多菌靈農藥激光拉曼光譜的小波去噪方法研究

王曉彬 吳瑞梅,2 劉木華 藺磊 張廬陵*

（1.江西農業大學工學院，江西南昌 330045；2.江蘇大學農產品物理加工重點實驗室，江蘇鎮江 212013）

多菌靈是一種內吸性廣譜殺菌劑，廣泛應用于果樹、蔬菜的病蟲害防治。多菌靈是低毒性農藥，但半衰期多于20天，且實驗室發現其存在使動物肝癌病變的風險。多菌靈農藥殘留檢測方法主要有：液相色譜法[1]、液相-質譜聯用法[2]等，但這些方法存在諸多缺陷：耗時、檢測費用高、需使用大量有毒試劑等。

激光拉曼光譜技術具有快速、操作簡便、測定時間短、靈敏度高、所需樣品量少等優點[3]，已逐步應用于食品、農產品中農藥殘留的檢測研究。張丹[4]等采用激光拉曼光譜對蔬菜和水果中的農藥殘留進行了研究，李永玉等[5]應用拉曼光譜技術檢測了蘋果表面的敵百蟲農藥殘留，Shende等[6]利用表面增強拉曼光譜檢測果橙汁中的微量甲基毒死蜱，Xie等[7]建立了一種基于表面增強拉曼光譜快速檢測蔬菜中甲胺磷的方法。但在拉曼光譜信號采集過程中，會受到激光光源噪聲、外界雜散光、CCD檢測器熱穩定噪聲等方面因素的影響，使獲得的拉曼光譜信號噪聲較大[8]，嚴重影響拉曼特征譜峰的分析。因此，必須對原始拉曼光譜信號進行有效的預處理。

小波分析在光譜信號去噪方面有著廣泛的應用，對光譜信號進行多尺度分解，分離出高頻信號達到去除噪聲的目的[9]。利用小波分析對多菌靈拉曼光譜信號進行預處理，可最大程度去除信號中的噪聲，從而提高多菌靈拉曼光譜信號的信噪比，有利于對多菌靈官能團進行譜峰歸屬。

1 材料與方法

1.1 材料與儀器

多菌靈標準品分析純（≥99%） 上海晶純實業有限公司。

inVia顯微共焦Raman光譜儀 英國Renishaw公司；半導體激光器（最大功率為300mW） 英國Renishaw公司，激發波長為785nm，分辨率為2 cm-1，積分時間設置為15s，積分次數為2，拉曼光譜范圍為：200～3 500 cm-1。

1.2 拉曼光譜采集

取適量多菌靈標準品置于載玻片上，采集多菌靈的拉曼光譜信號。采集前對載玻片進行背景掃描，消除其對拉曼光譜信號的影響。多菌靈標準品是粉末狀，數據采集前將其壓平，有利于顯微鏡的對焦。

1.3 小波分析去噪原理及去噪過程

小波分析是在傅里葉變換基礎上發展起來的一種處理信號的時頻分析方法，該方法具有多分辨率分析特點，在時域和頻域中，能表征信號的局部特征，是一種窗口大小固定不變，形狀、時間窗和頻率窗都可變的時頻局部化分析方法。因此，根據光譜信號和噪聲在頻率上的區別，實現噪聲的分離[10]。本試驗采集的多菌靈標準品拉曼光譜信號是離散數據，在進行小波去噪時，采用離散小波分析方法。

利用小波分析對拉曼光譜信號去噪過程如下[11]：

對多菌靈拉曼光譜信號進行小波分解。選擇一種合適的小波基函數，確定該小波基函數的分解層次N，對原始拉曼光譜信號進行N層分解計算；

小波分解高頻系數的閾值量化。選擇軟閾值或硬閾值對每一層的高頻系數進行閾值量化處理。

多菌靈拉曼光譜信號重構。由第N層的低頻系數和經過閾值量化處理的各層高頻系數作逆離散小波變換，對閾值化處理后的光譜信號進行重構。

小波去噪過程中，閾值處理是小波去噪的關鍵步驟，閾值處理方法的選擇和閾值量化處理方法的選擇，直接影響小波去噪后的光譜信號質量[12]。常用閾值選取規則有[13]：Rigrsure，Sqtwolog，Heursure和M inimaxi，其中‘Rigrsure’是一種基于stein無偏似然估計(SURE) 的軟件閾值估計器；‘Sqtwolog’采用固定閾值形式，其閾值大小為sqrt(2*log(length(X)))；‘Heursure’是前2種閾值的綜合，能用來優化閾值的大小；‘M inimaxi’也是采用固定閾值形式，其閾值是最小均方誤差的極值。因此，本文選用‘Heursure’閾值方案進行閾值量化。

1.4 光譜質量評價及評價指標

既能較多地去除噪聲，又能使原始光譜信號中的信息丟失得最少是光譜信號去噪的目標。常用評價小波去噪質量的方法有[14]：信噪比（Signal to Noise Ratio， SNR）和均方根誤差（Root-mean-square error，RMSE）。信噪比指原始拉曼光譜信號與噪聲的比值，以SNR表示，表達式為：

均方根誤差是指原始信號與分解重構后信號的均方，以RMSE表示，表達式為：

光譜信號的信噪比越高，均方根誤差值越小，去噪信號就越接近原始信號，去噪的效果就越好。

2 結果與分析

2.1 多菌靈原始拉曼光譜分析

多菌靈的分子式為C9H9N3O2，其分子結構如圖1所示。從圖中可知，多菌靈分子結構中含有C－H、C=C、N－H、C=N、C=O、－CH3等官能團，每一種官能團都有其特征振動頻率，通過對各個官能團的拉曼譜峰進行歸屬和分析，可實現食品及農產品中多菌靈農藥殘留檢測。

圖1 多菌靈分子結構示意圖Fig.1 The schematic draw ing of the structure of carbendazim power

圖2為多菌靈標準品粉末的原始拉曼光譜圖，從圖中可看出，多菌靈的拉曼特征峰明顯，主要集中在200～1700cm-1之間。但在特征峰中存在大量噪聲信息，這些噪聲信息由雜散光和激光光源等因素引起。在對多菌靈拉曼特征峰進行譜峰歸屬和分析前，必須對原始拉曼光譜進行預處理。本研究分別采用移動平均平滑和小波分析兩種預處理方法，對比兩種方法的去噪效果。

圖2 多菌靈標準品粉末的原始拉曼光譜信號Fig.2 The raw Raman spectrum of carbendazim powder

2.2 多菌靈拉曼光譜信號的移動平均平滑去噪分析

移動平均平滑處理是一種常用去噪聲方法，能較好的消除噪聲。研究采用移動平均平滑法對原始光譜進行去噪處理，但在預處理過程中需選擇合適的平滑窗口寬度，以盡量將光譜細節損失降到最低[15]。表1為在不同窗口寬度下多菌靈拉曼光譜信號的信噪比和均方根誤差值。由表1可看出，經移動平均平滑預處理的拉曼信號，隨著窗口寬度的增大，信噪比降低，均方根誤差值增大。窗口寬度為3時，信噪比最大，為57.976；均方根誤差值最小，為13.247。平滑后的光譜圖如圖3所示，跟原始光譜相比，去除了部分噪聲信息，但去噪效果不明顯。

表1 基于移動平均平滑在不同窗口寬度下的光譜信號的SNR和RMSETable1 SNR and RMSE values of the spectral signals with different window widths based on Moving average smoothing method

圖3 窗口寬度為3的拉曼光譜平滑信號Fig.3 The smoothed raman spectrum signal when w indow’s w idth being three

2.3 多菌靈拉曼光譜信號的小波去噪分析

用小波分析對多菌靈原始拉曼信號進行分解前，要選擇分解所用的小波基函數，而小波基函數的選擇直接影響了去噪信號的質量。常用的小波族函數有Daubechies、Sym lets和Coiflet。多數情況下，對原始拉曼信號進行5尺度分解濾噪，可獲得較理想的信噪比[16]。本研究分別采用軟閾值和硬閾值對每一層的高頻系數進行閾值量化處理，對比3種小波族函數的去噪效果，每種函數選定小波分解尺度為5，計算去噪前后光譜數據的信噪比和均方根誤差值，確定原始信號分解所選用的小波基函數。表2為不同小波基函數經軟閾值方法處理后的信噪比和均方根誤差值，表3為不同小波基函數經硬閾值方法處理后的信噪比和均方根誤差值。

由表2和表3可知，無論采用軟閾值處理方法還是硬閾值處理方法，db2小波基函數和sym2小波基函數所得到的信噪比最高，都為58.090，均方根誤差值最小，都為13.171。但Sym lets小波族比Daubechies小波族有更好的對稱性，本研究選取sym2小波基函數。

表2 軟閾值法變換后光譜信號的SNR和RMSETable2 SNR and RMSE of spectral signal based on Soft-threshold transformed method

表3 硬閾值法變換后光譜信號的SNR和RMSETable3 SNR and RMSE of spectral signal based on Hard-threshold transformed method

圖4為采用軟閾值方法進行的離散小波去噪重構后的光譜信號，圖5為采用硬閾值方法進行的離散小波去噪重構后的光譜信號。從圖可看出，經過一維離散小波去噪后的信號，其高頻噪聲明顯減少，多菌靈的拉曼特征峰更明顯，有利于譜峰的分析。

圖4 軟閾值法去噪重構后的拉曼光譜信號Fig.4 The reconstructed Raman spectrum signal after using soft-threshold method

圖5 硬閾值法去噪重構后的拉曼光譜信號Fig.5 The reconstructed Raman spectrum signal after using hard-threshold method

2.4 拉曼光譜的不同預處理方法結果比較

本研究采用兩種不同的預處理方法：小波分析（軟閾值和硬閾值）和平滑（移動平均平滑）。由圖3～5可以看出，小波分析去噪效果明顯好于移動平均平滑預處理法，并且小波硬閾值要優于小波軟閾值。采用小波軟閾值進行去噪時， 雖然光譜的光滑性要好于小波硬閾值，但是軟閾值會使部分高頻信息損失，直接影響重構信號與真實信號的逼近程度，給重構帶來不可避免的誤差[17]。小波硬閾值則最大程度的保留了拉曼光譜特征信息。

表4顯示了不同預處理方法的信噪比和均方根誤差值。由表4可知，采用小波硬閾值預處理方式的信噪比最高，均方根誤差值最小；移動平均平滑信噪比最低，均方根誤差值最大。小波分析采用的軟閾值和硬閾值兩種預處理方式的信噪比均高于移動平均平滑，均方根誤差均小于移動平均平滑。

表4 不同預處理方法的SNR和RMSETable4 SNR and RMSE of spectra signal using different pretreating methods

3 結論

利用小波分析和移動平均平滑方法對多菌靈原始拉曼信號進行預處理，采用信噪比和均方根誤差值評價各種方法的去噪質量。在小波分析中，軟閾值處理方法獲得的信噪比最大為58.090，均方根誤差值最小為13.171；硬閾值處理方法獲

得的信噪比最大為60.927，均方根誤差值最小為11.429。硬閾值處理方法要優于軟閾值處理方法。移動平均平滑方法獲得的信噪比最大為57.976，均方根誤差值最小為13.24。無論采用軟閾值處理方法還是硬閾值處理方法，去噪效果均要好于移動平均平滑方法。

[1] 房超，董雷玲，宋陽威.高效液相色譜法同步檢測橙汁飲料中多菌靈、吡蟲啉殘留量[J].江蘇農業科學，2010，40(9)：295-297.

[2] 郝露露，簡秋，廖敏，等.超高效液相色譜-串聯質譜法測定番茄中多菌靈及其主要代謝物的殘留[J].農藥學學報，2012，14(4)：429-434.

[3] 劉燕德，劉濤，孫旭東，等.拉曼光譜技術在食品質量安全檢測中的應用[J].光譜學與光譜分析，2010，30(11)：3007-3012.

[4] 張丹，王俊紅.蔬菜和水果的顯微激光拉曼光譜研究[J].光譜實驗室，2010，27(4)：1389-1392.

[5] 李永玉，彭彥昆，孫云云，等.拉曼光譜技術檢測蘋果表面殘留的敵百蟲農藥[J].食品安全質量檢測學報，2012，3(6)：672-675.

[6] Shende C，Inscore F，Sengupta A，et al.Rapid extraction and detection of trace Chlorpyrifos-methyl in orange juice by surface-enhanced Raman spectroscopy[J].Journal of Food Measurement and Characterization，2010，4(3)：101-107.

[7] Xie Y F，Mukamurezi G，Sun Y Y，et al.Establishment of rapid detection method of methamidophos in vegetables by surface enhanced Raman spectroscopy[J].European Food Research and Technology，2012，234(6)：1091-1098.

[8] 楊桂君，陳玉倫.一種改進小波算法及其在拉曼光譜預處理的應用[J].光譜實驗室，2010，27(1)：325-330.

[9] 梁亮，楊敏華，臧卓.基于小波去噪與 SVR 的小麥冠層含氮率高光譜測定[J].農業工程學報，2010，26(12)：248-253.

[10] 郭曉霞，楊慧中.小波去噪中軟硬閾值的一種改良折衷法[J].智能系統學報，2008，3(3)：222-225.

[11] 馬毅，汪西原，雍慧.小波變換去噪應用于鮮棗糖度近紅外光譜檢測研究[J].計算機與應用化學，2011，28(3)：303-306.

[12] 徐偉，張帥，王克家.拉曼光譜預處理中幾種小波去噪方法的分析[J].應用科技，2009，36(11)：27-31.

[13] 周偉.基于MATLAB的小波分析應用[M].西安：西安電子科技大學出版社，2010.

[14] 吳偉，蔡培升.基于MATLAB的小波去噪仿真[J].信息與電子工程，2008，6(3)：220-229.

[15] 周揚，戴曙光，呂進，等.光譜預處理對近紅外光譜快速檢測黃酒酒精度的影響[J].光電工程，2011，38(4)：54-58.

[16] Jiang H，Liu G H，Mei C L，et al.Qualitative and quantitative analysis in solid-state fermentation of protein feed by FT-NIR spectroscopy integrated w ith multivariate data analysis [J].Analytical Methods，2013，5(7)：1872-1880.

[17] 曾守楨.小波去噪及其在信號處理中的應用[D].天津：天津大學，2007.

[18]