基于高光谱成像技术的高粱农药残留种类检测研究

作者：张嘉洪; 何林; 胡新军^*; 彭健恒; 薛钦原; 严松才

来源：食品安全质量检测学报, 2023, 14(20): 209-217.

DOI：10.19812/j.cnki.jfsq11-5956/ts.2023.20.016

• 高光谱成像
• 高粱
• 农药残留
• 无损检测
• BP神经网络自适应增强算法

目的 基于高光谱成像技术实现对高粱农药残留种类的鉴别。方法 利用近红外高光谱成像系统采集高粱农药残留样品的高光谱数据,建立基于BP神经网络自适应增强算法(back propagation neural network with adaptive boosting,BP-Ada Boost)、轻量梯度提升机(light gradient boosting algorithm,LGBM)、极度梯度提升(e Xtreme gradient boosting,XGBoost)、支持向量机(support vector machine,SVM)的高粱农药残留分类模型;采用了3种预处理方法和4种特征波长选择方法,并构建基于特征波长信息的农药残留分类模型,对比分析结果。结果 标准正态变换(standard normal variate,SNV)为最佳的预处理方法,类型提升算法(type boosting algorithm,Cat Boost)相比于梯度提升树(gradient boosting decision tree,GBDT)、竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)和主成分分析法(principal component analysis,PCA)选择的特征波长更具有代表性;在所有分类模型中,SNV-Cat Boost-BP-Ada Boost模型农药残留鉴别效果最好,测试集平均分类正确率为95.17%。结论 高光谱成像技术结合BP-Ada Boost算法可以识别出高粱中农药残留的种类,为检测高粱农药残留类别提供了一种新的方法。

• 单位
  四川轻化工大学