收藏本站
《宁夏大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱成像技术的红枣表面农药残留无损检测的研究

张令标  
【摘要】:化学农药方法防治病虫害具有便捷、经济、高效等特点,在农业生产中,大量农药被用来控制农作物的病虫害、提高农产品的产量。农民对喷洒农药的停药期及安全采摘期意思模糊,使果蔬表面和内部存在大量农药残留,而长时间摄入含有农药残留的食品会严重影响人体的健康,甚至会给后代人带来潜在的危害。食品中的农药残留是影响食品安全的突出问题,已引起世界各国政府和组织的密切关注。传统农药残留检测方法存在样品前处理过程繁琐、消耗试剂、耗时长等缺点,已很难满足现如今农药残留检测的需求,因此寻求一款快速、无损的检测方法具有重要意义。 本文以灵武长枣为研究对象,利用近红外高光谱成像技术(900-1700nm)结合化学计量学方法,对灵武长枣表面农药种类判别、毒死蜱农药定性、定量无损检测以及吡虫啉农药残留量的定量检测进行初步研究,期望寻求一种快速检测农药残留的方法,并为灵武长枣表面农药残留在线无损检测提供理论依据。主要研究内容结果为: (1)基于高光谱成像技术判别红枣表面农药残留的种类。通过对比不同光谱预处理的建模效果,优选Savitzky-Golay卷积平滑处理后的光谱建立偏最小二乘回归模型(PLSR)。根据PLSR模型的权重回归系数选择了11个特征波长(957nm,1046nm、1103nm、1154nm、1219nm、1502nm、1586nm、1607nm、1636nm)。经K-M值转化处理11个特征波长后建立线性判别模型,毒死蜱、吡虫啉的识别率均为92.3%;哒螨灵和蒸馏水的识别率均为100%;校正模型的整体识别率为96.43%。应用该模型对预测集进行预测判别,预测识别结果为91.7%。 (2)应用线性判别模型先对红枣表面不同浓度的毒死蜱农药进行判别分析,判别校正模型的准确率为72.68%,但预测效果只有50%的准确率。在此基础上,本实验继续研究了高光谱成像技术定量分析红枣表面毒死蜱含量。建立了全波段和特征波长下的PLSR模型,通过比较模型的相关性和均方根误差的差异性,优选特征波长建模,校正模型的相关性和均方根误差为0.875,0.0025;预测模型的相关性和均方根误差为0.816,0.0031。 (3)基于高光谱成像技术的红枣表面定量检测吡虫啉含量。通过对原始光谱分别进行了Savitzky-Golay卷积平滑、Kubelka-Munk值转化、Kubelka-Munk+Savitzky-Golay的光谱预处理,对比不同的光谱预处理后的模型效果,Kubelka-Munk+Savitzky-Golay为最佳的预处理方法。对Kubelka-Munk+Savitzky-Golay预处理后的光谱建立PLSR模型,依据PLSR模型的权重回归系数法优选出6个特征波长(990nm,1022nm,1270nm,1404nm,1583nm,1639nm)。对比了全波段和特征波长下PLSR模型和支持向量机回归模型(SVR)的建模效果,优选PLSR模型建模。然后基于PLSR模型,对比了全波段和特征波长下的建模效果,结果表明:特征波长下建立的模型优于全波段下建立的模型;校正模型的相关系数、均方根误差分别为0.86,0.0003;预测模型的相关系数及均方根误差分别为0.85,0.0003。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马本学;应义斌;饶秀勤;桂江生;;高光谱成像在水果内部品质无损检测中的研究进展[J];光谱学与光谱分析;2009年06期
2 索少增;刘翠玲;李慧;;近红外光谱技术检测农产品农药残留量的研究[J];北京工商大学学报(自然科学版);2010年06期
3 周全;朱大洲;王成;郑耀;王秋平;马智宏;;成像光谱技术在农产品/食品检测中的研究进展[J];食品科学;2010年23期
4 ;美设计出弯曲杆菌快速筛选方法[J];食品与机械;2011年01期
5 ;美国农业部设计出弯曲杆菌快速筛选方法[J];粮食与饲料工业;2011年03期
6 ;美国农业部设计出弯曲杆菌快速筛选方法[J];食品与发酵工业;2011年01期
7 李江波;苏忆楠;饶秀勤;;基于高光谱成像及神经网络技术检测玉米含水率[J];包装与食品机械;2010年06期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 孙向军;刘凯龙;赵志勇;李雪涛;;高光谱成像及仿真技术途径探索[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 肖功海;舒嵘;薛永祺;;显微成像光谱技术及其应用[A];成像光谱技术与应用研讨会论文集[C];2004年
3 刘志明;吴文健;张勇;;植物叶片仿生伪装结构模型设计[A];第六届中国功能材料及其应用学术会议论文集(8)[C];2007年
4 赖建军;陈四海;陈坦;易新建;;基于MEMS微镜阵列的高光谱成像技术研究[A];中国宇航学会深空探测技术专业委员会第三届学术会议论文集[C];2006年
5 马本学;应义斌;饶秀勤;;高光谱成像在水果表面缺陷及污染检测中的研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
6 舒嵘;王建宇;薛永祺;;机载推帚式宽视场高光谱成像遥感系统的研制[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年
7 舒嵘;王建宇;徐卫明;何志平;马艳华;吕刚;;机载高空间分辨力、高光谱分辨力多维集成遥感系统[A];第六届成像光谱技术与应用研讨会文集[C];2006年
8 王建宇;;高光谱遥感技术的进展与展望[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年
9 李夕海;何元磊;刘代志;;高光谱寻的技术初探[A];国家安全地球物理丛书(四)——地球物理环境探测和目标信息获取与处理[C];2008年
10 杨勇;刘木华;;基于荧光高光谱图像的猕猴桃VC含量无损检测[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
中国重要报纸全文数据库 前2条
1 刘建国 钟建;遥感考古勘探技术[N];中国文物报;2005年
2 实习记者 杨鸿博;光学技术检测农畜产品质量安全无损[N];中国农机化导报;2009年
中国博士学位论文全文数据库 前10条
1 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年
2 张若宇;番茄可溶性固形物和硬度的高光谱成像检测[D];浙江大学;2014年
3 虞佳佳;基于高光谱成像技术的番茄灰霉病早期快速无损检测机理和方法研究[D];浙江大学;2012年
4 张筱蕾;基于高光谱成像技术的油菜养分及产量信息快速获取技术和方法研究[D];浙江大学;2013年
5 杨燕;基于高光谱成像技术的水稻稻瘟病诊断关键技术研究[D];浙江大学;2012年
6 吴迪;微藻综合品质信息快速无损获取技术和方法研究[D];浙江大学;2011年
7 郭俊先;基于高光谱成像技术的棉花杂质检测方法的研究[D];浙江大学;2011年
8 李江波;脐橙表面缺陷的快速检测方法研究[D];浙江大学;2012年
9 戴春妮;高光谱显微图像的特征提取与分类方法及其应用研究[D];华东师范大学;2009年
10 黄林;基于单一技术及多信息融合技术的猪肉新鲜度无损检测研究[D];江苏大学;2013年
中国硕士学位论文全文数据库 前10条
1 殷姣姣;基于可见—近红外光谱和高光谱成像的无损检测方法研究[D];太原科技大学;2014年
2 管娅娜;分子光谱成像机理及其在血细胞分析中的应用研究[D];华东师范大学;2012年
3 冯小平;基于高光谱成像技术的血迹形态特征检测研究[D];重庆理工大学;2013年
4 罗阳;基于NIR高光谱成像技术的长枣虫害及可溶性固形物无损检测研究[D];宁夏大学;2013年
5 胥亮;基于C++和IDL的分子高光谱图像采集与数据预处理方法研究[D];华东师范大学;2013年
6 李婧;基于数字滤波的高光谱成像系统研究[D];山东大学;2010年
7 张令标;基于高光谱成像技术的红枣表面农药残留无损检测的研究[D];宁夏大学;2014年
8 吴龙国;基于高光谱成像技术的灵武长枣常见缺陷无损检测研究[D];宁夏大学;2014年
9 王旭;基于高光谱成像技术的铜品质检测方法研究[D];浙江大学;2013年
10 吴佳;基于高光谱成像技术的马铃薯薯形检测与算法研究[D];宁夏大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978