

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、化學(xué)農(nóng)藥方法防治病蟲害具有便捷、經(jīng)濟(jì)、高效等特點(diǎn),在農(nóng)業(yè)生產(chǎn)中,大量農(nóng)藥被用來控制農(nóng)作物的病蟲害、提高農(nóng)產(chǎn)品的產(chǎn)量。農(nóng)民對(duì)噴灑農(nóng)藥的停藥期及安全采摘期意思模糊,使果蔬表面和內(nèi)部存在大量農(nóng)藥殘留,而長(zhǎng)時(shí)間攝入含有農(nóng)藥殘留的食品會(huì)嚴(yán)重影響人體的健康,甚至?xí)o后代人帶來潛在的危害。食品中的農(nóng)藥殘留是影響食品安全的突出問題,已引起世界各國政府和組織的密切關(guān)注。傳統(tǒng)農(nóng)藥殘留檢測(cè)方法存在樣品前處理過程繁瑣、消耗試劑、耗時(shí)長(zhǎng)等缺點(diǎn),已很難滿足現(xiàn)如今農(nóng)
2、藥殘留檢測(cè)的需求,因此尋求一款快速、無損的檢測(cè)方法具有重要意義。
本文以靈武長(zhǎng)棗為研究對(duì)象,利用近紅外高光譜成像技術(shù)(900-1700nm)結(jié)合化學(xué)計(jì)量學(xué)方法,對(duì)靈武長(zhǎng)棗表面農(nóng)藥種類判別、毒死蜱農(nóng)藥定性、定量無損檢測(cè)以及吡蟲啉農(nóng)藥殘留量的定量檢測(cè)進(jìn)行初步研究,期望尋求一種快速檢測(cè)農(nóng)藥殘留的方法,并為靈武長(zhǎng)棗表面農(nóng)藥殘留在線無損檢測(cè)提供理論依據(jù)。主要研究?jī)?nèi)容結(jié)果為:
(1)基于高光譜成像技術(shù)判別紅棗表面農(nóng)藥殘留的種類。
3、通過對(duì)比不同光譜預(yù)處理的建模效果,優(yōu)選Savitzky-Golay卷積平滑處理后的光譜建立偏最小二乘回歸模型(PLSR)。根據(jù)PLSR模型的權(quán)重回歸系數(shù)選擇了11個(gè)特征波長(zhǎng)(957nm、1046nm、1103nm、1154nm、1219nm、1425nm、1502nm、1586nm、1607nm、1636nm)。經(jīng)K-M值轉(zhuǎn)化處理11個(gè)特征波長(zhǎng)后建立線性判別模型,毒死蜱、吡蟲啉的識(shí)別率均為92.3%;噠螨靈和蒸餾水的識(shí)別率均為100%;
4、校正模型的整體識(shí)別率為96.43%。應(yīng)用該模型對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè)判別,預(yù)測(cè)識(shí)別結(jié)果為91.7%。
(2)應(yīng)用線性判別模型先對(duì)紅棗表面不同濃度的毒死蜱農(nóng)藥進(jìn)行判別分析,判別校正模型的準(zhǔn)確率為72.68%,但預(yù)測(cè)效果只有50%的準(zhǔn)確率。在此基礎(chǔ)上,本實(shí)驗(yàn)繼續(xù)研究了高光譜成像技術(shù)定量分析紅棗表面毒死蜱含量。建立了全波段和特征波長(zhǎng)下的PLSR模型,通過比較模型的相關(guān)性和均方根誤差的差異性,優(yōu)選特征波長(zhǎng)建模,校正模型的相關(guān)性和均方根誤差為
5、0.875,0.0025;預(yù)測(cè)模型的相關(guān)性和均方根誤差為0.816,0.0031。
(3)基于高光譜成像技術(shù)的紅棗表面定量檢測(cè)吡蟲啉含量。通過對(duì)原始光譜分別進(jìn)行了Savitzky-Golay卷積平滑、Kubelka-Munk值轉(zhuǎn)化、Kubelka-Munk+Savitzky-Golay的光譜預(yù)處理,對(duì)比不同的光譜預(yù)處理后的模型效果,Kubelka-Munk+Savitzky-Golay為最佳的預(yù)處理方法。對(duì)Kubelka-Mu
6、nk+Savitzky-Golay預(yù)處理后的光譜建立PLSR模型,依據(jù)PLSR模型的權(quán)重回歸系數(shù)法優(yōu)選出6個(gè)特征波長(zhǎng)(990nm,1022nm,1270nm,1404nm,1583nm,1639nm)。對(duì)比了全波段和特征波長(zhǎng)下PLSR模型和支持向量機(jī)回歸模型(SVR)的建模效果,優(yōu)選PLSR模型建模。然后基于PLSR模型,對(duì)比了全波段和特征波長(zhǎng)下的建模效果,結(jié)果表明:特征波長(zhǎng)下建立的模型優(yōu)于全波段下建立的模型;校正模型的相關(guān)系數(shù)、均方根
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高光譜成像的西蘭花農(nóng)藥殘留無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的哈密瓜表面農(nóng)藥殘留檢測(cè)技術(shù)研究.pdf
- 基于高光譜成像技術(shù)的蘋果品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的肉品品質(zhì)無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的花生仁質(zhì)量無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的靈武長(zhǎng)棗品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的馬鈴薯內(nèi)部品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的冷鮮羊肉品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的靈武長(zhǎng)棗常見缺陷無損檢測(cè)研究.pdf
- 基于高光譜圖像技術(shù)的紅棗品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的雞種蛋孵前受精信息無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的冷卻羊肉表面微生物活細(xì)胞數(shù)量無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的血跡形態(tài)特征檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的羊肉嫩度檢測(cè)研究.pdf
- 基于多光譜成像技術(shù)的香腸多元品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的馬鈴薯外部品質(zhì)無損檢測(cè)建模及優(yōu)化研究.pdf
- 基于高光譜成像技術(shù)的銅品質(zhì)檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的番茄灰霉病早期快速無損檢測(cè)機(jī)理和方法研究.pdf
- 基于高光譜成像的目標(biāo)檢測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論