荧光光谱技术结合机器学习算法检测大白菜中吡虫啉含量

摘要:

目的 建立荧光光谱技术结合机器学习算法检测大白菜中吡虫啉含量的方法。 方法 采集 400 nm 激发下的 130 个农药残留光谱数据, 经过数据预处理、光谱特征筛选, 构建基于支持向量机(support vector machine, SVM)的吡虫啉残留含量预测模型, 并利用麻雀搜索算法(sparrow search algorithm, SSA)对 SVM 的参数进行寻优。 结果 卷积平滑(Savitzky-Golay smooth, S-G)与标准正态变量校正(standard normal variable, SNV)联 用 的 预 处 理 效 果 最 好 ; 利 用 连 续 投 影 算 法 (successive projections algorithm, SPA) 对 遗 传 算 法 (genetic algorithm, GA)提取的特征波长进行二次特征降维能获得最优特征波段; SSA 寻优后构建的 SVM 模型精度最佳, 测试集决定系数为 0.9234, 均方根误差为 0.4129。结论 荧光光谱技术可以实现白菜中吡虫啉含量的检测, 为蔬菜中农药残留快速检测提供了新的思路。

Abstract: