黎才婷，雷紫依，丁胜华，蒋立文，刘 霞，李 跑,,*
（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）
农药是现代农业生产中必不可少的生产资料，在粮食增产和生物灾害防治方面起重要作用[1]。目前世界上农药品种众多，根据用途可分为杀虫剂、杀菌剂、除草剂、杀鼠剂、植物生长调节剂及杀软体动物剂等；
根据化学成分可分为有机磷类、有机氯类、氨基甲酸酯类、拟除虫菊酯类、酰胺类、环二烯类、三唑类等。不同种类农药理化性质各异，且目前所使用的新型农药相对于传统的有机磷以及有机氯农药半衰期更短，所施用的浓度更低，在食品中残留量较低，检测难度非常大。
近10 年来，农药残留引起的食品安全问题引起了广泛关注，开发高效、准确的检测技术对保障食品安全至关重要。目前，农药残留检测方法主要包括光谱法、生物传感器、微流控芯片技术、色谱法以及色谱-质谱联用法等。光谱法具有操作简单、快速、成本低等优点，但其易受到噪声和复杂基质的干扰，且较难实现农药的高通量检测[2]。生物传感器方法具有灵敏度高、分析速度快、仪器体积小等优点，适用于农药残留现场快速检测，但其热稳定性较差，且往往只能实现特定农药的分析，较难实现农药的高通量检测[3-5]。微流控芯片技术具有操作简便、试剂使用量少、集成化高等优点，但重复性方面还需进一步提高[6-8]。色谱法具有较强的分离能力，利用标准样品可以实现复杂基质中农药残留的定性定量分析。色谱与质谱联用法兼具色谱的分离能力和质谱的定性能力，既能实现复杂样品中农药的有效分离，又能实现多种农药及其代谢物的快速定性分析，灵敏度高、重现性好，是大多数农药残留检测国家标准推荐的方法。因此，基于色谱-质谱联用法开发高灵敏度、高通量、非靶向农药残留检测技术成为了研究热点。
然而，由于样品、环境、仪器等原因，基于色谱-质谱联用技术的多农药残留高通量非靶向检测依旧存在以下几点问题：第一，前处理及仪器分析时间较长；
第二，食品样品组分较多，痕量目标物易受复杂基质干扰；
第三，检测信号易受基线漂移以及谱峰重叠的干扰。针对以上问题，国内外科研人员进行了大量研究，主要集中在分析仪器的改进、样品前处理技术的创新以及化学计量学方法的优化等方面。色谱-质谱联用技术发展前景广阔，本文对近10 年国内外多农药残留高通量非靶向检测相关报道进行归纳和总结，简要介绍食品中多农药残留检测现状，详述多维色谱技术及高分辨率质谱技术、新型吸附剂材料及样品前处理技术、新型化学计量学方法等检测技术的基本原理，以及在多农药残留检测领域中的最新应用进展，并对其优缺点进行比较，对存在的问题提出相关建议，旨在为推进色谱-质谱联用技术在食品中多农药残留检测中的应用提供新的参考依据。
截至2021年11月，现行有效的食品中多农药残留检测国家标准有177 项，其中基于色谱-质谱联用技术的检测方法有87 项。图1为各种色谱-质谱联用技术在农药残留检测标准中的占比。基于色谱-质谱联用技术的农药残留检测方法主要包括气相色谱-质谱（gas chromatographymass spectrometry，GC-MS）、气相色谱-串联质谱（gas chromatography-tandem mass spectrometry，GCMS/MS）、液相色谱-质谱（liquid chromatography mass spectrometry，LC-MS）以及液相色谱-串联质谱（liquid chromatography-tandem mass spectrometry，LC-MS/MS）。GC-MS以及LC-MS/MS是目前国家标准中最常用的两种方法，而基于LC-MS以及GC-MS/MS的国家标准相对较少。
图1 基于色谱-质谱联用技术检测农药残留的国家标准Fig.1 China’s national standards for the detection of pesticide residues based on chromatography-mass spectrometry
表1对4 种色谱-质谱联用技术的优缺点以及适用范围进行了对比。GC-MS仪器价格相对较低，且操作较简便，通过将目标分析物质谱数据与农药标准质谱数据库进行对比，无需标准品即可实现对农药残留的非靶向检测。随着新型农药的不断推出，GC-MS检测的不足逐渐显现。一方面，含有大量硫醚的葱、蒜、韭菜等蔬菜在农药残留检测时基质干扰较为严重；
另一方面，该方法较难实现磺酰脲类、苯氧羧酸类等不易挥发且热稳定性差的新型农药残留检测[9]。GC-MS/MS同样不适用热不稳定以及挥发性差的农药残留检测。LC-MS/MS抗干扰能力最强、灵敏度最高，但仪器价格昂贵。Alder等[10]利用LCMS/MS与GC-MS对500 种农药组分进行分析，并对两种方法的检测结果进行比较，结果表明，有135 种农药组分无法被GC-MS检出，而仅有49 种农药组分无法被LC-MS/MS检出。此外，在灵敏度方面，GC-MS较LC-MS/MS低3～4 个数量级。然而，无论是GC-MS还是LC-MS/MS均不能单独应用于所有种类农药组分的检测。农业农村部基于GC-MS和LC-MS建立了NY/T 1379—2007《蔬菜中334 种农药多残留的测定 气相色谱质谱法和液相色谱质谱法》[11]。Chamkasem等[12]采用改进的QuEChERS前处理技术结合LC-MS/MS和GC-MS/MS实现了鳄梨中136 种农药的检测。Song等[13]同样采用QuEChERS前处理技术，采用LC-MS/MS和GC-MS/MS实现了对鸡蛋中60 种农药的检测，回收率为70%～120%，相对标准偏差小于20%。
表1 不同色谱-质谱联用技术的优缺点以及适用范围Table 1 Advantages, disadvantages and application scope of different chromatography-mass spectrometry techniques
为了满足多农药残留高通量非靶向检测需求，科研人员对色谱以及质谱仪器进行相应的改进，开发了新型检测仪器。近10 年来，多维色谱技术逐渐成为农药残留检测研究的热点。多维色谱技术通过耦合两个或多个极性不同的色谱柱，构建了一种具有不同分离能力的联用系统，具有峰容量大、分离效率高的优点，成为了多农药残留检测的强有力分析手段[14-15]。del Castillo等[16]将固相微萃取技术（solid-phase microextraction，SPME）与多维气相色谱质谱结合，用于复杂样品中多农药的定性定量分析。结果表明，多维气相色谱分析技术可以避免一维色谱中由于目标组分受到样品基质成分干扰而出现的假阳性问题。del Castillo等[17]再次将SPME与多维气相色谱-质谱技术结合用于复杂样品中痕量农药的检测，该方法具有良好的重现性以及更高的灵敏度。第一维气相色谱农药残留最低检测限为0.11～0.42 ng/kg，而第二维气相色谱最低检测限可达0.013～0.093 ng/kg。
为了实现农药残留的精准检测，可靠以及准确的质谱分析手段是必不可少的。与低分辨的离子阱以及四极杆质谱相比，中高分辨质谱如飞行时间质谱（time of flight mass spectrometer，TOF MS）[18]、轨道阱质谱（Orbitrap MS）[19]等在全质量数据采集、数据可溯源性以及数据库检索方面具有显著优势。TOF技术利用经脉冲电场加速后不同质荷比的离子具有恒定速度但通过恒定距离所需时间不同的原理，从而具有较快的扫描速度以及较高的灵敏度。王思威等[20]利用高效液相色谱-四极杆TOF MS结合QuEChERS前处理技术，分析目标化合物特征离子的质量数、二级碎片以及保留时间信息，实现了对蜂蜜、蜂巢和荔枝花中农药的非靶向检测。该方法共筛查出多菌灵、毒死蜱、除虫脲等8 种农药，方法LOD为0.03～0.50 μg/kg，加标回收率为80%～96%，具有较高的灵敏度和回收率。Orbitrap是由一个中心电极和两个外部电极组成，其利用离子在静电作用下围绕中心电极做圆周运动并在中心电极和外部电极之间振荡，不同离子振荡频率不同的原理，得到离子质谱数据，具有灵敏度高、稳定性好的优点。Gómez-Pérez等[21]利用不同质谱仪对300 种农药和兽药进行分析，Orbitrap MS在灵敏度以及回收率等方面均优于TOF MS。Saito-Shida等[22]对比了TOF MS和Orbitrap MS的分析结果，发现对于低含量（小于0.01 mg/kg）农药残留的检测，Orbitrap MS的选择性和灵敏度均略优于TOF MS。可能是因为Orbitrap MS的分辨率更高，质谱窗口更窄。因此，Orbitrap MS比TOF MS更适用于复杂食品中多农药残留的高通量非靶向检测。此外，将多维气相色谱与高分辨质谱技术联用可获得更精准的质谱信息，实现多农药残留的高通量非靶向检测[14]。
综上所述，利用多维色谱技术、TOF MS以及Orbitrap MS等可开发高灵敏度、高通量、非靶向的多农药残留检测方法。在色谱技术中，多维色谱的灵敏度优于一维色谱；
在质谱技术中，Orbitrap MS的灵敏度最高，其次为TOF MS。但多维色谱技术与高分辨质谱存在仪器昂贵，商品化质谱数据库、快速数据分析算法和软件缺乏等不足，因此在实际应用中普及度较低，未来可考虑将多维色谱以及高分辨率质谱技术与数据处理方法如化学计量学方法进行结合。
样品前处理是食品中多农药残留检测的关键步骤。食品样品具有复杂多样性，传统样品前处理技术如匀浆法、索氏提取法、浸泡法存在操作时间长、有机试剂消耗量大、富集倍数低等缺陷。虽然液-液萃取（liquid-liquid extraction，LLE）、固相萃取（solid-phase extraction，SPE）以及QuEChERS等提取技术的建立促进了样品前处理技术的发展，但是在提取效率、富集倍数、有机溶剂用量方面仍然具有一定局限性。针对以上问题，目前样品前处理技术的创新主要集中以下两方面：1）开发农药提取技术，以富集食品中痕量农药，提高农药提取效率；
2）开发新型环保的吸附材料，减少色素、脂类、水分等成分对目标农药组分检测的干扰，减少有机试剂的使用量。此外，样品前处理技术正向微型化、自动化、环境友好化方向发展。
传统LLE技术在农药残留检测过程中需要大量的有毒、有害有机溶剂，且操作时间长、富集效率低[23]。科研人员在LLE技术的基础上开发了液相微萃取（liquidphase microextraction，LPME）技术，并对其不断进行创新，相继开发了以下5 种新型LPME技术。分散液-液微萃取（dispersive liquid-liquid microextraction，DLLME）技术是利用萃取剂在分散剂的作用下形成分散细小的液滴，通过振荡混合形成乳浊液，从而实现萃取，达到高度富集目标组分的目的[24]。单滴微萃取技术（single-drop microexteaction，SDME）通常可分为直接浸没和顶空单滴两种类型，前者将带有萃取剂的进样针穿过密封样品瓶盖，针尖浸没于样品溶液中，通过对样品溶液升温及搅拌加速，使目标组分进入进样针针尖萃取液滴中；
后者则将带有萃取剂的进样针悬浮于样品溶液上方，通过对样品溶液加热，使目标组分挥发进入针尖萃取液滴中，实现目标组分高富集且高效环保的目的[25]。中空纤维液液微萃取技术（hollow fiber liquid-phase microextraction，HF-LPME）利用多孔的中空纤维为萃取溶剂载体，将目标组分萃取至中空纤维的孔腔内，达到高效萃取以及净化的效果[26]。连续样品滴流微萃取（continuous sample drop flow microextraction，CSDF-ME）采用与水互不相容且密度大于水的有机溶剂作为萃取溶剂，样品水溶液在蠕动泵作用下持续通过窄针，在萃取溶剂中形成细小水样液滴，达到高度浓缩的效果[27]。促进反应微萃取（promoted reaction microextraction，PRME）技术利用酸碱中和反应产生气泡的原理，促进目标组分萃取至萃取溶液中，达到简便、高效的萃取目的[28]。
表2对比了近年来开发的新型LPME方法。大多数LPME技术能与GC-MS等进行联用，且具有操作便捷、富集倍数高、有机溶剂用量少等显著优点，但是仍然较难避免有害有机试剂的使用。目前常用于食品中农药残留分析中的萃取溶剂多为密度高于水的氯化溶剂，如三氯甲烷、四氯化碳、氯苯，或者密度低于水的非氯化溶剂，如正己烷以及十一醇。寻找更加环保的绿色溶剂至关重要。低共熔溶剂（deep eutectic solvents，DES）以低蒸气压、低毒、热稳定性好、可回收利用、易于生物降解等优点得到了广泛关注[29]。Mokhtari等[30]首次以有机磷酸盐、二氯乙酸和癸酸为原料合成了一种新型环保的DES，并用作DLLME中的提取溶剂，实现了蜂蜜中8 种有机硫代磷农药的萃取，前处理流程如图2所示。将乙腈与蜂蜜样品充分混合后，通过离心将乙腈从溶液中分离，采用有机磷酸盐、二氯乙酸和癸酸混合加热合成的DES作为DLLME过程中的萃取溶剂，在NaCl溶液中实现目标物的萃取。结果表明，该方法重复性好、灵敏度较高，具有较低的LOD（0.05～0.10 ng/g）和定量限（limit of quantification，LOQ）（0.19～0.36 ng/g）。为了进一步减少前处理过程中有害有机试剂的使用，Nemati等[31]首次将搅拌棒吸附萃取技术（stir bar sorptive extraction，SBSE）与固化悬浮有机液滴（solidification of floating organic droplet，SFO）-DLLME技术结合，制备两种DES并作为SBSE步骤中的洗脱溶剂以及DLLME步骤中的萃取溶剂和分散剂，用于番茄样品中酸性农药的衍生化及检测，提高了带有羧基的酸性农药的挥发性。DES更符合“绿色化学”的理念，且成本较低，在多农药残留检测领域具有较好的应用前景。在今后的研究中，还需开发易商品化、毒害低的新型萃取材料，同时还需简化操作步骤，建立自动化的提取技术。
表2 食品中农药残留检测的新型液相微萃取技术Table 2 Novel liquid-phase microextraction techniques for the detection of pesticide residues in food samples
图2 DES的合成及DLLME流程示意图Fig.2 Schematic diagram of deep eutectic solvents synthesis and dispersive liquid-liquid microextraction procedure
相对于LLE，SPE操作时间较短。但传统的SPE装置单一，且依旧使用有毒有机溶剂，选择性不够好。因此，科研人员对SPE技术进行改进，主要可分为SPME[40]、SBSE[41]、基质固相分散萃取（matrix solidphase dispersion，MSPD）技术[42]。SPME是一种集采样、萃取、预浓缩和进样于一体的无溶剂萃取技术，通过萃取头中含有聚合物涂层的纤维对复杂样品基质中的目标组分进行萃取，实现样品的自动化前处理。SBSE与SPME的原理相似，通过用聚合物涂覆的搅拌棒搅拌样品溶液，达到高效、便捷萃取目标组分的目的。MSPD与SPME和SBSE不同的是，需要将样品与萃取溶剂混合并研磨，再将混合物进行洗脱，从而使目标组分被充分萃取且与基质干扰物完全分离。如表3所示，新型SPE技术具有操作简便、回收率高、灵敏度高的优点，且大都能与GC-MS技术联用，可以实现食品中多农药残留的检测，但3 种方法仍存在纤维材料重复性较差、涂层种类有限、有机试剂消耗量大等不足。为了克服以上缺点，Liang Weiqian等[43]开发了一种天然的大麦壳生物材料碳（barley husk biomaterial carbon，BHBC）。如图3所示，通过将大麦壳炭化，将制备的BHBC涂覆在腐蚀过的不锈钢丝上，得到BHBC包覆的SPME纤维材料，从蔬菜样品中提取了12 种农药，回收率为76%～104%，相对标准偏差小于12%；
实验结果表明，对比常用的纤维材料，该纤维涂层多孔、粗糙，且不锈钢丝稳定性好，使用寿命长。dos Santos等[42]以天然海砂为固体载体，采用超声波辅助MSPD对6 种果蔬中的36 种农药进行提取，回收率为60%～140%，相对标准偏差小于20%。该方法操作简便、环保，克服了传统合成固体载体材料制作成本高、有机试剂消耗量大等缺点。综上所述，以上开发的新型材料大多具有稳定性好、有机溶剂量消耗少等优点，且逐渐趋于天然化以及环保化。但是部分天然材料的制备操作仍较繁琐，对实验人员的专业技术有一定要求。因此，如何将此类天然材料开发成商业化的成品并用于多农药残留检测中仍需进一步研究。
图3 聚二甲基硅氧烷/BHBC的SPME纤维制备示意图Fig.3 Schematic diagram of the preparation of SPME fiber with polydimethylsiloxane/barley husk biomaterial carbon (BHBC)
表3 食品中农药残留检测的新型固相萃取技术Table 3 Novel solid-phase extraction techniques for the detection of pesticide residues in food samples
截至2021年11月，检索Web of Science数据库发现，基于QuEChERS提取技术的农药残留检测实验性论文共有2 738 篇。QuEChERS作为常用的样品前处理技术，样品的制备时间较短，溶剂与样品的消耗量较少，并在有效减少杂质干扰的同时实现了不同化学基团农药的高效提取[49-51]。但是QuEChERS技术富集倍数较低、净化材料的选择具有局限性。针对QuEChERS技术所存在的问题，科研工作者重点从QuEChERS与其他方法联用以及净化材料的开发两方面开展了大量研究。
QuEChERS技术中常用的净化材料有石墨化炭黑、伯仲胺、C18等。为了进一步提高QuEChERS的提取效率以及净化效果，科研工作者开发了新型碳纳米管材料[52]以及石墨烯材料[53]等微型化材料。此类材料除杂效果好，但较难合成，且价格较高。为此，Wang Jun等[54]开发了一种基于可切换溶剂的QuEChERS方法，采用正十八胺作为净化材料。通过高温与低温下正十八胺形态的改变，以DLLME形式吸附样品中的杂质，有效减少基质干扰，实现了水果和蔬菜中16 种农药的检测。研究结果表明，与伯仲胺和C18等传统材料相比，正十八胺具有更好的净化效果。除此之外，将DLLME代替分散固相萃取的净化步骤，与QuEChERS技术联合使用，可以提高QuEChERS技术对目标分析物的富集度，加快提取效率。Mao Xuejin等[55]为了克服QuEChERS技术富集效率低以及DLLME技术中使用有毒溶剂、有机相收集困难等缺点，将QuEChERS和DLLME-SFO进行结合，使用低毒性的乙醇和非氯化溶剂的正十六烷作为分散剂和提取溶剂，成功实现了蔬菜中8 种农药的检测，回收率为61.6%～119.4%，LOD与LOQ分别为0.3～1.5 μg/kg和0.9～4.7 μg/kg。前处理流程如图4所示。此外，Qin Yuhong等[56]开发了基于QuEChERS技术的自动多塞过滤净化方法，实现了对猕猴桃中33 种农药的检测。相比于传统的QuEChERS技术，该方法易于自动化且操作简单。综上所述，QuEChERS与其他微型化提取技术特别是DLLME进行联用时，能有效减少杂质干扰，实现农药残留的高效提取。此外，所开发的净化和提取材料朝着低毒性、微型化、易于提取的方向发展。
图4 DLLME-SFO-QuEChERS示意图Fig.4 Schematic diagram of dispersive liquid-liquid microextraction(DLLME)-solidification of floating organic droplet (SFO)-QuEChERS
微波辅助提取技术作为一种常用的辅助提取技术，可加快提取速度，提高提取效率。Wu Lijie等[57]开发了一套简单、高效与环保的微波集成处理系统（图5），将动态微波辅助萃取与微波加速溶剂洗脱两个过程结合，用于5 种蔬菜中6 种有机磷农药残留的提取，缩短了提取时间并减少了溶剂消耗。超声辅助提取技术也可用于农药残留的提取[58]。其利用空化效应增大目标分析物进入萃取溶剂的速度以及效率。加速溶剂提取技术通过在较高的温度（50～200 ℃）以及压力（10～15 MPa）下，同样能实现农药残留的快速提取[59-60]。然而，尽管样品前处理技术种类丰富，但由于农药种类繁多，尚无一种通用的样品前处理方法以实现大部分农药残留的检测，且不同食品基质不同，不同样品前处理的适用性也不同。
图5 集成微波处理系统示意图Fig.5 Schematic diagram of the integrated microwave processing system
色谱-质谱联用技术具有较强的分离能力。但是由于食品样品的复杂性，实现复杂样品中各组分有效分离仍然是一个巨大的难题。除此之外，检测信号中容易出现谱峰重叠、噪声以及背景基线干扰问题。分析仪器的改进以及新型前处理技术的开发仍无法完全解决这些问题。不同于实验手段，化学计量学方法利用“数学分离”的思想，可以实现复杂信号解析以及目标组分的信息提取，并实现组分的定性定量分析[61-63]。针对复杂色谱-质谱信号中存在的问题，科研人员已建立了多种化学计量学方法，如多元曲线分辨-交替最小二乘法（multivariate curve resolution-alternating least squares，MCRALS）[64-65]、免疫算法（immune algorithm，IA）[66-67]以及基于化学因子分析（chemical factor analysis，CFA），并将其用于食品中多农药残留检测。但传统化学计量学方法解析效率低、准确率较差，且参数较多，难以实现食品中多农药残留高通量非靶向检测。为了弥补这些不足，开发自动化、高通量的解析算法逐渐成为科研工作者研究的热点。如图6所示，食品中多农药残留检测中的化学计量学方法主要包括4 个部分：色谱峰识别、背景及基线漂移校正、色谱峰漂移校正以及重叠色谱峰的解析[68]。目前的研究重点主要集中在色谱峰的识别以及重叠色谱峰的解析等两方面，前者可以实现农药残留的定性检测，后者可以实现农药残留的定量分析。
图6 色谱数据自动化分析程序Fig.6 Flow chart of automated chromatographic data analysis
色谱峰的准确识别是多农药残留定性分析的基础。如果所有组分完全分离，则每一个色谱峰对应一个组分。但是由于食品样品的复杂性，信号中易出现谱峰漂移、谱峰重叠以及不规则峰形等现象，利用此类信号无法实现农药残留的准确定性分析。此外，农药种类众多，仅用人工手段以实现农药非靶向检测费时费力。Miao Lingni等[69]和本课题组[70]前期分别提出了用于农药残留非靶向检测的化学计量学方法，利用TTFA算法或ITTFA算法结合农药标准质谱库，将解析得到的质谱数据与质谱库进行自动化比对以实现农药残留的非靶向检测。然而，如果样品组分种类较多时，需利用标准样品确定目标组分的洗脱区域才能实现计算，因而较难实现复杂食品样品中农药残留的高通量非靶向检测。因此，本课题组提出了移动窗口目标转换因子分析（moving window target transformation factor analysis，MWTTFA）方法[71]。通过结合移动窗口与TTFA算法的优势，自动判定目标农药是否存在，得到其洗脱时间区域，从而实现农药残留的高通量非靶向检测。然而利用MWTTFA对更为复杂的样品数据进行解析时，容易出现误判，无法实现农药残留的准确定性分析。因此，本课题组再次对MWTTFA进行改进，提出了改进的MWTTFA方法，并结合所创建的农药标准质谱库实现了17 种有机磷农药以及51 种农药的快速定性分析[72]。结果表明，利用所建立的改进的MWTTFA算法，标准洗脱与快速洗脱条件所得到的定性结果一致，实现了多农药组分的快速定性分析。但是，该方法无法实现质谱相似组分，特别是同分异构体的准确定性分析，还需进一步改进。
科研工作者开发了一系列色谱峰解析算法以实现食品中多农药残留的准确定量分析。本课题组将MWTTFA和非负免疫算法（non-negative immune algorithm，NNIA）结合，首先利用MWTTFA结合标准质谱库筛选可能存在的农药残留组分，再用NNIA算法实现重叠谱峰的准确解析[71]。结果表明，该方法可以在洗脱10 min内得到17 种和42 种农药组分的色谱以及质谱信息。Wu Xi等[73]将独立成分分析、ITTFA以及NNIA结合，建立了一种用于农药残留非靶向检测的化学计量学方法，在快速升温程序下实现了53 种农药色谱峰的快速解析。Xia Zhenzhen等[74]采用目标波段熵最小化算法结合GC-MS，无需利用质谱库的质谱信息便可实现18 种有机磷农药色谱峰的准确解析。化学计量学方法种类丰富，但往往参数较多，且对操作人员的经验有较高的要求。因此需要开发自适应算法，在减少参数的同时可得到最佳检测效果。此外，对于基质更为复杂的样品，还应将新型前处理技术与化学计量学方法相结合以实现复杂样品中多农药残留的准确检测。
农药残留带来的食品安全问题愈发严峻，亟需开发高灵敏度、高通量、非靶向的农药检测新方法。色谱-质谱联用技术兼具色谱的分离能力和质谱的定性能力，能有效分离复杂样品中的农药组分，又能实现多种农药及干扰组分的快速定性分析，灵敏度高、重现性好。但是食品中多农药残留检测依旧存在农药残留量低、食品基质复杂、检测时间较长等问题。针对这些问题，目前研究重点主要集中在以下几点：一是分析仪器的改进，利用多维色谱技术与高分辨质谱以实现复杂食品样品中多农药残留的高通量检测；
二是新型样品前处理技术的开发，开发选择性与灵敏度更高的微型、环保的前处理技术与吸附材料；
三是化学计量学的优化，开发快速、高效、自动化色谱质谱数据定性定量分析算法。然而，目前的检测技术仍有以下几点不足：一是分析仪器成本高；
二是所开发的新型前处理技术广适性和吸附材料商品化程度较低；
三是大多化学计量学方法无法实现质谱相似组分，特别是同分异构体的准确分析。综上所述，虽然基于色谱-质谱技术的食品中多农药残留高通量非靶向检测技术尚有不足，但是其发展前景广阔。随着市场需求和技术的革新，未来还需要将多维色谱、高分辨质谱联用、高效环保的前处理方法与自适应化学计量学分析算法有机结合，推动食品中农药多残留高通量非靶向检测的发展。
