从20世纪50年代起到最近几年，经过多年的研究和发展，农药残留量检测分析技术日趋多样化、便捷化、低成本化和快速化。目前，农药残留量检测方法有：色谱法、毛细管电泳法、酶抑制检测法、生物传感器检测法、酶联免疫分析检测法、蛋白芯片技术检测法、酶分析技术检测法、活生物体分析技术检测方法、光谱检测法（荧光光谱法、紫外-可见光谱法、近红外光谱法、红外光谱法、高光谱成像检测技术）等。何永红在基于生物学原理的农药残留量检测技术的进展综述中提到，生物学检测农药残留量的主要方法之一：免疫分析法，其优点表现为独特并且敏感，然而，获取因各类农药而产生的抗体很难。生物学检测农药残留的主要方法之二：生物传感器方法，此方法的特点是迅捷和同步性，但这种方法的敏感性、适用强健性尚且有待于进一步的研究。生物学检测农药残留的主要方法之三：酶分析技术和活生物体分析技术，此类方法相对于免疫分析法和生物传感器法，且更加廉价，但其与化学检测方法都需要对样品进行相对繁杂的处理。

在生物、化学方法的农药检测中，为了克服样品组成成分复杂性，便于检测和得到准确、可靠的检测结果，需采用必要的预处理方法，常用的样品制作提取方法包括提取和净化，提取和净化主要采用的方法包括浸渍-振荡法、索氏抽提法、超声波提取法、净化技术、固相萃取、固相微萃取（SPME）、基体分散固相萃取（MSPD）、加速溶剂萃取（ASE）、超临界萃取（SFE）、凝胶色谱（GPC）净化、固相萃取（SPE）净化等。样品的预处理技术虽然为微量农药残留量检测技术提供了便利和作出了巨大的贡献，但是其操作过程却是繁冗复杂的。而光谱检测法作为近几年发展起来的新检测技术，由于可弥补上述生物、化学方法的缺点，引起了广大研究者们的兴趣。

使用光谱技术测定样品的基本内容如下：首先，采用现有的标准分析技术测出待测样品的性质和数据；然后，使用光谱装置和仪器采集样品的光谱数据，并用各种分析方法对光谱数据进行分析；最后，建立光谱数据的数学模型并将光谱法的结果与标准法的测量结果进行关联，即得到以标准方法为参考的定量和定性分析关系的校正模型，并使用此数学模型对预测集样品进行预测，以各种评价参数判断所建立模型的优劣，如稳定性、泛化能力等。尽管光谱分析属于间接检测和二次检测技术，但是光谱分析技术在与标准方法关联后所建立的关于物质性质的模型与常规检测方法并无系统偏差，并且其结果更加稳定，精度更高。

本书所研究的光谱检测方法为近红外光谱技术。虽然近红外光谱吸收强度和灵敏度都比较低，在痕量分析领域具有挑战性，使用近红外光谱技术检测含量在10^-3以下物质的近红外光谱检测技术的可行性研究较少，但在理想条件下，只要样品在近红外光谱下可以提取到光谱数据，并且借助于化学计量学在近红外光谱分析中的应用，使用近红外光谱技术分析微量农药残留量是可能的。并且，随着近红外光谱分析技术的不断改进，近红外光谱仪信噪比可高达10⁵，利用其性能和精确度的不断提高，近红外光谱分析技术应用于食品农药残留污染方面的检测研究在一定程度上得到了进一步的发展。

本章参考文献[28]在近红外光谱分析技术用于菠菜中毒死蜱残留的定量分析研究中，为了使检测更接近于现实农作物的组分，制作的用于后续适用的试验样品是37个浓度为0.005～0.1mg/kg的以效仿真实果蔬成分背景的毒死蜱物质的混合液，在此后，又准备了36个浓度为0.1～3.65mg/kg的菠菜萃取溶液，在菠菜萃取液中加入了以实验设计浓度为标准的毒死蜱农药物质，采用偏最小二乘（Partial Least Squares，PLS）回归统计方法建立校正模型，从实验的效果来看，两种样品均得到了良好的预测效果。

熊艳梅在短波近红外模拟测定农药乳油中的有效成分含量的研究中，以其试验的初步设计和对样品值的规划，配置了用于校正的检验对象23个，样品的平均分布为8.77，经过计算得到了4.53的检测对象标准差。另外，设置了7个样品平均分布为8.37的用于预测适用的目标集合样品，此集合的标准差为4.29。对近红外仪器扫描到的样品数据使用中心化方法、极差归一的优化方法进行预处理，评判试验结果的方法使用全交互法进行评价，得到了较优的校正结果：R²=97.37%，RMSEC=0.73，RMSEP=1.06，RPD=4.05，表明了短波近红外光谱技术在农药质量检测应用中的优势。

沈飞等对近红外光谱分析技术在辛硫磷农药残留检测中的应用研究中，纵观近红外光谱技术的新发展，综合考虑后采用的优化手段如下：以硅胶为吸附剂来吸附微量的农药，这种方法需要将需要扫描的对象掺入硅胶，然后再扫描其近红外数据，并以此建立PLS数学模型，建立模型后的评价手段采取留一法交互验证。结果表明，以0.5mg/L作为间隔选取的21个待测目标的评价参数如下，交互验证R²=0.958，RMSECV=0.872mg/L。以间隔为0.25mg/L选取一组待检测目标集的41个待测目标的评价结果为，交互验证R²=0.924，RMSECV=1.15mg/L。模型的预测能力虽然在间隔为0.25mg/L样品中有所损失，但是其相关系数仍是较优的，以硅胶吸附样品中农药的方法对痕量农药残留量的近红外光谱检测技术是有效的。

刘丽丽基于近红外光谱技术研究了白菜乐果残留的分析和检测探索，使用的主要样品制作手段为以超高压对蔬菜进行预处理，压力持续3min，并且保持300MPa的压强，并在其中掺入50mL的萃取液，需要25g农作物。仪器参数的设置情况大致如下，光谱扫描的分辨率：4cm^-1，按采集32次进行光谱平均处理，光程1mm，以此建立了近红外光谱仪器扫描到的数据的分析模型，结果表明，使用超高压处理过的蔬菜样品的相关系数为87.14%，模型的RMSECV=0.139，根据研究结果，此方法的分析精度为10^-5，比同等条件下不进行超高压处理的样品数据的分析精度高100倍，并且，此方法的快捷程度为NY/T761-2004所规定的国标有机磷农药分析快速程度的20倍左右。

由于农产品种类繁多，在进行基于近红外光谱技术的农药残留量的检测技术中样品的处理需要考虑其地域性和所含背景物质的复杂性等繁多因素，针对各品种进行合理处理的最优方法仍未有统一的处理技术标准，所以在样品准备和制备方面还没有形成公认的统一方法。由于使用近红外光谱技术进行农药残留检测仍未完全成熟，如何使在一次实验中处理样品的方法同时适用于不同研究室和研究人员所使用的仪器及不同样品，仍需要大量的研究证实，并且对于样品扫描得到的光谱数据进行预处理方法的标准仍需大量研究实践来制定。

对农药残留近红外光谱原始光谱数据进行优化处理后，定性、定量分析模型的建立和模型检验是农药残留量近红外光谱分析的核心。常用的多元校正分析方法有多元线性回归（Multivariate Linear Regression，MLR）、主成分回归（Principle Component Regression，PCR）、逐步回归分析（Stepwise Regression Analysis，SRA）法、偏最小二乘（PLS）法和人工神经网络（ANN）和拓扑（Toplogical）等，模式识别在20世纪60年代末被引入到化学领域后，化学计量学专家们研究发展了多种模式识别算法，如聚类分析（Cluster analysis）法、最短距离法、重心法、离差平方和法、K-均值聚类方法等。

文献[44]在近红外光谱技术检测溶液中毒死蜱含量的试验中，对效仿蔬菜成分的试验用试验液37个样品——农药残留含量为0.005～0.100mg/kg有机磷农药试验液和10个不含农药的蔬菜模拟液分别以PLS和模式识别中的聚类分析法建立分析模型，进行农药残留量的含量和鉴别分析，证明此技术在检测农药残留量为0.008～0.090mg/kg的氯吡硫磷果蔬模拟液中预测效果好，聚类分析模型的分类正确率高。(www.daowen.com)

周向阳等人在近红外光谱法（NIR）快速诊断蔬菜中有机磷农药残留的研究中，基于近红外光谱技术对诸如十字花科等20余种农作物果蔬产品进行了探索微量农残分析研究，研究结果表明，此技术的检测分析优势显著，并认为近红外光谱法是一种易用、迅捷并且稳健的农药残留分析技术。文中利用近红外光谱技术分析溶液中微量毒死蜱含量，首先，在配置的过程中将样品分为两类：一类是以甲醇和水为混合背景的氯吡硫磷溶液，另一类是由甲醇、水、维生素C、蔗糖和氯吡硫磷掺杂而效仿农作物果蔬的试验溶液（蔬菜模拟液）。以二阶导数+17点平滑和一阶导数+21点平滑作为光谱数据的优化手段，并利用PLS法建立模型，结果表明，不同样品中氯吡硫磷质量比（大于或等于）3.2mg/kg的样品模型效果更好。

另外，在农药残留近红外光谱分析的非线性校正技术中，ANN的应用十分广泛。吴泽鑫等基于近红外光谱的番茄农药残留无损检测方法研究中，建立的基于误差反传理论的神经网络方法数学校正分析模型，试验得到了如下结果：对校正集外的样品的正确判断高达96%，在模型的建立过程中，对神经网络模型的训练仅有0.015的偏差，R=0.971，表明了BP神经网络在近红外光谱法检测农药残留量研究中的可行性。代芬等人在基于近红外光谱分析的龙眼表面农药残留无损检测研究中，对龙眼上存在的0，0-二甲基-（2，2，2-三氯-1-羟基乙基）磷酸酯和O，O-二甲基-O-（2，2-二氯乙烯基）磷酸酯残留含量分析进行了新的探索，仪器的扫描波数为500～1000nm，扫描用不同浓度的0，0-二甲基-（2，2，2-三氯-1-羟基乙基）磷酸酯和O，O-二甲基-O-（2，2-二氯乙烯基）磷酸酯喷洒的龙眼，对扫描到的采样值进行主成分分析、聚类分析并建立BP神经网络模型，结果表明，模型判断两种农药物质的微量残留结果高达93%和80%，为BP神经网络在近红外光谱检测中应用的可行性提供了实验依据。

农药残留检测技术的需求促进了分析科学特别是仪器分析的飞速发展。同时，仪器分析技术的高度发展，也为农药残留检测能够达到超痕量水平提供了保障。未来农药的发展是以持续发展、保护环境和生态平衡为方向的。目前，农药残留检测的发展趋势有以下几个方面：

1）总体上，农药残留分析继续朝着安全、高效、经济、环保的方向快速发展，表现为微型化、省时省力、高效、减少溶剂用量、限用或慎用高毒性溶剂和氯代烃类溶剂以及分析成本不断下降，实验室人员的安全意识和环境保护意识比过去有了提高。

2）在检测方面，农药分析范围扩大到数百种；超临界流体色谱（SFC）、高效毛细管电泳（HPCE）、高效薄层色谱（HPTLC）和离子色谱（IC）等新的分析技术不断涌现；各种联用、自动化技术的广泛应用，近红外光谱分析技术也开始进入农药残留检测研究中。

3）快速检测技术迅速发展，其中主要以酶联免疫（ELISA）技术为代表的快速检测技术已进入市场，满足生产和生活实际中的需要，实现农药残留现场和即时分析。

4）不断加快农药残留分析方法的标准化步伐，越来越多的农药残留实验室的质得到认可，农药残留分析的技术和结果在国际间的协同化应用已变为可能，这将极大地提高农药残留检测的效率。

5）世界经济一体化的趋势和人们日益强烈的质量及健康意识，农药残留已经成为食品安全问题的主要部分，正在形成完善的农药残留监测和管理体系。

由上可以看出目前色谱法等主流检测手段虽然能够达到检测要求，但随着农药残留检测朝着安全、高效、经济、环保的趋势发展，选择一种快速、方便、无污染的“绿色”检测方法是十分必要的。