果蔬表面的農藥殘留問題不僅會危害消費者的身體健康，而且還會影響經濟效益。目前，雖然對農藥殘留檢測已經有了許多成熟的檢測技術，如色譜檢測技術、生化檢測技術等， 生化檢測技術具有檢測精度高范圍廣和重現性好等優點;但是需要對樣品進行前處理，分析樣品時間長，不利于現場和在線檢測，并且還需有專業技術的人員才能完成農藥殘留的檢測，不太適用于生產實踐中，比較適合實 驗室里的精確分析。而光譜技術因具有分析效率高操作簡便非破壞性樣品無需預處理測試重現性好和便于實現在線分析等特點，成為了一種快速無損的新型檢測技 術，在農藥殘留檢測等領域中得到了飛速的發展。本文就近幾年來常用的光譜技術對農藥殘留的檢測進行了分析研究和探討。??
一、熒光光譜技術
熒光光譜技術是根據基態分子吸收能量后發射的熒光特性和強度對待測物進行定性或定量分析的技術，適用于微量物質檢測，常用的技術有前表面熒光技術同步熒光光譜技術和三維熒光光譜技術等。
熒光光譜技術在農藥殘留檢測中還處于起步階段，但取得的研究成果表明，熒光光譜技術在農藥殘留檢測方面有其獨特的優勢。王雪梅等人利用熒光光譜技術實現了香蕉中的雙苯三唑醇含量的快速定量測定。
光譜技術作為無損快速檢測技術在各個領域中廣泛應用，每種光譜技術都有各自的優勢和不足：紅外光譜技術發展較成熟，但模型的可靠性難以保證，且結果易受外界干擾; 拉曼光譜技術在農藥殘留檢測中有著良好的發展前景，其易受熒光背景的干擾，且在建立拉曼光譜數據庫方面有所欠缺，有待進一步研究; 高光譜圖像技術在農藥殘留檢測方面還處于試驗階段，在提高模型精度降低數據冗余和選擇特征波段等方面還需加強研究; 熒光光譜技術在農藥殘留檢測中還處于起步階段，如何有效解決外界因素的干擾還需進一步研究。當前，光譜技術的不斷研究，各種先進的理論算法和技術的不斷出現，各種便攜式高精度光譜檢測儀器的不斷開發，各種新興技術與光譜技術的有機融合，都為農藥 殘留的快速準確無損檢測提供了強大的技術支持。
農藥殘留檢測
二、拉曼光譜技術拉曼光譜技術是一種基于拉曼散射效應的光譜分析技術，是光子與樣品分子之間發生了能量交換而產生的，體現的是分子振動或轉動的信息，常見的拉曼光譜技術有傅里葉變換拉曼光譜技術表面增強拉曼光譜技術顯微拉曼光譜技術激光共振拉曼光譜技術和高溫高壓拉曼光譜技術等。一般在農藥殘留檢測中常用的拉曼光譜技術有傅里葉變換拉曼光譜技術和表面增強拉曼光譜技術等。
??一、紅外光譜技術
1．1 近紅外光譜技術
近紅外光是介于可見光和中紅外光之間的電磁波，其光譜波長區域為780～2526nm 它是由于分子振動的非諧振性使分子振動從基態向高能級躍遷時產生的，主要反映分子的倍頻和合頻振動信息。
近紅外光譜檢測技術在農藥殘留檢測領域還處于起步階段，本世紀初才首次將近紅外分析法用于農藥分析。劉翠玲等用近紅外光譜方法對溶液中極微量毒死蜱進行了測定，取得了良好的檢測效PierreBilleen等曾利用近紅外檢測拌種用殺蟲劑的含量，取得了較好的結果。目前，利用近紅外光譜技術檢測農藥殘留的樣品大多是采用人工配制的農藥模擬噴灑在被測樣品上，以后還需對實際樣品進行農藥殘留檢驗分析研究。
近紅外光譜技術檢測農藥殘留的缺點主要是不適用于痕量分析檢測靈敏度低相對誤差較大建模比較難，而且大多數模型是在統計數據基礎上的線性和非線性擬合，可靠性難以保證 在未來的研究中，背景干擾檢測機理和微量物質檢測等都是近紅外檢測技術的重點研究領域 。另外，開發便攜式近紅外光譜儀也為現場農藥殘留檢測開辟了一條廣闊的途徑。
1．2 中紅外光譜技術
中紅外光譜是波長區間在2500～25000nm的電磁波，是由于分子振動狀態在相鄰振動能級之間的躍遷而形成的，主要反映分子基頻振動信息。
隨著中紅外光譜測量技術與化學計量學學科的有機結合，該技術在農藥殘留檢測中的定性定量分析均得到廣泛應用，李文秀等對敵敵畏等農藥在蔬菜汁中的中紅外光譜數據進行了研究，結果表明，應用中紅外光譜技術可對蔬菜上的農藥殘留進行檢測 馬國欣等應用中紅外光譜技術可以測定農藥中吡蟲啉的含量中紅外光譜技術檢測農藥殘留的缺點是檢測靈敏度相對較低，不適于做微量成分的測定和含水樣品分析， 光譜分析較復雜，且定量分析較困難 ，在未來的研究中，在定量分析的精確性和定性分析靈敏度方面是有待突破的研究領域，把不同的分析儀器與紅外光譜聯用借助光路系統或光導纖維來傳遞紅外光利用 衰減全反射原理和表面增強技術等可以提高樣品檢測精度，也是未來研究的重要方向。
三、高光譜圖像技術
高光譜圖像技術是利用光譜成像設備采集目標物體的圖像信息和光譜信息，利用圖像處理技術和光譜分析技術，對目標物體進行設別和分析的技術該技術綜合了光學電子學圖像處理計算機科學等領域的先進技術，是二維成像技術和光譜技術有機結合在一起的一門新興技術。
高光譜成像技術能同時采集到被測樣品豐富的圖像和光譜信息，但是高光譜圖像數據量非常龐大，且光譜數據分析方法多種多樣，從而導致數據處理的工作量 比較大，影響了高光譜圖像技術的廣泛應用因此，在從海量的高光譜數據中進行數據挖掘改進和融合傳統的分類識別技術創建適合高光譜數據特點的分類識別新模式 等方面，還有待廣大科研工作者的深入研究和探索高光譜成像技術在許多領域越來越受到研究者的青睞，在農藥殘留檢測中有著廣泛的應用前景。