手机拍试纸5分钟出结果：农科院团队实现6至36种农残同步快检

清晨6点，海南豇豆田里，农户老马掐下一根豇豆，心里犯嘀咕：这茬菜能不能放心卖？搁在过去，得等实验室出检测结果，短则一两天，长则三五天。现在他把检测试纸条放到手机镜头下，5至15分钟，6到36种农药残留的检测结果就摆在眼前。

撑起这个变化的是中国农业科学院农业质量标准与检测技术研究所教授王静带领的团队，他们最新研发出“适配系列农产品农药残留等多靶标智能快检技术”。这套技术面向果蔬茶等农产品，能对农药等多靶标做同步智能快检，填补了全球高精度、轻量化、可监管农残普惠快检的技术空白，达到国际领先水平。

从“等结果”变成“当场见”，快的不只是时间。农户拿它当上市前的“定心丸”，监管者用它做批量筛查的“轻骑兵”，消费者眼前则多了一道“可视防线”。这枚小小试纸背后，是团队十年磨一剑的攻坚。

解锁小分子

要揪出农残，第一步得让试纸“认得出”农药。试纸上的“识别钥匙”是抗体，农药小分子则是等着被打开的“锁”。钥匙不够精准，后面测得多快都没用。于是，研发小分子抗体成了团队绕不开的第一道坎。

“农药这类小分子，结构刚性弱、成键位点少，要做出特异性好、稳定性高的抗体，谈何容易。”团队成员金茂俊回忆说，研发初期，小分子抗体研发长期靠经验，试错率高、效率低，抵御特色农产品基质干扰的能力也差。

那段时间，实验室几乎成了第二个家。大家盯着主流农产品品类和风险参数，把不同农产品的基质特性逐一拆开分析，一遍遍调试免疫层析标记参数，研究各种农产品基质对抗体耐受性的影响。

挑战比预想的复杂得多。传统免疫检测碰上色素高、辛辣、酸度大、高糖的果蔬，很容易出现假阳性，结果也不稳。“同样的产品，换一处产地、换一个采收期，结果就可能‘打架’。”王静说。

为了找到症结，团队开启闭环攻坚：批量采集农产品不同成熟期、产地、种类的样本，全天候比对测试，厘清复杂基质干扰的主要因素及机理，再优化设计半抗原、免疫原的合成方案，抗体抵御基质干扰的能力因此明显提升。

把小分子结构修饰好，是继基质干扰之后又一道难啃的坎——这把“识别钥匙”要打磨到位并不容易。团队没有死守一种改造路子，分子修饰方案讨论了一遍又一遍，合成工艺和反应条件也一点点抠细。

无数个深夜，实验室设备一直转着，队员逐组筛查数据、复盘失败案例，锁定半抗原结构缺陷、标记结合不稳定等核心卡点；接着优化分子连接方式，分级开展结构改造与性能验证，在海量试验里筛最优参数。

连续上万组对比试验之后，团队创建出小分子半抗原分级设计改造体系，从根源上破解小分子结构刚性弱、成键位点少、半抗原设计成功率低等难题，搭建起适配农产品的专属检测体系。

这套体系跳出了传统经验试错模式，小分子抗体的特异性与稳定性有效提升，检测精准度的短板从源头补上，抗体能稳稳地认出农药小分子。

辨别多靶标

抗体解决了“认得出”，但田间地头检测不能一次只测一种。从单靶标到多靶标，好比从独唱到合唱：不光要让36种农药同时“发声”，还得明辨是哪一个声音。这是团队要翻越的又一道道坎。

长期以来，国内传统农残快检技术普遍有局限：一套设备、一款试纸往往只能检测少数几种农药，或者只适用于单一农产品品类。多靶标同步检测难在哪？“就像让几十个不同音高的乐器同时演奏，我们必须分辨出每一个乐器。”王静打了个比方，“我们要在阵列试纸上同步识别6至36种农药残留，同时耐受不同农产品带来的基质干扰。”

“测不全”这块短板怎么补？团队盯上了多靶标、多品类同步检测的需求，跑遍全国农产品主产区、农贸市场、基层监管站点，采集了数万组试纸检测图像数据，覆盖不同品类、不同光照、不同基质环境，并据此建起专属的显色计量化学模型与背景干扰扣除模型。

攻关到第三个月，问题集中冒了出来。海南豇豆产区，多种农药残留检测试纸条竟然完全失灵。团队成员李辉、单文宠赶到海南，查明当地高温高湿下试纸显色反应速率比北方快近一倍，原有模型“水土不服”。

田间临时实验室就这么搭起来了。连续一周，40多摄氏度高温下，团队每半小时采一次数据，最终摸清温湿度对显色反应的量化影响规律，试纸条标记工艺随之优化，高温高湿造成的干扰被压了下去。

更大的挑战来自信号叠加失真。同一张试纸条上多重靶标同时显色，不同条带光信号过于密集，采集成像时相互干扰，如同合唱团里有人“串了调”。要解决，就必须重新设计显色体系。

工业设计人员也在同步推进：一张试纸上要集成多个独立反应区，组成多通道阵列，间距误差须控制在1毫米以内。反复调试之后，阵列一致性稳定在99%以上。

接着，新型试纸显色图像判读进入现场比对测试。数千份样本、几十种农药、数十种基质，检测结果都和实验室对得上。现在做一次检测，手机屏上能同步跳出6至36组数据——原先互相干扰、“打架”的信号，如今同频共振。

判读显色条

“又错了？”2019年深秋，某省农产品批发市场快检现场，质检员举着试纸卡直摇头——同一张试纸，他判为阳性，旁边同事却看成阴性。争执的背后，是人眼识别临界显色信号时天然存在的误差。

正在现场调研的王静被这一幕触动了。高通量农残快检若靠人工或普通读卡仪，主观误判难避免，成本也不低；数据采集上报又全凭人工，批量筛查效率自然上不去。

回到实验室，她把团队成员召集起来：“让机器学会‘看’，还要比人眼更准。”方向很明确：研发智能图像识别算法，让试纸条显色信号的判读实现全自动、标准化。

“困难从数据采集阶段就已显现。”王静回忆说，团队奔赴全国各地农产品主产区，在田间地头、农贸市场、基层监管站采集图像。麻烦一个接一个：清晨冷光、正午强光、棚内阴影光，同一条试纸在不同光照下拍出来差别巨大；番茄汁液、菠菜研磨液、柑橘果肉等不同基质，背景底色深浅不一，显色信号的提取直接被干扰。

负责算法研究的团队成员曹振想出了“分而治之”的办法。第一步建背景干扰扣除模型，把农产品基质的底色“漂白”；第二步搭显色计量化学模型，把显色深浅和农药浓度之间的量化关系刻画清楚。强光下信号容易饱和失真，团队成员就每天从日出拍到日落，攒下上千组不同光强下的序列图像。曹振说“模型训练更是一场硬仗”，他至今记得，十几万张标注图像、上千次迭代优化之后，算法在实验室数据上的准确率已经到了98%，可拿到田间实地测试，准确率一下掉到85%。

团队复盘后找出了症结：问题出在试纸条显色环节的边缘自适应校正模块上。把这个模块补上，田间检测准确率又被拉回到98%以上。

第一版智能判读小程序投入试用时，手机屏幕弹出“阴性，合格”。大家还特意调出那张曾经引发争议的临界试纸，算法很快给出了明确的数值判定。众人笑称：“这技术，比人眼靠谱！”

从“认得出”到“测得全”，再到“识别快”，研发团队这一路攻坚，正是把论文写在田间地头的生动注脚。王静表示，接下来团队会深耕产业一线需求，把可监管、可追溯的普惠快检体系做得更完善，替老百姓守好从田间到餐桌的安全防线。

图片均由受访者提供