基于荧光光谱结合宽度学习的白菜农药残留量检测方法
Detection of Pesticide Residues in Cabbage Based on Fluorescence Spectroscopy Combined with Broad Learning作者机构:北京工商大学人工智能学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048
出 版 物:《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)
年 卷 期:2023年第54卷第10期
页 面:198-204页
核心收录:
学科分类:08[工学] 0828[工学-农业工程] 082801[工学-农业机械化工程]
基 金:北京市自然科学基金项目(4222043) 国家自然科学基金项目(61807001) 北京工商大学2023研究生科研能力提升计划项目。
主 题:白菜 农药残留 三维荧光光谱 宽度学习系统 波段选择
摘 要:为了高效监控蔬菜中农药残留情况,利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长;其次通过分析6种预处理算法和2种降维算法,分别选出多元散射校正(Multiple scattering calibration,MSC)和无信息变量消除(Uninformative variable elimination,UVE)作为最佳的预处理与波长选择方法;宽度学习系统(Broad learning system,BLS)用于荧光光谱建模,同时与偏最小二乘回归(Partial least squares regression,PLSR)、支持向量机(Support vector machine,SVM)和深度极限学习机(Deep extreme learning machines,DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果,测试集决定系数R^(2)_(p)达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性,可以为在线检测农药残留量系统的开发提供理论依据。