欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法

文檔序號:9372985閱讀:383來源:國知局
基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及藻類的水體檢測技術(shù)領(lǐng)域,尤其涉及一種基于藻類高光譜信號的水體 殘留農(nóng)藥檢測方法。
【背景技術(shù)】
[0002] 農(nóng)藥在農(nóng)業(yè)中起到至關(guān)重要的作用,被世界各地廣泛使用,但是農(nóng)藥對于環(huán)境和 人類健康有著很大的影響。農(nóng)藥能夠促進(jìn)農(nóng)產(chǎn)品的發(fā)展,但與此同時,農(nóng)藥也會給環(huán)境和人 類的健康方面帶來了許多消極的影響。農(nóng)藥會污染土壤、水體和其他植被,并且危害到魚、 有益昆蟲和其他植物等的生物體。雖然低濃度的農(nóng)藥對水體質(zhì)量的影響不明顯,但隨著農(nóng) 藥長時間積累將會加重水體的污染,所以農(nóng)藥的識別和毒性鑒別就變得十分重要。
[0003] 微藻是一類在陸地、海洋分布廣泛,營養(yǎng)豐富、光合利用度高的自養(yǎng)植物。大量生 活在河流湖泊里的藻類變成反應(yīng)農(nóng)藥對水體污染的理想中介。
[0004] 高光譜成像技術(shù)不同于傳統(tǒng)的機(jī)器視覺或近紅外技術(shù),它將成像技術(shù)和細(xì)分光譜 技術(shù)結(jié)合在一起,在對目標(biāo)的空間特征成像的同時,對每個空間像素經(jīng)過色散形成幾十乃 至幾百個窄波段以進(jìn)行連續(xù)的光譜覆蓋,所獲取的圖像包含了豐富的空間和光譜等多重信 息。
[0005] 如公開號為CN103630498A的專利文獻(xiàn)提供了一種基于高光譜成像技術(shù)的臍橙表 面農(nóng)藥殘留量的檢測方法,包括步驟:(1)采集待測臍橙在十一個特征波長處的單波段光 譜圖像;(2)依據(jù)單波段光譜圖像的灰度值與反射率的線性關(guān)系,將步驟(1)中的單波段光 譜圖像轉(zhuǎn)化為反射率圖像;(3)依據(jù)公式計算得到臍橙的反射率圖像中每個像素點所對應(yīng) 的農(nóng)藥殘留量。
[0006] 高光譜具有分辨力高、波段眾多,能夠獲取精細(xì)的光譜特征曲線,并且可以根據(jù)需 要選擇或提取特定的波段來突出目標(biāo)特征;覆蓋波長范圍寬,從可見光到短波紅外范圍,甚 至到中波紅外和熱紅外范圍。
[0007] 高光譜成像系統(tǒng)信息采集是一個線掃描成像過程,利用移動平臺以可控的速度使 成像對象相對于固定的光譜相機(jī)平行移動,通過線掃描獲取藻類的高光譜圖像信息。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明提供了一種基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,以藻體內(nèi)葉綠 素 a為天然探針,通過高光譜信號變化來反映細(xì)胞的光合代謝狀態(tài),從而反應(yīng)水體中除草 劑污染狀況,解決了現(xiàn)有檢測方法需要對水樣進(jìn)行復(fù)雜的化學(xué)處理,操作相對繁瑣、耗時、 耗力的問題。
[0009] -種基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,包括以下步驟:
[0010] 1)采用高光譜成像儀,獲取不同農(nóng)藥水體中的藻類樣本的高光譜信息,并進(jìn)行預(yù) 處理得到預(yù)處理后的高光譜信息;
[0011] 2)根據(jù)水體中農(nóng)藥的種類和所述預(yù)處理后的高光譜信息,建立預(yù)測模型;
[0012] 3)取待測藻類樣本,并獲得待測藻類樣本的高光譜信息,采用卷積平滑(SG)和標(biāo) 準(zhǔn)正態(tài)變換(SNV)對待測藻類樣本的高光譜信息進(jìn)行處理,將處理后的高光譜信息輸入所 述的預(yù)測模型,獲得待測藻類樣本所處農(nóng)藥水體中的農(nóng)藥種類。
[0013] 利用高光譜成像儀成像時,曝光時間設(shè)置為45ms,CCD攝像機(jī)透鏡和用來攜帶樣 本的輸送帶之間的距離為200mm,每個玻璃盤放置在輸送機(jī)臺上,然后以2. 4mm/s的速度移 動,高光譜成像儀逐行掃描來建立帶有空間坐標(biāo)的高光譜圖像。
[0014] 采用蛋白核小球藻為介質(zhì),通過檢測其色素的變化對農(nóng)藥種類進(jìn)行判別。由于蛋 白核小球藻對除草劑的反應(yīng)相對于其他藻類更為敏感。
[0015] 為使建立的模型預(yù)測范圍更廣,更加準(zhǔn)確,還可以將正常水體中的藻類樣本與農(nóng) 藥水體中的藻類樣本結(jié)合建立模型,具體為:重復(fù)步驟1)中的操作得到正常水體中的藻類 樣本的高光譜信息,結(jié)合農(nóng)藥水體中的農(nóng)藥種類和對應(yīng)藻類樣本的高光譜信息,根據(jù)步驟 2)中的方法建立模型,此時得到模型可用于檢測樣本所處的水體是否為正常水體。
[0016] 優(yōu)選的,所述的模型為全波長-偏最小二乘法-判別分析(FW-PLS-DA)模型。
[0017] 進(jìn)一步優(yōu)選的,所述的模型為有競爭的自適應(yīng)重加權(quán)采樣-偏最小二乘法-判別 分析(CARS-PLS-DA)模型。
[0018] 進(jìn)一步優(yōu)選的,所述的模型為回歸系數(shù)-線性判別分析(RC-LDA)模型。
[0019] 由于初始的高光譜信號包含很多復(fù)雜的數(shù)據(jù),會給數(shù)據(jù)分析帶來很多困難,采用 ROI去拾取每個校正后的高光譜圖像中央?yún)^(qū)域,以凸顯樣本信號,然后進(jìn)行SG平滑處理和 標(biāo)準(zhǔn)正態(tài)變換(SNV),其中ROI采用ENVI4. 7軟件編寫,SG平滑處理和標(biāo)準(zhǔn)正態(tài)變換采用 WIRE3. 3軟件實現(xiàn);反射率數(shù)據(jù)的收集和處理通過Unscrambler X 10. 1軟件進(jìn)行。
[0020] 在對預(yù)測模型進(jìn)行校驗時,在步驟3)中,將處理后的高光譜信息輸入所述的預(yù)測 模型后,設(shè)定閾值為±0. 3,用以消除誤差對檢測結(jié)果造成的影響。閾值越大,預(yù)測正確率越 高,當(dāng)閾值為±0. 3時,預(yù)測正確率達(dá)到96. 67%。
[0021] 與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果為:
[0022] 本發(fā)明實現(xiàn)了基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,不需要對水樣進(jìn)行 復(fù)雜的前處理以及化學(xué)分析,大大簡化了操作步驟,縮短了檢測時間,也避免了由于操作人 員操作不熟練或者主觀因素帶來的測量結(jié)果不準(zhǔn)確等后果。
【具體實施方式】
[0023] 下面結(jié)合具體實施例進(jìn)一步闡釋本發(fā)明。
[0024] 在本實施例中選擇三種除草劑,分別是草甘膦、去草胺和阿特拉津。設(shè)置四個實驗 組,三組被除草劑污染,剩下的一個為正常水樣。相同濃度的藻類種植在四組水中。三個被 污染組中的除草劑濃度設(shè)置為3mg/L。初始的四組藻濃度為1.45X10 7細(xì)胞/毫升。微藻 培養(yǎng)平臺的照明水平在25001x到35001x之間。
[0025] 為了能較大程度地污染微藻,模擬其在污染環(huán)境中的生長狀態(tài),測試持續(xù)了七天。 數(shù)據(jù)采集分別在測試的第三天、第五天、第七天進(jìn)行。每組樣本通過可見/近紅外光譜成像 系統(tǒng)獲取圖像。對同一天的每一組水樣采集其30個樣本,共獲取120個樣本的高光譜圖像 (30個草甘膦、30個莠去津、30個丁草胺和30個正常水樣)。
[0026] 利用高光譜成像儀檢測藻體內(nèi)色素成分變化時,曝光時間設(shè)置為45ms,CCD攝像 機(jī)透鏡和用來攜帶樣本的輸送帶之間的距離為200mm,每個玻璃盤放置在輸送機(jī)臺上,然后 以2. 4mm/s的速度移動,高光譜成像儀逐行掃描來建立帶有空間坐標(biāo)的高光譜圖像。
[0027] 對于每個樣本的高光譜原始信息,為獲得較高信噪比的光譜曲線,采用平滑SG和 標(biāo)準(zhǔn)正態(tài)變換對原始高光譜進(jìn)行預(yù)處理。由于初始的高光譜信號包含很多復(fù)雜的數(shù)據(jù),會 給數(shù)據(jù)分析帶來很多困難,采用ROI去拾取每個校正后的高光譜圖像中央?yún)^(qū)域,以凸顯樣 本信號,然后進(jìn)行SG平滑處理和標(biāo)準(zhǔn)正態(tài)變換。
[0028] 以第三天為例,在得到的各樣本中(共120),每種水體下隨機(jī)抽取80個樣本用于 模型建立,剩下的40個樣本用于驗證。
[0029] 為便于對比不同模型預(yù)測的效果,本實施例分別采用標(biāo)準(zhǔn)正態(tài)變換和SG平滑對 原始高光譜進(jìn)行預(yù)處理,利用不同的模型對相同預(yù)處理程度下獲取的數(shù)據(jù)建立預(yù)測模型, 用分辨正確率對模型的精確性進(jìn)行評價,預(yù)測正確率是閾值為±0.3時計算所得。相同的 預(yù)處理方法對不同的預(yù)測模型比較分析見表1、表2、表3。
[0030] 表1 FW - PLS - DA模型的三天預(yù)測結(jié)果
[0031]
[0032] 其中R/、Rp2為決定系數(shù),RMSEC、RMSEP為均方根誤差;
[0033] 表2 CARS-PLS-DA模型的三天預(yù)測結(jié)果
[0034]
[0035] 表3 RC-LDA模型的三天預(yù)測結(jié)果
[0036]
[0037] 其中*CCR為預(yù)測準(zhǔn)確率
[0038] 從表1、表2和表3中,可以看到FW-PLS-DA模型、CARS-PLS-DA模型和RC-LDA模 型的平均預(yù)測準(zhǔn)確率分別為80. 33%、85. 00%和96. 67%。因此,RC-LDA模型的預(yù)測準(zhǔn)確 率更好,能很好的滿足水體除草劑鑒別的要求。
【主權(quán)項】
1. 一種基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于,包括以下步驟: 1) 采用高光譜成像儀,獲取不同農(nóng)藥水體中的藻類樣本的高光譜圖像,并依次進(jìn)行卷 積平滑和標(biāo)準(zhǔn)正態(tài)變換的預(yù)處理得到預(yù)處理后的高光譜信息; 2) 根據(jù)水體中農(nóng)藥的種類和所述預(yù)處理后的高光譜信息,建立預(yù)測模型; 3) 取待測藻類樣本,獲得待測藻類樣本的高光譜信息,采用卷積平滑和標(biāo)準(zhǔn)正態(tài)變換 對待測藻類樣本的高光譜信息依次進(jìn)行處理,將處理后的高光譜信息輸入所述的預(yù)測模 型,獲得待測藻類樣本所處農(nóng)藥水體中的農(nóng)藥種類。2. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 在高光譜成像儀內(nèi),曝光時間設(shè)置為45ms,CXD攝像機(jī)透鏡和用來攜帶樣本的輸送帶之間 的距離為200mm,每個玻璃皿放置在輸送機(jī)臺上,然后以2. 4mm/s的速度移動,高光譜成像 儀逐行掃描來建立帶有空間坐標(biāo)的高光譜圖像。3. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 針對正常水體中的藻類樣本,重復(fù)步驟1)中的操作得到相應(yīng)的高光譜圖像,結(jié)合農(nóng)藥水體 中的農(nóng)藥種類和對應(yīng)藻類樣本的高光譜信息,根據(jù)步驟2)建立模型。4. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 采用蛋白核小球藻為介質(zhì),通過檢測其色素的變化對農(nóng)藥種類進(jìn)行判別。5. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 所述的模型為全波長-偏最小二乘法-判別分析模型。6. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 所述的模型為有競爭的自適應(yīng)重加權(quán)采樣-偏最小二乘法-判別分析模型。7. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 所述的模型為回歸系數(shù)-線性判別分析模型。8. 如權(quán)利要求1所述的基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,其特征在于, 在步驟3)中,將處理后的高光譜信息輸入所述的預(yù)測模型后,設(shè)定閾值為±0.3。
【專利摘要】本發(fā)明公開了一種基于藻類高光譜信號的水體殘留農(nóng)藥檢測方法,包括:1)采用高光譜成像儀,獲取不同農(nóng)藥水體中的藻類樣本的高光譜圖像,并依次進(jìn)行卷積平滑和標(biāo)準(zhǔn)正態(tài)變換的預(yù)處理得到預(yù)處理后的高光譜信息;2)根據(jù)水體中農(nóng)藥的種類和所述預(yù)處理后的高光譜信息,建立預(yù)測模型;3)取待測藻類樣本,獲得待測藻類樣本的高光譜信息,采用卷積平滑和標(biāo)準(zhǔn)正態(tài)變換對待測藻類樣本的高光譜信息依次進(jìn)行處理,將處理后的高光譜信息輸入所述的預(yù)測模型,獲得待測藻類樣本所處農(nóng)藥水體中的農(nóng)藥種類。本發(fā)明無需對水樣進(jìn)行復(fù)雜的前處理以及化學(xué)分析,大大簡化了操作步驟,縮短了檢測時間,提高了鑒別正確率。
【IPC分類】G01N21/27
【公開號】CN105092489
【申請?zhí)枴緾N201510501581
【發(fā)明人】邵詠妮, 周宏 , 蔣林軍, 何勇
【申請人】浙江大學(xué)
【公開日】2015年11月25日
【申請日】2015年8月14日
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
玉林市| 英吉沙县| 永福县| 云阳县| 安溪县| 象山县| 芒康县| 房产| 孟村| 延安市| 苗栗市| 沿河| 东山县| 噶尔县| 德阳市| 阿尔山市| 海兴县| 离岛区| 苏州市| 涟水县| 江都市| 游戏| 翼城县| 民权县| 镇赉县| 斗六市| 余姚市| 白山市| 叶城县| 澄迈县| 精河县| 岳西县| 通渭县| 淳安县| 淮滨县| 平舆县| 镇坪县| 金寨县| 册亨县| 云霄县| 开阳县|