收藏本站
《江苏大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱图像信息的桑叶农残精确定量无损检测与可视化分析

蒋淑英  
【摘要】:农残可以通过食物链传递给人畜,对人畜健康构成严重威胁。因此,寻求一种高效快速精准无损的农残检测方法是当务之急。目前农残的检测主要依赖于色谱分析法和色质联用分析法等化学方法,虽然有关学者已使用光谱技术进行农副产品的农残检测,但是检测效果不是很理想。本文将高光谱图像技术应用到桑叶农残检测中来,对桑叶毒死蜱农残进行定量检测研究。以育71-1号桑叶为研究对象,首先利用扫描电镜和透射电镜技术研究毒死蜱对桑叶微观结构的影响,采用气相色谱仪对桑叶中的农残量进行化学测定,然后采取高光谱成像技术联合数据分析、图像处理方法对桑叶农残进行定量检测研究。具体研究内容如下:(1)利用扫描电镜和透射电镜观察喷洒不同浓度毒死蜱的桑叶组织,发现低浓度毒死蜱处理后的气孔开口度和密度变大,嗜锇颗粒变多。如果毒死蜱浓度过高,桑叶气孔会变小,桑叶叶片变厚,嗜锇颗粒变多且体积变大。(2)为了获取更多的有效信息,采用信息融合方式将光谱信息和纹理信息结合起来。首先通过波段比算法和阈值分割法来分割图像,并将桑叶叶面设为感兴趣区域(Region of interest,ROI),计算得到的桑叶ROI内光谱平均值作为光谱数据。然后利用主成分分析(Principal Component Analysis,PCA)提取桑叶特征图像,提取特征图像基于灰度共生矩阵的桑叶纹理特征(对比度Contrast、相关性Correlation、能量Energy、同质性Homogeneity、熵Entropy和均值Mean)。(3)利用光谱分析方法进行数据处理,对感兴趣区域的光谱信息进行SNV_detrending预处理,降低光谱噪声、光谱散射和基线漂移等因素的影响。并采用连续投影算法(Successive projection algorithm,SPA)、逐步回归(Stepwise regression,SR)和权重回归系数法(Weighted regression coefficients,wB)来选择特征波长,分别得到2个特征波长(461、902nm)、7个特征波长(452、453、527、602、814、957、982nm)和5个特征波长(450、552、683、729、819nm)。(4)运用多元线性回归(Multiple linear regression,MLR)、偏最小二乘回归法(Partial least squares regression,PLSR)、最小二乘支持向量机回归算法(Last-squares support vector machine,LS-SVM)和细菌群趋药性优化最小二乘支持向量机回归算法(Least squares-support vector machine based on bacterial colony chemotaxis optimization,BCC-LS-SVM)建模,分别建立基于全光谱和特征波长下光谱与光谱纹理融合信息的MLR、PLSR、LS-SVM和BCC-LS-SVM桑叶农残定量检测模型。结果表明与基于光谱信息的模型相比,基于光谱纹理融合信息的模型效果较好。与基于全光谱融合信息的模型相比,基于特征波长下融合信息的模型具有一定优势。其中,Bw_BCC-LS-SVM回归模型性能最佳,Rc和RMSEC分别为1和14.638,Rp和RMSEP分别为0.999和17.298。(5)采用SPA对原始光谱数据进行特征波长选择,得到了特征波长下光谱数据与农残量间的线性方程:1 2Y?790.436-1435.91X-1396.59X,将桑叶高光谱图像中所有像素点的特征光谱数据导入到线性方程中,最后得到了基于高光谱图像技术的桑叶农残分布伪彩色图像。
【学位授予单位】:江苏大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP391.41;S481.8

免费申请
【相似文献】
中国期刊全文数据库 前10条
1 朱荣光;姚雪东;高广娣;唐明翔;卢士玲;马本学;;不同储存时间和取样部位牛肉颜色的高光谱图像检测[J];农业机械学报;2013年07期
2 赵杰文;刘剑华;陈全胜;Saritporn Vittayapadung;;利用高光谱图像技术检测水果轻微损伤[J];农业机械学报;2008年01期
3 吴瑞梅;吴彦红;艾施荣;刘木华;赵杰文;严霖元;;茶叶外形品质的高光谱图像量化分析[J];江西农业大学学报;2013年02期
4 艾施荣;吴瑞梅;吴彦红;严霖元;;利用高光谱图像技术鉴别庐山云雾茶产地[J];江西农业大学学报;2014年02期
5 徐爽;何建国;易东;贺晓光;;基于高光谱图像技术的长枣糖度无损检测[J];食品与机械;2012年06期
6 刘木华,赵杰文,郑建鸿,吴瑞梅;农畜产品品质无损检测中高光谱图像技术的应用进展[J];农业机械学报;2005年09期
7 程国首;郭俊先;肉孜·阿木提;饶秀勤;亢银霞;石砦;;基于高光谱图像技术预测苹果大小[J];农机化研究;2012年06期
8 苏文浩;何建国;刘贵珊;王松磊;贺晓光;吴龙国;;近红外高光谱图像技术在马铃薯外部缺陷检测中的应用[J];食品与机械;2013年05期
9 陈树人;邹华东;吴瑞梅;闫润;毛罕平;;基于高光谱图像技术的稻田苗期杂草稻识别[J];农业机械学报;2013年05期
10 韩小珍;辛世华;王松磊;何建国;;高光谱在农产品无损检测中的应用展望[J];宁夏工程技术;2013年04期
中国重要会议论文全文数据库 前10条
1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年
2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年
2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年
3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年
4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年
5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年
6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年
7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年
8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年
9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年
10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年
2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年
3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年
4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年
5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年
6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年
7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年
8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年
9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年
10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026