基于高光谱和化学计量学方法的除草剂残留分类识别研究

摘要：

本研究基于高光谱技术和化学计量学方法,对薄荷叶上的异丙甲草胺、烟嘧(莠去津、敌草胺和砜嘧(精喹4类除草剂残留进行种类判别.高光谱成像光谱范围为450nm～950nm的可见-近红外区域.为降低噪音对光谱数据的干扰、提升判别精度,采用SG平滑和多元散射校正对高光谱曲线进行处理.利用主成分分析算法(PCA)对原始数据进行降维后,建立以径向基函数(RBF)函数为核函数的支持向量机(SVM)模型.分别利用网格搜索(GS)、粒子群算法(PSO)及灰狼算法(GWO)对SVM模型参数进行寻优,对比不同模型的判别正确率,并利用精确度、召回率、约登指数、ROC和AUC对模型判别和泛化能力进行评估.实验结果表明,SG-PSO-SVM、SG-PCA-GWO-SVM和MSC-GS-SVM对测试集的判别正确率达到了100％,其中SG-PCA-GWO-SVM计算时间最短,而MSC-GS-SVM具有最优的泛化能力,从而实现了对薄荷叶片上常见除草剂的快速无损识别.

关键词：除草剂残留;高光谱图像;化学计量法;判别分析;无损检验

所属期刊栏目：34

分类号：O657.3(分析化学)

资助基金：国家重点研发计划;中央高校基本科研业务费专项资金项目

在线出版日期：2022-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：91-102