美女视频黄国产免费,亚洲日韩国产精品午夜福利,人妻夜夜爽88888视频免费看,亚洲国产欧美在线人成

賽斯拜克中國核心技術(shù)品牌 博士專業(yè)研發(fā)團(tuán)隊(duì)   18年專注高光譜

咨詢熱線:400-888-5135

利用高光譜相機(jī)對西蘭花農(nóng)藥殘留進(jìn)行深入研究

來源:賽斯拜克 發(fā)表時(shí)間:2023-09-14 瀏覽量:709 作者:awei

高光譜相機(jī)技術(shù)為西蘭花農(nóng)藥殘留的無損檢測提供了一種先進(jìn)的方法。

5bccf2bf62c42c1dd7caf1eede0af34a_1668039746172768.png


以下是利用高光譜相機(jī)對西蘭花農(nóng)藥殘留進(jìn)行深入研究的步驟和考慮因素:

  1. 樣本準(zhǔn)備與數(shù)據(jù)采集:選擇具有代表性且已知農(nóng)藥殘留情況的西蘭花樣本。使用高光譜相機(jī)獲取這些樣本的高光譜圖像數(shù)據(jù),確保在采集數(shù)據(jù)時(shí)控制光照、角度和相機(jī)參數(shù),以獲得高質(zhì)量的數(shù)據(jù)。

  2. 數(shù)據(jù)預(yù)處理與特征提取:對獲取的高光譜圖像進(jìn)行預(yù)處理,包括噪聲去除、光譜校準(zhǔn)等,以提高數(shù)據(jù)質(zhì)量。根據(jù)西蘭花表面特性和農(nóng)藥殘留的光譜響應(yīng),提取與農(nóng)藥殘留相關(guān)的特征。這些特征可能包括特定波長范圍的反射率、吸收峰等。

  3. 建模與算法選擇:利用提取的光譜特征,采用適當(dāng)?shù)幕瘜W(xué)計(jì)量學(xué)方法或機(jī)器學(xué)習(xí)算法,建立農(nóng)藥殘留量與光譜特征之間的定量模型。可選擇的算法包括馬氏距離算法、最小二乘支持向量機(jī)算法、人工神經(jīng)網(wǎng)絡(luò)等。通過訓(xùn)練和優(yōu)化模型,提高預(yù)測準(zhǔn)確性和穩(wěn)定性。

  4. 模型驗(yàn)證與應(yīng)用:使用獨(dú)立的驗(yàn)證數(shù)據(jù)集對建立的模型進(jìn)行驗(yàn)證。評估模型在預(yù)測西蘭花農(nóng)藥殘留方面的性能,如準(zhǔn)確性、精確度和召回率。如果模型表現(xiàn)出良好的性能,則可以應(yīng)用于實(shí)際的高光譜圖像數(shù)據(jù),對西蘭花農(nóng)藥殘留進(jìn)行快速、無損的檢測和評估。

  5. 深入研究與擴(kuò)展:進(jìn)一步探索不同農(nóng)藥種類、濃度與光譜特征之間的關(guān)系,以提高模型的普適性和應(yīng)用范圍。同時(shí),可以結(jié)合其他無損檢測技術(shù)(如近紅外光譜、拉曼光譜等)或多源數(shù)據(jù)融合方法,提高農(nóng)藥殘留檢測的準(zhǔn)確性和可靠性。

需要注意的是,高光譜相機(jī)在農(nóng)藥殘留檢測中的應(yīng)用仍面臨一些挑戰(zhàn),如農(nóng)藥種類和濃度的多樣性、樣本表面的不均勻性、環(huán)境因素的影響等。因此,在實(shí)際應(yīng)用中,建議綜合考慮樣本特性、數(shù)據(jù)處理方法、模型性能等因素,以獲得準(zhǔn)確可靠的農(nóng)藥殘留檢測結(jié)果。


利用高光譜相機(jī)對西蘭花農(nóng)藥殘留進(jìn)行深入研究


本研究應(yīng)用了400-1000nm的高光譜相機(jī),可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm,波長分辨率優(yōu)于2.5nm,可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS,波段選擇后最高3300Hz(支持多區(qū)域波段選擇)。


高光譜相機(jī)SineSpec?系列

image.png

image.png

image.png

本研究以日本秀炎西蘭花為研究對象,主要針對其表面農(nóng)藥殘留進(jìn)行無損檢測,應(yīng)用高光譜成像技術(shù)結(jié)合化學(xué)檢測方法,對西蘭花表面農(nóng)藥殘留種類無損檢測、低濃度阿維菌素殘留量無損檢測進(jìn)行初步研究。主要研究結(jié)果如下∶

(1)基于高光譜圖像的西蘭花表面多種農(nóng)藥殘留種類檢測研究。利用高光譜圖像技術(shù)采集四組不同農(nóng)藥殘留的西蘭花樣本圖像(400-1000mm),根據(jù)圖像信息選取感興趣區(qū)域的平均光譜后,針對西蘭花表面凹凸不平的特點(diǎn)采用分段多元散射校正算法進(jìn)行預(yù)處理,有效消除顆粒造成的非線性光散射影響,分別采用馬氏距離算法、最小二乘支持向量機(jī)算法、人工神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法基于全光譜信息進(jìn)行分類建模。對比各類模型結(jié)果,人工神經(jīng)網(wǎng)絡(luò)分類算法效果最優(yōu),訓(xùn)練集和測試集識別率分別為99.17%和98.33%。為剔除大量高光譜冗余數(shù)據(jù),提高模型的識別速度,采用主成分分析算法選取前10個(gè)主成分和連續(xù)投影算法選擇8個(gè)特征值波長(458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm)進(jìn)行特征提取,分別建立基于特征信息的判別模型。在實(shí)驗(yàn)分類器中,基于SPA 特征波長的極限學(xué)習(xí)機(jī)模型識別效果均優(yōu)于其他三類分類器,訓(xùn)練集的正確率為98.33%,測試集的正確率為96.67%。

(3)基于高光譜圖像的西蘭花表面低濃度阿維菌素殘留定量檢測研究。利用高光譜成像系統(tǒng)采集5組(共100顆)噴有不同濃度梯度阿維菌素農(nóng)藥西蘭花樣本(900-1700nm)。使用液相色譜-質(zhì)譜聯(lián)用法根據(jù)GB23200.20-2016標(biāo)準(zhǔn)對5組西蘭花進(jìn)行具體阿維菌素殘留量抽樣檢測,測得各組濃度分別為24.25μg/Kg、82.66μg/Kg、126.49μg/Kg、151.57μg/Kg和170.03μg/Kg。將原始光譜數(shù)據(jù)進(jìn)行提取和預(yù)處理后,結(jié)果表明,基于全波段光譜數(shù)據(jù)的極限學(xué)習(xí)機(jī)模型識別效果最好,準(zhǔn)確率為72%。

(4)基于卷積神經(jīng)網(wǎng)絡(luò)的西蘭花表面阿維菌素低濃度殘留檢測方法研究。針對本文研究的西蘭花表面低濃度阿維菌素殘留檢測模型識別率較低的問題,提出一種將采集的阿維菌素殘留濃度在24.25μg/Kg至170.03μg/Kg之間的西蘭花光譜信息轉(zhuǎn)換為灰度圖的方法,利用卷積網(wǎng)絡(luò)學(xué)習(xí)不同阿維菌素殘留濃度西蘭花樣本光譜數(shù)據(jù)的灰度圖之間變化的紋理。



相關(guān)產(chǎn)品

農(nóng)業(yè)監(jiān)測排行榜top10

農(nóng)業(yè)監(jiān)測相關(guān)推薦