一种基于多颜色特征指数的农药残留速测纸定量辨识方法技术

本发明专利技术公开了一种基于多颜色特征指数的农药残留速测纸定量辨识方法，包括以下步骤：图像获取、噪声识别与处理、特征值与数据提取、数据分析与模型建立、模型验证。本发明专利技术提供的一种基于多颜色特征指数的农药残留速测纸定量辨识方法，利用机器视觉对图像进行处理与分析，避免了不同人对颜色的变换灵敏程度不一造成错误的检测结果，利用多颜色特征指数进行农药残留速测卡的定量辨识，满足基层对于农残检测快速检测、定量检测和经济的需求。定量检测和经济的需求。定量检测和经济的需求。

【技术实现步骤摘要】
一种基于多颜色特征指数的农药残留速测纸定量辨识方法


[0001]本专利技术涉及农药残留检测领域，具体为一种基于多颜色特征指数的农药残留速测纸定量辨识方法。

技术介绍

[0002]农药残留检测技术的长期发展，现检测方法有很多。目前实验室多采用气相色谱法、液相质谱法、气相色谱
‑
质谱联用法等方法对有机磷和氨基甲酸酯类农药残留进行检测，气相色谱法是用气体作为流动相的色谱法，利用物质具有不同的吸附能力，溶解度，亲和力等物理性质，对混合物中各种分成进行分离。液相质谱法是依据不同的带电粒子在电场或磁场中的运动规律，通过不同大小的荷质比分离化合物。气相色谱
‑
质谱联用法通过优势互补，充分发挥了色谱的分离与质谱的鉴别功能。上述检测方法具有高选择性，高分离效能，高灵敏性。但是这些检测方法需要设备，成本高昂，检测时间长，不能满足于基层快速检测和经济的需求，不能大规模进行推广。
[0003]基于此，本专利技术设计了一种基于多颜色特征指数的农药残留速测纸定量辨识方法，以解决上述问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于多颜色特征指数的农药残留速测纸定量辨识方法，以解决上述
技术介绍
中提出的。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于多颜色特征指数的农药残留速测纸定量辨识方法，其特征在于，包括以下步骤：
[0007]步骤一、图像获取：以氯吡硫磷为农药模拟物，配置0mg/mL，0.0002mg/mL，0.01mg/mL，0.03mg/mL，0.05mg/mL，0.1mg/mL，0.3mg/mL，0.5mg/mL，0.7mg/mL，1mg/mL标准溶液，将配置好的标准溶液滴入农药残留速测卡中进行10分钟以上的预反应，再将农药残留速测卡对折，用手捏3分钟，使反应充分进行。每次实验做十组，并用手机拍照记录下农药残留速测卡图片；
[0008]步骤二、噪声识别与处理、内部包括：
[0009]步骤a、噪音识别；
[0010]步骤b、噪音处理；
[0011]步骤三、特征值与数据提取，内部包括：
[0012]步骤a、二值化处理；
[0013]步骤b、图像分割；
[0014]步骤c、RGB颜色特征提取，构造了多个颜色特征指数和对构造的多个颜色特征指数以及传统R\G\B颜色特征一起进行相关性分析；
[0015]步骤d、颜色特征指数计算，按照各个颜色特征指数相关性从大到小排序，依次增
加相关性大的特征指数进行模型训练；
[0016]步骤四、数据分析与模型建立，根据模型训练精度要求确定模型输入个数，完成模型构建，内部包括：
[0017]步骤a、特征相关性分析；
[0018]步骤b、辨识模型的建立；
[0019]步骤五、模型验证：建立模型初始，选取全部数据的70％作为训练集的数据，将这些数据输入到不同的模型中进行学习。在这些不同的模型中以决定系数()作为模型的判别标准判断该模型的好坏程度。再将剩下的30％的数据用来验证该模型预测的精准度。
[0020]作为本专利技术的进一步方案，所述步骤二中的步骤a、噪音识别具体为，先获取到图像的RGB三色颜色直方图，将该颜色直方图与不同类别噪声的颜色直方图做比较，判定该图像噪声种类，对常见的高斯噪声，爱尔兰噪声，指数分布噪声，瑞丽噪声，均匀分布噪声，椒盐噪声等噪声分析，检测出该图像中存在何种噪声；
[0021]所述步骤二中的步骤b、噪音处理具体操作为，采用中值滤波的方式进行图像去噪处理。
[0022]作为本专利技术的进一步方案，所述步骤三中的步骤a、二值化处理具体为，采用Otsu算法，Otsu算法属于自动阈值法，这种方法又称最大类间方差法，使用聚类的思想，把图像的灰度数按灰度级分成两个部分，使这两个部分之间的灰度值差别大，但是每个部分之间的灰度差异最小，通过方差的计算出最佳的灰度级别；
[0023]所述步骤三中的步骤b、图像分割具体为，采样分水岭算法进行图像分割，首先对每个像素的灰度级进行从低到高排序，然后从低到高实现淹没过程中，对每一个局部极小值采用先进先出的结构进行判断和标注；
[0024]所述步骤三中的步骤c、RGB颜色特征提取具体为，采样RGB颜色模型来描述颜色特征，基于RGB彩色模型，提取图像的R、G、B三色均值，在矩阵大小为50*50的平面上，使用均值方法提取三色均值，式(1)为：
[0025][0026]式中，i为目标区域图像的行数，j为目标区域图像的列数，用这个方法计算出R、G、B的均值，再对R、G，B均值进行归一化处理，归一化处理式(2)为：
[0027][0028]式中，R表示图像红色通道的像素均值；G表示图像绿色通道的像素均值；B表示图像蓝色通道的像素均值，经过式(2)计算后，用r、g、b来代表归一化处理的R、G、B值，归一化处理完毕后，数据不会因为大小关系而对建模产生影响，并且还能保持数据之间的相对关系；
[0029]所述步骤三中的步骤d、颜色特征指数计算具体为，使用各个颜色特征指数计算公
式，使用归一化r、g、b数值计算得到不同颜色特征指数值。
[0030]作为本专利技术的进一步方案，所述步骤四中的步骤a、特征相关性分析具体为，将相对应农药浓度与r、g、b和不同颜色特征模型分别进行相关性分析，使用相关系数r评判特征数据与农药浓度相关性。相关系数r的计算式(3)为：
[0031][0032]式中，X为特征指数，Y为反应农药浓度，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差，相关系数的取值区间在1到
‑
1之间，相关系数r的绝对值越接近1的话，两个变量线性相关程度越高，相关系数r的绝对值越接近0的话，两个变量相关关系越弱，相关系数大于0就表示正相关关系，相关系数小于0就表示负相关关系；
[0033]所述步骤四中的步骤b、辨识模型的建立具体为，采用回归分析法对数据进行建模，选择决定系数(R2)和均方根误差(RMSE)作为评判标准，R2和RMSE的计算如式(4)和(5)所示，
[0034][0035]式中，是农药浓度回归值，是农药浓度平均值，y
i
是农药浓度预测值，搭配使用均方根误差(MRSE)指标来判断该模型的好坏程度，均方根误差是观测值与真实值偏差的平方和观测次数n比值的平方根，
[0036][0037]式中，X
i
反应农药浓度值，x
i
为农药浓度预测值，N为样本数量。设定决定系数(R2)大于等于90％为有效辨识模型。辨识模型的建立过程中，依照相关性分析的结果，首先选择相关性最大的特征数据进行建模，如果没有达到决定系数(R2)大于等于90％的要求，再选择相关性前两位的特征数据进行建模，依此类推，最终达到设定决定系数(R2)的要求，分别使用回归模型中线性回归和非线性回归建立辨识模型，在线性回归中，使用Y＝a*X+b的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多颜色特征指数的农药残留速测纸定量辨识方法，其特征在于，包括以下步骤：步骤一、图像获取：以氯吡硫磷为农药模拟物，配置0mg/mL，0.0002mg/mL，0.01mg/mL，0.03mg/mL，0.05mg/mL，0.1mg/mL，0.3mg/mL，0.5mg/mL，0.7mg/mL，1mg/mL标准溶液，将配置好的标准溶液滴入农药残留速测卡中进行10分钟以上的预反应，再将农药残留速测卡对折，用手捏3分钟，使反应充分进行。每次实验做十组，并用手机拍照记录下农药残留速测卡图片；步骤二、噪声识别与处理、内部包括：步骤a、噪音识别；步骤b、噪音处理；步骤三、特征值与数据提取，内部包括：步骤a、二值化处理；步骤b、图像分割；步骤c、RGB颜色特征提取，构造了多个颜色特征指数和对构造的多个颜色特征指数以及传统R\G\B颜色特征一起进行相关性分析；步骤d、颜色特征指数计算，按照各个颜色特征指数相关性从大到小排序，依次增加相关性大的特征指数进行模型训练；步骤四、数据分析与模型建立，根据模型训练精度要求确定模型输入个数，完成模型构建，内部包括：步骤a、特征相关性分析；步骤b、辨识模型的建立；步骤五、模型验证：建立模型初始，选取全部数据的70％作为训练集的数据，将这些数据输入到不同的模型中进行学习。在这些不同的模型中以决定系数(R2)作为模型的判别标准判断该模型的好坏程度。再将剩下的30％的数据用来验证该模型预测的精准度。2.根据权利要求1所述的一种基于多颜色特征指数的农药残留速测纸定量辨识方法，其特征在于：所述步骤二中的步骤a、噪音识别具体为，先获取到图像的RGB三色颜色直方图，将该颜色直方图与不同类别噪声的颜色直方图做比较，判定该图像噪声种类，对常见的高斯噪声，爱尔兰噪声，指数分布噪声，瑞丽噪声，均匀分布噪声，椒盐噪声等噪声分析，检测出该图像中存在何种噪声；所述步骤二中的步骤b、噪音处理具体操作为，采用中值滤波的方式进行图像去噪处理。3.根据权利要求1所述的一种基于多颜色特征指数的农药残留速测纸定量辨识方法，其特征在于：所述步骤三中的步骤a、二值化处理具体为，采用Otsu算法，Otsu算法属于自动阈值法，这种方法又称最大类间方差法，使用聚类的思想，把图像的灰度数按灰度级分成两个部分，使这两个部分之间的灰度值差别大，但是每个部分之间的灰度差异最小，通过方差的计算出最佳的灰度级别；所述步骤三中的步骤b、图像分割具体为，采样分水岭算法进行图像分割，首先对每个
像素的灰度级进行从低到高排序，然后从低到高实现淹没过程中，对每一个局部极小值采用先进先出的结构进行判断和标注；所述步骤三中的步骤c、RGB颜色特征提取具体为，采样RG...

【专利技术属性】
技术研发人员：陈晓彬，郑启富，戴景波，董云渊，张敏，
申请(专利权)人：衢州学院，
类型：发明
国别省市：