基于最小二乘支持向量機(jī)和特征波長的水果表面農(nóng)藥殘留無損檢測(cè)方法

張正偉

(滄州市疾病預(yù)防控制中心，河北 滄州 061000)

引言

水果的產(chǎn)量和質(zhì)量直接影響到人民群眾的生活水平。我國是世界上最大的水果生產(chǎn)國和消費(fèi)國，同時(shí)也是農(nóng)藥使用量最大的國家。由于我國農(nóng)產(chǎn)品生產(chǎn)中農(nóng)藥使用不規(guī)范，所以農(nóng)產(chǎn)品中農(nóng)藥殘留量超標(biāo)是一個(gè)普遍存在的問題。隨著人們對(duì)食品安全問題越來越關(guān)注，對(duì)水果中農(nóng)藥殘留的檢測(cè)技術(shù)也越來越受到人們的關(guān)注。農(nóng)殘檢測(cè)的手段很多，目前對(duì)水果中農(nóng)藥殘留檢測(cè)技術(shù)主要有理化分析法、近紅外光譜分析法和酶聯(lián)免疫吸附法等。為了降低檢測(cè)丟棄率，無損檢測(cè)是當(dāng)前最常用的手段。水果表面的農(nóng)殘檢測(cè)涉及了化學(xué)、光學(xué)和信息處理等多學(xué)科的交叉問題，是對(duì)水果質(zhì)量安全進(jìn)行有效控制的重要技術(shù)手段[1]。目前，水果表面農(nóng)藥殘留的無損檢測(cè)方法主要包括化學(xué)分析法、光譜吸收法和圖像處理法[2-4]。目前，水果表面農(nóng)藥殘留檢測(cè)多采用化學(xué)分析法，該方法操作簡單、價(jià)格低廉，但易受到樣本濃度和樣本破壞的影響，且容易造成檢測(cè)結(jié)果的誤判。光譜吸收法是通過肉眼觀察表面特征，但是在實(shí)際的應(yīng)用中，存在效率低、成本高和樣本損耗大等問題[5]。但是，這些方法都存在著檢測(cè)周期長、檢測(cè)精度不高和缺乏專一性等問題。因此，快速、準(zhǔn)確地對(duì)水果表面農(nóng)藥殘留進(jìn)行無損檢測(cè)具有十分重要的意義。光譜法是一種利用物質(zhì)光譜吸收特性來檢測(cè)化學(xué)物質(zhì)是否存在的方法，需要對(duì)水果表面進(jìn)行采樣，具有樣品獲取困難、檢測(cè)精度低等缺點(diǎn)，且所需檢測(cè)時(shí)間長、儀器復(fù)雜；圖像處理法是利用光學(xué)原理來檢測(cè)水果表面農(nóng)藥殘留的方法，雖能在一定程度上減少樣品的破壞，但同時(shí)會(huì)造成光譜數(shù)據(jù)的損失[6]。以上幾種方法均存在一定的缺陷，在精準(zhǔn)分析農(nóng)藥殘留的數(shù)據(jù)量過程中，難以滿足目前快速無損檢測(cè)水果表面農(nóng)藥殘留的檢測(cè)精度要求。因此，本文提出了一種基于最小二乘支持向量機(jī)(LS-SVM)和特征波長的水果表面農(nóng)藥殘留檢測(cè)方法[7]。本文的檢測(cè)方法中，主要是利用最小二乘支持向量機(jī)算法對(duì)水果表面的農(nóng)藥殘留進(jìn)行分類，通過比較不同波長提取方法對(duì)農(nóng)藥殘留分類效果的影響，選擇最佳的波長提取方法。

1 水果表面農(nóng)藥殘留無損檢測(cè)方法

1.1 水果表面農(nóng)藥殘留高光譜圖像采集與處理 水果表面農(nóng)藥殘留檢測(cè)可通過對(duì)水果表面進(jìn)行高光譜圖像采集，結(jié)合光譜吸收技術(shù)進(jìn)行研究。光譜吸收技術(shù)是一種基于物質(zhì)在特定波段吸收特性的無損檢測(cè)技術(shù)，可以應(yīng)用于水果表面農(nóng)藥殘留的檢測(cè)。高光譜圖像采集硬件主要包括光學(xué)傳感器、圖像采集卡等，其中光學(xué)傳感器主要負(fù)責(zé)獲取高光譜圖像數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和傳輸；圖像采集卡負(fù)責(zé)將高光譜圖像數(shù)據(jù)傳輸至計(jì)算機(jī)[8-9]。為降低高光譜譜圖噪聲和提高高光譜譜圖信噪比，采用基于灰度共生矩陣和最小二乘支持向量機(jī)的水果表面農(nóng)藥殘留高光譜譜圖預(yù)處理方法。在高光譜圖像采集的過程中，使用的是高光譜成像平臺(tái)，光源首選鹵素?zé)簦c被測(cè)樣品之間呈現(xiàn)45°的夾角。采集設(shè)備示意圖(圖1)。

圖1 圖像采集設(shè)備示意圖

在以上的設(shè)備下，選擇SpectraVIEW軟件進(jìn)行采集。采集過程中，需要設(shè)計(jì)系統(tǒng)物距和圖像拍攝過程中的曝光時(shí)間。在以上的設(shè)備中，主要的光源為鹵素?zé)簦u素?zé)敉猓h(huán)境中無任何光照。該設(shè)備能夠排除外界環(huán)境明暗變化對(duì)于檢測(cè)結(jié)果的影響[10-11]。但是鹵素?zé)糇陨淼碾娫捶€(wěn)定性和照明過程中的波段差異性會(huì)發(fā)生一定的變化，這會(huì)使圖像中存在大量的噪聲。為保證高光譜圖像的真實(shí)性，需要根據(jù)設(shè)備的不同，對(duì)圖像進(jìn)行去噪處理。在上述設(shè)備中放置標(biāo)準(zhǔn)白板，并對(duì)白板進(jìn)行高光譜圖像的拍攝。改變?cè)O(shè)備內(nèi)的光線，得到純黑背景高光譜圖像。首先將高光譜圖像進(jìn)行灰度轉(zhuǎn)換，利用標(biāo)準(zhǔn)白板高光譜圖像和暗背景圖像作為標(biāo)定圖像，對(duì)獲取到的水果表面農(nóng)殘高光譜圖像進(jìn)行校正：

上式中，S表示樣品的原始高光譜數(shù)據(jù)，W表示標(biāo)準(zhǔn)白板高光譜圖像，D表示暗背景圖。基于高光譜圖像采集的水果表面農(nóng)藥殘留檢測(cè)方法包括基于連續(xù)投影算法和遺傳算法的特征波長選擇方法。實(shí)現(xiàn)了對(duì)水果表面農(nóng)藥殘留的定量分析[12-13]。為提高高光譜圖像信噪比，采用高斯濾波器對(duì)原始高光譜圖像進(jìn)行去噪處理，完成高光譜圖像的采集和處理。

1.2 選擇特征波長 為提高水果表面農(nóng)藥殘留檢測(cè)模型的預(yù)測(cè)精度，選擇合適的特征波長進(jìn)行光譜預(yù)處理至關(guān)重要。由于水果表面農(nóng)藥殘留特征波長在可見光波段，本文的波長選擇方法主要是連續(xù)投影算法(SPA)[14]。連續(xù)投影算法算法通過隨機(jī)產(chǎn)生的基因序列編碼不同的染色體，并利用遺傳算法對(duì)種群進(jìn)行優(yōu)化，從而實(shí)現(xiàn)染色體空間上的最優(yōu)分配，以達(dá)到全局尋優(yōu)。本文設(shè)定最大特征波長為15。對(duì)于一般的農(nóng)產(chǎn)品樣品來說，其均方根誤差大小與特征波長數(shù)之間的關(guān)系(圖2)。

圖2 均方根誤差大小與特征波長數(shù)之間的數(shù)量關(guān)系

(2)

上式中，Pcm表示主成分圖像，排序?yàn)閙，Ii為第i波段樣本濃度，αi表示第i波段圖像的權(quán)重系數(shù)，n為圖像數(shù)量。在以上計(jì)算中，選擇合適的主成分圖像，能夠得到高光譜數(shù)據(jù)特征波長。

1.3 基于最小二乘支持向量機(jī)建立檢測(cè)模型 根據(jù)LS-SVM算法中的核函數(shù)可以將其分為兩種，即線性核函數(shù)和非線性核函數(shù)。對(duì)于水果農(nóng)殘的檢測(cè)來說，隨著樣本集規(guī)模的增大，一般情況下，傳統(tǒng)的模型中檢測(cè)精度會(huì)逐漸下降[15]。由于水果表面農(nóng)藥殘留光譜吸收隨時(shí)間變化較小，故可通過時(shí)間積分獲取水果表面的高光譜圖像，從而對(duì)其進(jìn)行定量分析。但是由于其參數(shù)較多且難以確定，所以本文采用線性核函數(shù)進(jìn)行建模。模型檢測(cè)流程(圖3)。

圖3 最小二乘支持向量機(jī)檢測(cè)模型流程

在以上流程下，通過LS-VSM模型，能夠獲取到水果表面農(nóng)藥濃度的檢測(cè)。至此完成基于最小二乘支持向量機(jī)和特征波長的水果表面農(nóng)藥殘留無損檢測(cè)方法的設(shè)計(jì)。

2 方法性能測(cè)試

2.1 實(shí)驗(yàn)設(shè)計(jì) 為驗(yàn)證本文方法的有效性，在本章對(duì)設(shè)計(jì)的農(nóng)藥殘留無損檢測(cè)方法進(jìn)行性能驗(yàn)證。在實(shí)驗(yàn)中選擇的設(shè)備以及試劑情況(表1)。

表1 實(shí)驗(yàn)設(shè)備以及試劑

在以上的實(shí)驗(yàn)準(zhǔn)備下，以農(nóng)藥噻蟲啉、噠螨靈為研究對(duì)象，將實(shí)驗(yàn)所選擇的1 000份水果樣品洗滌、風(fēng)干，并將其隨機(jī)分成4組，每組250份，從每組中選擇100個(gè)樣本，共400份樣本作為訓(xùn)練集，其余則為測(cè)試集。本文選擇PCA特征以及SPA特征提取出不同農(nóng)藥的全光譜數(shù)據(jù)特征波長，對(duì)應(yīng)情況(表2)。

表2 不同濃度、不同農(nóng)藥下的特征波長

在以上的實(shí)驗(yàn)準(zhǔn)備下，分別使用本文設(shè)計(jì)的基于最小二乘支持向量機(jī)和特征波長的水果表面農(nóng)藥殘留無損檢測(cè)方法和基于化學(xué)分析的檢測(cè)方法共同進(jìn)行測(cè)試，并將得到的結(jié)果進(jìn)行對(duì)比和分析。

2.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析 在以上的實(shí)驗(yàn)環(huán)境下，分別將提取到的PCA特征波長、SPA特征波長作為輸入數(shù)據(jù)，利用不同的檢測(cè)方法對(duì)樣本進(jìn)行水果表面農(nóng)藥殘留無損檢測(cè)。不同無損檢測(cè)方法下，針對(duì)噻蟲啉農(nóng)藥，不同特征波長的檢測(cè)結(jié)果與真實(shí)結(jié)果(圖4)。

圖4 不同檢測(cè)方法結(jié)果與實(shí)際情況對(duì)比

按照相同的方法，使用不同的檢測(cè)方法對(duì)農(nóng)藥噠螨靈殘留進(jìn)行檢測(cè)，得到的結(jié)果(圖5)。

圖5 不同檢測(cè)方法結(jié)果與實(shí)際情況對(duì)比

從以上的檢測(cè)結(jié)果中可以看出，在兩種不同的農(nóng)藥檢測(cè)下，基于不同的特征波長，本文設(shè)計(jì)的基于最小二乘支持向量機(jī)和特征波長的殘留檢測(cè)方法得到的檢測(cè)結(jié)果與實(shí)驗(yàn)設(shè)計(jì)時(shí)樣品的實(shí)際殘留濃度最相近，經(jīng)過統(tǒng)計(jì)，得到的不同方法的結(jié)果(表3)：

表3 檢測(cè)結(jié)果對(duì)比

從上表中可以直觀的看出，本文設(shè)計(jì)的基于最小二乘支持向量機(jī)和特征波長的水果表面農(nóng)藥殘留無損檢測(cè)方法在實(shí)際應(yīng)用中具有較高的可靠性，為果蔬農(nóng)藥殘留檢測(cè)提供了一種新方法。

3 結(jié)束語

水果表面農(nóng)藥殘留的快速無損檢測(cè)方法研究，對(duì)于果蔬生產(chǎn)、銷售和人體健康具有重要意義。本文采用遺傳算法對(duì)特征波長進(jìn)行選擇。今后的研究工作可以進(jìn)一步開展以下方面：利用現(xiàn)代信息技術(shù)實(shí)現(xiàn)水果表面農(nóng)藥殘留檢測(cè)，從原理上突破現(xiàn)有檢測(cè)方法的局限性，開發(fā)快速無損的水果表面農(nóng)藥殘留檢測(cè)儀器，以滿足現(xiàn)代社會(huì)對(duì)高質(zhì)量水果產(chǎn)品需求的迫切需要。除此之外，要進(jìn)一步研究利用多傳感器信息融合技術(shù)實(shí)現(xiàn)水果表面農(nóng)藥殘留快速無損檢測(cè)。