蔬菜水果表面农药残留可见-近红外光谱的检测与识别技术研究

• 作 者: 陈蕊
• 机 构: 烟台大学
• 发表日期: 0年期
• 关键词: 食品安全 表面农药残留 可见近红外光谱检测技术 目标识别

在国家自然科学基金项目和山东省自然科学基金项目的资助下,研究工作围绕着蔬菜与水果表面残留农药的快速无损检测和识别技术展开。分别在自然光和卤素灯作为光源的条件下,以绿色叶子和水果表面的残留农药为研究对象,获取600~1100nm波段范围内大量实验光谱数据基础上,本论文主要研究利用小波变换方法对可见/近红外光谱的特征提取和利用经典的主成分分析对近似系数进行主成分分析,然后利用神经网络识别技术实现对蔬菜表面残留农药种类的快速识别。其主要内容包括以下三个方面:　　(1)引入了小波分析方法对残留农药的可见/近红外光谱信号的特征提取本文综合采用了小波多尺度分析的预处理方法,对残留农药的光谱信号进行轮廓提取和特征提取。小波分析在时域和频域都有很高的分辨率,能有效提取信号的局部信息。在实验中,采用多尺度分析的方法,同时消除低频背景和抑制高频噪声,有效的提取了微弱光谱信号的特征。　　(2)利用主成分分析方法对残留农药的光谱特征进行降维处理由于残留农药光谱原始数据的模式维数很高,同时各个变量之间又可能存在着可能存在交互作用和相关性,本章利用了主成分分析的方法对数据进行降维处理的优点,为后期的分类与识别过程提供了较好的数据源,而且也大大地缩短了神经网络的训练收敛时间。　　(3)建立人工神经网络模型对常见的残留农药光谱进行识别在光谱识别中,由于神经网络算法的优越性,神经网络技术比普通的鉴别分类方法有着潜在的优势。本文选取了有导师的多神经元的感知器神经网络和改进了得BP神经网络,和无导师指导的自组织映射神经网络和自组织竞争型神经网络四种具有代表性的算法对多种残留农药的预处理后的光谱进行分类识别。实验证明:四种建模识别方法对农药残留种类均得到较为理想的模式分类效果,并分析模式识别方法的适用方法,给出能满足实际需要、快速无损检测的模式识别方法。