徐洁+++杨杰++孙静涛+++叶晋涛++蒋伟++黄成伟++马本学

摘要：以新疆特色水果哈密瓜为研究对象，应用高光谱技术对水果表面农药残留种类进行分析。配制 0.1 mg/kg 20%氰戊菊酯乳油和0.03 mg/kg 40%辛硫磷乳油农药溶液样本，按100 μL滴定量滴在哈密瓜表面，然后分别在紫外灯和卤素灯环境下，采集450～1 000 nm范围内的哈密瓜光谱图像数据信息，提取感兴趣区域（region of interest，简称ROI）的光谱数据。结果表明，在卤素灯光源条件下采用贝叶斯判别法，农残样本的准确率为100%，利用高光谱技术能够准确判别出哈密瓜表面农药残留的种类。

关键词：哈密瓜；高光谱技术；无损检测；判别分析法；农药残留

中图分类号： TQ450.2+63文献标志码： A

文章编号：1002-1302（2016）12-0338-03

收稿日期：2015-10-29

基金项目：国家科技支撑计划（编号：2015BAD19B03）。

作者简介：徐洁（1991—），女，新疆阜康人，硕士，主要从事农业装备自动控制与智能检测技术研究。E-mail：18703083963@163.com。

通信作者：马本学，博士，教授，主要从事农产品智能化检测与分级装备研究。E-mail：mbx_shz@163.com。

近年来，随着人们生活水平的提高，消费者对食品安全问题的关注度也越来越高。根据GB/T23398—2009《地理标志产品——哈密瓜》[1]，化学农药残留是评判哈密瓜等级的重要指标之一，农药残留的主要来源是哈密瓜病虫害的防治及农药的喷施。近几年气候异常增多，哈密瓜病虫害种类越来越多，在广泛使用不同种类农药的情况下，由农药残留引发的食品安全问题接踵而至。因此，农药残留检测能够为实施食品安全计划提供重要技术支撑，同时对保障消费者健康也具有重要意义。

高光谱技术作为一种新兴技术，在农产品品质检测方面应用广泛。国内外学者将光谱技术应用于农药残留检测领域。薛龙等应用高光谱技术检测脐橙表面农药残留，结果表明，高光谱技术对检测浓度较高的农药残留效果非常明显[2]。索少增等证明了高光谱技术结合人工神经网络检测梨表面农药残留是可行的[3]。刘民法等应用高光谱技术判别灵武长枣表面农药残留种类，准确率最高为100%[4-5]。魏晓晖等应用表面增强拉曼光谱、近红外光谱、荧光激发等方法对食品中的农药残留进行了研究[6-8]。孙俊等研究的基于自适应提升算法的支持向量机算法能较准确地鉴别桑叶农药残留[9]。本研究以新疆特色瓜果哈密瓜为研究对象，采用高光谱成像技术结合距离判别法和贝叶斯判别法检测哈密瓜表面农药残留种类。

1材料与方法

1.1试验材料

60个欣源6号哈密瓜样本，均从新疆五家渠农6师103团选购。

1.2樣本处理

为使试验结果更加精确，首先在选择的哈密瓜样本中除去表面有明显伤痕的样本，然后对哈密瓜表面进行清洁擦拭，依次编号。根据GB14868—1994《食品中辛硫磷最大残留限量标准》[10]和GB14928.5—1994《食品中氰戊菊酯最大残留限量标准》[11]，分别配制浓度为0.03 mg/kg的40%辛硫磷样本溶液和浓度为0.1 mg/kg的20%氰戊菊酯样本溶液，并用移液枪将农药样本溶液滴在洁净的哈密瓜表面，滴定量为100 μL/个。

1.3试验装置

试验所用的高光谱成像系统主要包括线阵CCD摄像机（hamamatsu）、光谱仪（imspectorV10e）、物镜、电控平移台、150 W 光纤卤素灯、ML-3500系列超高强度紫外灯及计算机。采集光谱时，测量试验系统环境温度为24 ℃，湿度为50%～55%。经多次试验调整和参量优化，设置光谱采集波段范围为400～1 000 nm，光谱分辨率为2.8 nm，紫外灯曝光时间为52 ms，卤素灯曝光时间为11 ms，物距为300 mm，图像采集速度为1.15 mm/s。

1.4图像数据采集

高光谱图像是一系列光波波长处的光学图像。光谱范围可以在紫外（200～400 nm）、可见光（400～760 nm）、近红外（760～2 560 nm）以及波长大于2 560 nm的区域。高光谱图像数据也被称为图像块，结构如图1所示，其中x、y二维是图像像素坐标信息，λ是第3维波长信息。由图1还可见，原始光谱既有特定波长下的图像信息，又有特定像素下的光谱信息。值得注意的是，在图像采集过程中，为避免噪音及暗电流造成的图像失真，需要在采集前将仪器预热30 min，并进行黑白校正。

2结果与分析

2.1感兴趣区域光谱信息的提取

分别将含有辛硫磷、氰戊菊酯的农残样本放在卤素灯、紫外灯环境中，采集光谱数据。创建大小为50×50像素的矩形块，提取感兴趣区域的光谱数据。由于450 nm以下的波段被噪声干扰较大，故选取450～1 000 nm波段范围进行光谱数据分析。在紫外灯、卤素灯照射下，无农药光谱曲线分别如图2-a、图2-b所示；含有辛硫磷的光谱曲线如图2-c、图2-d所示；图2-e、图2-f为含有氰戊菊酯的光谱曲线。

2.2光谱数据预处理

由于摄像头中暗电流的存在以及哈密瓜表面的不平整，光照度分布较弱波段下的图像噪声影响较大，因此，必须对图像进行预处理，以提高判断的准确率。本研究对试验数据进行smooth函数平滑处理，该方法能较好地滤除噪声。图3-a为紫外灯光源下平滑处理后的光谱曲线，图3-b为卤素灯光源下平滑[JP3]处理后的光谱曲线。由图3-a可以看出，在波长535875 47～690.910 99 nm和747.513 581～932.386 126 nm 2个波段范围内，3条光谱曲线差异较大，因此，在紫外灯照射条件下，选择535～690 nm和747～932 nm为特征波段。同理，根据图3-b在卤素灯照射条件下的光谱曲线，选取特征波段为507.816 092～679.177 64 nm。

2.3农药残留样本判别分析

2.3.1不同光源下农残样本的距离判别分析

在不同光源照射下，分别选取30个辛硫磷、氰戊菊酯和无农药样本，共90个样本，其中15个为预测集，根据样本在感兴趣区域（ROI）的特征波长，建立距离判别分析模型，以classify为函数支持，判别函数类型为Quadratic。在紫外灯环境下，农残样本准确率为94.67%（图4）；在卤素灯环境下，农残样本判别准确率为89.33%（图5）。

2.3.2不同光源下农残样本的贝叶斯判别分析

在不同光源照射下，分别选取30个辛硫磷、氰戊菊酯和无农药样本，共90个样本，其中15个为预测集，根据样本在ROI区域的特征波长，建立贝叶斯判别分析模型。在紫外灯环境下，农残样本判断准确率为86.67%（图6）；在卤素灯环境下，农残样本判断准确率为100.00%（图7）。

3结论与讨论

本研究采用高光谱技术以及在紫外灯、卤素灯不同光照环境下，采用不同的判别法对哈密瓜表面农药残留种类进行判别。农残样本在紫外灯光源环境下，采用距离判别法判断的[CM（25]准确率为94.67%，采用贝叶斯判别法判别的准确率为[CM）]

[FK（W12][TPXJ6.tif]

[FK（W12][TPXJ7.tif]

8667%。农残样本在线卤素灯光源环境下采用距离判别法判别的准确率为89.33%，采用贝叶斯判别法判别的准确率为100.00%。结果表明，高光谱成像技术结合距离判别法与贝叶斯判别法可用于对农药残留种类进行判别。

[HS2*2][HT8.5H]参考文献：[HT8.SS]

[1]国家质量监督检验检疫总局，国家标准化管理委员会. 地理标志产品——哈密瓜 GB/T 23398—2009[S/OL]. 北京：中国标准出版社，2009：1-8. http：//www.docin.com/p-548143019.html.

[2]薛龙，黎静，刘木华. 基于高光谱图像技术的水果表面农药残留检测试验研究[J]. 光学学报，2008，28（12）：2277-2280.

[3]索少增，刘翠玲，吴静珠，等. 高光谱图像技术检测梨表面农药残留试验研究[J]. 食品科学技术学报，2011，29（6）：73-77.

[4]刘民法，张令标，何建国，等. 基于高光谱成像技术的长枣表面农药残留无损检测[J]. 食品与机械，2014，30（5）：87-92.

[5]张令标. 基于高光谱成像技术的红枣表面农药残留无损检测的研究[D]. 银川：宁夏大学，2014.

[6]魏晓晖，衣淑娟，秦雯. 基于拉曼光谱的苹果表皮残留敌百虫的检测[J]. 黑龙江八一农垦大学学报，2015，27（2）：100-103.

[7]Yang C C，Kim M S，Millner P. Development of multispectral imaging algorithm for detection of frass on mature red tomatoes[J]. Postharvest Biology and Technology，2014，93（3）：1-8.

[8]雷鵬，吕少波，李野，等. 多光谱荧光图像技术检测农药残留[J]. 发光学报，2014，35（6）：748-753.

[9]孙俊，张梅霞，毛罕平，等. 基于高光谱图像的桑叶农药残留鉴别研究[J]. 农业机械学报，2015，46（6）：251-256.

[10]GB14868—1994食品中辛硫磷最大残留限量标准[S].

[11]GB14928.5—1994食品中氰戊菊酯最大残留限量标准[S].