论文部分内容阅读
农残可以通过食物链传递给人畜,对人畜健康构成严重威胁。因此,寻求一种高效快速精准无损的农残检测方法是当务之急。目前农残的检测主要依赖于色谱分析法和色质联用分析法等化学方法,虽然有关学者已使用光谱技术进行农副产品的农残检测,但是检测效果不是很理想。本文将高光谱图像技术应用到桑叶农残检测中来,对桑叶毒死蜱农残进行定量检测研究。以育71-1号桑叶为研究对象,首先利用扫描电镜和透射电镜技术研究毒死蜱对桑叶微观结构的影响,采用气相色谱仪对桑叶中的农残量进行化学测定,然后采取高光谱成像技术联合数据分析、图像处理方法对桑叶农残进行定量检测研究。具体研究内容如下:(1)利用扫描电镜和透射电镜观察喷洒不同浓度毒死蜱的桑叶组织,发现低浓度毒死蜱处理后的气孔开口度和密度变大,嗜锇颗粒变多。如果毒死蜱浓度过高,桑叶气孔会变小,桑叶叶片变厚,嗜锇颗粒变多且体积变大。(2)为了获取更多的有效信息,采用信息融合方式将光谱信息和纹理信息结合起来。首先通过波段比算法和阈值分割法来分割图像,并将桑叶叶面设为感兴趣区域(Region of interest,ROI),计算得到的桑叶ROI内光谱平均值作为光谱数据。然后利用主成分分析(Principal Component Analysis,PCA)提取桑叶特征图像,提取特征图像基于灰度共生矩阵的桑叶纹理特征(对比度Contrast、相关性Correlation、能量Energy、同质性Homogeneity、熵Entropy和均值Mean)。(3)利用光谱分析方法进行数据处理,对感兴趣区域的光谱信息进行SNV_detrending预处理,降低光谱噪声、光谱散射和基线漂移等因素的影响。并采用连续投影算法(Successive projection algorithm,SPA)、逐步回归(Stepwise regression,SR)和权重回归系数法(Weighted regression coefficients,wB)来选择特征波长,分别得到2个特征波长(461、902nm)、7个特征波长(452、453、527、602、814、957、982nm)和5个特征波长(450、552、683、729、819nm)。(4)运用多元线性回归(Multiple linear regression,MLR)、偏最小二乘回归法(Partial least squares regression,PLSR)、最小二乘支持向量机回归算法(Last-squares support vector machine,LS-SVM)和细菌群趋药性优化最小二乘支持向量机回归算法(Least squares-support vector machine based on bacterial colony chemotaxis optimization,BCC-LS-SVM)建模,分别建立基于全光谱和特征波长下光谱与光谱纹理融合信息的MLR、PLSR、LS-SVM和BCC-LS-SVM桑叶农残定量检测模型。结果表明与基于光谱信息的模型相比,基于光谱纹理融合信息的模型效果较好。与基于全光谱融合信息的模型相比,基于特征波长下融合信息的模型具有一定优势。其中,Bw_BCC-LS-SVM回归模型性能最佳,Rc和RMSEC分别为1和14.638,Rp和RMSEP分别为0.999和17.298。(5)采用SPA对原始光谱数据进行特征波长选择,得到了特征波长下光谱数据与农残量间的线性方程:1 2Y?790.436-1435.91X-1396.59X,将桑叶高光谱图像中所有像素点的特征光谱数据导入到线性方程中,最后得到了基于高光谱图像技术的桑叶农残分布伪彩色图像。