来源：期刊VIP网 时间：
作者：王丹;栾雨晴;谭佐军;魏薇;
单位：华中农业大学信息学院;华中农业大学工学院;
摘要：农产品农药残留检测是保证农产品食用安全的重要环节，而传统检测方法步骤繁琐、成本高昂。本文利用高光谱技术结合机器学习算法和深度学习算法，以西兰花农药残留检测为样本，提供了一种简便快速、成本低、无损的西兰花农药残留检测方法。研究通过采集喷洒了不同种类农药和清水的西兰花样本400～1000 nm高光谱图像，经过多元散射校正(MSC)、Savitzky-Golay卷积平滑(SG平滑)两种数据预处理方法，和主成分分析法(PCA)、竞争性自适应重加权算法(CARS)、连续投影算法(SPA)三种数据降维后，建立支持向量机(SVM)识别模型进行农药残留判别。得到SVM-SG-SPA组合判别效果最好，其对高效氯氰菊酯、毒死蜱、吡虫啉和清水的识别精度分别达到92.86%、 94.29%、91.43%和92.86%。用原始光谱数据建立一维卷积神经网络(1D-CNN)模型，其对高效氯氰菊酯、毒死蜱、吡虫啉和清水的识别精度达到94.29%、 95.71%、94.29%和97.14%，识别精度均高于SVM模型。结果表明，高光谱成像技术结合一维卷积神经网络的深度学习算法，不仅简化了对西兰花农药残留的识别过程，还提升了识别效率和识别精度。
关键词：高光谱技术;;西兰花;;农药残留识别;;卷积神经网络
基金资助：国家自然科学基金（No.42271357）
