HSI技术结合BP神经网络无损检测农药残留量

在4.2节中，通过使用10种预处理优化方法分别处理毒死蜱农药溶液和炔螨特农药溶液的近红外光谱数据，并利用PLS法建立数学模型，从模型内部交叉验证结果和模型对预测集样本的预测结果可得出结论：SNV预处理方法对毒死蜱溶液样本PLS模型的优化效果明显，是毒死蜱溶液模型的最佳优化方法，根据外部检验法和内部交叉验证法两种确定最佳系数的检验方法的检验结果显示，一阶导数和消除常数偏移量两种方法虽然有较好的内部交叉验证结果，但从预测集结果来看，都出现了过拟合现象，消除常数偏移量由于主成分数更大，包含的光谱无用信息也较多，所以过拟合现象更为明显；减去一条趋势线预处理方法对炔螨特溶液样本PLS模型的优化效果最佳，是炔螨特溶液模型的最优预处理方法，表4-4中前4种优化方法由于方法本身的原因，预测结果无法达到最优，一阶导数和一阶导数+减去一条趋势线方法由于主成分数太少，无法包含更多有用的光谱信息，导致无法有效预测外部样本，但在试验过程中发现，即使对这两种方法加大主成分数，仍不可有更佳的预测结果，因此，同样由于方法本身对实验样本数据的选择而导致其结果不可得到最优。

另外，通过26个样本的毒死蜱溶液和20个样本的炔螨特溶液建模结果分析对比，发现在提高样本数量和相关数据量后，建模结果得到了改善。

根据分析结果，近红外光谱技术可用于初步分析农作物微量农药残留量研究，但是，由于近红外光谱法扫描样本需要将探头完全浸入样品池，需要样本量较大，而且近红外光谱技术在痕量农药残留量分析中精度已达到极限，在现阶段，使用近红外光谱技术检测痕量农药残留量也是行业内各知名专家学者讨论的热点，为了探索精度更高、更节约样本的检测方法，在后面将重点研究ATR-FTIR光谱技术在瓜果蔬菜等农作物农药残留量痕量检测中的应用。(www.xing528.com)

通过对HSI技术检测水晶皇冠梨表面农药残留量进行了研究，充分利用人工神经网络强大的非线性映射和泛化能力建立复杂定量分析模型，对实验分析结果总结如下：①特征波长的选取在通过主成分分析按贡献确定的波段中仍需从多波段中筛选农药物质的特征波段，选择过程比较繁琐，这就需要建立所有农药品种的谱库，确定特征波段，由于农药品种极多，此任务需耗费大量的时间和经费；②根据建模结果，尤其对预测集的预测结果（RMSEP）来看，滴有较多农药溶液的水晶皇冠梨的建模效果较好，此方法所建立模型的适用性仍然在一定程度上受到农药残留量的制约，因此，如何优化模型提高预测能力仍需要进一步研究；③在使用BP神经网络建模过程中，确定隐含层神经元的数目是难点之一，隐含层神经元数目太多，会出现过拟合，导致泛化能力很弱，隐含层数目太少，拟合不充分，模型质量差。因此，需要多次调试确定隐含层神经元数。结果表明，HSI技术结合BP人工神经网络可用于农药残留量的检测，无需对样本进行任何预处理即可进行数据采集，HSI技术是农药残留量无损、高精度和快速的检测方法。