下载

1下载券

加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 龙眼表面农药残留的无损检测研究_基于近红外光谱分析

龙眼表面农药残留的无损检测研究_基于近红外光谱分析.pdf

龙眼表面农药残留的无损检测研究_基于近红外光谱分析

sheila0222
2012-06-29 0人阅读 举报 0 0 暂无简介

简介:本文档为《龙眼表面农药残留的无损检测研究_基于近红外光谱分析pdf》,可适用于工程科技领域

龙眼表面农药残留的无损检测研究基于近红外光谱分析代芬张昆洪添胜洪涯(华南农业大学工程学院广州)摘要:为进一步探索水果农药残留的快速无损检测技术利用近红外反射光谱分析技术对常用的高残留农药敌百虫和敌敌畏在龙眼表面残留的无损检测进行了研究。首先在~nm波段范围内将采集到的漫反射光谱数据进行主成分分析利用主成分和主成分的得分值对样本进行聚类分析得到较好的聚类结果然后用各类样本的主成分得分作为神经网络的输入建立了三层的BP人工神经网络模型并进行了农药残留检测。结果表明对敌百虫农药残留的检测正确率为对敌敌畏农药残留的检测正确率为为水果表面的农药残留快速无损检测探索了一条可能的新途径。关键词:近红外光谱农药残留主成分分析人工神经网络龙眼中图分类号:TP.文献标识码:A文章编号:-X()--引言自古以来龙眼是我国南方名贵的特产水果。近年来受高利润的驱动我国特别是华南地区龙眼生产发展迅猛种植面积和产量均急剧增加龙眼已经成为我国主栽水果之一。龙眼果实甜香可口营养价值高素有“东北人参南方桂圆”之称深受人们喜爱被视为滋补珍品其商品性好经济价值高。随着人们生活水平的提高龙眼表面的农药残留问题越来越受到关注。近些年每逢龙眼收获季节农业部门都要组织进行龙眼中农药残留专项监测。农药残留会对人体健康造成危害同时在开拓海外市场上因受农药残留超标等问题的影响欧美、日本等国家对龙眼进口设置了更高的门槛给龙眼的出口带来困难。目前龙眼出口最主要的检验就是病虫害和农药残留的检验和处理。因此建立一套简便、快速、灵敏的龙眼表面农药残留的检测方法势在必行。目前对农药残留检测已经有了许多成熟可行的方法但现行方法大都费时、速度慢而且是破坏性的检测[]。基于红外光谱分析的无损检测具有快速、简收稿日期:--基金项目:广东省科技计划资助项目(B)华南农业大学校长基金项目(-k)作者简介:代芬(-)女湖北天门人讲师在读博士研究生(E-mail)sunflowerscau.edu.cn。通讯作者:洪添胜(-)男广东梅县人教授博士生导师(E-mail)tshongscau.edu.cn。便、在线检测等特点所以研究农药残留无损检测的方法是非常有实用价值的[-]。胡淑芬等运用激光技术对水果表面农药残留进行了试验研究[]。AlanM.Lefcourt等应用激光诱导荧光多光谱图像技术检测出水果表面的各种粪便污染物[]。李文秀等对敌百虫和敌敌畏在蔬菜汁溶剂中的中红外衰减全反射光谱(ATR)数据进行了研究[]结果表明应用红外光谱技术可以直接对蔬菜上的农药残留进行检测。薛龙等以脐橙为研究对象[]探讨了应用高光谱图像技术检测水果表面农药残留的方法结果表明高光谱技术对检测较高浓度农药残留非常明显。本文采用近红外漫反射高光谱图像技术结合主成分分析和人工神经网络技术分别检测龙眼表面常用高残留农药敌百虫和敌敌畏残留得出较精确的实验结果为实现对水果表面农药残留的无损快速检测技术提供了依据。实验材料与方法.龙眼表面漫反射光谱采集仪器实验使用美国ASD(analyticalspectraldevice)公司的FieldSpec光谱仪如图所示。测量光谱范围为~nm采样间隔为.nm~nm和nm-nm光谱分辨率为nm~nm和nm~nm扫描次数次数据间隔nm裸光纤探头为°前视场角并配有自带光源的接触式反射探头光源是与光谱仪配套的.V卤素灯。光谱数据以ASCII码形式导出进行处理分析软件为ASDViewSpecProunscramb··年月农机化研究第期ler和Matlab.。图FieldSpec光谱仪Fig.FieldSpecSpectroradiometers.农药样品)有效成分含量为的敌百虫(湖北沙隆达股份有限公司)。取敌百虫各ml采用纯净水分别配制成:和:的溶剂。)有效成分含量为.的敌敌畏(河北信丰农药化工股份有限公司)。取敌敌畏各mL采用纯净水分别配制成:和:的溶剂。一共得到份农药样品。.龙眼样品从广州市超市购买一箱产自广州增城市的“石硖”龙眼作为试验样品。全部样本经过清洗去除表面污垢残留然后放在通风处干燥h。待表面干燥后将样品随机分成份分别进行操作:)第份表面均匀喷施:浓度的敌百虫农药样品)第份表面均匀喷施:浓度的敌百虫农药样品)第份表面均匀喷施:浓度的敌敌畏农药样品)第份表面均匀喷施:浓度的敌敌畏农药样品)第份表面均匀喷施纯净水。然后放在通风处干燥h剔除部分破壳变烂的样品最后得到第一类龙眼样品个第二类龙眼样品个第三类龙眼样品个第四类龙眼样品个第五类龙眼样品个。.数据采集经分析研究表明相对于较远的距离近距离的测量建模效果较好[]。因此采用接触式的反射探头采集龙眼表面反射光谱。探头前端加垫自制的黑色橡皮垫圈既对光线的表面反射起到密封圈的作用同时也作为一个柔性支架以适应不同形状的龙眼。在龙眼表面避开蒂部的平坦处取处进行测量光谱仪设置为次平均为一次测量重复测量次后再取平均得到每个龙眼表面的反射光谱数据。.光谱处理和数据分析FieldSpec光谱仪采集到的数据通过无线网络传到笔记本电脑中此时的光谱为原始反射光谱。利用与之相配套的ASDViewSpecPro软件对光谱进行滤波和平滑处理以去除噪声和提取光谱的有效信息。最后光谱数据导入到Excel中再利用unscramblerMatlab.对数据进行主成分分析和人工神经网络建模通过预测样本来评价校正模型的精度。实验结果与分析.农药残留样本的光谱曲线残留有不同浓度的敌百虫农药和残留有不同浓度敌敌畏农药的龙眼样本的表面漫反射光谱如图和图所示。波长Wavelengthnm图不同浓度敌百虫农药残留样本反射光谱曲线Fig.Reflectancespectraofdifferenttrichlorfonresiduelevels波长Wavelengthnm图不同浓度敌敌畏农药残留样本反射光谱曲线Fig.Reflectancespectraofdifferentdichlorvosresiduelevels其中横坐标为波长~nm纵坐标为样··年月农机化研究第期本的反射率。从两张图中可以看到残留有农药的样本与无表面残留样本的反射率曲线存在差异性并具有一定的特征性这种差异为农药残留的无损检测提供了数学基础。考虑到分辨率和剔除噪声影响主成分分析和人工神经网络建模的波长范围选取~nm的范围。.基于PCA的聚类分析分别对第一、二、五类共个样本和三、四、五类共个样本进行主成分分析。对第一、二、五类的分析表明主成分和主成分的累积可信度达到所以仅用前两个主成分就能表示原始光谱中的主要信息。图是第一、二、五类共个样本的主成分和主成分的得分图从图可知:无残留样本和残留有不同浓度敌百虫农药的样本有较好聚类结果。W.无残留样本.表面残留:浓度敌百虫农药样本.表面残留:浓度敌百虫农药样本图无残留样本和不同浓度敌百虫农药残留样本的主成分得分图Fig.PCAscoresplots(PC×PC)fordifferenttrichlorfonresiduelevels对第三、四、五类共个样本进行主成分分析表明主成分和主成分的累积可信度达到。图是个样本的主成分和主成分的得分图从图可知:无残留样本和残留有不同浓度敌敌畏农药的样本有较好的聚类结果但也有部分残留低浓度敌敌畏的样本进入到无残留样本聚类范围中。.基于人工神经网络和主成分得分的农药残留无损检测基于以上主成分聚类的结果建立层BP神经网络分别选取第一、二、五类共个样本和三、四、五类共个样本建立敌百虫农药残留检测模型和敌敌畏农药残留检测模型。该模型由输入层、中间层和输出层构成。每一个样本的主成分和主成分的得分作为网络的输入网络训练中的中间层传递函数为logsig输出层传递函数为logsig训练函数为traingdx学习函数为learngdm。最后对一、二、五类中剩下的个样本和三、四、五类中剩下的个样本进行预测分别得到敌百虫农药残留和敌敌畏农药残留的预测结果如表和表所示。W.无残留样本.表面残留:浓度敌敌畏农药样本.表面残留:浓度敌敌畏农药样本图无残留样本和不同浓度敌敌敌畏药残留样本的主成分得分图Fig.PCAscoresplots(PC×PC)fordifferentdichlorvosresiduelevels表基于BP网络和主成分得分的敌百虫农药残留预测结果Tab.TrichlorfonresiduepredictionresultbasedonBPnetworkandprincpalcomponentscores预测样本序号真实值预测值预测样本序号真实值预测值().().().().().().().().().().().().().().().表基于BP网络和主成分得分的敌敌畏农药残留预测结果Tab.DichlorvosresiduepredictionresultbasedonBPnetworkandprincpalcomponentscores预测样本序号真实值预测值预测样本序号真实值预测值().().().().().().().().().().().().().().().如果以大于.和小于.作为判断阈值从以··年月农机化研究第期上两张表中可以看出:对敌百虫农药残留的预测结果较好个样本中只有个发生误判正确率达到而对敌敌畏农药残留的预测结果相对而言要差一些个样本中有个发生误判正确率为。分析其原因是由于残留低浓度敌敌畏农药的样本其光谱反射曲线与无残留样本的反射曲线比较靠近。因此进行主成分聚类时有部分低残留敌敌畏农药的样本也进入到无残留样本的聚类范围而神经网络的输入是基于主成分分析的主成分得分。这两类的样本的主成分得分分界相对不很明确导致神经网络的输出精度下降。结论实验共研究了残留:浓度敌百虫农药样本个残留:浓度敌百虫农药样本个残留:浓度敌敌畏农药样本个残留:浓度农药样本个无残留样本个。首先将采集到的漫反射光谱在~nm范围的数据应用主成分分析根据各类样本的主成分得分进行聚类均取得较好的聚类结果。然后结合人工神经网络技术建立了龙眼表面敌百虫农药残留和敌敌畏农药残留的检测模型。实验表明对不同浓度的敌百虫农药残留的检测正确率较高达到对不同浓度的敌敌畏农药残留的检测正确率为这是由于低浓度的敌敌畏残留样本的反射光谱与无残留样本的反射光谱很接近导致聚类界限相对不是很明确最终导致神经网络的预测精度下降。参考文献:[]洪添胜乔军NingWang等.基于高光谱图像技术的雪花梨品质无损检测[J].农业工程学报():-.[]JasperGTalladaMasateruNagataTaiichiKobayashi.Detectionofbruisesinstrawberiesbyhyperspectralimaging[J].ProceedingofASAE.[]PatrickMMehlYud-RenChenMoonSKimetal.Developmentofhyperspectralimagingtechniqueforthedetectionofapplesurfacedefectsandcontaminations[J].JournalofFoodEngineering:-.[]HaiboYaoZuzanaHruskaKevinDiCrispino.Differentiationoffungiusinghyperspectralimageryforfoodinspection[J].BiosystemsEngineering.ProceedingofASAE.[]胡淑芬刘木华林怀蔚.基于激光图像的水果表面农药残留检测试验研究[J].江西农业大学学报():-.[]AlanMLefcourtMoonSKimYud-RenChen.Automateddetectionoffecalcontaminationofapplesbymultispectrallaser-inducedfluorescenceimaging[J].AppliedOptics():-.[]李文秀徐可欣汪曣等.蔬菜农药残留检测的红外光谱法研究[J].光谱学与光谱分析():-.[]薛龙黎静刘木华.基于高光谱图像技术的水果表面农药残留检测试验研究[J].光学学报():-.[]刘燕德应义斌.苹果糖分含量的近红外漫反射检测研究[J].农业工程学报():-.[]周向阳林纯忠胡祥娜等.近红外光谱法(NIR)快速诊断蔬菜中有机磷农药残留[J].食品科学():-.NondestructiveDetectionofPesticideResidueonLonganSurfaceBasedonNearInfraredSpectroscopyDaiFenZhangKunHongTianshengHongYa(CollegeofEngineeringofSouthChinaAgriculturalUniversityGuangzhouChina)Abstract:Inthisresearchnondestructivedetectionoftwoslatheredpesticidestrichlorfonanddichlorvosonlongansurfacebasedonnearinfraredspectroscopywasstudied.Firstlyprincipalcomponentanalysis(PCA)wasappliedtoanalyzethespectradatawithinthewavelengthrangefromnmtonm.SatisfiedresultswereachievedfromclusteringbasedonthescoredofPCandPC.TheprincpalcomponentscoresofdifferentsampleswereappliedasinputsofaBPartificialneuralnetwork(ANN)todetectthepesticideresidue.Theresultsindicatedthatthedetectingaccuracyoftrichorfonresidueanddichlorousresiduewasandrespectively.Thisstudymayprovideanovelwayforfastandnondestructivefruitsurfacepesticideresiduedetection.Keywords:nearinfraredspectralpesticideresidueprincipalcomponentanalysis(PCA)artificialneuralnetworklongan··年月农机化研究第期

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/4

龙眼表面农药残留的无损检测研究_基于近红外光谱分析

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利