一种基于卷积神经网络的哈密瓜农药残留鉴别方法技术

本发明专利技术提供一种基于卷积神经网络的哈密瓜农药残留鉴别方法，包括以下步骤：（1）哈密瓜农药残留的可见/近红外漫反射光谱采集；（2）光谱预处理及数据集划分；（3）基于多尺度一维卷积神经网络的哈密瓜农药残留鉴别模型构建；（4）哈密瓜农药残留鉴别。本发明专利技术利用可见/近红外光谱技术和卷积神经网络算法构建哈密瓜农药残留无损鉴别模型，提出一种非对称性多尺度卷积结构提取不同层次和尺度的光谱深度特征，无需人工提取特征，可以有效丰富特征的多样性，提高模型鉴别能力。哈密瓜有无农药残留和农药残留种类的综合鉴别准确率达到95.83%。农药残留种类的综合鉴别准确率达到95.83%。农药残留种类的综合鉴别准确率达到95.83%。

【技术实现步骤摘要】
一种基于卷积神经网络的哈密瓜农药残留鉴别方法


[0001]本专利技术涉及深度学习和水果安全检测领域，具体涉及一种基于卷积神经网络的哈密瓜农药残留鉴别方法。

技术介绍

[0002]近年来，水果农药残留问题已成为社会关注的焦点，“无公害”、“绿色”等已成为消费者选择水果产品的重要标准。哈密瓜是新疆特色水果，种植期间易遭受各类病虫害的侵染，所以瓜农常使用百菌清和吡虫啉等杀菌剂和杀虫剂进行防治。农药的合理使用可以有效防控病虫害，但使用过度会造成农药在果实中富集，使得农药残留问题日益严重。由于哈密瓜体积大，表面网纹多，所以雨水很难将附着于瓜皮表面的残留农药冲刷干净，残留农药会从哈密瓜表面渗入内部，持续污染果实。哈密瓜农药残留问题不仅威胁人体健康，同时也是限制新疆哈密瓜市场竞争力的重要因素。因此解决哈密瓜表面农药残留的快速无损检测问题刻不容缓。
[0003]农药残留的化学检测方法主要包括气/液相色谱法、气/液相色谱联用质谱法和气/液相色谱串联质谱法。化学检测方法虽然精确度和灵敏度较高，但是检测成本较高，操作复杂且具有破坏性。可见/近红外光谱技术作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，包括如下步骤：S1，采集哈密瓜农药残留的可见/近红外光谱信息；S2，对光谱数据进行预处理；S3，将光谱数据按照一定比例划分为训练集和测试集；S4，构建非对称性多尺度一维卷积神经网络模型；S5，输出哈密瓜农药残留鉴别结果。2.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，所述步骤S1中，利用可见/近红外光谱仪分别采集哈密瓜无残留、百菌清和吡虫啉残留的光谱信息。3.根据权利要求2所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，所述可见/近红外光谱仪的仪器和采集参数包括：QE Pro微型光纤光谱仪，光谱分辨率为0.69 nm，波段范围为380~1100 nm；QP600
‑2‑
VIS
‑
NIROOS
‑
00
‑
5172
‑
11光纤探针，距离哈密瓜表面3 cm；光谱采集模式为漫反射，积分时间为100 ms，平均扫描次数为10次。4.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述步骤S2中，利用Savitzky
‑
Golay一阶导数和标准差归一化算法对步骤S1中采集的光谱信息进行预处理。5.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述步骤...

【专利技术属性】
技术研发人员：马本学，喻国威，陈金成，胡雅婷，张原嘉，李聪，李玉洁，
申请(专利权)人：石河子大学，
类型：发明
国别省市：