藥毒所110年度

2021 Annual Report 6 應用全光譜圖像辨識技術於表面增強拉曼之多重農藥即時分析 本計畫開發一種適用於農產品上市 前，現場即時檢測農藥殘留的快篩方法， 應用拉曼光譜富含資訊的分子指紋圖譜， 經過光譜分析模組處理後的光譜資料對於 分析待檢物質資訊帶來極大的便利，然而 傳統主流的光譜辨識手段是特徵峰辨識方 法，需要已知物質的特徵峰，結合特徵峰 演算法來判定是否存在特定物質成分， 然而樣品中可能存在多種農藥，為了減少 基質干擾或結構相近化合物造成的偽陰 偽陽結果，本計畫導入機器學習辨識圖 譜，以提升拉曼檢測方法的篩檢率，應用 MATLAB 程式整合計算、程式編輯與視 覺化介面，透過高階科技運算語言、分析 資料及開發演算法，節省相當多的開發時 間以建立可內嵌於光學量測系統、伺服端 電腦裝置與客戶端電腦裝置的辨識模型， 本計畫開發單一層級支持向量機及一群合 格樣品光譜圖來建立農藥殘留量合格樣品 的辨識模型 ( 簡稱合格模型 ) ，再利用合格 模型與演算模組為一待測樣品光譜圖計算 出風險值，該風險值愈高，表示該待測樣 品光譜圖與這群合格樣品光譜圖之間的差 異愈大，反之愈小，故可利用該風險值來 判斷該待測樣品光譜圖所對應的一待測樣 品是否為一合格樣品 ( 圖 1 ) 。 良農業操作 (GLOBAL G.A.P.) 之規範有 不小的落差，因此本計畫擬優先建置外銷 水果農產品之優良農業操作用藥模組，除 調和進出口之用藥規範並嘗試建立相關用 藥模組，使外銷農產品之用藥可同時符合 國內外標準並符合相關規範。另因不同農 業操作之規範落差造成查核嚴謹度及認知 不一的情形，故優先針對具有內外銷潛力 之作物優化及實地導入農產品優良農業操 作生產規範，使相關規範可在地化、落實 化及簡便化，但又可以符合國際規範與本 國規定，實有其挑戰度與複雜度。本年度 依據去年建置之監測教材進行不同因子的 修正，合併兩課程教材為一式，並加入殺 菌劑抗藥性資料，裨益使用者可通盤考量 害物的發生狀態；另依據不同作物修正監 測、用藥紀錄表單，在不增加農友負擔的 狀況下回饋研究人員可分析之資料，並持 續進行符合 IPM 精神的策略輔導。未來 期望搭配更多不同作物，使田間整合管理 可更貼近 GLOBAL G.A.P. 精神。