基于高光谱图像的桑叶农药残留种类鉴别研究

摘要：

研究了一种快速、精确、无损检测桑叶农药残留的方法.以不含农药残留的桑叶、含有敌敌畏残留的桑叶、含有毒死蜱残留的桑叶、含有乙酰甲胺磷残留的桑叶、含有乐果残留的桑叶和含有辛硫磷残留的桑叶为实验对象,利用高光谱成像仪获取390～1 050 nm范围内的桑叶高光谱图像.利用ENVI软件确定叶片的感兴趣区域,并采用连续投影算法(SPA)优选出10个特征波长(452.51、469.88、517.28、539.85、578.92、643.72、727.24、758.34、785.67、819.67 nm).利用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立桑叶农残检测模型,并讨论了3种参数寻优算法(网格搜索、遗传算法和粒子群算法)对模型性能的影响,发现采用网格搜索的SVM模型的性能最优,其交叉验证正确率为63.89％,预测正确率为78.33％.为了进一步提升模型的分类性能,将自适应提升算法(Adaboost)引入到SVM建模方法,基于特征波长下的光谱数据,对桑叶是否含有农药残留及农药残留品种进行分类建模.结果表明,Ada-SVM模型的预测准确率达到97.78％,较传统SVM模型的准确率提高了19.45个百分点.可见,利用高光谱图像技术结合Ada-SVM算法能够较准确地鉴别桑叶农药残留.

关键词：桑叶、农药残留、支持向量机、高光谱图像、特征波长

所属期刊栏目：46

分类号：S481+.8;O657.3(农药防治（化学防治）)

资助基金：国家自然科学基金资助项目31471413、江苏高校优势学科建设工程资助项目苏政办发2011 6号、江苏大学现代农业装备与技术重点实验室开放基金资助项目NZ201306、中国博士后科学基金资助项目2014M561594和江苏省博士后科研资助计划资助项目1401175C

在线出版日期：2015-08-05（万方平台首次上网日期，不代表论文的发表时间）

页码：251-256