利用高光谱相机对西兰花农药残留进行深入研究

本研究以日本秀炎西兰花为研究对象，主要针对其表面农药残留进行无损检测，应用高光谱成像技术结合化学检测方法，对西兰花表面农药残留种类无损检测、低浓度阿维菌素残留量无损检测进行初步研究。主要研究结果如下∶

（1）基于高光谱图像的西兰花表面多种农药残留种类检测研究。利用高光谱图像技术采集四组不同农药残留的西兰花样本图像（400-1000mm），根据图像信息选取感兴趣区域的平均光谱后，针对西兰花表面凹凸不平的特点采用分段多元散射校正算法进行预处理，有效消除颗粒造成的非线性光散射影响，分别采用马氏距离算法、最小二乘支持向量机算法、人工神经网络和极限学习机算法基于全光谱信息进行分类建模。对比各类模型结果，人工神经网络分类算法效果最优，训练集和测试集识别率分别为99.17%和98.33%。为剔除大量高光谱冗余数据，提高模型的识别速度，采用主成分分析算法选取前10个主成分和连续投影算法选择8个特征值波长（458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm）进行特征提取，分别建立基于特征信息的判别模型。在实验分类器中，基于SPA 特征波长的极限学习机模型识别效果均优于其他三类分类器，训练集的正确率为98.33%，测试集的正确率为96.67%。

（3）基于高光谱图像的西兰花表面低浓度阿维菌素残留定量检测研究。利用高光谱成像系统采集5组（共100颗）喷有不同浓度梯度阿维菌素农药西兰花样本（900-1700nm）。使用液相色谱-质谱联用法根据GB23200.20-2016标准对5组西兰花进行具体阿维菌素残留量抽样检测，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。将原始光谱数据进行提取和预处理后，结果表明，基于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）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研究。针对本文研究的西兰花表面低浓度阿维菌素残留检测模型识别率较低的问题，提出一种将采集的阿维菌素残留浓度在24.25μg/Kg至170.03μg/Kg之间的西兰花光谱信息转换为灰度图的方法，利用卷积网络学习不同阿维菌素残留浓度西兰花样本光谱数据的灰度图之间变化的纹理。