基于BP神经网络的皇冠梨炔螨特药残留检测方法研究

用两组校正集中的16个样本作为训练样本，利用MATLAB7.7神经网络工具箱中量化共轭梯度反向传播算法训练函数（trainscg训练函数）分别为150μL和100μL两组炔螨特样本的ROI波谱信息建立3层BP神经网络模型，以神经网络输出和实际化学值的MSE为性能函数，经多次调试，根据最优结果将隐含层选为16个神经元，将训练目标误差设为0.01，训练1000次，训练好网络后对每组的5个预测样本进行预测，模型的运行结果如下：150μL组：R=0.9935，RM-SEC=0.6349，RMSEP=1.5932；100μL组：R=0.9724，RMSEC=1.3239，RMSEP=2.7227。模型的拟合结果如图4-16和图4-17，预测结果见表4-14和表4-15。

图4-16 炔螨特150μL组样本拟合结果

图4-17 炔螨特100μL组样本拟合结果

表4-14 炔螨特150μLBP神经网络模型预测结果(www.xing528.com)

表4-15 炔螨特100μLBP神经网络模型预测结果

HSI技术在梨表面农药残留量痕量分析研究中，可对每个像素点进行采样和分析，可实现对任何感兴趣区域和像素点的研究和分析，其可视化选择感兴趣区域和像素点的优越性非常适合农作物等现场检测的要求，由于课题时间紧迫，检测的预测标准差虽然改善空间较大，但是如果深入研究，使用其他更加合适的方法对光谱数据进行优化和建立模型，将会对HSI技术在农作物农药残留量痕量分析中有突出的贡献。