对食品、农药的光谱技术预测模型的研究

摘要

食品安全和农药的正规使用关乎人民日常生活的方方面面。而转基因产品的安全性仍存在争议，高毒禁用农药仍被流入市场。做好转基因产品和农药违规成分的检测，给公众知情选择权是非常必要的。传统的生物与化学分析在测量转基因产品和农药方面还存在一系列缺点：分析周期长、过程复杂、成本高且在检测过程中会破坏原有样本。因此，食品安全和农药违规成分检测迫切需要一种快速、无损、环保、成本低的检测手段。 可见/近红外光谱分析技术具有操作简单、测试快捷、成本低廉、环保无破坏、无污染等的众多优点。本文采集了转基因油和非转基因油以及掺入微量违规农药的光谱信息，采用可见/近红外光谱分析结合化学计量学中的多元校正技术，研究了转基因油和非转基因油的判别方法，以及农药中违规成分浓度的快速测定方法，构建了相应的模型。主要研究内容和成果如下： （1）研究并构建了转基因油和非转基因油的光谱鉴别模型和农药样本违规成分的光谱检测模型，实现了转基因油和非转基因油的快速无损的定性检测和违规农药成分浓度的快速无损的定量检测。两个系统都分析了12种不同的预处理方法对光谱数据的预处理效果，得到了最优的预处理算法：分别应用随机选择法、Kennard-Stone选择法和基于XY距离的样本集分区法选定建模集样本，利用连续投影算法和相关系数法提取特征波长，对于转基因油和非转基因油的鉴别分别建立了基于支持向量机(Support Vector Machine，SVM)和前馈型神经网络（Back Propagation-Artificial Neural Network，BP-ANN）的预测模型，而对农药中违规成分浓度的快速检测则采用多项式拟合的建模方法建立回归模型，并对预测结果进行评估对比。 （2）对于转基因油和非转基因油的鉴别模型，通过多元散射校正（multiplicative scatter correction，MSC）的预处理方法，建模集样本采用KS法选择，相关系数法优选出特征波长（1375～1435nm、1695～1730nm、1755～1765nm），并采用支持向量机(SVM)建立的预测模型预测效果较好，其预测精度可达96.7%，和实测值接近，根据实际情况的标准，这些模型都适用于转基因油和非转基因油的定性检测。 （3）对于农药中违规成分的浓度定量检测模型，通过一阶求导进行预处理，采用随机法进行建模集样本选择，相关系数法优选特征波长（1880~1890nm），模型评价参数如相关系数、预测均方根误差、相对分析误差等都达到最佳情况，并采用9阶拟合下建立的预测模型预测效果较好，其相对误差最好可达0.03%，根据相对分析误差的分类标准，这些模型适用于农药成分含量的快速定量检测。

目录

第1章 绪论

1.1研究背景与意义

1.2国内外研究现状分析

1.3光谱建模的技术基础

1.4可见/近红外光谱分析中常用的建模技术

1.5论文的整体结构

第2章 研究材料与实验仪器

2.1 非转基因油与转基因油样本

2.2农药样本

2.3 可见/近红外光谱采集的软硬件

第3章 转基因油和非转基因油的光谱技术定性识别研究

3.1光谱数据预处理

3.2非转基因油和转基因油的预测模型

3.3本章小结

第4章 农药成分掺杂浓度的光谱技术定量检测研究

4.1光谱预处理

4.2农药浓度预测模型

4.3本章小结

第5章 总结与展望

5.1研究总结

5.2 本文创新点

5.3下一步工作展望

参考文献

攻读学位期间的研究成果

致谢