有机磷农药的快速检测是保证农产品品质安全的重要环节。本论文使用比色光谱技术开展了蔬菜中典型有机磷农药检测研究,为农药快速检测设备的研制提供理论基础和技术保障。主要研究内容如下：[1]典型有机磷农药残留快速检测比色试剂优选研究经过大量试验,对氯化钯比色法进一步改进和优化,分别使用乙酸和氯化钠代替传统的浓盐酸作为氯化钯的溶剂,对含硫基类有机磷农药乐果、毒死蜱、氧乐果和乙酰甲胺磷试验,比色反应后的吸收光谱可以检测的最大残留量范围在0.05～0.5 mg/kg,满足或基本满足国标GB2763-2014规定的部分蔬菜的检测要求。室温下比色反应时间为2 min,满足了快速、安全、简便的检测要求。[2]含硫基类有机磷农残预测模型研究根据4种农药的比色光谱,分别在最大吸收波长处建立一元线性回归模型,但预测精度普遍较低。分析原因是比色反应的影响因素较多,实验误差很难完全消除。为此,引入PCA、PLS、BP/RBF:神经网络等方法建立预测模型。试验表明PLS回归效果较好。以乐果为例,在400-600nm波段,主成分为4时,训练集R2=0.9941,RMSEP=2.7703,验证集R2=0.9933,RMSEP=2.2148,表明利用可见光波段检测农药残留的可行性。[3]提高定量预测普适性的分段多模型方法研究在实际检测中,由于待检物中农药含量无法预测,导致无法加入适量的比色试剂。在比色试剂严重过量或不足时,比色曲线会发生较大变化,预测模型的建立变得复杂。为此,在使用PLS、PCA+BP/RBF神经网络等方法建立单一模型的基础上,提出了“分段多模型”的建模策略,即先使用SVM方法区分待检物的浓度段,然后在每个浓度段内使用PLS模型定量预测。试验表明：SVM+PLS方法在待检农药浓度较大时明显提高了预测精度,具有较强的普适性。[4]有机磷农药种类快速识别模型研究根据不同农药的氯化钯比色光谱特征建立了农药种类识别模型。对比PCA+BP/RBF神经网络、CV+SVM、PSO+SVM方法,PSO+SVM方法取得了较好的效果。在4种农药的分类识别中,优化参数c=2.6857,g=0.01时,训练集和验证集的识别准确率分别达到100%和95%,为识别农药种类提供了一种快速、可行的新方法。[5]蔬菜基质对有机磷农药检测的影响分析及消除方法研究了不同蔬菜基质下有机磷农药比色光谱的变化,在吸光值和谱线变化趋势两方面对比了与纯农药光谱的差异。分析并得出结论：不同蔬菜对不同有机磷农药比色光谱的影响波段不同,在影响波段吸光值的区分度明显降低。为此,使用多浓度段差示法采集光谱数据,提高了模型预测精度,对消除蔬菜影响有一定效果。本研究在大量实验的基础上优化了有机磷农药的比色试剂；建立了普适性较强的含硫有机磷农药预测模型；分析了常用蔬菜对农药检测的影响及改进方法,最终确定了可行的预测模型。