基于近红外光谱的番茄农药残留无损检测方法研究

西红柿是茄科中最重要的经济作物，以多汁浆果为产品。它甜酸可口，味道鲜美，是人们较喜欢的果蔬之一。西红柿等鲜食农产品，在生长过程中易发作病虫害，使农药施用量加大。所运用的农药并不能悉数被植物吸收，大部分仍残留在果实外表，加之采摘后当即食用，其残留的农药对人们身体健康的影响和危害更直接和严峻。因而，研讨农药残留的快速检测技能，在生果蔬菜上市之前对农药残留进行很多的快速抽检，确保人市产品安全无害具有重要意义。

现在，对果蔬等农产品农药残留的检测首要选用化学办法，一般是破坏性检测，它具有耗用有机试剂、制样繁琐且检测成本高级晦气特色。而近红外光谱技能是近年来快速开展的一种新式光谱剖析技能，具有快速、精确、无污染及非破坏性等长处。

周小芳等用激光波长为1 064 nm的近红外傅立叶改换拉曼光谱仪对常见生果和常用农药进行拉曼测验并获得了农药的特征拉曼谱，周向阳等首次选用傅立叶改换近红外光谱法(FT－NIR)对十字花科、旋药科、菊科、伞形花科、苋科等二十余种叶菜类中有机磷农药残留的辨别进行了研讨。但在依据近红外光谱的农药残留快速无损检测方面还存在很大研讨空间。

该文经过对西红柿整果样品的光谱剖析，断定最优的光谱预处理办法，选用BP神经网络树立西红柿整果有机磷农药残留的无损定性剖析模型，并对该模型进行验证，为果蔬的无损检测供给依据。

1　材料及光谱图像的获取

1.1材料与试剂

西红柿样品：以湖北省的首要种类且无农药污染的西红柿为研讨目标，搜集105个西红柿样品，80个作为建模集样品，25个作为猜测集样品。

农药试剂：果蔬常用有机磷农药乐果，市购，用水稀释成浓度为1％的乐果溶液，乐果含量为0.4％。

1.2样品的制备

对西红柿整果样品进行彻底清洗、晒干、编号和挂号等操作，然后均匀彻底的喷施乐果农药，放置阴凉处3 d晒干，树立有农药西红柿的样品集。

1.3光谱收集 选用OceanOptics NIR256光谱仪，先后对未喷施和喷施农药的西红柿样品进行光谱收集，得到西红柿样品的原始光谱图(图1)。图1标明，原始光谱会集在波长900-2 500 nm，光谱噪音较大，堆叠严峻并且无农药污染和喷施农药的西红柿的光谱图没有区别开来，需经过光谱预处理来消噪。提高模型的剖析精确度。

2　光谱剖析

2.1　农药乐果残留的NIR剖析

含磷基团在NIR光区的表征是乐果得以快速检测的根底。近红外光谱归于振荡光谱，是基频分子振荡的倍频与组合频，首要反映含P-H基团的特征信息。为此，本文选用NIR光谱法，讨论辨别有机磷农药残留的可能性。

2.2光谱预处理

别离选用常用的光谱预处理办法：一阶导、二阶导、矢量归一化和最大最小归一化进行消噪，并挑选最佳的光谱预处理办法。经过不同预处理办法，树立BP网络判别模型，以模型的相关系数、练习差错、辨认精确率为目标。挑选最佳的预处理办法。

由表1可知，矢量归一化预处理模型为最优，练习差错、相关系数、辨认精确率别离到达0.028、0.947、0.942。

2.3特征向量的提取

在模型树立过程中，应选取适宜的主成分因子数。主成分因子数过大，会形成模型的鲁棒性，一起引进过多的冗余信息，使数据处理的时刻加长。主成分因子数过少，信息丢失过大，将会形成模型的辨认率下降。

对不同预处理办法，经过主成分剖析，提取不同数目的主成分因子作为特征变量，树立BP人工神经网络判别模型。以猜测会集的辨认率来衡量模型的好坏。主成分因子数对模型辨认率的影响如图2所示，在不同预处理办法中挑选最高点的因子数作为最佳主成分因子数。

由图2可得出不同预处理办法的最佳主成分因子数。经过PCA剖析得到各预处理办法在最佳主成分因子数下的累积贡献率，如表2所示。

3　模型的树立

该研讨选用依据BP人工神经网络的办法树立西红柿有机磷农药残留的定性判别模型，BP神经网络是一个向前多层网络，利用差错反向传达算法对网络进行练习。其首要考虑网络输入层、输出层、传递函数和隐含层等网络特征参数。

1)网络输入层、输出层的规划。因为选用单一参数点评农药残留，因而输入神经元n=1，输出神经元m=1。

2)隐含层的规划。隐含层个数q=√n+m+C，式中：a――隐含层个数；n――输入层神经元数目；m――输出层神经元数目；C――1-10之间数。实践运用则依据上述公式断定隐含层神经元3-11，找出猜测差错和练习差错最小的隐含层神经元作为最优个数。

3)传递函数的断定。依据输入和输出的特色，隐含层的传递函数用双正切S型传递函数tansig，输出层选用logsig函数。

4)网络的练习样本及测验样本。将先后获取的无农药污染和喷施农药的光谱数据各80个作为练习样本集，余下的无农药污染和喷施农药各25个作为测验样本集。

5)网络模型的树立。在MATLAB中，经过矢量归一化预处理对不同隐含层神经元个数的网络模型进行练习和测验。练习及测验成果如表3所示。由表3可知隐含层为3、7、9、11的模型辨认率较高，相关系数别离为0.971、0.966、0.961、0.947，练习差错别离为0.015、0.017、0.021、0.028，所以当经过矢量归一化处理，神经元隐含层数为3时模型为最优。

4　小结

选用近红外光谱技能，进行光谱数据的提取和剖析，挑选了最优预处理办法、最佳主成分因子数和最优参数，当神经元隐含层数为3，经过矢量归一化预处理。累积贡献率可到达0.966，树立的判别西红柿中乐果残留的BP人工神经网络模型为最优。样品的猜测值和实践值之间的相关性到达0.971，练习差错为0.015和模型辨认精确率到达0.96。标明近红外光谱技能能够无损检测有机磷农药的残留，为往后使用近红外光谱技能无损检测果蔬的农药残留供给了一种有用、快速、可靠的检测手法和办法。