾。適配體結合SERS技術在其他產品農殘或者有害物質檢測中已有報道[21]。作為一種識別物質，適配體不僅可以結合SERS技術，也可以與膠體金比色技術、熒光光譜等技術結合，彌補因為農藥分子種類繁多和性質復雜導致的光譜分析存在的不足。兩種或多種光譜技術聯用，例如SERS和SEIRA、SERS和磁共振光譜的結合，在實現多種農藥同時檢測方面也有發展的前景。此外，微流控芯片逐漸應用于光學檢測技術中，特別是與SERS光譜相結合取得較好的檢測效果，檢測時待測液體均勻分布于芯片的微小通道內，SERS檢測方法中激光斑點小，可以直接聚焦于微小通道，具有使用反應試劑少、液體流動可控、分析速度快等特點[66]。微流控是將檢測過程集成化的技術，可以完成樣品分離、制備、檢測等環節，便于茶葉農殘快速檢測設備集成化、微型化發展。

總的來說，快速檢測技術向著設備便攜化、小型化，檢測手段簡單化、快速化的方向發展，更多技術的加入，讓快速檢測技術有更多種選擇，注入了更多的活力，使得快速檢測技術在茶葉及其他產品的農殘檢測中應用更加廣泛。

4" 總結

快速檢測法在茶葉農殘檢測中發揮越來越重要的作用，因為其快速便捷且具有較高的靈敏性，而受到研究者的關注。近年來，研究者開發了許多快速農殘檢測產品和方法，填補了茶葉生產和銷售過程中農藥殘留快速監測的空白。酶抑制法和免疫分析法雖然靈敏度有所欠缺，但優勢也十分突出，在實際應用中操作方便快捷且成本低。茶葉生產過程中對鮮葉中農殘檢測的要求是簡單快速，不需要很高的靈敏度，因此酶抑制法和免疫分析法非常適合作為茶葉生產過程中農殘檢測的初篩手段。光譜類的快速檢測方法相對來說就具有更高的靈敏度、特異性，結果更加準確，可以對茶葉中的農藥殘留進行定性定量分析，由于茶葉內含成分復雜，因此使用光譜法進行分析，通常需要進行前處理和數據算法處理，來排除背景帶來的干擾。這3種光譜類快速檢測方法各有優缺點，紅外光譜靈敏性不足，在痕量檢測和含水樣品檢測中性能欠佳，更適合有機分子的檢測；熒光光譜研究尚淺，還有很多不足之處，容易受到溶劑、酸堿度、溫度的影響；在茶葉農殘檢測方面，拉曼光譜法應用最廣，研究最深入，特別是由于光電技術和納米技術的發展，表面增強拉曼光譜成為了國內外的研究熱點，檢測靈敏度甚至可以達到單分子級別，應用前景極為廣闊。

參考文獻

[1] 張德， 陳金磊， 倪德江， 等. 表面增強拉曼技術在茶葉農藥殘留檢測中的研究進展[J]. 食品安全質量檢測學報， 2019， 10（13）： 4187-4193.

[2] 林淼， 郭旭東， 周雪暉， 等. 茶葉質量安全分析預警系統研究[J]. 中國茶葉加工， 2020（1）： 60-67.

[3] 陳宗懋， 羅逢健， 周利， 等. 茶葉中農藥殘留和污染物管控技術體系創建及應用[J]. 茶葉科學， 2021， 41（1）： 1-6.

[4] 聞云峰. 近代中國茶葉對外貿易國際競爭力銳減的定量分析[J]. 福建茶葉， 2020， 42（6）： 72-73.

[5] 張衛. 農殘超標成出口茶葉最大問題“雙碳”種植讓嶗山茶達到歐盟標準[J]. 中國食品， 2022（21）： 102-103.

[6] ABD E A M， CHOI J H， RAHMAN M M， et al. Residues and contaminants in tea and tea infusions： A review[J]. Food Additives amp; Contaminants： Part A， 2014， 31（11）： 1794-1804.

[7] ZHU P， MIAO H， DU J， et al. Organochlorine pesticides and pyrethroids in Chinese tea by screening and confirmatory detection using GC-NCI-MS and GC-MS/MS[J]. Journal of Agricultural and Food Chemistry， 2014， 62（29）： 7092-7100.

[8] MAHUGIJA J A M， CHIBURA P E， LUGWISHA E H J. Residues of pesticides and metabolites in chicken kidney， liver and muscle samples from poultry farms in Dar es Salaam and Pwani， Tanzania[J]. Chemosphere， 2018， 193： 869-874.

[9] MIAO S， WEI Y， PAN Y， et al. Detection methods， migration patterns， and health effects of pesticide residues in tea[J]. Comprehensive Reviews in Food Science and Food Safety， 2023， 22（4）： 2945-2976.

[10] LI H， CHENG F， WEI Y， et al. Global occurrence of pyrethroid insecticides in sediment and the associated toxicological effects on benthic invertebrates： An overview[J]. Journal of hazardous materials， 2017， 324： 258-271.

[11] QUIJANO L， YUSA V， FONT G， et al. Chronic cumulative risk assessment of the exposure to organophosphorus， carbamate and pyrethroid and pyrethrin pesticides through fruit and vegetables consumption in the region of Valencia （Spain）[J]. Food and Chemical Toxicology， 2016， 89： 39-46.

[12] SAMSIDAR A， SIDDIQUEE S， SHAARANI S M. A review of extraction， analytical and advanced methods for determination of pesticides in environment and foodstuffs[J]. Trends in Food Science amp; Technology， 2018， 71： 188-201.

[13] 莊惠生， 楊麗波， 陳寒玉. 測定茶葉中二氯聯苯的酶聯免疫吸附分析新方法[J]. 分析試驗室， 2010， 29（5）： 33-35.

[14] 鞠興榮， 吳定， 劉長鵬， 等. 茶葉中甲胺磷農藥快速測定研究[J]. 食品科學， 2006（8）： 205-207.

[15] 陳雯雯. 基于SERS技術的茶葉中5種農藥和茶油中黃曲霉毒素B1快速檢測方法研究[D]. 武漢： 華中農業大學， 2022.

[16] 覃重陽， 張媛媛， 鄧薪睿， 等. 表面增強拉曼光譜法快速檢測茶葉中百草枯與敵百蟲農藥殘留[J]. 食品安全質量檢測學報， 2022， 13（14）： 4439-4446.

[17] SONG Y， LU Y， LIU B， et al. A sensitivity‐improved enzyme‐linked immunosorbent assay for fenvalerate： A new approach for hapten synthesis and application to tea samples[J]. Journal of the Science of Food and Agriculture， 2011， 91（12）： 2210-2216.

[18] 宋瑩. 磁富集與表面增強拉曼光譜技術聯用快速檢測茶葉中3種農藥的方法研究[D]. 武漢： 華中農業大學， 2022.

[19] 王書濤， 苑媛媛， 王玉田， 等. 基于三維熒光與GA-RBF神經網絡對茶葉中氯菊酯農藥殘留的檢測[J]. 發光學報， 2016， 37（10）： 1267-1274.

[20] FAN Y， LIU L， SUN D， et al. \"Turn-off\" fluorescent data array sensor based on double quantum dots coupled with chemometrics for highly sensitive and selective detection of multicomponent pesticides[J]. Analytica Chimica Acta， 2016， 916： 84-91.

[21] 胡薇薇. 茶葉中啶蟲脒農藥的納米生物傳感器檢測方法研究[D]. 鎮江： 江蘇大學， 2017.

[22] HASSAN M M， ZAREEF M， JIAO T， et al. Signal optimized rough silver nanoparticle for rapid SERS sensing of pesticide residues in tea[J/OL]. Food Chemistry， 2021， 338： 127796. https：//doi.org/10.1016/j.foodchem.2020.127796.

[23] 楊麗敏， 李明明. 核酸適配體熒光分子開關的啶蟲脒測定[J]. 實驗室研究與探索， 2022， 41（3）： 50-53.

[24] CHEN H， HU O， FAN Y， et al. Fluorescence paper-based sensor for visual detection of carbamate pesticides in food based on CdTe quantum dot and nano ZnTPyP[J/OL]. Food Chemistry， 2020， 327： 127075. https：//doi.org/10.1016/j.foodchem.2020.127075.

[25] 王玉輝. 酶抑制法檢測有機磷農藥[D]. 金華： 浙江師范大學， 2012.

[26] 金莉莉. 基于微流控紙芯片技術的有機磷和氨基甲酸酯類農藥殘留快速檢測研究[D]. 北京： 中國農業科學院， 2019.

[27] 趙超群. 茶葉中有機磷及擬除蟲菊酯類農藥殘留快速檢測方法的研究[D]. 福州： 福建農林大學， 2012.

[28] 杜美紅， 孫永軍， 汪雨， 等. 酶抑制-比色法在農藥殘留快速檢測中的研究進展[J]. 食品科學， 2010， 31（17）： 462-466.

[29] 中華人民共和國國家質量監督檢驗檢疫總局. 茶中有機磷及氨基甲酸酯農藥殘留量的簡易檢驗方法 酶抑制法： GB/T 18625—2002[S]. 北京： 中國標準出版社， 2002.

[30] 李莉梅， 沙月娥， 彭海燕， 等. 酶抑制率法快速檢測茶葉中農藥殘留的研究[J]. 湖南農業科學， 2013（12）： 33-34.

[31] 程楠， 何景， 董凱， 等. 試紙法在食品安全快速檢測中的研究進展[J]. 食品科學， 2015 ， 36（1）： 256-261.

[32] LIU S Q， ZHENG Z Z， LI X Y. Advances in pesticide biosensors： Current status， challenges， and future perspectives[J]. Analytical and Bioanalytical Chemistry， 2013， 405： 63-90.

[33] 劉淑娟， 鐘興剛， 李彥. 基于酶抑制的電化學生物傳感器快速檢測茶葉中的對氧磷[J].茶葉科學技術， 2013（2）： 5-8.

[34] 王鵬. 食品中13種典型化學殘留物的免疫分析方法研究[D]. 無錫： 江南大學， 2023.

[35] 吳剛， 姜瞻梅， 霍貴成， 等. 膠體金免疫層析技術在食品檢測中的應用[J]. 食品工業科技， 2007（12）： 216-218.

[36] 武晉慧， 孟利. 免疫膠體金技術及其應用研究進展[J]. 中國農學通報， 2019， 35（13）： 146-151.

[37] 鄧省亮， 賴衛華， 許楊. 膠體金免疫層析法快速檢測黃曲霉毒素B1的研究[J]. 食品科學， 2007（2）： 232-236.

[38] 楊梅， 羅逢建， 陳宗懋， 等. 茶葉中吡蟲啉與啶蟲脒農藥殘留速測技術研究[J]. 中國茶葉， 2018， 40（2）： 31-35.

[39] 周嘉明， 封冰， 智軍海. 三氯殺螨醇膠體金免疫快速檢測試紙條研制及在茶葉中的應用[J]. 食品安全質量檢測學報， 2020， 11（15）： 5337-5342.

[40] 李靖靖. 酶聯免疫吸附法在食品安全檢測中的應用[J]. 食品安全導刊， 2023（30）： 154-156.

[41] 施杰， 來慶華， 郭思聰， 等. 茶葉農藥殘留與檢測技術[J]. 食品安全質量檢測學報， 2019， 10（5）： 1243-1249.

[42] 劉杰. 果蔬中11種典型農藥的免疫分析方法研究[D]. 無錫： 江南大學， 2023.

[43] 張德. 基于表面增強拉曼散射光譜的茶葉痕量農藥殘留檢測機理和方法研究[D]. 武漢： 華中農業大學， 2021.

[44] 伍林， 歐陽兆輝， 曹淑超， 等. 拉曼光譜技術的應用及研究進展[J]. 光散射學報， 2005（2）： 180-186.

[45] MCNAY G， EUSTACE D， SMITH E W. Surface-enhanced Raman scattering （SERS） and surface-enhanced resonance Raman scattering （SERRS）： A review of applications[J]. Appl Spectrosc， 2011， 65（8）： 825-837.

[46] WANG J， AHMAD W， HASSAN M M， et al. Landing microextraction sediment phase onto surface enhanced Raman scattering to enhance sensitivity and selectivity for chromium speciation in food and environmental samples[J/OL]. Food Chemistry， 2020， 323： 126812. https：//doi.org/10.1016/j.foodchem.2020.126812.

[47] ZHENG H J， NI D J， Yu Z， et al. Preparation of SERS-active substrates based on graphene oxide/silver nanocomposites for rapid zdetection of L-theanine[J]. Food Chemistry， 2017， 217： 511-516.

[48]" KUBACKOVA J， FABRICIOVA G， MISKOVSKY P， et al. Sensitive surface-enhanced Raman spectroscopy （SERS） detection of organo-

chlorine pesticides by alkyl dithiol-functionalized metal nanoparticles-induced plasmonic hot spots[J]. Analytical Chemistry， 2015， 87（1）： 663-669.

[49] 歐陽磊， 朱麗華， 帥琴. 表面增強拉曼光譜的樣品前處理方法研究進展[J]. 武漢： 武漢工程大學學報， 2023， 45（5）： 473-481.

[50] MA C H， ZHANG J， HONG Y C， et al. Determination of carbendazim in tea using surface enhanced Raman spectroscopy[J]. Chinese Chemical Letters， 2015， 26（12）： 1455-1459.

[51] 靳夢軻. 微萃取結合SERS技術檢測環境中抗生素殘留[D]. 大連： 大連理工大學， 2022.

[52] ZHANG D， LIANG P， YE J， et al. Detection of systemic pesticide residues in tea products at trace level based on SERS and verified by GC-MS[J]. Analytical and Bioanalytical Chemistry， 2019， 411： 7187-7196.

[53] ZHU X， LI W， WU R， et al. Rapid detection of chlorpyrifos pesticide residue in tea using surface-enhanced Raman spectroscopy combined with chemometrics[J/OL]. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2021， 250： 119366. https：//doi.org/ 10.1016/j.saa.2020.119366. （下轉P32）

基金項目：國家自然基金青年項目（32202540），中央高校基本科研業務費專項資金（2662023YLQD002）

作者簡介：喻明輝，男，碩士研究生，主要從事茶葉加工與茶葉農藥殘留快速檢測研究。*通信作者，E-mail：zdybfq@163.com