基于高光谱技术的哈密瓜表面农药残留判别分析

以新疆特色水果哈密瓜为研究对象,应用高光谱技术对水果表面农药残留种类进行分析。配制0.1 mg/kg20%氰戊菊酯乳油和0.03 mg/kg 40%辛硫磷乳油农药溶液样本,按100μL滴定量滴在哈密瓜表面,然后分别在紫外灯和卤素灯环境下,采集450~1 000 nm范围内的哈密瓜光谱图像数据信息,提取感兴趣区域(region of interest,简称ROI)的光谱数据。结果表明,在卤素灯光源条件下采用贝叶斯判别法,农残样本的准确率为100%,利用高光谱技术能够准确判别出哈密瓜表面农药残留的种类。     

基于激光图像的水果表面农药残留检测试验研究

初步探讨了运用激光图像技术来检测水果表面农药残留的方法。应用自行研制的激光图像采集系统获取水果光谱图像,通过对比研究水果表面不喷洒农药、喷洒农药、喷洒不同浓度农药的水果图像特征分析可知,一般未喷洒农药的水果灰度图像灰度值分布在1~100范围内像素点总数低于喷洒农药后的水果灰度图像;喷洒不同浓度农药水果的图像像素灰度值在1~100范围内像素点个数也有明显的差别;但喷洒农药的浓度与像素值聚集在0~100范围内的像素个数之间规律性不明显,有待进一步研究。试验研究表明,用激光图像技术检测水果表面的是否存在农药残留是可行的。     

水果中农药残留的表面增强拉曼光谱技术快速检测研究

为了建立水果中农药残留的快速检测方法,通过过氧化氢和浓硫酸处理制备疏水化的硅片基底,采用静电吸附法将金纳米粒子组装到硅片基底表面,形成硅片/金纳米粒子复合基底,将水果中残留的福美双、百草枯和啶虫脒等3种农药经抽提后滴加到复合基底上,采用表面增强拉曼光谱技术进行检测。结果表明,福美双、百草枯和啶虫脒的方法线性范围分别为0.20～2.00、0.05～0.50、0.20～2.00 mg/kg,最低检测浓度分别为0.20、0.05、0.20 mg/kg。该方法应用于苹果、橘子和梨等水果的农药残留量分析,回收率在94.5%～120.0%之间,相对标准偏差均在15%以下。该方法具有较高的准确度和精确度,适用于水果农药残留的快速检测。     

农产品中多种残留农药检测方法比较

随着我国农产品的种类日益增多及农村经济建设的高速发展,各地农产品的质量已经引起了相关部门以及广大群众的高度重视,为了人们生命与财产的安全,农产品残留农药的检测任务迫在眉睫。本文针对我国农产品残留农药检测气相色谱法的分析应用,并提出提高检测工作质量的方法,为监测工作奠定基础。     

基于高光谱图像的黄瓜种子活力无损检测

为实现对黄瓜种子的快速、无损检测,以人工老化0 h、36 h、72 h的3个不同活力梯度的黄瓜种子为研究对象,利用波长400～1 000 nm的可见光光谱对黄瓜种子活力进行检测。对比了多元散射校正(MSC)、标准正态变换(SNV)、卷积平滑(S-G)3种预处理方法,结果显示SNV预处理的效果最优。从特征提取和特性选择2个角度进行降维分析。分别使用主成分分析法和连续投影算法,对比各个主成分数的正确分类率,选取最佳的主成分数。通过连续投影算法(SPA)选择9、12、13个特征波长,通过对比分类正确率,选出最佳波长数为12个。最后将提取出的最佳主成分和选择的最佳特征波长作为支持向量机的输入,分别选择线性核函数和径向基核函数,结合网格搜索方法,确定模型的惩罚因子c和径向基核函数中的参数gamma,建立判别分析模型。所有模型分类正确率均达到97.3%以上,其中SPA-SVM(基于RBF核函数)效果最佳,分类正确率达到98.6%。可见,利用高光谱图像技术结合SPA-SVM能有效地鉴别黄瓜种子的活力。     

基于高光谱图像技术的沙梨无损检测

为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.     

基于近红外光谱的番茄农药残留无损检测方法研究

以湖北地区番茄样品为研究对象,对获取的光谱特征信息进行分析,确定了矢量归一化法为最优光谱预处理方法;对各个信息的主成分因子进行了优化,通过主成分分析提取主成分得分向量构成模式识别的输入,利用BP神经网络方法建立番茄有机磷农药残留的无损检测模型。结果表明,当光谱信息主成分因子数为3时,建立的模型最优,预测的识别率达到0.96,训练误差为0.015,相关系数达到0.971。     

连云港市蔬菜中多种农药残留检测与分析

2007年从连云港市内蔬菜生产基地、农产品批发市场、农贸市场和超市随机抽取480份蔬菜样品,测定蔬菜中多种农药的残留量。检测范围包括甲胺磷、甲拌磷、氧化乐果、乐界、毒死蜱、甲基叶硫磷、对硫磷、乙酰甲胺磷、百菌清、三唑酮、三氟氯氰菊酯、氯氰菊酯、氰戊菊酯等13种农药。结果表明:蔬菜中多种农药超标率为7.92%;被检测的蔬菜中13种农药均检测出,其中甲胺磷超标率最高,为3.96%。第三季度农残超标率为13.33%,远远高于其他3个季度。超市超标率达2.92%,高于批发市场、农贸市场和生产基地。     

基于荧光高光谱图像的柑桔糖度无损检测

采用632nm的连续波激光作为激发光,应用激光诱导荧光高光谱成像技术对柑桔的糖度值进行无损测量。先将该激光照射到南丰蜜桔和脐橙样品上,后用高光谱图像采集系统收集诱导出的荧光散射图像;接下来对荧光散射图像进行分析,选取100×50像素的荧光区域作为感兴趣区域(ROIs);再提取感兴趣区域在波长700～1000nm的光谱值作为荧光高光谱图像数据;最后用线性回归方法建立荧光高光谱图像数据预测果实糖度值的预测模型。结果表明,该模型预测柑桔糖度值的相关系数分别为南丰蜜桔的R=0.970,脐橙的R=0.960。因此可以看出,应用激光诱导荧光高光谱成像对柑桔糖度值进行无损检测是一种很有效的方法。     

基于高光谱图像技术的脱绒棉种活力检测

为了寻求一种快速无损检测脱绒棉种活力的方法,提出采用高光谱图像技术进行脱绒棉种活力检测。以新陆早50、新陆早57、新陆早62等3个不同老化程度下的脱绒棉种为研究对象,采集脱绒棉种在450~1 013 nm的高光谱图像,并以单粒脱绒棉种全区域作为感兴趣区,共提取3个品种810个感兴趣区;对提取的光谱平均反射率采用Savitzky-Golay平滑方法,结合多元散射校正(mutiplicative signal correction,MSC)进行去噪处理;基于前10个主成分和特征波段分别建立距离判别分析、支持向量机(SVM)脱绒棉种活力预测模型。试验结果表明,采用基于特征波段的判别模型分类精度达到96%以上,检测结果可靠且效果良好的。本研究为脱绒棉种活力无损检测检测方法提供了一种新的方法和思路。     

基于高光谱图像的水稻种子活力检测技术研究

随着种子活力逐渐受到人们的重视,快速且不破坏种子的活力检测方法逐渐成为研究的热点。试验以不同老化程度的水稻种子为材料,采用高光谱成像技术结合PCA-SVM方法,研究比较了不同活力水平的水稻种子的活力差异。采集两个水稻品种在400~1000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波段;应用支持向量机(SVM)建立水稻种子活力鉴别模型。结果表明,预测的判别率可达100%,说明高光谱成像技术为快速准确无损测定种子活力提供了一条新的途径。     

茶叶中多种有机磷类农药残留检测气相色谱法研究

建立了茶叶中12种有机磷类农药残留检测气相色谱法分析方法。制备好的样品中加入乙腈,60℃恒温振荡提取,活性炭净化,滤纸过滤,70℃水浴蒸干,丙酮洗脱,过滤,以气相色谱法测定。12种有机磷类农药残留RSD≤10,空白加标试样的回收率均在70%～120%,平行样之间回收率的相对标准偏差(RSD%)均小于10%。本方法操作简便,试剂使用量少,结果准确、可靠。     

荧光光谱检测脐橙表面敌敌畏残留试验研究

果蔬农药残留严重危害人类健康.实验使用农药为敌敌畏,用自来水分别配制不同浓度的农药溶液.将400个喷施不同浓度农药的脐橙样品风干后采集其荧光光谱,光谱范围是350-1 800 nm,然后用气相色谱法检测脐橙表皮的农药残留量.把采集的光谱数据分成30个光谱区间,通过间隔偏最小二乘法对数据进行分析计算得出5个最佳的特征光谱区间.基于5个特征光谱区间建立农药残留的偏最小二乘法预测模型,其校正组和预测组的相关系数r分别为0.860 7和0.837 5.试验结果表明应用荧光光谱方法检测脐橙表皮敌敌畏农药残留的方法是可行的,而且通过特征光谱区间的选择还能有效地简化模型的复杂程度,为今后农药残留的快速无损检测提供理论基础.     

基于近红外高光谱图像技术的栗果品质无损检测

提出一种基于近红外高光谱图像技术的板栗果实品质快速无损检测方法。分别选取3个不同品种栗果、1个品种的霉变栗果和1个品种的虫害栗果各30个样品,采集供试样品的近红外高光谱数据;采用偏最小二乘法(PLS)建立栗果中总糖和淀粉含量预测模型,预测值与实际值的相关系数为0.9313～0.9587,均方根误差为0.062 4～0.225 0;结合主成分分析法(PCA),建立不同品种栗果鉴别以及识别霉变、虫害、正常栗果的判别分析(DA)模型,模型的识别率分别为96.7%和98.6%。结果表明,近红外高光谱图像技术可用于栗果总糖和淀粉的定量预测,以及不同品种栗果和霉变、虫害果的快速定性识别。     

基于LabVIEW的农药残留检测系统

介绍了一种基于酶抑制法的农产品农药残留检测系统,该系统以单片机作为核心控制器,扩展LED显示器、比色池、硅光电池和数据采集器等硬件部分,并通过USB接口,将采集的温度、吸光度和抑制率等数据传输到上位机,结合基于LabVIEW软件平台的虚拟农药残留检测系统软件进行分析处理。试验表明,该系统实现了农药残留数据的采集、回放、存储和分析功能,试验效果令人满意。     

基于高光谱成像技术的苹果表面轻微损伤检测

为了研究检测苹果表面轻微损伤的有效的方法,以红富士苹果为试验样本,通过高光谱成像采集系统采集苹果样本的高光谱图像,根据正常苹果表面区域和刚损伤、损伤后(3,10,24h)的损伤区域光谱反射率平均曲线得到有效光谱区域;用掩膜法对图像进行背景分割,并基于有效光谱区域做主成分分析,选取第四主成分(PC4)提取损伤区域,运用阈值分割的方法建立提取损伤区域的算法模型;应用该算法模型对正常苹果和损伤苹果进行检测。检测结果表明:正常苹果样本正确检测率达到100%,损伤苹果样本的正确检测率为97.5%,总体检测精确度高达98.75%,说明利用高光谱成像技术可以有效快速检测出苹果表面的轻微损伤。     

苹果品种对多种有机磷类农药残留检测回收率的影响

参照标准NY/T 761—2008有关蔬菜和水果中农药残留检测对样品前处理的方法,对市场上购买的红富士、印度青、嘎啦果3种常见苹果进行前处理并加标,通过气相色谱仪检测有机磷类农药的加标回收率差异;同时选用多种有机磷类(治螟磷、毒死蜱、甲基对硫磷)农药,比较3种样品的加标回收率差异。结果表明,不同品种的苹果样品对于同一种有机磷类农药检测的结果影响不大,但是同一品种的苹果样品对于不同种有机磷类农药的检测结果却差异显著,这对实际检测有一定指导意义。     

基于有监督特征提取的生菜叶片农药残留浓度高光谱鉴别研究

为了保证人们对蔬菜的安全食用,研究了蔬菜叶片农药残留的无损检测方法。标准营养液无土栽培生菜样本,在成熟期按4种不同浓度,分别为1.250、0.830、0.600、0.375 mL/L,将氰戊菊酯农药雾状均匀喷洒至生菜叶片上,8 h后采集生菜叶片高光谱数据。采用标准归一化(SNV)算法对原始光谱进行预处理,分别利用基于非监督特征提取方法主成分分析(PCA)、局部保留投影(LPP)与基于监督特征提取方法线性判别分析(LDA)、局部保留投影(SLPP)对降噪后的光谱数据进行特征提取,统一选用支持向量机(SVM)作为分类器。利用相同的训练样本与测试样本进行分类试验,对生菜叶片农药残留浓度分类鉴别的结果为,PCA-SVM分类正确率为82.14%,LPP-SVM分类正确率为85.71%,LDA-SVM分类正确率为89.29%,SLPP-SVM分类正确率达到92.86%。结果表明,与非监督特征提取算法相比,监督特征提取算法由于充分利用了样本的类别特性,使得分类器对降维后的数据更加敏感,分类精度更高,其中SLPP-SVM的分类效果最好。     

近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法

以喷洒不同浓度毒死蜱的鲜冬枣为研究对象,研究近红外光谱技术结合偏最小二乘法(PLS)和连续投影算法(SPA)检测鲜冬枣表面农药残留的方法。运用AntarisⅡ近红外光谱仪对喷洒不同浓度的毒死蜱的鲜冬枣样品进行扫描,首先建立全波段PLS模型,然后应用SPA提取特征波长,作为PLS的输入变量,建立SPA-PLS模型,将全波段PLS模型和SPA-PLS模型进行比较。经SPA提取5个特征波长建立的模型,使用变量数仅占全波段的0.32%,但建立的冬枣表面农药残留模型的准确度和精度优于全波段所建立的模型。近红外光谱技术结合SPA和PLS建立鲜冬枣表面不同浓度毒死蜱农药残留的模型是可行的,同时SPA算法简化模型复杂度,提高模型精度及稳定性。     

脐橙表面农药残留的计算机视觉检测方法研究

经不同种类农药处理后,采集脐橙激光散射图像,通过对表面是否喷洒农药,以及表面喷洒不同种类农药的水果图像进行处理,用一元非线性方程拟合脐橙图像灰度值分布曲线。结果表明,脐橙图像灰度值在10~100范围内的灰度曲线拟合模型与农药残留是密切相关的,能用于区分脐橙表面是否存在农药残留。