基于高光谱图像的桑叶农药残留种类鉴别研究

• 作者: 孙俊 张梅霞 李正明 杨宁 武小红 毛罕平
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 桑叶 农药残留 支持向量机 高光谱图像 特征波长
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 251-256
• 分类号: S481+.8|O657.3
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2015.06.036

摘要

研究了一种快速、精确、无损检测桑叶农药残留的方法.以不含农药残留的桑叶、含有敌敌畏残留的桑叶、含有毒死蜱残留的桑叶、含有乙酰甲胺磷残留的桑叶、含有乐果残留的桑叶和含有辛硫磷残留的桑叶为实验对象,利用高光谱成像仪获取390～1 050 nm范围内的桑叶高光谱图像.利用ENVI软件确定叶片的感兴趣区域,并采用连续投影算法(SPA)优选出10个特征波长(452.51、469.88、517.28、539.85、578.92、643.72、727.24、758.34、785.67、819.67 nm).利用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立桑叶农残检测模型,并讨论了3种参数寻优算法(网格搜索、遗传算法和粒子群算法)对模型性能的影响,发现采用网格搜索的SVM模型的性能最优,其交叉验证正确率为63.89％,预测正确率为78.33％.为了进一步提升模型的分类性能,将自适应提升算法(Adaboost)引入到SVM建模方法,基于特征波长下的光谱数据,对桑叶是否含有农药残留及农药残留品种进行分类建模.结果表明,Ada-SVM模型的预测准确率达到97.78％,较传统SVM模型的准确率提高了19.45个百分点.可见,利用高光谱图像技术结合Ada-SVM算法能够较准确地鉴别桑叶农药残留.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛罕平	江苏大学现代农业装备与技术教育部重点实验室	235	4472	37.0	54.0
2	李正明	江苏大学电气信息工程学院	157	1549	22.0	31.0
3	杨宁	江苏大学现代农业装备与技术教育部重点实验室	62	465	13.0	19.0
4	武小红	江苏大学电气信息工程学院	62	694	15.0	24.0
5	孙俊	江苏大学现代农业装备与技术教育部重点实验室	133	1226	19.0	28.0
6	张梅霞	江苏大学电气信息工程学院	4	52	3.0	4.0