本研究以日本秀炎西蘭花為研究對(duì)象，主要針對(duì)其表面農(nóng)藥殘留進(jìn)行無損檢測，應(yīng)用高光譜成像技術(shù)結(jié)合化學(xué)檢測方法，對(duì)西蘭花表面農(nóng)藥殘留種類無損檢測、低濃度阿維菌素殘留量無損檢測進(jìn)行初步研究。主要研究結(jié)果如下∶

（1）基于高光譜圖像的西蘭花表面多種農(nóng)藥殘留種類檢測研究。利用高光譜圖像技術(shù)采集四組不同農(nóng)藥殘留的西蘭花樣本圖像（400-1000mm），根據(jù)圖像信息選取感興趣區(qū)域的平均光譜后，針對(duì)西蘭花表面凹凸不平的特點(diǎn)采用分段多元散射校正算法進(jìn)行預(yù)處理，有效消除顆粒造成的非線性光散射影響，分別采用馬氏距離算法、最小二乘支持向量機(jī)算法、人工神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法基于全光譜信息進(jìn)行分類建模。對(duì)比各類模型結(jié)果，人工神經(jīng)網(wǎng)絡(luò)分類算法效果最優(yōu)，訓(xùn)練集和測試集識(shí)別率分別為99.17%和98.33%。為剔除大量高光譜冗余數(shù)據(jù)，提高模型的識(shí)別速度，采用主成分分析算法選取前10個(gè)主成分和連續(xù)投影算法選擇8個(gè)特征值波長（458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26nm）進(jìn)行特征提取，分別建立基于特征信息的判別模型。在實(shí)驗(yàn)分類器中，基于SPA 特征波長的極限學(xué)習(xí)機(jī)模型識(shí)別效果均優(yōu)于其他三類分類器，訓(xùn)練集的正確率為98.33%，測試集的正確率為96.67%。

（3）基于高光譜圖像的西蘭花表面低濃度阿維菌素殘留定量檢測研究。利用高光譜成像系統(tǒng)采集5組（共100顆）噴有不同濃度梯度阿維菌素農(nóng)藥西蘭花樣本（900-1700nm）。使用液相色譜-質(zhì)譜聯(lián)用法根據(jù)GB23200.20-2016標(biāo)準(zhǔn)對(duì)5組西蘭花進(jìn)行具體阿維菌素殘留量抽樣檢測，測得各組濃度分別為24.25μg/Kg、82.66μg/Kg、126.49μg/Kg、151.57μg/Kg和170.03μg/Kg。將原始光譜數(shù)據(jù)進(jìn)行提取和預(yù)處理后，結(jié)果表明，基于全波段光譜數(shù)據(jù)的極限學(xué)習(xí)機(jī)模型識(shí)別效果最好，準(zhǔn)確率為72%。

（4）基于卷積神經(jīng)網(wǎng)絡(luò)的西蘭花表面阿維菌素低濃度殘留檢測方法研究。針對(duì)本文研究的西蘭花表面低濃度阿維菌素殘留檢測模型識(shí)別率較低的問題，提出一種將采集的阿維菌素殘留濃度在24.25μg/Kg至170.03μg/Kg之間的西蘭花光譜信息轉(zhuǎn)換為灰度圖的方法，利用卷積網(wǎng)絡(luò)學(xué)習(xí)不同阿維菌素殘留濃度西蘭花樣本光譜數(shù)據(jù)的灰度圖之間變化的紋理。