基于高光譜成像的西蘭花農(nóng)藥殘留無損檢測方法研究.pdf

1、西蘭花是浙江省特色蔬菜，其不僅營養(yǎng)豐富還有一定抗癌防病能力，深受人民的喜愛。我國生產(chǎn)的西蘭花不僅滿足國內(nèi)市場需求還遠銷國際市場，所以西蘭花的食品安全問題不僅影響我國消費人群的身體健康還影響著我國國際市場的形象。本文基于高光譜成像技術(shù)，對西蘭花表面農(nóng)藥殘留種類判別、低濃度阿維菌素農(nóng)藥定量無損檢測方法進行研究。論文主要研究內(nèi)容如下:
　　(1)分別配置吡蟲啉、阿維菌素、丙森鋅三種農(nóng)藥溶液以及不同濃度的阿維菌素農(nóng)藥溶液，噴灑在西蘭花表面

2、，并進行編號和高光譜圖像采集。根據(jù)其圖像信息提取感興趣區(qū)域的平均反射光譜值，并采用分段多元散射校正(PMSC)對原始光譜數(shù)據(jù)進行預(yù)處理。
　　(2)提出基于極限學(xué)習(xí)機的西蘭花表面多種農(nóng)藥殘留種類檢測方法。對采集的4組（共180顆）分別噴灑了清水和吡蟲啉、阿維菌素、丙森鋅三種農(nóng)藥的西蘭花的高光譜圖像(400-1000nm)進行預(yù)處理后，分別使用主成分分析(PCA)和連續(xù)投影算法(SPA)選擇特征光譜。選取前10個主成分和8個特征波長

3、(458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm)。使用極限學(xué)習(xí)機(ELM)分類算法分別建立基于全波段信息和特征波段信息的農(nóng)藥殘留種類檢測模型，同時對比馬氏距離(MD)、最小二乘支持向量機(LSSVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)三種模型的分類效果。結(jié)果表明，與基于全波段信息的模型相比，基于SPA特征波長的極限學(xué)習(xí)機模型識別效果最好，訓(xùn)練集和測試集的正確率分別為98.33％

4、和96.67％。
　　(3)基于近紅外高光譜圖像的西蘭花表面阿維菌素低濃度殘留定量檢測方法研究。對采集的5組（共100顆）噴有不同濃度梯度阿維菌素農(nóng)藥西蘭花樣本的高光譜圖像(900-1700nm)進行預(yù)處理后，使用液相色譜-質(zhì)譜聯(lián)用法根據(jù)GB23200.20-2016標(biāo)準(zhǔn)對5組噴灑不同濃度阿維菌素農(nóng)藥的西蘭花進行具體殘留量檢測，測得各組濃度分別為24.25μg/Kg、82.66μg/Kg、126.49μg/Kg、151.57μg/

5、Kg和170.03μg/Kg。選擇前9個主成分和14個特征波長(978.04、1039.71、1059.22、1098.29、1114.59、1140.68、1153.74、1170.07、1225.68、1310.96、1363.59、1422.92、1548.364、1611.73nm)，采用使用馬氏距離(MD)、最小二乘支持向量機(LSSVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)和極限學(xué)習(xí)機(ELM)四種算法進行識別。結(jié)果表明，基于西蘭花表面

6、阿維菌素殘留全波段光譜數(shù)據(jù)的極限學(xué)習(xí)機模型識別效果最好，準(zhǔn)確率為72％。
　　(4)針對研究中西蘭花表面阿維菌素低濃度殘留檢測識別率較低的問題，提出基于卷積神經(jīng)網(wǎng)絡(luò)的西蘭花表面阿維菌素低濃度殘留檢測方法。將不同濃度殘留的西蘭花近紅外光譜信息轉(zhuǎn)換為灰度圖，利用卷積網(wǎng)絡(luò)學(xué)習(xí)不同數(shù)據(jù)的灰度圖之間紋理信息的差異對數(shù)據(jù)進行識別。對比不同深度的卷積神經(jīng)網(wǎng)絡(luò)模型，最終選定含有四層網(wǎng)絡(luò)的判別模型。結(jié)果表明，基于卷積神經(jīng)網(wǎng)絡(luò)西蘭花表面阿維菌素殘留在