论文部分内容阅读
含有农药残留的桑叶极易引起家蚕中毒,从而严重威胁桑蚕业的发展,因此,实现对桑叶农残的快速、精确、无损检测具有非常重要的意义。传统的检测都是以有损的化学检测方法为主,但化学检测方法破坏性强、时效性差,影响桑树生长而不利于大范围推广应用。近年来,基于光谱分析技术的无损检测方法在农药残留领域得到了普遍的应用。然而光谱技术由于采用点采样方式无法充分获取作物的完整信息,导致检测结果的随机性强。基于高光谱图像集光谱和图像于一身的优势,本文以桑叶为研究对象,提出了一种基于高光谱成像技术的快速无损检测桑叶农药残留的方法,主要研究内容及结论如下: (1)根据推扫式成像的原理,搭建了可见-近红外高光谱成像采集系统,并研究了相关算法(光谱预处理算法、特征波段选择算法和定性定量分析算法),这为后续研究奠定了基础,提供了技术支持。 (2)利用高光谱成像技术鉴别桑叶有无农药残留以及农药残留的类别。利用高光谱成像仪获取桑叶高光谱图像,提取感兴趣区域的光谱数据,并采用连续投影算法(SPA)选出特征波长。运用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立桑叶农残分类模型,基于3种参数寻优算法对参数进行寻优,并讨论其对模型分类结果的影响,发现采用网格搜索的SVM分类模型的性能最优。将自适应提升算法(Adaboost)引入到SVM建模方法。结果表明,Ada-SVM模型比传统SVM模型的正确率提高了19.45%。 (3)利用高光谱成像技术定量检测桑叶毒死蜱残留的含量。利用高光谱成像仪获取桑叶高光谱图像,并提取感兴趣区域的光谱数据。利用气相色谱仪精确测得桑叶毒死蜱残留值,通过计算光谱数据和对应的毒死蜱残留值之间的相关系数选出特征波长。基于特征波长下的光谱数据,利用多元线性回归(MLR)和支持向量回归(SVR)建立桑叶农残定量预测模型。结果表明, SVR模型的性能显著优于MLR模型。 (4)本文利用高光谱成像技术结合Ada-SVM分类模型和SVR预测模型对桑叶农药残留进行定性和定量分析,并达到精确分类和预测的效果,研究结果对其他农作物的农药残留检测具有一定的参考价值。