一种基于太赫兹光谱的农产品中农药残留定量检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114112979A(43)申请公布日2022.03.01(21)申请号202111463994.7(22)申请日2021.12.02(71)申请人南京林业大学地址210037江苏省南京市龙蟠路159号(72)发明人蒋玲马卿效李春滕燕(74)专利代理机构南京科阔知识产权代理事务所(普通合伙)32400代理人王纯洁(51)Int.Cl.G01N21/3581(2014.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于太赫兹光谱的农产品中农药残留定量检测方法(57)摘要本发明公开了一种基于太赫兹光谱的农产品中农药残留定量检测方法。本发明利用BP神经网络(BPNN)对含农药农产品的太赫兹光谱数据进行建模，建立农药残留含量与太赫兹吸收光谱间定量模型，即BPNN模型；并结合光谱去噪、基线校正等光谱预处理方法提升光谱质量；同时根据光谱吸收峰特性，进行光谱波长选取，选取高信噪比频谱区间；最后对BPNN典型参数进行优化，完成完整的网络映射，实现农产品中农药残留的高精度检测。从实验结果看，本发明切实可行且高效，可为农产品的安全检测奠定基础。CN114112979ACN114112979A权利要求书1/2页1.一种基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，包括：步骤1：将农产品与已知品种的农药混合，且获取混合后的农产品中农药的残留浓度实际值，制作多组不同残留浓度的样本，采用太赫兹光谱仪对所有样本进行检测，得到太赫兹吸收光谱数据集；步骤2：对步骤1中检测得到的吸收光谱数据进行光谱预处理；步骤3：基于预处理后的吸收光谱数据，进行BP神经网络非线性回归模型的构建，其中模型的输入为步骤2预处理后的吸收光谱数据，模型的输出为农药的残留浓度，构建完成后，得到BPNN模型；步骤4：对步骤3构建的BPNN模型进行参数优化；步骤5：采用PSO算法从步骤2的吸收光谱数据中选取多个频段，将每个频段的吸收光谱数据分别输入到参数优化后的BPNN模型，预测得到每个频段对应的农药残留浓度，选择其中预测精度最高的频段，该频段记为最佳频段；步骤6：选取与步骤1的农产品中具有相同农药品种的待测农产品，采用太赫兹光谱仪对该待测农产品进行检测，得到太赫兹吸收光谱数据，对该太赫兹吸收光谱数据进行光谱预处理，得到预处理后的吸收光谱数据，从预处理后吸收光谱数据中选取与步骤5中最佳频段相同的频段区间，将该频段区间的吸收光谱数据输入到参数优化后的BPNN模型中进行检测，得到农产品的农药残留浓度检测结果。2.根据权利要求1所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述的光谱预处理具体包括：依次采用光谱去噪法和基线校正法对太赫兹吸收光谱数据进行光谱预处理，所述光谱去噪法为小波软阈值去噪法，所述基线校正法为二阶导基线校正法。3.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述步骤3中BPNN模型的构建如下：P＝WI；即:其中，W表示神经网络权重矩阵，I表示光谱输入矩阵，P表示预测浓度矩阵；wmv表示第m层网络第v个神经元的权重系数，inputn表示第n个样本的太赫兹吸收光谱数据。4.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述步骤4具体为：2CN114112979A权利要求书2/2页通过误差反向传递法进行参数优化，其中误差表达式为：ek＝yk‑Ok；其中，yk表示样本的检测浓度，Ok表示样本的预测浓度，ek表示样本的预测误差。5.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述步骤1中的农产品含有的农药品种有1种或多种，所述步骤1中某一农产品包含的农药品种与步骤6中待测农产品包含的农药品种相同。6.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述农产品中含有的已知品种的农药包含6‑苄氨基嘌呤、吡虫啉和6‑二氯苯腈。7.根据权利要求2所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，所述的步骤5具体为：在0‑0.50THz峰宽范围内，以0.02THz为峰宽递增间隔，并选用PSO算法计算不同峰宽下频段起始位置，继而确定不同峰宽对应的多个频段，将每个频段的吸收光谱数据分别输入到参数优化后的BPNN模型，预测得到每个频段的吸收光谱数据对应的农药残留浓度，选择其中预测精度最高的频段，该频段记为最佳频段。8.根据权利要求7所述的基于太赫兹光谱的农产品中农药残留定量检测方法，其特征在于，若样本中农产品含有的农药品种有1种，计算每个频段的吸收光谱数据对应的农药残留浓度预测值的相关系数或者均方根误差，选择其中相关系数最大或者均方根误差最小的