论文部分内容阅读
哈密瓜是新疆名优特色水果之一。由于哈密瓜香味独特,极富营养,且哈密瓜籽具有超强的抗氧化能力,因此深受广大人民群众的喜爱。食品安全问题是近几年来人们主要关注的话题,本文以新疆哈密瓜为研究对象,对食品安全问题中的其中一项----农药残留,进行研究。关于农药残留的检测方法纷繁多样,如气相色谱、液相色谱、酶抑制法等,但需在检测时间、成本、样本损伤等方面进行改进。快速、无损、精准是检测手段的终极目标。因此,本文采用高光谱成像技术对哈密瓜表面农药残留进行无损检测,进而为生产制造出一种快速无损的农残检测仪提供理论依据。本文的主要研究内容如下:(1)用蒸馏水分别配制不同农药种类及不同浓度的农药样本溶液,分别滴在哈密瓜表面,并做好标记;利用高光谱成像系统分别采集不同光源下波长在450~1000nm范围内的数据,提取ROI区域的光谱数据,为降低噪声等对数据的影响,对光谱进行预处理。(2)根据提取的ROI区域的波长数据,对不同光源环境下7类不同农药种类的哈密瓜,在450~1000nm有效光谱波长范围内,采用峰值法优选出特征波长,采用距离判别法、贝叶斯判别法、支持向量机分类以及极限学习机分类四种预测模型进行识别分类,识别准确率最高可达99.29%。(3)不同光源环境下同种类农药不同浓度识别分类,采集卤素灯和紫外灯光源下不同浓度的辛硫磷农药和氰戊菊酯农药光谱数据,选择特征波长,用距离判别法、贝叶斯判别法、支持向量机及极限学习机方法,对同种农药不同浓度类别进行判别。在线性判别方法中,用距离判别法对哈密瓜表面农药浓度类别进行判别,两种农药浓度类别判别准确率均可达100%;在非线性判别方法中,采用支持向量机方法判别氰戊菊酯与辛硫磷农药浓度类别准确率高于极限学习机,用支持向量机判别辛硫磷农药浓度类别准确率可达100%,用支持向量机方法判别氰戊菊酯农药浓度类别准确率为86.67%。(4)探究不同的光源对判别结果的影响。对哈密瓜表面农药残留种类进行判别时,采用四种判别方法,通过对比在卤素灯与紫外灯光源下的准确率,可以看出,在紫外灯光源下的判别准确率明显高于在卤素灯光源下。当对两种农药浓度类别进行判别时,采用四种判别方法,对比准确率,氰戊菊酯适宜在卤素灯光源下,辛硫磷农药适宜在紫外灯光源下。