基于光谱图像识别蔬菜表面农药残留物的研究  

作　　者：曹捷[1] 张国琦[1] 张亚龙 

机构地区：[1]中国科学院西安光学精密机械研究所,710119

出　　处：《西北园艺》2024年第11期54-57,共4页

基　　金：陕西省重点研发计划项目(项目编号2022NY-231)支持。

摘　　要：蔬菜表面农药残留对公众健康构成重大威胁,开发无损且快速的检测技术已成为食品安全领域亟待解决的关键问题。提出了结合高光谱图像与深度学习技术的蔬菜表面农药残留检测方法,旨在提供一种高效、快速的蔬菜筛查方案。研究以菠菜作为模型作物,针对敌敌畏与吡虫啉两种广泛使用的农药,运用高光谱成像技术捕捉作物表面光谱特征,再通过一维卷积神经网络(1DCNN)的深度学习模型进行数据解析,成功实现了农药残留的非接触式、高精度检测。结果显示,该方法在农药残留量预测上展现出优异的性能,与国家标准检测结果相比,具有高度的线性关系,可为农产品农药残留的无损、高效检测提供具有推广应用价值的解决方案。

关 键 词：食品安全 农药残留检测 光谱分析 卷积神经网络(CNN) 随机森林回归 

分 类 号：R28[医药卫生—中药学]