技术新讯 > 测量装置的制造及其应用技术 > 一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法  >  正文

一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法

  • 国知局
  • 2024-11-21 12:06:57

本发明属于农药残留检测,尤其涉及一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法。

背景技术:

1、新疆哈密瓜作为国家地理性标志产品,以其优良口感、丰富营养和独特风味备受消费者青睐。然而,哈密瓜从坐果期到收获期遭受白粉虱、白粉病和蚜虫侵扰,严重影响其食用价值。目前,这些病虫害分别通过利用高效氯氰菊酯、苯醚甲环唑和啶虫脒等农药进行防治。然而,农药的过量使用会造成哈密瓜出现食品安全问题。

2、传统的农药残留检测方法包括超临界流体色谱(sfc)、液相色谱(lc)和气相色谱-质谱(gc-ms),检测准确度和灵敏度较高,但检测步骤复杂、依赖化学试剂多。荧光高光谱成像技术利用化学成分的荧光响应,实现农药残留的快速筛查,然而,在微观尺度分析方面存在局限性,难以准确捕捉农产品内部的微观结构和成分变化。显微高光谱成像技术在微观层面能够捕捉到细微的光谱变化,但由于缺乏荧光特性,可能限制了对某些化学成分的识别,特别是对于那些不产生显著光谱特征的化合物。

3、针对上述问题,在本发明中,利用显微荧光高光谱技术,基于光谱图像特征融合,提出一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法,其目的在于在微观领域通过捕获样本的光谱数据和图像信息,增强对样本的化学成分分析能力,提高检测准确率。

技术实现思路

1、本发明提供了一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法,主要目的是通过融合显微荧光高光谱图像的光谱特征和图像特征,利用pls-da分类模型,构建一种可对哈密瓜农药残留进行检测的鉴别模型。该鉴别模型不仅能够实现哈密瓜农药残留的无损检测,而且具有较高的检测效率,并能对不同种类的农药进行精准鉴别。

2、本技术提供了一种融合显微荧光高光谱成像特征信息的哈密瓜农药残留定性检测方法,包含以下步骤:

3、步骤1、选取试验田中形状规则、大小相似的哈密瓜样本,随机分为三组,各组表面均匀喷洒不同农药溶液,切片后冷冻干燥处理,并将样本在-20℃冰箱中存放10-12小时;

4、步骤2、使用显微荧光高光谱成像系统采集哈密瓜农药残留的显微荧光高光谱数据,提取显微荧光高光谱图像的光谱数据和图像数据;

5、步骤3、对所得显微荧光高光谱数据取平均值,然后进行标准正态化snv预处理;

6、步骤4、采用连续投影算法spa提取光谱特征,并使用皮尔逊pearson相关性分析筛选图像数据中的强相关性特征;

7、步骤5、将特征提取后的哈密瓜样本光谱特征与图像特征进行拼接,划分为训练集和测试集,利用偏最小二乘判别分析pls-da模型进行分类,构建用于定性分析哈密瓜农药残留的判别模型,实现农药残留种类的鉴别。

8、作为本技术的优选方案,在步骤1中,所述农药溶液包含高效氯氰菊酯、苯醚甲环唑和啶虫脒三种溶液,该三种溶液中农药与清水按1:50的体积比混合配制。

9、作为本技术的优选方案,在步骤2中显微荧光高光谱成像系统包含内表面蓝色的箱体1、汞灯光源2、倒置显微镜4及数据采集终端7,所述箱体1内配置有成像光谱仪。所述哈密瓜样本置于一个可移动的样品台3上;所述汞灯光源2可调整成像光谱仪拍摄视野的亮度;所述倒置荧光显微镜可观察手位移控制样品台3上哈密瓜样本的显微荧光高光谱图像,所述成像光谱仪可获取位移控制样品台3上哈密瓜样本的显微荧光高光谱数据;所述数据采集终端7用于采集和存储显微荧光高光谱数据。

10、作为本技术的优选方案,所述成像光谱仪的曝光时间和倒置荧光显微镜的放大倍数分别调整为200ms和200×。

11、作为本技术的优选方案,在步骤4中,spa通过逐步选择在空间中尽可能正交的变量来提取特征波长。该方法通过投影操作和变量筛选的搜索策略,优化特征选择,确定特征波长的位置和数量。spa提取有效波长算法具体为:

12、

13、其中,xj表示表示光谱数据集中的原始波段数据,xi表示已经选择的特征波段数据,表示波段xj的转置,即将xj的列向量转换为行向量。表示波段xi的转置,即将xi的列向量转换为行向量,pxj表示通过spa算法投影操作和变量筛选后的特征波段数据。

14、作为本技术的优选方案,在步骤4中,pls-da通过建立自变量矩阵(x)与因变量矩阵(y)之间的偏最小二乘回归模型来进行分类。pls-da进行分类算法具体为:

15、1)对建模集的特征矩阵x1和类别矩阵y1进行中心化,以确保各特征的均值为零:

16、

17、其中,和分别是x1和y1的列均值向量,和表示中心化后的特征矩阵和类别矩阵。

18、2)对y1中的每个类别j执行pls回归,计算权重向量θj。得分向量tj由以下公式得出:

19、tj=x1θj

20、载荷向量pj由得分向量tj计算得出:

21、

22、计算类别j的残差:

23、

24、其中,tj表示得分向量,由x1和权重向量θj计算得出,pj表示载荷向量,由得分向量tj计算得出。yres,j表示类别j的残差,表示原始类别矩阵y1中类别j的数据与通过pls回归模型预测的类别j的数据之间的差异。

25、3)使用k折交叉验证来选择和调整模型参数,确保模型的泛化能力:

26、随机将整个数据集和分割成k个互斥的子集,每次迭代中,留出一个子集作为验证集,其他k-1个子集作为训练集来训练模型,最后计算每次迭代的模型在验证集上的性能。

27、4)使用权重向量θj计算训练集和测试集的类别得分:

28、

29、5)根据类别得分ayc,j和ayp,j以及残差ysj进行类别归属判断,并计算分类正确率:

30、

31、

32、其中,c1和c2分别代表训练集和测试集中正确分类的样本数,而n1和n2分别代表训练集和测试集的总样本数。

33、6)识别结果中的灰色样本,并从评估中排除,然后输出最终的测试类别ytest以及分类正确率ccr和cvr。

34、作为本技术的优选方案,在步骤2中,每个哈密瓜样本的显微荧光高光谱数据采集均沿赤道方向,每个哈密瓜样本沿赤道方向每旋转90°采集一幅显微荧光高光谱数据,和对获取的显微荧光高光谱数据取平均的具体方法包含:先将显微荧光高光谱图像输入matlabr2016a软件上对显微荧光高光谱图像进行处理,选择图像中完整荧光区域作为感兴趣区域roi,并对roi区域进行取平均得到光谱数据。

35、作为本技术的优选方案,在步骤2中,获取哈密瓜样本的高光谱图像的光谱分辨率为6.20nm,光谱范围为400-1000nm。

36、本技术还提供了一种哈密瓜农药残留鉴别方法,其特征在于,具体包含以下步骤:

37、1)准备待检测的哈密瓜切片样本,在显微荧光高光谱成像系统中采用逐行扫描的模式获取待检测哈密瓜切片样本的显微荧光高光谱图像,提取显微荧光高光谱图像的光谱数据和图像数据,并对该光谱数据进行snv预处理;使用pearson相关性分析方法将9个图像特征提取出相关性最强的4个特征;

38、2)输入光谱和图像融合后的数据,并利用权利要求1-9任一项所述的哈密瓜农药残留鉴别模型的构建方法中构建的鉴别模型对光谱和图像融合后的数据进行分析鉴别;

39、3)输出哈密瓜农药残留鉴别结果。

40、与现有技术相比,本技术中该哈密瓜农药残留鉴别方法及鉴别模型构建方法的优势在于:采用显微荧光高光谱成像技术获取哈密瓜不同农药残留的显微荧光高光谱数据,由于不同种类农药残留的光谱反射率略有不同,但光谱曲线的变化趋势相似,如此,不仅便于后续对哈密瓜留农药的种类进行鉴别,且与化学检测方法相比步骤简洁且耗时短,其次,该技术能够在微观层面上提供高空间分辨率的光谱信息,增加了鉴别模型检测的多样性以及提高了鉴别模型的检测精度。同时,采用spa筛选的光谱特征与pearson相关性分析得到的图像特征进行融合,增加了数据集的维度,并能更全面地描述哈密瓜农药残留样本的特性。因此,将融合谱图特征数据输入到pls-da分类模型中得到最优解,利用该最优解可构建出分类精度以及检测精度更高的鉴别模型,如此,在利用该鉴别模型进行哈密瓜农药残留检测时,可提高检测精度以及农药种类的鉴别精度。

本文地址:https://www.jishuxx.com/zhuanli/20241120/334389.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。