返回列表
基于高光谱和卷积神经网络的西兰花农药残留检测
农业监测
2026/09/21
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。
期刊：食品工业科技
DOI：10.13386/j.issn1002-0306.2024020189
设备：GaiaField
