论文部分内容阅读
西兰花是浙江省特色蔬菜,其不仅营养丰富还有一定抗癌防病能力,深受人民的喜爱。我国生产的西兰花不仅满足国内市场需求还远销国际市场,所以西兰花的食品安全问题不仅影响我国消费人群的身体健康还影响着我国国际市场的形象。本文基于高光谱成像技术,对西兰花表面农药残留种类判别、低浓度阿维菌素农药定量无损检测方法进行研究。论文主要研究内容如下:(1)分别配置吡虫啉、阿维菌素、丙森锌三种农药溶液以及不同浓度的阿维菌素农药溶液,喷洒在西兰花表面,并进行编号和高光谱图像采集。根据其图像信息提取感兴趣区域的平均反射光谱值,并采用分段多元散射校正(PMSC)对原始光谱数据进行预处理。(2)提出基于极限学习机的西兰花表面多种农药残留种类检测方法。对采集的4组(共180颗)分别喷洒了清水和吡虫啉、阿维菌素、丙森锌三种农药的西兰花的高光谱图像(400-1000nm)进行预处理后,分别使用主成分分析(PCA)和连续投影算法(SPA)选择特征光谱。选取前10个主成分和8个特征波长(458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm)。使用极限学习机(ELM)分类算法分别建立基于全波段信息和特征波段信息的农药残留种类检测模型,同时对比马氏距离(MD)、最小二乘支持向量机(LSSVM)、人工神经网络(ANN)三种模型的分类效果。结果表明,与基于全波段信息的模型相比,基于SPA特征波长的极限学习机模型识别效果最好,训练集和测试集的正确率分别为98.33%和96.67%。(3)基于近红外高光谱图像的西兰花表面阿维菌素低浓度残留定量检测方法研究。对采集的5组(共100颗)喷有不同浓度梯度阿维菌素农药西兰花样本的高光谱图像(900-1700nm)进行预处理后,使用液相色谱-质谱联用法根据GB23200.20-2016标准对5组喷洒不同浓度阿维菌素农药的西兰花进行具体残留量检测,测得各组浓度分别为24.25μg/Kg、82.66μg/Kg、126.49μg/Kg、151.57μg/Kg和170.03μg/Kg。选择前9个主成分和14个特征波长(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),采用使用马氏距离(MD)、最小二乘支持向量机(LSSVM)、人工神经网络(ANN)和极限学习机(ELM)四种算法进行识别。结果表明,基于西兰花表面阿维菌素残留全波段光谱数据的极限学习机模型识别效果最好,准确率为72%。(4)针对研究中西兰花表面阿维菌素低浓度残留检测识别率较低的问题,提出基于卷积神经网络的西兰花表面阿维菌素低浓度残留检测方法。将不同浓度残留的西兰花近红外光谱信息转换为灰度图,利用卷积网络学习不同数据的灰度图之间纹理信息的差异对数据进行识别。对比不同深度的卷积神经网络模型,最终选定含有四层网络的判别模型。结果表明,基于卷积神经网络西兰花表面阿维菌素残留在24.25μg/Kg至170.03μg/Kg之间的检测模型的最高准确率达到84.9%,对比极限学习机模型正确率高出10.1%,证明了用卷积神经网络对西兰花表面低浓度农药残留高光谱数据分类具有可行性,并为提出更有效的基于近红外高光谱图像的西兰花表面农药残留检测提供了一种新的方向。