近年来,由于误食具有农药残留的生菜而引发的食物中毒事件屡见报道。为此,能够寻找到一种快速、精确、无损检测生菜表面农药残留的方法尤为重要。目前,将光谱检测技术应用于农药残留领域已取得了一定的研究成果。然而,数据高维、波谱数多等难题使得光谱检测农残技术的应用步伐较缓慢。小波变换是一种变分辨率的时频分析方法,能够实现原始信号有效的高低频分解,其能通过分析不同特征的谱线和高频小波系数曲线的奇异性,选取得到敏感波段,从而实现光谱数据降维、波段选取。本文以生菜为研究对象,光谱检测农药残留为应用背景,小波变换特征提取及其算法改进为主要研究内容。论文首先对光谱检测农残机理进行了探讨,依据国家相关检测标准进行了化学检测,然后对小波变换特征提取算法进行了基函数、最佳分解层、奇异值阈值等参数优化及算法改进,并将优化参数和改进算法应用于光谱检测农残中。具体内容如下:(1)以莲座期的生菜为实验对象,利用扫描电镜和透射电镜对生菜叶片微观结构进行检测。检测结果表明随着生菜叶片表面残留农药的浓度增加,其微观结构变化明显。生菜叶片表面气孔密度和长宽比减少、叶片的厚度变薄、生菜叶片中嗜锇颗粒数量增多、淀粉颗粒数量减少。此外,近红外波段的植被反射光谱主要与叶片细胞的排列结构方式和植被结构相关,荧光光谱与植物叶绿素含量息息相关。为此,对农药残留的生菜叶片微观结构进行研究分析,可以为近红外高光谱、荧光光谱以及光谱信息融合技术对生菜叶片农药残留量检测研究提供机理研究的依据。(2)选取不同的小波特征提取参数组合,并将其应用于生菜叶片农残荧光光谱数据处理中。由于荧光光谱中存在噪声,采用5种算法(SG算法、SNV算法、SNV detrending算法、SG-SNV算法、SG-SNV detrending算法)对生菜叶片样本原始光谱进行预处理。然后分别基于全波段光谱、荧光特征峰值光谱、小波特征光谱建立生菜叶片不同浓度乐果农药残留的支持向量机(support vector machine,SVM)分类模型。其中,通过小波变换对5种算法预处理前后光谱进行特征选取得到小波特征波长,分别采用4种小波基函数(db4、db6、sym5、sym7)。研究结果表明,小波特征波长建立的SVM分类模型性能最佳,优于荧光特征峰值特征、全光谱数据建立的SVM分类模型。其中,采用sym5为小波基函数结合SG-SNV detrending算法所建立的SVM分类模型预测集识别率最高为93.33%,小波分解层数为4。(3)在离散小波变换特征提取算法(DWT)的基础上,结合近红外光区主要含氢原子团(C-H、N-H、O-H)伸缩振动的倍频及组合频中心谱区,提出了分段离散小波变换特征提取算法(PDWT),并将其应用于生菜叶片农残高光谱数据处理中。PDWT算法通过对原始光谱区域分段处理,通过DWT算法对分段区域不同层次的小波分解,从而获得该区域中最佳小波分解层下的特征波长。为了便于判断特征提取波段的优劣,提出了初步评估参数FD,并结合支持向量机分类准确率进一步评估提取特征波段。研究表明与离散小波变换特征提取算法相比,分段离散小波变换具有较高的生菜叶片农残预测分类准确率。PDWT处理中区域数为4时,获得最佳的契合度FD、校正集、交叉验证集以及预测集准确率分别为75%、95%、92.86%和90.63%。分段离散小波变换结合契合度参数评估,能有效的提高光谱特征提取波段可靠性。(4)在小波变换特征提取算法的基础上,通过结合MD-MCCV算法来实现小波变换特征提取算法最佳分解层、最佳特征波长的有效获取,提出了WT-MD-MCCV特征提取算法。并将该算法应用于荧光光谱与高光谱相结合的融合光谱信息(特征信息融合)数据处理中去。首先采用SG-SNV算法对原始光谱数据进行预处理,然后通过比较了3种特征提取算法(PCA、SPA、WT-MD-MCCV)对光谱信息进行有效地特征波长选取,最后基于特征波长数据建立了SVR的生菜乐果农药残留预测模型。研究结果表明,WT-MD-MCCV算法结合信息融合光谱所建立的SVR模型能更有效地对生菜乐果农药残留量进行预测评估。本文提出的基于小波特征提取及其算法改进的生菜农残光谱检测方法能够实现生菜叶片光谱特征的有效提取以及农药残留的快速、精确、无损的检测,该研究结果也能为其他作物品质、安全光谱检测提供一定的参考价值。