基于高光谱成像技术的高粱农药残留种类检测研究

高粱作为粮食作物,其中残留的农药对人体危害巨大。本文基于高光谱成像（Hyperspectral Imaging,HSI）技术研究了高粱中农药残留种类的快速鉴别。采用不同预处理方法对高光谱数据进行预处理,通过建立的支持向量机（Support Vector Machine,SVM）模型发现标准正态变换（Standard Normal Variate,SNV）为最佳的预处理方法。使用类型提升算法（Type Boosting Algorithm,CatBoost）、梯度提升树（Gradient Boosting Decision Tree,GBDT）、竞争性自适应重加权采样法（Competitive Adaptive Reweighted Sampling,CARS）和主成分分析法（Principal Component Analysis,PCA）选择特征波长,对比特征波长建立的SVM模型结果发现CatBoost所选择的特征波长建模效果更好。分别建立了基于特征波长的BP神经网络自适应增强算法（Backpropagation Neural Network with Adaptive Boosting,BP-AdaBoost）、轻量梯度提升机（Light Gradient Boosting Algorithm, LGBM）、极度梯度提升（eXtreme Gradient Boosting,XGBoost）、SVM高粱农药残留分类模型,其中,BP-AdaBoost为最佳的分类模型,测试集平均分类正确率为95.17%。研究表明,高光谱成像技术结合BP-AdaBoost算法可以识别出高粱中农药残留的种类,为检测高粱农药残留类别提供了一种新的方法。