雷紫依，苏光林，李 跑，2*，刘 洋*

（1.湖南农业大学 食品科学技术学院 食品科学与生物技术湖南省重点实验室，湖南 长沙 410128；2.湖南省农业科学院 湖南省农产品加工研究所，湖南 长沙 410125）

为了满足不断增长的人口需求，提高农作物的产量，农药被广泛应用于农业生产中［1］。以蔬菜水果为代表的植物源性食品是人民生活的必需品，严格监控植物源性食品中农药残留问题至关重要［2］。我国植物源性食品中农药残留具有多样性，农药的大量使用导致病虫害抗药性增强，新型农药产品不断研发，农户经常混合施用多种农药，植物源性食品中农药残留日趋复杂。已有研究表明，癌症、生长缺陷病和不孕症等均可能与食品中的农药残留有关［3］。食品法典委员会和欧盟规定了农药的最高残留量，我国也制定了《食品安全国家标准 食品中农药最大残留限量》（GB 2763-2021）。因此，建立植物源性食品中多农药残留高通量快速检测技术尤为重要。

色谱法、光谱法和试剂盒试纸方法等已被广泛应用于植物源性食品的多农药残留检测中。光谱法是根据农药残留在特定显色剂或环境中显现出特定颜色的原理实现对农药残留的检测［4］。该技术具有操作简便、分析时间快、取样量少等优点，但光谱易受到高频噪声和背景的干扰，且较难实现多种农药高通量检测［5］。试剂盒试纸法，如农药残留胶体金免疫快速检测试纸、酶联免疫吸附法等，简化了样品的制备过程，成本相对较低，适合于现场检测，但其检测对象专一，依旧较难实现复杂样品中多种农药残留的高通量检测。色谱及其联用技术是大多数植物源性食品中农药残留的标准检测方法，其兼具色谱法的高分离性和质谱法的高鉴别性，可实现多农药残留的快速定性定量分析。气相色谱-质谱联用仪（GC-MS）是现阶段多农药残留高通量检测中应用最为广泛的一种技术［6-9］。

如图1 所示，基于GC-MS 的多农药残留高通量检测技术可分为样品前处理、进样检测和数据分析三部分。目前，多农药残留高通量检测仍然存在一些问题。首先，植物源性食品种类繁多且样品基质复杂，糖类、色素、脂类、有机酸等杂质会导致样品净化不彻底，检测仪器被污染。因此GC-MS信号中常出现背景和谱峰重叠等干扰，严重影响了检测结果的准确性；其次，农药残留的多样性和痕量性，使得检测方法的灵敏度和富集系数亟待提高［10］。现行有效的解决方案是开发新型样品前处理技术和复杂信号的高通量解析算法。一方面，样品前处理技术能够将农药残留从样品中最大限度地提取出来，消除分析过程中干扰物的影响，减少样品对色谱柱和检测器的污染。此外，样品前处理技术还可对微量农药残留进行富集，以此来弥补仪器检测限的不足。另一方面，基于“数学分离”的复杂信号高通量解析算法可实现复杂信号中背景和基线漂移校正、噪声的滤除和重叠色谱峰的解析。因此，开发新型样品前处理方法和复杂信号的高通量解析算法对于研究基于GC-MS的植物源性食品中多农药残留高通量快速检测技术具有重要意义。本文对国内外发展的植物源性食品中多农药残留GC-MS高通量检测技术及相关文献进行了归纳和总结，重点从新型样品前处理技术、复杂信号高通量解析算法两方面阐述了植物源性食品中多农药残留高通量检测的最新进展，并对其存在的问题提出了相关建议，旨在为食品中多农药残留的高通量快速检测提供参考。

图1 植物源性食品中多农药残留GC-MS高通量检测技术流程图Fig.1 Analytical procedures for the GC-MS high-throughput detection of multi-pesticide residues in plant-derived food samples

1 植物源性食品中多农药残留检测的国家标准

现行有效国家标准中，基于GC-MS 的植物源性食品中农药残留检测标准有40 余项，如GB 23200.8-2016、GB 23200.9-2016 等。GB 23200.8-2016 对水果和蔬菜中500 种农药及相关化学品残留量的测定方法进行了说明，GB 23200.9-2016则对粮谷中475种农药及相关化学品残留量的测定方法做了详细规定。虽然国家标准中的前处理方法依据样品基质和农药种类的不同而有所差别，但基本可分为提取和净化两个步骤。试样用有机溶剂进行匀浆提取、盐析离心后，再用不同的吸附材料进行净化处理。例如，果蔬提取液中含有色素、多糖等杂质，GB 23200.8-2016 采用Envi-18 柱、Envi-Carb 活性碳柱和Sep-Pak NH2固相萃取柱对上清液进行净化，而在GB 23200.86-2016 中，考虑到食品中含有脂肪等大分子杂质干扰，则采用凝胶渗透色谱（GPC）柱和弗罗里硅土柱净化提取液。国家标准方法较为成熟，能够实现绝大部分食品中常见农药的高通量检测，回收率较高，定量结果准确。然而，国标方法依旧存在操作繁琐、费时、有机溶剂用量大等缺陷，较难满足多农药残留高通量检测中环保、快速的发展要求。此外，检测信号中易出现谱峰重叠、背景及基线漂移等现象，严重影响检测结果的准确性。因此，开发新型样品前处理方法和复杂信号的高通量解析算法成为科研工作者关心的重点。

2 植物源性食品中多农药残留高通量快速检测的新型样品前处理方法

前处理是样品检测的关键环节，如何快速完成样品的前处理，实现多种农药残留的同步提取，是目前研究的热点。近年来，样品前处理技术的发展趋势呈微型化，如固相萃取（SPE）中吸附剂和液相萃取（LLE）中溶液的微型化，其目的是减少有机溶剂的使用和化学废弃物的产生，避免环境污染。固相萃取中吸附剂的微型化衍生出固相微萃取法（SPME）［11］和搅拌棒萃取吸附法（SBSE）［12］；而液相萃取中的微型化衍生出液相微萃取法（LPME）［13］。LPME 方法仅使用微升级甚至纳升级的有机溶剂进行萃取，适应现代分析科学微型化发展的要求，受到了越来越多的关注［14］。科研工作者开发了不同类型的LPME 技术，包括单滴微萃取（SDME）［15］、分散液相微萃取（DLLME）［16］、均相液液微萃取（HLLME）［17］和中空纤维膜液相微萃取（HF-LPME）［18］等。此外，随着新型材料和溶剂的使用，样品前处理方法中提取、净化和浓缩等步骤的分界线逐渐模糊，甚至出现集提取、净化和浓缩等步骤为一体的样品前处理技术，极大地简化了操作流程，节约了分析时间［19］。

2.1 有机磷类农药高通量检测的新型样品前处理方法

有机磷农药已被广泛用于控制害虫和提高作物产量［20］。由于其毒性较高，大多有机磷农药已被禁止使用。该类农药大多为中等极性分子，根据相似相溶的原理，丙酮、乙腈和正己烷混合溶液等有机溶剂可用于有机磷农药残留的提取，实验室一般选取乙腈作为提取剂。在有机磷农药的检测过程中，应尽可能提高方法的灵敏度，减少有机溶剂的使用量，以满足绿色环保的要求［21-22］。

近年来，SPE、DLLME、QuEChERS（Quick，easy，cheap，rugged，effective and safe）等方法已经被广泛用于不同基质中有机磷农药的提取和测定［23-25］。对于SPE 的改进主要集中在固相吸附材料的筛选和洗脱溶剂种类配比的优化。部分新型材料，如磁性氧化石墨烯［26］、多壁碳纳米管［27］、分子印迹聚合物［28］等，也被用于检测植物源性食品中的有机磷农药残留。SPE 净化可以除去色素和杂质，检测样品的回收率高，重现性好。但其萃取时间较长，通常会损失一部分目标分析物［29］。

与SPE相比，QuEChERS的吸附剂用量较少，提取和纯化的时间相对较短，操作更简单［30-31］。在大多数情况下，QuEChERS 需要与DLLME、磁性材料固相萃取-液液分散微萃取（MSPE-DLLME）等提取方 法 组 合 以 提 高 灵 敏 度［32-33］。 然 而，QuEChERS 的有机溶剂消耗量大，且提取较为耗时。

Jamil 等［34］将改良的超声提取法（UAE）与连续样品滴流微萃取（CSDF-ME）相结合，从水果中提取和浓缩多种有机磷农药。图2 为根据萃取原理绘制的前处理流程示意图。UAE法的提取效率高，但通常需要使用大量有机溶剂，且灵敏度相对较低；而CSDF-ME 是一种半自动方法，具有良好的富集倍数，有机溶剂用量少；两者相结合，在最佳条件下，有机磷农药的相对回收率为83.0%～108.0%，检出限和定量下 限 分别为0.2～20.0 ng/g 和1.0～60.0 ng/g。该方法对水果和蔬菜等固体样品中多农药残留提取表现出更好的性能，且具有有机溶剂用量少的优点。

图2 超声提取法和连续样品滴流微萃取相结合的实验流程（根据原理新绘制）Fig.2 Schematic diagram of UAE and CSDF-ME（redraw according to principle）

2.2 有机氯类农药高通量检测的新型样品前处理方法

有机氯类农药是高度稳定的脂溶性合成杀虫剂，能在环境中持续存在，可通过生物浓缩进入食物链，危害人类身体健康［35］。LLE 是检测植物源性食品中有机氯农药残留的传统前处理方法，对设备的要求不高，但对溶剂的使用量、质量等均有较高要求，操作流程较繁琐，且存在污染环境的风险。

目前，对有机氯类农药新型样品前处理方法的研究，主要集中在SPME和LPME两个方面。其中顶空固相微萃取（HS-SPME）［36］和可切换溶剂液相微萃取（SS-LPME）［37］是研究的热点。HS-SPME 是在微量进样器的针头部分涂上涂层后，将针头插入样品的顶空气中，对目标农药进行萃取和富集，适用于液体样品的处理。该技术具有快速、环保的优点，但纤维萃取头较脆弱，检测成本较高。而SS-LPME则是运用了可转换极性溶剂（SPS）。这种绿色溶剂可在大气压下可逆地切换极性，此类溶剂大多数为两种液体组成的混合物［38］。SPS 在不同的刺激下可以发生极性的转变，处于高极性时可从水中收集目标分析物，处于低极性时可携带目标分析物与水溶液发生相分离［39］。二氧化碳具有经济安全、良性无害、添加去除较为简单的优点，常被用于SPS技术中［40］。

Chormey等［41］将苄基二甲胺与水以1∶1（体积比）的比例混合，形成一个初始的双相体系。如图3 所示，首先在双相体系中通入二氧化碳，持续的磁力搅拌促使苄基二甲胺完全质子化，SPS由非离子（低极性）液体转化为离子（高极性）形式。将稳定的单相溶剂注入样品溶液中，对目标分析物进行萃取。随后添加氢氧化钠，促使SPS由高极性转换为低极性液体，苄基二甲胺携目标农药上浮于水溶液表面。结果表明：将SS-LPME与GC-MS 相结合，能有效实现有机氯农药及其它内分泌干扰物的预浓缩，目标农药的回收率为91%～110%，相对标准偏差均小于10%。该前处理方法简单、快速、高效，符合绿色化学原则，值得进一步研究。

图3 SPS合成和SS-LPME实验流程（根据原理新绘制）Fig.3 Schematic diagram of SPS synthesis and SS-LPME（redraw according to principle）

2.3 拟除虫菊酯类农药高通量检测的新型样品前处理方法

拟除虫菊酯类农药是一类人工合成的广谱性杀虫剂，具有对哺乳动物低毒和环境中易降解的特点。不同食品基质采用的前处理方法也有所不同。植物源性食品的主要前处理方法有分散固相萃取（DSPE）、加速溶剂萃取（ASE）、SPME、DLLME和QuEChERS等［42］。

为进一步提高净化效果和检测灵敏度，研究者们开发了一系列用于拟除虫菊酯类农药高通量检测的前处理方法。其中，HLLME 因提取效率高、速度快而备受关注。HLLME 是通过改变温度、离子强度或pH 等条件，使目标化合物从均相中萃取到与水不混溶的萃取溶剂中的一种前处理方法。Torbati 等［43］在自制的微萃取装置上，采用HLLME 对不同果汁样品进行拟除虫菊酯类农药的提取和预浓缩，并结合GC-MS 进行检测分析。图4展示了HLLME的萃取流程。首先，取样品破碎离心后的上清液，用去离子水按照一定的比例进行稀释，形成样品溶液。然后，加入氨水调整样品溶液的pH 至10。加热样品溶液，在温度稳定为60 ℃的条件下加入新戊酸。新戊酸作为提取溶剂，所包含的酸性质子能与目标农药的电负性原子如氟、氯、氧、溴和氮原子之间形成氢键，提高目标农药的溶解度。手动摇匀后，在产生的均相溶液中加入盐酸，使得新戊酸离子被转化为新戊酸，并且由于形成新戊酸的细小液滴而获得混浊的溶液。另一方面，溶液中和导致了氯化铵盐的生成，使新戊酸在水相中的溶解度降低。通过冰水浴，新戊酸液滴在溶液中固化上升，无需离心处理，极大地节省了时间。结果显示，该方法可实现10种拟除虫菊酯类农药的高通量检测，其加标回收率为73%～92%，相对标准偏差均小于9%。

值得注意的是，HLLME中的萃取溶剂不仅需满足相变的要求，而且要对分析物表现出优异的亲和力。具有低挥发性、良好的热稳定性、无毒的绿色萃取剂，如离子液体（ILs）［17］和低共熔溶剂（DESs）［44-45］已经开始应用于HLLME 中。此外，浸入固相微萃取（DI-SPME）［46］和CSDF-ME［47］也可作为拟除虫菊酯类农药残留的前处理方法。

2.4 氨基甲酸酯类农药高通量检测的新型样品前处理方法

食品中氨基甲酸酯的残留浓度通常较低。近年来，科研工作者已经开发了用于提取氨基甲酸酯农药的多种样品前处理方法，如SBSE［48］、HF-LPME［49］、DLLME［50-51］和SDME［52］等。其中，SDME 与GC-MS 的兼容性最好［53-54］。通过微量注射器，SDME 能够使用微量有机溶剂在小体积的含水样品中高效提取目标组分。如图5 所示，常用的SDME 可分为两种模式：直接浸入单滴微萃取（DI-SDME）和顶空单滴微萃取（HS-SDME）。

HS-SDME 适合提取挥发性较强的目标化合物，不适用于半挥发性和非挥发性目标化合物。而氨基甲酸酯的极性适中，蒸气压相对较低，水溶性较低。因此DI-SDME 更适合于氨基甲酸酯类农药残留的检测［55］。DI-SDME 常使用微量注射器将一滴与水不混溶的溶剂直接浸入样品溶液中，目标组分可以扩散至提取溶剂中。为了加速提取过程，通常使用磁力搅拌器。萃取完成后，液滴被抽回微量注射器，直接注入分析仪器。此外，为了提高DI-SDME的效率，以进行植物源性食品中多农药残留的痕量分析，Chullasat 等［56］通过向液滴中引入一定量的空气来增加液滴的表面积，开发了滴泡微萃取技术（BID）实现8种氨基甲酸酯类农药的提取。BID 技术易于使用和操作，可实现自动化分析，值得进一步开发和应用［57］。但该技术需要小心操作微量注射器以控制滴泡的完整性才能获得良好可靠的分析结果。

2.5 其他新型农药高通量检测的新型样品前处理方法

为了保证果蔬农产品的产量，农药的施用量逐年增加，新型农药产品也在不断研发。除了传统的有机磷类、有机氯类、拟除虫菊酯类和氨基甲酸酯类农药，三唑类和酰胺类农药已成为新型农药中使用量较多，且极具代表性的两类农药。

三唑类农药具有高效、低毒、持效期长、内吸性强等特点［58］。SPME 和DLLME 是目前三唑类农药预处理的主要方法。SPME 虽然具有操作步骤少、污染小、高通量、富集能力强等优势，但不具备高选择性，且涂层的灵敏度、稳健性有待提高［59］。近年来，一些基于不同涂层纤维结构的SPME 技术不断涌现，提高了SPME 纤维涂层的稳定性，并成功应用于植物源性食品中三唑类农药残留的高通量检测［60-62］。而在DLLME 中，萃取剂通常是不溶于水的有机溶剂，可通过离心进行简单的相分离。值得注意的是，只有少数有机溶剂符合这些要求，并且大多数是有毒的卤代烃试剂［63］。而且，常规的DLLME技术需要使用额外的分散有机溶剂，这通常会降低疏水性农药在萃取溶剂中的分配系数。

为了降低有机溶剂的使用量，科研工作者对现有DLLME技术进行了优化和改进，开发了基于固化漂浮有机液滴的分散液液微萃取（DLLME-SFO）［64］、超声辅助盐析均相液液微萃取（UASO-HLLME）［65］等三唑类农药残留的高通量检测方法。但上述方法均需进行离心操作，而此操作对检测时间和待测样品体积均存在极大的限制。由此，Wang 等［66］开发了微波辅助破乳分散液液微萃取（MAD-DLLME）技术，以自制的圆底烧瓶作为萃取容器，使水溶液与低密度萃取溶剂在超声作用下形成乳状液，采用微波代替离心来分解乳状液，进而萃取富集三唑类杀菌剂。结果表明，该方法可实现三唑类杀菌剂的提取，具有快速、高效、可靠、环保等优点。

酰胺类除草剂因具有广谱、低毒、易降解等特点，近年来已被广泛应用于农作物种植，其使用量仅次于有机磷除草剂。基于GC-MS 的多农药残留高通量检测中，酰胺类除草剂的前处理方法有SPE［67］、QuEChERS［68］、HLLME［69］等。由于酰胺类除草剂的低浓度和植物源性食品基质的复杂性，现行有效的前处理方法往往存在富集系数较低的问题。

Wu 等［70］首次将连续流微波辅助提取技术（CFMAE）引入在线单滴微提取（O-SDME）程序中，将萃取、分离、富集结合成一步进行，极大地简化了操作，缩短了整个预处理时间，减少了有毒有机溶剂的消耗，成功地应用于水稻样品中酰胺类除草剂的提取和预浓缩。因此，本方法在植物源性食品中酰胺类农药残留检测方面具有极大的潜力。

2.6 多农药残留高通量检测中不同样品前处理方法的对比

表1为植物源性食品中多农药残留检测中前处理方法的总结对比。如表1所示，近年发展的前处理方法各有优缺点。此外，一些新型前处理技术也可实现多种农药残留的同时提取和净化。然而，目前尚无单一一种前处理技术即能够实现所有种类农药残留的前处理。在实际工作中，需根据待测农药种类、样品基质、测定结果要求和检测仪器的不同选用合适的样品前处理方法。为了促进食品中多农药残留检测分析技术的发展，大多数研究者会将农药分为有机磷类、有机氯类、氨基甲酸酯类、拟除虫菊酯类和其他新型农药类，并根据某一类农药的性质选择相应的前处理方式进行研究开发和应用（如表2）。

表1 植物源性食品中多农药残留检测中的前处理方法总结Table 1 Summarization of pretreatment methods for the detection of multi-pesticide residues in plant-derived food samples

表2 植物源性食品中不同农药残留检测的新型前处理方法Table 2 Novel pretreatment methods for the detection of different pesticide residues in plant-derived food samples

3 植物源性食品中多农药残留高通量快速检测的复杂信号高通量解析算法

对于日趋复杂的植物源性食品多农药残留分析，色谱检测信号中不可避免地出现背景干扰和谱峰重叠等问题，给复杂信号中多农药残留组分信息的提取造成极大阻碍［85］。近年来，化学计量学在背景及基线漂移校正和重叠色谱信号解析领域取得了卓越成效，复杂信号高通量解析算法逐渐成为科研工作者的研究热点［86］。小波变换（WT）［87-89］、基于化学因子分析（CFA）的一系列算法［90-92］、多元曲线分辨-交替最小二乘法（MCR-ALS）［93-95］等多种化学计量学算法为多农药残留高通量检测提供了新途径。这些算法可以从多种农药的重叠色谱信号中提取隐藏的组分信息，但在未知干扰存在的情况下较难获得准确的结果。为消除复杂体系中未知干扰的影响，具有“二阶优势”的化学计量学方法相继出现，如直接三线性分解（DTD）［96］、平行因子分析（PARAFAC）［97］和交替三线性分解（ATLD）［98］等。在农药残留与干扰物未完全分离的情况下，利用化学计量学的“二阶优势”可实现目标农药定性定量信息的提取。具有“数学分离”思想的复杂信号高通量解析算法，增强了GC-MS的分离性能，降低了多农药残留复杂体系检测对高成本分析仪器的依赖程度，具有操作简单、快速、灵敏度高、选择性好等优点，有望发展为现代高效绿色分析新策略。

如图6 所示，应用于植物源性食品中复杂信号高通量解析的化学计量学方法主要包括4部分：色谱峰识别、背景以及基线漂移校正、色谱峰漂移校正以及重叠色谱峰的解析［99］。考虑到植物源性食品基质复杂、农残种类多、多农药残留高通量检测技术需满足快速简便的发展需求，本文的研究重点主要集中在背景以及基线漂移校正和重叠色谱峰的解析两方面，前者可消除干扰，后者可提取有效信息。

图6 植物源性食品中复杂信号高通量解析的化学计量学方法Fig.6 Chemometrics methods in high-throughput analysis of complex chromatographic in plant-derived food samples

3.1 背景及基线漂移校正的高通量解析算法

受样品、GC-MS 仪器本身状态以及实验操作环境等因素的影响，检测信号中常常存在背景干扰、基线漂移等问题，给农药残留特征峰的峰位、峰宽和峰强度的确定带来困难［100］。Liu 等［101］提出了一种自适应WT 算法，成功用于农药混合物色谱信号中背景及基线漂移的校正，但该方法存在参数多的不足。为了解决算法参数多的问题，Zhang等［102］提出了基于自适应迭代惩罚最小二乘（airPLS）方法，该方法仅需通过调节参数λ来控制拟合背景平滑程度，通过迭代逐步削弱峰对背景拟合的影响。Baek等［103］将airPLS 应用于色谱信号中背景和基线干扰的扣除，为多农药残留高通量检测中复杂信号的解析奠定了基础。

3.2 重叠色谱信号解析的高通量解析算法

目标组分色谱峰的准确识别是食品中多农药残留定性定量分析的关键［104］。然而在实际分析中，谱图中常出现未能完全分离的重叠色谱峰和不规则的峰形，加大了多农药残留高通量检测中色谱峰准确识别的难度。为了解析重叠色谱信号，Shao等［105-106］提出了基于曲线拟合的免疫算法（IA），实现了多组分样品的同时分析，但该方法必须同时提供样品中可能包含的所有组分的信息［107］。Shao等［108］提出了非负免疫算法（NNIA）。与IA 相比，NNIA 无需提供样品中可能包含的所有组分的标准信号，能更精准有效地提取目标组分信息。Li 等［109］基于已建立的标准质谱库和迭代目标转换因子分析（ITTFA）提出了一种GC-MS信号解析的算法，实现了河水样品中邻苯二甲酸酯类物质的分析。该方法以标准质谱库中某一组分的质谱作为初始向量，采用ITTFA 沿着洗脱时间对加标河水样品的GC-MS信号进行分析，以迭代得到的质谱与质谱库中质谱的匹配度作为判断目标农药是否存在的依据，从而确定复杂色谱信号所对应的组分信息。最终得到16种邻苯二甲酸酯类物质的质谱图和色谱图，验证了ITTFA 的准确性。但ITTFA 存在不适用于共存农药组分较多的重叠色谱信号解析的缺陷。而Wu 等［110］结合独立成分分析（ICA）、ITTFA 和NNIA，提出了一种具有多步骤筛选过程的复杂信号高通量解析算法，用于53种农药混合标准品的高通量快速检测，最终在洗脱时间仅为7 min的色谱信号中检出了 48种目标农药和16种干扰组分，前者表明了该高通量解析算法的可信度，而干扰组分的出现则说明该方法的准确度有待进一步提高。近期，杨清华等［111］提出的改进移动窗口目标转化因子算法（IMWTTFA）给植物源性食品中复杂信号的高通量解析提供了新途径。为了使尽可能多的组分被准确检测，在使用IMWTTFA 时，可根据实验条件对阈值进行调整。IMWTTFA中包含谱峰匹配的筛选步骤，可降低结果误判的可能性。值得注意的是，在检测同分异构体时，IMWTTFA不能对质谱相似的物质进行区分，还需进一步改进。

4 总结与展望

最新颁布的《食品安全国家标准 食品中农药最大残留限量》（GB 2763-2021）规定了564 种农药在植物源性食品中10 092 项残留限量标准，全面覆盖了我国批准使用的农药品种和主要植物源性农产品。相比原标准，农药品种和残留限量标准数量明显增长，部分植物源性食品的农残限量明显降低，配套的农药残留检测方法也进行了调整。随着国家标准的更新，越来越多的农药需要被检测，与农药残留相关的高毒异构体、代谢物等共生化合物也成为了科研工作者的检测目标。考虑到低农药残留具有引发人体慢性中毒的风险，提高检测方法的灵敏度和准确性成为科研重点。所以，怎样在现有的GC-MS仪器水平上开发新型样品前处理技术和复杂信号的高通量解析算法成为解决问题的关键。

4.1 新型样品前处理方法

现阶段科研工作者开发了大量植物源性食品中多农药残留高通量检测新方法，样品的前处理技术向着微型化、自动化、环境友好化的方向发展。固相微萃取具有样品用量微量化、处理工具微型化、无溶剂或少溶剂等特点，其今后的发展趋势是研发多功能多种类的新型纳米材料，规范制备的工艺流程，实现商品化生产。与固相微萃取相比，液相微萃取近期在多农药残留高通量检测中的应用报道相对较多。液相微萃取具有溶剂体积小、效率高、富集系数高等优势，其今后的研究应注重新型溶剂的研发、萃取装置的自动化和处理步骤的一体化。QuEChERS 的适用范围广，在多农药残留高通量检测中的应用依旧值得期待。随着各类新型材料的涌现，科研工作者们已经不满足于调整传统混合吸附剂的配比来优化QuEChERS 吸附性能，各种多功能的微型吸附剂成为QuEChERS 今后的重点研究方向。此外，为了打破传统离心机的限制，缩短检测时间，越来越多的研究倾向于把提取、净化、浓缩等步骤汇总成一步，以期实现一体化检测。

4.2 复杂信号高通量解析算法

化学计量学方法的引入，使得谱峰重叠、背景噪声干扰等问题得到了一定程度的解决，为植物源性食品中多农药残留高通量检测提供了一定的理论依据。但到现阶段为止，复杂信号的高通量解析算法仍存在一些不足，大多算法需要人工调整参数以获取准确的分析结果，对于干扰严重的色谱信号，大部分解析算法存在分析时间长、效率低的问题，甚至无法实现多组分样品中复杂信号的准确分析。考虑到植物源性食品中多农药残留高通量检测的复杂性，建议研究者尝试将背景及基线漂移校正和多组分重叠信号中色谱峰识别的高通量解析算法组合使用，以期高通量解析算法能朝着快速、非靶向、自动化等方向发展。