基于高光谱成像的西兰花农药残留无损检测方法研究

《基于高光谱成像的西兰花农药残留无损检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、★保密限：期－ＺｈｅｊｉａｎｇＳｃｉＴｅｃｈＵｎｉｖｅｒｓｉｔｙ硕士学位论文’ＭａｓｔｅｒｓＴｈｅｓｉｓ＠）中文论文题目：基于高光谱成像的西兰花农药残留无损检测方法研究Ｎｏｎ－英文论文题目ｄｅｓｔｒｕｃｔｉｖｅＤｅｔｅｃｔｉｏｎｏｆＰｅｓｔｉｃｉｄｅＲｅｓｉｄｕｅｓｏｎ：ＢｒｏｃｃｏｌｉＢａｓｅｄｏｎＨｙｐｅｒｓｐｅｃｔｒａｌＩｍａｇｉｎｇ学科专业：信号与信息处理作者姓名：指导教师：桂江生完成日期：２０１７／１２／２２浙江理工大学学位论文独创性声明本人声明所呈交的学位论文是本人在

2、导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得浙江理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解浙江理工大学有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇

3、编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：签字日期：年月日导师签名：签字日期：年月日浙江理工大学硕士学位论文基于高光谱成像的西兰花农药残留无损检测方法研究摘要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

4、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.

5、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

6、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

7、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I浙江理工大学硕士学位论文基于高光谱成像的西兰花农药残留无损检测方法研究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

8、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170.0