Para melhorar a precisão da detecção rápida de resíduos de pesticidas no arroz usando espectroscopia Raman com aumento de superfície (SERS), propõe-se utilizar espectroscopia correlacional bidimensional (2DCOS) para a seleção ideal de variáveis características nos espectros Raman do arroz relacionadas aos pesticidas. Primeiramente, os espectros originais foram pré-processados por transformação de variáveis normais padrão (SNV), e, usando a concentração de metil paration como perturbação externa, realizaram-se análises dos espectros correlacionados síncronos bidimensionais e autocorrelacionados para selecionar os picos característicos mais relacionados às variações da concentração de metil paration. Foi construído um modelo de análise de máquina de vetor de suporte (SVM) para a concentração residual de metil paration no arroz, comparando seu desempenho com um modelo de mínimos quadrados parciais (PLS). Os resultados mostraram que o método 2DCOS seleciona bem os picos espectrais característicos relacionados à concentração de metil paration; o modelo SVM construído com 4 picos selecionados pelo 2DCOS apresentou desempenho superior ao PLS, com coeficiente de correlação para o conjunto de previsão (RP) de 0,96, raiz do erro quadrático médio da previsão (RMSEP) de 5,21, e razão do desempenho relativo da previsão (RPD) de 3,66, podendo ser utilizado para a estimativa prática de resíduos de metil paration no arroz. O estudo indica que a seleção de variáveis características relacionadas à concentração de metil paration no arroz por 2DCOS é viável, podendo simplificar o modelo e melhorar a precisão da predição, fornecendo uma nova abordagem para a detecção rápida da qualidade e segurança de produtos agrícolas alimentícios por espectroscopia Raman.

Espectroscopia Raman com aumento de superfície (SERS); espectroscopia correlacional bidimensional (2DCOS); seleção de variáveis características; detecção rápida; arroz; metil paration