基于有機磷農藥殘留檢測的遺傳模擬退火算法研究

丁建軍 楊飄 曲令帥 孫超 張明楊

摘要基于乙酰膽堿酯酶檢測卡與有機磷農藥的顯色反應，搭建了一套快速獲取反應后圖像的機器視覺系統，完成了圖像的去噪、邊緣提取等處理過程，準確提取出檢測卡的RGB數值。基于RGB彩色模型，實現了遺傳模擬退火算法建立農藥殘留檢測卡R、B顏色特征與農殘濃度之間的非線性映射關系。實驗證明遺傳模擬退火算法對農藥殘留檢測的標定均方根誤差小，確定系數高，擬合優勢大。

關鍵詞農藥殘留;圖像處理;遺傳模擬退火算法

中圖分類號S126文獻標識碼A

文章編號0517-6611（2019）01-0253-05

doi：10.3969/j.issn.0517-6611.2019.01.074

開放科學（資源服務）標識碼（OSID）：

目前對林田作物的施藥量正在逐步加大，這些農藥殘留經雨水沖刷后進入水體環境中，給水生植物、水生生物造成了危害，因此治理水污染刻不容緩。目前農藥殘留檢測的傳統方法主要有色譜法、分光光度法、電感耦合等離子體質譜法（ICP-MS）。近年來，國內外學者對農藥殘留檢測方法進行了深入的研究，并取得了重要進步，其主要研究情況如下：2010年Sospedra等[1]提出了一種用生物傳感器的設計方案對克百威和對氧磷進行農藥殘留檢測，證實了生物傳感器檢測有機磷類農藥有足夠的敏感性。2013年Zhang等[2]利用顏色傳感器開發了一款便攜式水質分析儀，對通過待測液的透射光顏色、光強和吸收度進行了具體分析。2013年孫永生[3]利用機器視覺系統對β類藥物殘留檢測系統進行研究，利用改進的積分投影算法對采集圖像進行分割，得到金標試紙的顯色區域，并利用改進的最小二乘支持向量機對萊克多巴胺進行定量檢測。但使用上述傳統方法，無法做到快速現場檢測，且對操作人員的專業性要求較高。為了獲得一個方便快捷、可操作性要求低的有機磷類農藥殘留檢測方法，筆者選擇了基于酶抑制原理[4]制成的農藥殘留檢測卡對農藥殘留進行檢測，并搭建機器視覺系統，對獲取的圖像處理，利用智能算法對農藥殘留進行預測分析。

1檢測卡圖像獲取

1.1反應原理

農藥殘留檢測卡主要由2部分組成（圖1）。將待測的有機磷農藥溶液與檢測卡反應區域反應。檢測卡右側有效部分為靛酚乙酸酯，左側部分為膽堿酶。膽堿酶可作為催化劑使靛酚乙酸酯發生化學反應，生成乙酸與藍色的靛酚（圖2）。有機磷類農藥[5]對膽堿酶起抑制作用，有機磷類農藥殘留濃度越高對膽堿酶抑制作用越強，靛酚乙酸酯水解生成的靛酚越少，農藥殘留檢測卡的藍色分量越少。因此，可利用農藥殘留檢測卡顏色變化對有機磷類農藥殘留的濃度進行定量分析。

1.2搭建機器視覺系統

機器視覺（machinevision）又稱計算機視覺，它由數字圖像處理、圖像識別以及圖像分析構成，利用機器視覺可以更好地理解自然景物和環境。在人工智能領域，機器視覺還為智能機器人提供類似人類視覺的功能。由于機器視覺具備非接觸、速度快、易于自動處理等優點，在國家安全、工業控制、智能檢測等方面得到了廣泛的應用。

一個完整的機器視覺系統應該包括可調節的照明光源、工業相機、高清的工業鏡頭、圖像采集模塊、圖像處理模塊等。對該研究搭建系統所用到的工業相機、工業鏡頭以及光源進行詳細研究和對比后，考慮整個系統讀取信息的穩定性、成像質量、工作視距和光線要求，選擇Basler工業相機、Ricoh工業鏡頭、Ress環形光源及光源控制器來完成系統的建立。

2檢測卡圖像處理

2.1RGB彩色模型

彩色模型也稱彩色空間，是用來精確標定和生成各種顏色的一套規則。目前使用廣泛的數字化顏色模型有RGB（紅、綠、藍）彩色模型、HSV（色度、飽和度、明度）彩色模型、YUV（亮度、色度、濃度）彩色模型、Lab模型等。

RGB顏色模型[6]是以紅（Red）、綠（Green）、藍（Blue）3種基色作為基礎進行不同程度的疊加而生成。RGB顏色模型由紅綠藍3個通道組成，每個通道又分別有256個灰度等級，故RGB這3種基色一共可以疊加出1600多萬種顏色，幾乎包含了自然界中所有的顏色，因此RGB顏色模型在工業界的運用最為廣泛。

2.2噪聲處理

圖像中存在妨礙人們對其信息接受的因素即可成為噪聲，因噪聲是圖像數據中不必要或多余的干擾信息，故其存在會嚴重影響圖像質量。由于相機質量和環境因素的影響，在利用機器視覺獲取圖像的過程中，會導致圖像產生一定的噪聲。

2.2.1

椒鹽噪聲。研究圖像噪聲時，需要先統計獲取到圖像的RGB三通道顏色分量直方圖（圖3），將顏色分量直方圖與噪聲概率密度分布直方圖做比較，根據結果確定檢測卡屬于何種噪聲模型。通過對常見的瑞麗噪聲、高斯噪聲、指數噪聲、均分分布噪聲、椒鹽噪聲、伽馬噪聲進行分析后，得出檢測卡所攜帶的噪聲為椒鹽噪聲。圖4為加入椒鹽噪聲的檢測卡圖像及其直方圖。

2.2.2中值濾波器。中值濾波實質上是一種統計排序濾波器，中值指的是排序隊列中位于中間位置的元素的值，顯然中值濾波是非線性濾波器[7]。在使用線性濾波處理像素領域之內包含的噪點時，噪聲的存在會對改點像素值的計算產生影響，但是中值濾波通常會直接將噪聲點忽略，因而對比線性濾波處理器，中值濾波在降噪的同時引起的模糊效應更低。由此可知，中值濾波最典型的應用就是消除椒鹽噪聲。

一維中值濾波器的定義為式（1），利用中值濾波器對椒鹽噪聲去噪效果如圖5所示。

yk=med（xK-N，xK-N+1，…，xK，…，xK+N-1，xK+N）（1）

2.3邊緣檢測

圖像的邊緣是圖像的最基本特征，圖像中灰度值倒數較大或極大的地方就是圖像的邊緣點，邊緣點周圍像素灰度有階躍變化或屋頂變化。邊緣檢測可以保留圖像的重要結構信息，剔除不相關的信息，這種大幅度減少數據量的操作能為后續的分析提供有效幫助[8]。

47卷1期丁建軍等基于有機磷農藥殘留檢測的遺傳模擬退火算法研究

2.3.1

Canny算法。圖像邊緣檢測算法主要有一階導數邊緣檢測算法（Robert、Sobel和Prewitt邊緣檢測算子）、二階導數邊緣檢測算法（LOG邊緣檢測算子）和Canny多級邊緣檢測算法（圖6）。其中Canny算法的參數允許根據不同實現的特定要求進行調整以識別不同的邊緣特性，使得邊緣效果最好[9]。

2.3.2Hough變換。在檢測卡的邊緣提取操作中，圖像的邊緣像素統一產生許多間斷點，因此需要通過Hough變換將這些間斷點連接起來，使其成為一個連續、完整的邊緣（圖7）。Hough變換[10]是將間斷點連接成完整邊緣最常見的方法之一，它可以將圖像像素信息的直角坐標形式轉化成參數坐標形式，進而完成圖像直線或曲線邊緣的擬合。

3基于智能算法的農藥殘留預測分析

3.1農藥殘留檢測卡特征值設置選取12種乙酰甲胺磷標準液作用下的農藥殘留檢測卡作為顏色特征提取對象，即濃度分別為2、4、5、7、9、12、15、20、24、28、35、50mg/L標準液作用下的檢測卡圖像。這12張圖像需要在相同光照條件下進行采集，采集后對圖像進行濾波去噪處理，利用Hough變換提取出目標區域圖像（圖8）。

在得到目標區域圖像后通過Matlab軟件提取出顏色特征RGB的平均值，各分量的數值如表1所示。選用R、B這2個分量作為模型的輸入，從表1可以看出，R分量與濃度呈正相關，B分量與濃度呈負相關，R、B這2個分量在理論上可以作為用于檢測農藥殘留濃度判斷的圖像特征值。

3.2算法基本原理

經過多次試驗，提取相同光照條件下的與不同濃度農藥殘留反應的農藥殘留檢測卡的R、B特征值，由于農藥殘留量與R、B顏色特征為非線性關系，故建立粒子群算法和遺傳模擬退火算法對試驗數據進行分析判斷。

3.2.1

粒子群算法基本原理。粒子群算法的基本概念是源于對鳥群捕食行為的模仿研究[11]。將每個粒子當作鳥群中的個體，這些鳥在尋找食物的過程中，會不停地改變自己的飛行速度與位置。而鳥群在尋找過程中，由分散逐漸聚集成群，這個群忽高忽低，忽左忽右，直到最后找到食物。也就是粒子群在單個粒子的影響下，逐漸尋找到最優解的過程。

3.2.2

遺傳模擬退火算法基本原理。遺傳模擬退火算法是將遺傳算法與模擬退火算法相結合而構成的一種優化算法[12]。遺傳算法的局部搜索能力較差，但把握搜索過程總體的能力較強;而模擬退火算法具有較強的局部搜索能力，能使搜索過程避免陷入局部最優，但它對整個搜索空間的狀況了解不多，所以運算效率不高。若將遺傳算法和模擬退火算法相結合，互相取長補短，就可能產生一種性能優良的新的全局搜索算法，這就是遺傳模擬退火算法的基本思想。

3.3定標模型及預測效果分析

為驗證上述2種算法的優劣性，并增強實驗數據的有效性，選取濃度為2、4、5、7、9、12、15、20、24、28、35、50mg/L的標準液分別與3張農藥殘留檢測卡反應得到36對顏色特征值作為訓練樣本，并利用樣本建立粒子群算法濃度擬合模型和遺傳模擬退火算法濃度擬合模型（圖9、10），對模型評價標準為擬合優勢度，包括確定系數和均方根誤差等。

由表2可知，粒子群算法雖然有良好的非線性求解能力，但也容易陷入局部尋優導致擬合效果低于遺傳模擬退火算法。所以該研究選擇遺傳模擬退火算法來建立農藥殘留檢測卡R、B顏色特征與農殘濃度之間的非線性映射關系。

4結論與討論

利用以乙酰膽堿酯酶為主要成分的農藥速測卡，對農藥殘留中的有機磷成分進行檢測，并使用機器視覺系統獲取圖像，對圖像進行處理后，得到較好的用于智能算法分析的RGB數值。最后在比較粒子群算法和遺傳模擬退火算法擬合效果后，選擇了遺傳模擬退火算法。

RGB模型具備1600多萬種彩色信息，該研究所使用的檢測卡，由于其自身特點僅選取R、B這2個通道的顏色特征，這樣可能會降低檢測的精度，在未來研究中，可以探索R、G、B這3個通道與農藥殘留濃度的關系。

參考文獻

[1]SOSPEDRAI，BLESAJ，SORIANOJM，etal.UseofthemodifiedquickeasycheapeffectiveruggedandsafesamplepreparationapproachforthesimultaneousanalysisoftypeAandBtrichothecenesinwheatflour[J].JournalofchromatographyA，2010，1217（9）：1437-1440.

[2]ZHANGXM，FANGYJ，ZHAOYQ.Aportablespectrophotometerforwaterqualityanalysis[J].Sensors&transducers，2013，148（1）：47-51.

[3]孫永生.基于機器視覺的β類藥物殘留檢測系統的研究與應用[D].杭州：中國計量學院，2013.

[4]邱朝坤，劉曉宇，任紅敏，等.酶抑制法檢測蔬菜中有機磷農藥殘留[J].食品與機械，2010，26（2）：40-42，71.

[5]吳麗，郭康權.便攜式有機磷農藥殘留檢測儀的設計[J].農機化研究，2010，32（5）：133-135.

[6]王璞.RGB顏色傳感器葉綠素儀的研究[D].天津：天津大學，2008.

[7]ZHANGPX，LIF.Anewadaptiveweightedmeanfilterforremovingsaltandpeppernoise[J].IEEESignalProcessingLetters，2014，21（10）：1280-1283.

[8]段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述[J].光學技術，2005（3）：415-419.

[9]BAOP，ZHANGL，WUXL.Cannyedgedetectionenhancementbyscalemultiplication[J].IEEETransactionsonPatternAnalysis&MachineIntelligence，2005，27（9）：1485-1490.

[10]劉桂雄，申柏華，馮云慶，等.基于改進的Hough變換圖像分割方法[J].光學精密工程，2002，10（3）：257-260.

[11]張利彪，周春光，馬銘，等.基于粒子群算法求解多目標優化問題[J].計算機研究與發展，2004，41（7）：1286-1291.

[12]杜紅彬.基于遺傳算法和模擬退火算法的混合算法的研究與應用[D].大連：大連理工大學，1999.