[发明专利]基于藻类高光谱信号的水体残留农药检测方法

说明书

技术领域

本发明涉及藻类的水体检测技术领域，尤其涉及一种基于藻类高光谱信号的水体残留农药检测方法。

背景技术

农药在农业中起到至关重要的作用，被世界各地广泛使用，但是农药对于环境和人类健康有着很大的影响。农药能够促进农产品的发展，但与此同时，农药也会给环境和人类的健康方面带来了许多消极的影响。农药会污染土壤、水体和其他植被，并且危害到鱼、有益昆虫和其他植物等的生物体。虽然低浓度的农药对水体质量的影响不明显，但随着农药长时间积累将会加重水体的污染，所以农药的识别和毒性鉴别就变得十分重要。

微藻是一类在陆地、海洋分布广泛，营养丰富、光合利用度高的自养植物。大量生活在河流湖泊里的藻类变成反应农药对水体污染的理想中介。

高光谱成像技术不同于传统的机器视觉或近红外技术，它将成像技术和细分光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像素经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，所获取的图像包含了丰富的空间和光谱等多重信息。

如公开号为CN103630498A的专利文献提供了一种基于高光谱成像技术的脐橙表面农药残留量的检测方法，包括步骤：(1)采集待测脐橙在十一个特征波长处的单波段光谱图像；(2)依据单波段光谱图像的灰度值与反射率的线性关系，将步骤(1)中的单波段光谱图像转化为反射率图像；(3)依据公式计算得到脐橙的反射率图像中每个像素点所对应的农药残留量。

高光谱具有分辨力高、波段众多，能够获取精细的光谱特征曲线，并且可以根据需要选择或提取特定的波段来突出目标特征；覆盖波长范围宽，从可见光到短波红外范围，甚至到中波红外和热红外范围。

高光谱成像系统信息采集是一个线扫描成像过程，利用移动平台以可控的速度使成像对象相对于固定的光谱相机平行移动，通过线扫描获取藻类的高光谱图像信息。

发明内容

本发明提供了一种基于藻类高光谱信号的水体残留农药检测方法，以藻体内叶绿素a为天然探针，通过高光谱信号变化来反映细胞的光合代谢状态，从而反应水体中除草剂污染状况，解决了现有检测方法需要对水样进行复杂的化学处理，操作相对繁琐、耗时、耗力的问题。

一种基于藻类高光谱信号的水体残留农药检测方法，包括以下步骤：

1)采用高光谱成像仪，获取不同农药水体中的藻类样本的高光谱信息，并进行预处理得到预处理后的高光谱信息；

2)根据水体中农药的种类和所述预处理后的高光谱信息，建立预测模型；

3)取待测藻类样本，并获得待测藻类样本的高光谱信息，采用卷积平滑(SG)和标准正态变换(SNV)对待测藻类样本的高光谱信息进行处理，将处理后的高光谱信息输入所述的预测模型，获得待测藻类样本所处农药水体中的农药种类。

利用高光谱成像仪成像时，曝光时间设置为45ms，CCD摄像机透镜和用来携带样本的输送带之间的距离为200mm，每个玻璃盘放置在输送机台上，然后以2.4mm/s的速度移动，高光谱成像仪逐行扫描来建立带有空间坐标的高光谱图像。

采用蛋白核小球藻为介质，通过检测其色素的变化对农药种类进行判别。由于蛋白核小球藻对除草剂的反应相对于其他藻类更为敏感。

为使建立的模型预测范围更广，更加准确，还可以将正常水体中的藻类样本与农药水体中的藻类样本结合建立模型，具体为：重复步骤1)中的操作得到正常水体中的藻类样本的高光谱信息，结合农药水体中的农药种类和对应藻类样本的高光谱信息，根据步骤2)中的方法建立模型，此时得到模型可用于检测样本所处的水体是否为正常水体。

优选的，所述的模型为全波长-偏最小二乘法-判别分析(FW-PLS-DA)模型。

进一步优选的，所述的模型为有竞争的自适应重加权采样-偏最小二乘法-判别分析(CARS-PLS-DA)模型。

进一步优选的，所述的模型为回归系数-线性判别分析(RC-LDA)模型。

由于初始的高光谱信号包含很多复杂的数据，会给数据分析带来很多困难，采用ROI去拾取每个校正后的高光谱图像中央区域，以凸显样本信号，然后进行SG平滑处理和标准正态变换(SNV)，其中ROI采用ENVI4.7软件编写，SG平滑处理和标准正态变换采用WIRE3.3软件实现；反射率数据的收集和处理通过UnscramblerX10.1软件进行。