Para mejorar la precisión en la detección rápida de residuos de pesticidas en arroz mediante espectroscopía Raman con aumento superficial (SERS), se propone utilizar espectroscopía correlacional bidimensional (2DCOS) para la selección óptima de variables características del espectro Raman del arroz relacionadas con pesticidas. Primero, se preprocesaron los espectros originales mediante la transformación de variables normales estándar (SNV), luego, utilizando la concentración de metil paratión como perturbación externa, se analizaron los espectros sincrónicos y autocorrelacionados bidimensionales para seleccionar los picos característicos más relacionados con la variación de la concentración de metil paratión. Se construyó un modelo de máquina de soporte vectorial (SVM) para la concentración de residuos de metil paratión en arroz y se comparó su desempeño con un modelo de mínimos cuadrados parciales (PLS). Los resultados muestran que el método 2DCOS puede seleccionar eficazmente los picos espectrales característicos relacionados con la concentración de metil paratión; el modelo SVM construido con 4 picos característicos seleccionados por 2DCOS mostró un rendimiento superior al PLS, con un coeficiente de correlación para el conjunto de predicción (RP) de 0.96, error cuadrático medio de predicción (RMSEP) de 5.21, y error relativo de predicción (RPD) de 3.66, siendo apto para la estimación práctica de residuos de metil paratión en arroz. El estudio indica que seleccionar variables características relacionadas con la concentración de metil paratión en arroz mediante 2DCOS es factible, puede simplificar el modelo y mejorar la precisión de predicción, proporcionando una nueva idea para la detección rápida de la seguridad y calidad de productos alimentarios agrícolas usando espectroscopía Raman.

Espectroscopía Raman con aumento superficial (SERS); espectroscopía correlacional bidimensional (2DCOS); selección de variables características; detección rápida; arroz; metil paratión