本研究以日本秀炎西蘭花為研究對象，主要針對其表面農(nóng)藥殘留進(jìn)行無損檢測，應(yīng)用高光譜成像技術(shù)結(jié)合化學(xué)檢測方法，對西蘭花表面農(nóng)藥殘留種類無損檢測、低濃度阿維菌素殘留量無損檢測進(jìn)行初步研究。主要研究結(jié)果如下∶

（1）基于高光譜圖像的西蘭花表面多種農(nóng)藥殘留種類檢測研究。利用高光譜圖像技術(shù)采集四組不同農(nóng)藥殘留的西蘭花樣本圖像（400-1000mm），根據(jù)圖像信息選取感興趣區(qū)域的平均光譜后，針對西蘭花表面凹凸不平的特點采用分段多元散射校正算法進(jìn)行預(yù)處理，有效消除顆粒造成的非線性光散射影響，分別采用馬氏距離算法、最小二乘支持向量機算法、人工神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機算法基于全光譜信息進(jìn)行分類建模。對比各類模型結(jié)果，人工神經(jīng)網(wǎng)絡(luò)分類算法效果最優(yōu)，訓(xùn)練集和測試集識別率分別為99.17%和98.33%。為剔除大量高光譜冗余數(shù)據(jù)，提高模型的識別速度，采用主成分分析算法選取前10個主成分和連續(xù)投影算法選擇8個特征值波長（458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm）進(jìn)行特征提取，分別建立基于特征信息的判別模型。在實驗分類器中，基于SPA 特征波長的極限學(xué)習(xí)機模型識別效果均優(yōu)于其他三類分類器，訓(xùn)練集的正確率為98.33%，測試集的正確率為96.67%。

（3）基于高光譜圖像的西蘭花表面低濃度阿維菌素殘留定量檢測研究。利用高光譜成像系統(tǒng)采集5組（共100顆）噴有不同濃度梯度阿維菌素農(nóng)藥西蘭花樣本（900-1700nm）。使用液相色譜-質(zhì)譜聯(lián)用法根據(jù)GB23200.20-2016標(biāo)準(zhǔn)對5組西蘭花進(jìn)行具體阿維菌素殘留量抽樣檢測，測得各組濃度分別為24.25μg/Kg、82.66μg/Kg、126.49μg/Kg、151.57μg/Kg和170.03μg/Kg。將原始光譜數(shù)據(jù)進(jìn)行提取和預(yù)處理后，結(jié)果表明，基于全波段光譜數(shù)據(jù)的極限學(xué)習(xí)機模型識別效果最好，準(zhǔn)確率為72%。

（4）基于卷積神經(jīng)網(wǎng)絡(luò)的西蘭花表面阿維菌素低濃度殘留檢測方法研究。針對本文研究的西蘭花表面低濃度阿維菌素殘留檢測模型識別率較低的問題，提出一種將采集的阿維菌素殘留濃度在24.25μg/Kg至170.03μg/Kg之間的西蘭花光譜信息轉(zhuǎn)換為灰度圖的方法，利用卷積網(wǎng)絡(luò)學(xué)習(xí)不同阿維菌素殘留濃度西蘭花樣本光譜數(shù)據(jù)的灰度圖之間變化的紋理。