蔬菜水果表面農(nóng)藥殘留可見(jiàn)-近紅外光譜的檢測(cè)與識(shí)別技術(shù)研究.pdf

1、在國(guó)家自然科學(xué)基金項(xiàng)目和山東省自然科學(xué)基金項(xiàng)目的資助下,研究工作圍繞著蔬菜與水果表面殘留農(nóng)藥的快速無(wú)損檢測(cè)和識(shí)別技術(shù)展開(kāi)。分別在自然光和鹵素?zé)糇鳛楣庠吹臈l件下,以綠色葉子和水果表面的殘留農(nóng)藥為研究對(duì)象,獲取600~1100nm波段范圍內(nèi)大量實(shí)驗(yàn)光譜數(shù)據(jù)基礎(chǔ)上,本論文主要研究利用小波變換方法對(duì)可見(jiàn)/近紅外光譜的特征提取和利用經(jīng)典的主成分分析對(duì)近似系數(shù)進(jìn)行主成分分析,然后利用神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)實(shí)現(xiàn)對(duì)蔬菜表面殘留農(nóng)藥種類的快速識(shí)別。其主要內(nèi)容包

2、括以下三個(gè)方面:
　　(1)引入了小波分析方法對(duì)殘留農(nóng)藥的可見(jiàn)/近紅外光譜信號(hào)的特征提取本文綜合采用了小波多尺度分析的預(yù)處理方法,對(duì)殘留農(nóng)藥的光譜信號(hào)進(jìn)行輪廓提取和特征提取。小波分析在時(shí)域和頻域都有很高的分辨率,能有效提取信號(hào)的局部信息。在實(shí)驗(yàn)中,采用多尺度分析的方法,同時(shí)消除低頻背景和抑制高頻噪聲,有效的提取了微弱光譜信號(hào)的特征。
　　(2)利用主成分分析方法對(duì)殘留農(nóng)藥的光譜特征進(jìn)行降維處理由于殘留農(nóng)藥光譜原始數(shù)據(jù)的模式維

3、數(shù)很高,同時(shí)各個(gè)變量之間又可能存在著可能存在交互作用和相關(guān)性,本章利用了主成分分析的方法對(duì)數(shù)據(jù)進(jìn)行降維處理的優(yōu)點(diǎn),為后期的分類與識(shí)別過(guò)程提供了較好的數(shù)據(jù)源,而且也大大地縮短了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練收斂時(shí)間。
　　(3)建立人工神經(jīng)網(wǎng)絡(luò)模型對(duì)常見(jiàn)的殘留農(nóng)藥光譜進(jìn)行識(shí)別在光譜識(shí)別中,由于神經(jīng)網(wǎng)絡(luò)算法的優(yōu)越性,神經(jīng)網(wǎng)絡(luò)技術(shù)比普通的鑒別分類方法有著潛在的優(yōu)勢(shì)。本文選取了有導(dǎo)師的多神經(jīng)元的感知器神經(jīng)網(wǎng)絡(luò)和改進(jìn)了得BP神經(jīng)網(wǎng)絡(luò),和無(wú)導(dǎo)師指導(dǎo)的自組織映