基于荧光光谱的生菜农药残留检测

• 作者: 周鑫 孙俊 张晓东 杨宁 武小红 毛罕平
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 农作物 无损检测 农药 荧光光谱 生菜 小波变换 特征提取
• 年，卷（期）: 2016,（19）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 302-307
• 页数: 6页
• 分类号: S636.2
• 字数: 4775字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.19.041

摘要

为了研究采用荧光光谱技术对生菜农药残留快速无损定性鉴别的可行性，该文通过采集180个生菜样品（3个浓度农药残留生菜，每个浓度农残生菜样本数为60，其中农药与水配比为1：500、1：1000、1：1200，即重度超标、轻微超标、标准农残）的荧光发射光谱，结合Savitzky-Golay（SG）、标准正态变量变换（standard normalized variable，SNV)、标准正态变量变换结合去趋势（standard normalized variable detrending，SNV detrending）、SG与SNV算法组合（SG-SNV）、SG与SNV detrending算法组合（SG-SNV detrending）对提取的荧光光谱进行预处理，基于全光谱、荧光特征峰值、小波特征建立支持向量机（Support Vector Machine, SVM）分类模型。其中，小波特征通过小波变换对原始光谱以及预处理后光谱进行特征选择获取，分别采用 db4、db6、sym5、sym7作为小波基函数。试验结果表明：基于小波特征、荧光特征峰值建立的 SVM 模型预测集识别率要高于基于全光谱建立的 SVM 模型。以 sym5作为小波基函数，基于 SG-SNV detrending预处理光谱选择的小波特征建立的SVM模型取得最优的预测集识别率93.33%，最佳小波分解层数为4。结果表明应用荧光光谱技术对生菜农药残留鉴别是可行的，为生菜农药残留快速、无损检测分析提供了参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓东	江苏大学现代农业装备与技术教育部重点实验室	43	494	15.0	20.0
2	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
3	杨宁	江苏大学电气信息工程学院	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	江苏大学电气信息工程学院	133	1226	19.0	28.0
9	周鑫	江苏大学电气信息工程学院	7	27	3.0	4.0