基于高光谱和化学计量学方法的除草剂残留分类识别研究

摘要

本研究基于高光谱技术和化学计量学方法,对薄荷叶上的异丙甲草胺、烟嘧(莠去津、敌草胺和砜嘧)精喹4类除草剂残留进行种类判别。高光谱成像光谱范围为450nm~950nm的可见-近红外区域。为降低噪音对光谱数据的干扰、提升判别精度,采用SG平滑和多元散射校正对高光谱曲线进行处理。利用主成分分析算法(PCA)对原始数据进行降维后,建立以径向基函数(RBF)函数为核函数的支持向量机(SVM)模型。分别利用网格搜索(GS)、粒子群算法(PSO)及灰狼算法(GWO)对SVM模型参数进行寻优,对比不同模型的判别正确率,并利用精确度、召回率、约登指数、ROC和AUC对模型判别和泛化能力进行评估。实验结果表明,SG-PSO-SVM、SG-PCA-GWO-SVM和MSC-GS-SVM对测试集的判别正确率达到了100%,其中SG-PCA-GWO-SVM计算时间最短,而MSC-GS-SVM具有最优的泛化能力,从而实现了对薄荷叶片上常见除草剂的快速无损识别。