一种基于太赫兹光谱的农产品中农药残留定量检测方法技术

本发明专利技术公开了一种基于太赫兹光谱的农产品中农药残留定量检测方法。本发明专利技术利用BP神经网络(BPNN)对含农药农产品的太赫兹光谱数据进行建模，建立农药残留含量与太赫兹吸收光谱间定量模型，即BPNN模型；并结合光谱去噪、基线校正等光谱预处理方法提升光谱质量；同时根据光谱吸收峰特性，进行光谱波长选取，选取高信噪比频谱区间；最后对BPNN典型参数进行优化，完成完整的网络映射，实现农产品中农药残留的高精度检测。从实验结果看，本发明专利技术切实可行且高效，可为农产品的安全检测奠定基础。可为农产品的安全检测奠定基础。可为农产品的安全检测奠定基础。

【技术实现步骤摘要】
一种基于太赫兹光谱的农产品中农药残留定量检测方法


[0001]本专利技术属于食品安全检测
，具体涉及一种基于太赫兹光谱的农产品中农药残留定量检测方法。

技术介绍

[0002]近些年，我国农产品生产规模正在逐年扩大，产生了巨大的经济效益和社会效益，但农产品生产面临着很多问题，其中最重要的就是农产品中农药残留超标问题屡禁不止。
[0003]与传统辐射源相比，太赫兹辐射具有强穿透性、瞬态性、宽带性、相干性、安全性、低能性等诸多特性，太赫兹光谱技术在农产品检测领域展现出巨大的应用潜力，结合相关机器学习算法，可实现农产品中农药残留含量的准确鉴定。目前，已有众多学者开展了基于太赫兹光谱的农产品中农药残留的定量检测研究。但是，目前研究主要具有如下两个问题：
[0004](1)、基于太赫兹光谱的农产品中多种农药残留定量检测中，由于残留成分复杂，吸收谱线重叠混乱，导致光谱数据与农药残留浓度线性不可分，针对此特点的数据无法获得有效的定量回归模型，实现基于太赫兹光谱的农药残留含量的准确检测；
[0005](2)、已报道的基于太赫兹光谱的农产品中多种农药残留定量检测中，农产品中农药残留检测浓度偏高，缺乏实际应用价值。
[0006]上述问题限制了太赫兹光谱在农药残留检测中的研究与应用。

技术实现思路

[0007]本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种基于太赫兹光谱的农产品中农药残留定量检测方法，基于太赫兹光谱的农产品中农药残留定量检测方法可用于实现农药残留含量快速、准确、无损检测，具有广阔的应用潜力。
[0008]为实现上述技术目的，本专利技术采取的技术方案为：
[0009]一种基于太赫兹光谱的农产品中农药残留定量检测方法，包括：
[0010]步骤1：将农产品与已知品种的农药混合，且获取混合后的农产品中农药的残留浓度实际值，制作多组不同残留浓度的样本，采用太赫兹光谱仪对所有样本进行检测，得到太赫兹吸收光谱数据集；
[0011]步骤2：对步骤1中检测得到的吸收光谱数据进行光谱预处理；
[0012]步骤3：基于预处理后的吸收光谱数据，进行BP神经网络非线性回归模型的构建，其中模型的输入为步骤2预处理后的吸收光谱数据，模型的输出为农药的残留浓度，构建完成后，得到BPNN模型；
[0013]步骤4：对步骤3构建的BPNN模型进行参数优化；
[0014]步骤5：采用PSO算法从步骤2预处理后的吸收光谱数据中选取多个频段，将每个频段的吸收光谱数据分别输入到参数优化后的BPNN模型，预测得到每个频段对应的农药残留浓度，选择其中预测精度最高的频段，该频段记为最佳频段；
[0015]步骤6：选取与步骤1的农产品中具有相同农药品种的待测农产品，采用太赫兹光
谱仪对该待测农产品进行检测，得到太赫兹吸收光谱数据，对该太赫兹吸收光谱数据进行光谱预处理，得到预处理后的吸收光谱数据，从预处理后吸收光谱数据中选取与步骤5中最佳频段相同的频段区间，将该频段区间的吸收光谱数据输入到参数优化后的BPNN模型中进行检测，得到农产品的农药残留浓度检测结果。
[0016]作为本专利技术进一步改进的技术方案，所述的光谱预处理具体包括：
[0017]依次采用光谱去噪法和基线校正法对太赫兹吸收光谱数据进行光谱预处理，所述光谱去噪法为小波软阈值去噪法，所述基线校正法为二阶导基线校正法。
[0018]作为本专利技术进一步改进的技术方案，所述步骤3中BPNN模型的构建如下：
[0019]P＝WI；
[0020]即:
[0021][0022]其中，W表示神经网络权重矩阵，I表示光谱输入矩阵，P表示预测浓度矩阵；w
mv
表示第m层网络第v个神经元的权重系数，input
n
表示第n个样本的太赫兹吸收光谱数据。
[0023]作为本专利技术进一步改进的技术方案，所述步骤4具体为：
[0024]通过误差反向传递法进行参数优化，其中误差表达式为：
[0025]e
k
＝y
k
‑
O
k
；
[0026]其中，y
k
表示样本的检测浓度，O
k
表示样本的预测浓度，e
k
表示样本的预测误差。
[0027]作为本专利技术进一步改进的技术方案，所述步骤1中的农产品含有的农药品种有1种或多种，所述步骤1中某一农产品包含的农药品种与步骤6中待测农产品包含的农药品种相同。
[0028]作为本专利技术进一步改进的技术方案，所述农产品中含有的已知品种的农药包含6
‑
苄氨基嘌呤、吡虫啉和6
‑
二氯苯腈。
[0029]作为本专利技术进一步改进的技术方案，所述的步骤5具体为：
[0030]在0
‑
0.50THz峰宽范围内，以0.02THz为峰宽递增间隔，并选用PSO算法计算不同峰宽下频段起始位置，继而确定不同峰宽对应的多个频段，将每个频段的吸收光谱数据分别输入到参数优化后的BPNN模型，预测得到每个频段的吸收光谱数据对应的农药残留浓度，选择其中预测精度最高的频段，该频段记为最佳频段。
[0031]作为本专利技术进一步改进的技术方案，若样本中农产品含有的农药品种有1种，计算每个频段的吸收光谱数据对应的农药残留浓度预测值的相关系数或者均方根误差，选择其中相关系数最大或者均方根误差最小的频段，该频段为最佳频段；
[0032]若样本中农产品含有的农药品种有多种，计算单个频段的吸收光谱数据对应的所
有农药残留浓度预测值的相关系数的平均值或者均方根误差的平均值，选择其中相关系数的平均值最大或者均方根误差的平均值最小的频段，该频段为最佳频段。
[0033]本专利技术的有益效果为：
[0034](1)、本专利技术实现了多种农药残留成分的低浓度定量检测任务，通过光谱去噪、基线校正，解决由于农药残留成分复杂，造成的吸收谱线重叠混乱、光谱质量不佳的问题。
[0035](2)、本专利技术通过BPNN的构建，解决光谱数据与农药残留浓度线性不可分的问题，且通过网络的调参，进一步提升网络映射的完整性，提高农药残留含量定量检测的精度。
[0036](3)、本专利技术通过太赫兹光谱的波长选取，遴选出高质量的最佳频段区间，选取对应区间内的吸收光谱数据以定量分析，可获得更理想的检测效果。
附图说明
[0037]图1为农产品小麦粉中三种农药(6
‑
BA、Imidacloprid和2，6
‑
D)的制样浓度示意图。
[0038]图2为使用太赫兹光谱仪进行样本检测，三种农药的THz光谱检测结果示意图。
[0039]图3为不同浓度农药残留混合物的太赫兹吸收系数谱图。
[0040]图4为光谱小波去噪后的农药残留混合物的太赫兹吸收系数谱图。
[0041]图5为光谱小波去噪及基线校正后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，包括：步骤1：将农产品与已知品种的农药混合，且获取混合后的农产品中农药的残留浓度实际值，制作多组不同残留浓度的样本，采用太赫兹光谱仪对所有样本进行检测，得到太赫兹吸收光谱数据集；步骤2：对步骤1中检测得到的吸收光谱数据进行光谱预处理；步骤3：基于预处理后的吸收光谱数据，进行BP神经网络非线性回归模型的构建，其中模型的输入为步骤2预处理后的吸收光谱数据，模型的输出为农药的残留浓度，构建完成后，得到BPNN模型；步骤4：对步骤3构建的BPNN模型进行参数优化；步骤5：采用PSO算法从步骤2的吸收光谱数据中选取多个频段，将每个频段的吸收光谱数据分别输入到参数优化后的BPNN模型，预测得到每个频段对应的农药残留浓度，选择其中预测精度最高的频段，该频段记为最佳频段；步骤6：选取与步骤1的农产品中具有相同农药品种的待测农产品，采用太赫兹光谱仪对该待测农产品进行检测，得到太赫兹吸收光谱数据，对该太赫兹吸收光谱数据进行光谱预处理，得到预处理后的吸收光谱数据，从预处理后吸收光谱数据中选取与步骤5中最佳频段相同的频段区间，将该频段区间的吸收光谱数据输入到参数优化后的BPNN模型中进行检测，得到农产品的农药残留浓度检测结果。2.根据权利要求1所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述的光谱预处理具体包括：依次采用光谱去噪法和基线校正法对太赫兹吸收光谱数据进行光谱预处理，所述光谱去噪法为小波软阈值去噪法，所述基线校正法为二阶导基线校正法。3.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述步骤3中BPNN模型的构建如下：P＝WI；即:即:其中，W表示神经网络权重矩阵，I表示光谱输入矩阵，P表示预测浓度矩阵；w
mv
表示第m层网络第v个神经元的权重系数，input
n
表示第n个样本的太赫兹吸收光谱数据。4.根据权利要求2所述的基于太赫兹光谱的农产品...

【专利技术属性】
技术研发人员：蒋玲，马卿效，李春，滕燕，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：