光学学报基于高光谱图像技术的水果表面农药残留检测试解读.docx

光学学报基于高光谱图像技术的水果表面农药残留检测试解读.docx

《光学学报基于高光谱图像技术的水果表面农药残留检测试解读.docx》由会员分享，可在线阅读，更多相关《光学学报基于高光谱图像技术的水果表面农药残留检测试解读.docx（25页珍藏版）》请在冰点文库上搜索。

光学学报基于高光谱图像技术的水果表面农药残留检测试解读

第２８卷第１２期

２００８年１２月

光学学报

ｖ０１．２８，Ｎｏ．１２Ｄｅｃｅｍｂｅｒ，２００８

ＡＣＴＡ０ＰＴＩＣＡＳＩＮＩＣＡ

文章编号：

０２５３—２２３９（２００８）１２—２２７７—０４

基于高光谱图像技术的水果表面农药残留检测试验研究

薛

龙１’２

黎静２刘木华２

（１华东交通大学机电工程学院，江西南昌３３００１３；２江西农业大学工学院，江西南昌３３００４５）

摘要以脐橙为研究对象，初步探讨了应用高光谱图像技术检测水果表面农药残留的方法。

用蒸馏水把农药分别配置成１：

２０，１：

１００和１：

１０００倍的溶液。

然后把同种不同浓度的溶液滴到１０个洗净的脐橙表面。

溶液量约为

１２０

ｐＬ，２００弘Ｌ和４００弘Ｌ，脐橙表面形成一个３×３的矩阵形状。

将水果放置到通风阴凉处放１６８ｈ后，拍摄图像。

采集脐橙在６２５～７２５ｎｍ范围的高光谱图像，应用主成分分析方法（ＰＣＡ）获得特征波长的图像，应用第三主成分图像（ＰＣ－３）并经过适当的图像处理方法对脐橙表面的农药残留进行检测。

检测结果表明，高光谱技术对检测较高浓度农药残留非常明显。

关键词

医用光学与生物技术；高光谱图像；无损检测；主成分分析；农药残留

文献标识码Ａ

ｄｏｉ：

１０．３７８８／ＡＯＳ２００８２８１２．２２７７

中图分类号ＴＳ２０１．６

ＤｅｔｅｃｔｉｎｇＰｅｓｔｉｃｉｄｅＲｅｓｉｄｕｅ

ｏｎ

ＮａｖｅｌＯｒａｎｇｅＳｕｒｆａｃｅｂｙ

ＵｓｉｎｇＨｙｐｅｒｓｐｅｃｔｒａｌＩｍａｇｉｎｇ

ＸｕｅＬｏｎ９１

ＬｉＪｉｎ９２

ＬｉｕＭｕｈｕａ２

ｆｌ

１

Ｓｃｈｏｏｌ

ｏｆＭｅｃｈａｎｉｃａｌ

ａｎｄＥｌｅｃｔｒｏｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＥａｓｔＣｈｉｎａＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，

Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ３３００１３，Ｃｈｉｎａ

１Ｉ

【２Ｅｎｇｉｎｅｅｒｉｎｇ

Ａｂｓｔｒａｃｔｄｉｌｕｔｅｄ

ｔｏ

Ｃｏｌｌｅｇｅ，ＪｉａｎｇｚｉＡｇｒｉｃｕｌｔｕｒａｌ

Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ３３００４５，ＣｈｉｎａＪ

ａ

ＴｈｅＤｅｔｅｃｔｉｏｎｏｆｆｒｕｉｔｃｏｎｔａｍｉｎａｔｅｗｉｔｈｐｅｓｔｉｃｉｄｅｒｅｓｉｄｕｅｊＳ

ｐｕｂｌｉｃｈｅａｌｔｈｃｏｎｃｅｒｎ．Ｔｈｅｐｅｓｔｉｃｉｄｅｗａｓ

ｔｏ

１；２０．１：

１００ａｎｄ１：

１０００ｓｏｌｕｔｉｏｎｗｉｔｈｄｉｓｔｉｌｌｅｄｗａｔｅｒ．Ａ３Ｘ３ｍａｔｒｉｘｏｆｄｉｌｕｔｉｏｎｓｗａｓａｐｐｌｉｅｄ

１０ｃｌｅａｎｅｄ

ｓａｍｐｌｅｗｉｔｈ１２０ｐＬ，２００ｐＬａｎｄ４００肛Ｌ．Ａｆｔｅｒ１６８ｈ，ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｓｉｎｔｈｅｗａｖｅｌｅｎｇｔｈｒａｎｇｅｆｒｏｍ６２５ｎｍｔｏ７２５ｎｍａｒｅｔａｋｅｎ．Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｗａｖｅｌｅｎｇｔｈｉｍａｇｅｓａｒｅａｃｈｉｅｖｅｄｂｙｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ）．Ｃｏｍｂｉｎｉｎｇｔｈｅ３ｒｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ（ＰＣ）ｉｍａｇｅｒｅｓｉｄｕｅ

ｏｎ

ｎａｖｅｌｏｒａｎｇｅ．Ｔｈｉｓｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔｔｈｅ

ｏｎ

ｐｒｏｐｅｒ．砷ａｇｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｓｄｅｔｅｃｔｓ

ｔｅｃｈｎｏｌｏｇｙｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｃａｎｂｅｕｓｅｄ

ｗｉｔｈ

ｔｈｅｐｅｓｔｉｃｉｄｅｔｏｅｆｆｅｃｔｉｖｅｌｙ

ｄｅｔｅｃｔｐｅｓｔｉｃｉｄｅｒｅｓｉｄｕｅＫｅｙｗｏｒｄｓ

ｆｒｕｉｔｓｕｒｆａｃｅ．

ａｎｄ

ｂｉｏｔｅｃｈｎｏｌｏｇｙ；ｈｙｐｅｒｓｐｅｃｔｒａｌ

ｉｍａｇｉｎｇ；ｎｏｎ—ｄｅｓｔｒｕｃｔｉｖｅ；ｐｒｉｎｃｉｐａｌ

ｃｏｍｐｏｎｅｎｔ

ｍｅｄｉｃａｌｏｐｔｉｃｓ

ａｎａｌｙｓｉｓ；ｐｅｓｔｉｃｉｄｅｒｅｓｉｄｕｅ

１

引言

用价值的［ｈ引。

王玉田等［３］运用荧光光谱检测出水果表面残留的农药。

胡淑芬等Ｈ３运用激光技术对水果表面农药残留进行了试验研究。

肖怡琳等Ｄ１采用激光拉曼光谱检测技术和激光诱导荧光技术对多种农药进行了检测。

周小芳等［６］应用不同波长激光光源研究水果表面农药残留的拉曼检测。

Ｍｏｏｎ

Ｓ．Ｋｉｍ

随着人们生活水平的提高，健康环保意识的增强，消费者越来越关注果蔬的质量安全问题，其中果蔬表面的农药残留问题尤其备受关注。

果蔬表面的农药残留不仅会危害消费者的健康，而且还会影响果蔬的出口贸易。

虽然对农药检测已经有了许多成熟可行的方法，但现行方法大都费时、速度慢，而且是破坏性的检测。

无损检测具有快速、简便、在线检测等特点，所以研究农药残留无损检测的方法是非常有实

收稿日期：

２００８—０７—２０；收到修改稿日期：

２００８—０９—２６基金项目：

国家自然科学基金（３０７６０１０１）资助项目。

等［７］应用荧光光谱图像检测苹果表面的污染物。

Ａｌａｎ

Ｍ．Ｌｅｆｃｏｕｒｔ等Ｅｓ～ｔ０３应用激光诱导荧光多光谱

图像技术检测出水果表面的各种粪便污染物。

作者简介：

薛龙（１９７７一），男，硕士，讲师，主要从事机械工程方面的研究。

Ｅ－ｍａｉｌ：

ｕｌｔｉｍａｔａ＠１６３．ｃｏｒｎ导师简介：

刘木华（１９６９－－），男，博士，教授，主要从事农产品品质无损检测和光谱图像等方面的研究。

Ｅ－ｍａｉｌ：

ｓｕｉｋｅｌｍｈ＠ｓｏｈｕ．ｃｏｒｎ（通信联系人）

万方数据　

光学高光谱图像技术结合了光谱分析和图像处理的技术优势，对研究对象的内外部品质特征进行检测分析，赵杰文等［Ｉｕ利用高光谱图像技术检测水果轻微损伤，准确率为８８．５７％，Ｊａｓｐｅｒ

Ｇ．Ｔａｌｌａｄａ

等［１２￣１４１分别应用高光谱图像技术对不同成熟度的草莓表面损伤、苹果的表面缺陷及芒果的成熟度检测进行了试验研究。

Ｉ．Ｋｉｍ等ｎ５］应用高光谱设备采集荧光图像检测鸡肉品质，准确率达到７６％。

本文采用高光谱图像技术检测水果表面农药残留，并通过数字图像数据处理方法寻求能准确辨别水果表面农药残留的最佳波长图像，为实现对水果的无损快速在线检测技术提供依据。

２试验材料与方法

２．１试验材料

以江西赣南脐橙为研究对象。

所用的农药是杜邦万灵（ＬＡＮＮＡＴＥ

Ｌ）牌，有效成分是２４％灭多威

（Ｍｅｔｈｏｍｙｌ）可溶性液剂，属于氨基甲酸酯类杀虫剂。

用蒸馏水把农药分别配置成１：

２０，１：

１００和１：

１０００倍的溶液。

然后用滴管，把同种不同浓度的溶液滴到洗净的脐橙表面，在脐橙表面形成一个３×３的矩阵形状（图１）。

图中从左到右农药溶液量约为１２０弘Ｌ，２００弘Ｌ和４００肛Ｌ，共１０个脐橙。

将水果放置到通风阴凉处放１６８ｈ后，拍摄图像。

图１农药样品在水果表面的布置

Ｆｉｇ．１

Ｓｃｈｅｍａｔｉｃｉｌｌｕｓｔｒａｔｉｏｎｏｆ

ｓａｍｐｌｅｔｒｅａｔｍｅｎｔｓ

图２高光谱图像采集系统示意图

Ｆｉｇ．２ｓｃｈｅｍａ‘ｉｃｄｉａｇｒａｍｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｓｙｓｔｅｍ

万　

方数据学

报

２８卷

２．２试验装置

试验的高光谱图像数据是基于光谱仪的高光谱图像系统采集得到的。

图２为高光谱图像采集系统示意图，由１台ＣＭＯＳ照相机（Ｐｈｏｔｏｎｆｏｃｕｓ，瑞士），１台行扫描光谱摄制仪（ＩｍＳｐｅｃｔｏｒ

Ｖ１０Ｅ），２５０

Ｗ的

光纤卤素灯（ＡＬＰＨＡ－１５０１，２１ｖ／ｚｓｏＷ

Ｈａｌｏｇｅｎ

Ｔｕｇｓｔｅｎ

Ｌａｍｐ）和一套输送装置等部件组成。

光谱

范围４２５～７２５ｎｍ，光谱分辨率为３ｎｍ。

２．３数据采集与预处理

成像光谱仪是将影像传感器的空间表述同光谱仪的分析能力结合在一起。

它们有几百个狭窄波谱通道，因此成像光谱仪为影像中的每一个像元提供完整的波谱曲线。

图３为典型高光谱图像，其中ｚ，Ｙ代表某一波长下的像元坐标信息，第三维是Ａ代表波长信息，因此高光谱图像也称之为高光谱立方或高光谱数据立方。

图３高光谱图像不意图

Ｆｉｇ．３

Ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇｃｕｂｅ

高光谱图像数据的采集使用Ｓｐｅｃｔｒａｌ

Ｃｕｂｅ

（ＳｐｅｃｔｒａｌＩｍａｇｉｎｇ

Ｌｔｄ．，Ｆｉｎｌａｎｄ）软件平台，预先确

定好相机的曝光时间与平台移动速度，以确保图像清晰，最终获得３００×４００×３５０的高光谱图像；数据的

处理采用ＥＮＶＩＶ４．３（ＲｅｓｅａｒｃｈＳｙｓｔｅｍ，Ｉｎｃ．，ＵＳＡ）

和ＭＡＴＬＡＢ（Ｍａｔｈｗｏｒｋｓ，Ｍａｔｌａｂ７．１，Ｉｎｃ．，ＵＳＡ）。

由于摄像头中暗电流的存在以及水果表面形状的不同，光强分布较弱波段下的图像噪声的影响较大，因此必须对图像进行预处理，以消除部分噪声的影响。

在与采集样品相同的条件下，盖上镜头盖进行样品的采集，得到一个全黑的图像Ｂ。

然后对采集样品图像Ａ进行预处理得到图像，

ｒ—Ａ—Ｂ．

（１）

３结果与讨论

在稀释浓度分别为１：

２０，１：

１００，１：

１０００倍溶液和没有涂抹农药的表面的高光谱图像中，取矩形的

１２期

薛

龙等：

基于高光谱图像技术的水果表面农药残留检测试验研究

感兴趣区域（ＲＯＩ），然后计算这些像素在每一个波长下ＲＯＩ的平均值，光谱曲线如图４所示。

可以看出，在４２５～５７５ｎｍ范围内，稀释倍数分别为１：

１００，１：

１０００的溶液和没有涂抹农药的表面的光谱曲线几乎重合，在后续数据处理时不采用这段范围。

在

６２５～７２５

ｍ范围内，上述四条光谱曲线差别明显，因

此实验所选定的波长范围是６２５～７２５啪。

还可看出，在４２５～５７５ｍ波段范围内，涂有１：

２０农药的光谱

曲线明显高于其他光谱曲线，因此该波段范围可以较容易地检测出高浓度氨基类农药的残留。

６００５００

ｌ：

１Ｑｏ

ｏ

景４００

》

翟３００

Ｕ。

Ｎ

ｏ

蚕２００

；。

Ｉ．～『＇澎

§

＼１：

１０００

一一一一。

、’，－，√

～：

＋＿“＿

。

～

万　

方数据图５涂有氨基类农药的脐橙主成分分析的前４个主成

分图像

Ｆｉｇ．５

Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ（ＰＣ）ｉｍａｇｅｓｆｒｏｍｔｈｅ１ｓｔｔＯ

４ｔｈｏｆ

ｔｈｅ

ｎａｖｅｌ

ｏｒａｎｇｅｓ

ｏｂｔａｉｎｅｄ

ｂｙｐｒｉｎｃｉｐａｌ

ｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＰＣＡ）

中值滤波，然后通过合适的阈值分割ＰＣ－２和ＰＣ一３图像得到二值图像，最后完成水果表面农药残留的特征提取。

分割后ＰＣ一２和ＰＣ－３主成分图像的二值图如图６所示，图中箭头代表检测的误检点。

虽然该二值图像没有明显地检测出全部１：

１０００农药所在的位置，但是ＰＣ－３的二值图像对１：

２０和１：

１００农药所在的位置的检测非常明显，误检点也比ＰＣ－２少很多。

表１是应用ＰＣ一３图像的检测结果，可见对高浓度氨基甲酸酯类农药溶液的检测准确率很高。

图６分割后的二值图像

Ｆｉｇ．６

Ｂｉｎａｒｙｉｍａｇｅｓｆｏｒｄｅｔｅｃｔｉｏｎ

ｓｐｏｔｓ

表１应用ＰＣ－３图像检测结果

Ｔａｂｌｅ１

Ｒｅｓｕｌｔｓｏｆｄｅｔｅｃｔｉｎｇｓｐｏｔｓ

ｏｎ

ｎａｖｅｌ

ｏｒａｎｇｅｓ

ＳｏｌｕｔｉｏｎＤｅｒｅｃｔｅｄｒａｔｉｏ

１：

２０１００％１１１００１００％１：

１０００

１３％

每一个单独的ＰＣＡ图像都是由一些显著波长线性组合而成的。

图７是根据ＰＣ－２和ＰＣ－３图像的特征向量绘制的图像光谱曲线权重系数图，图中每一处波峰和波谷都代表了一个显著波长，６４４ｎｍ与

７１４

ｎｍ是ＰＣ－２的特征波长，６３１

ｎｍ，６４４

ｎｍ，６５５姗，

２２８０光

学６７６ｎｍ，６９８ｎｍ和７１５

ｎｍ是ＰＣ－３的特征波长。

Ｗａｖｅｌｅｎｇｔｈ２／ｎｍ

图７

ＰＣ一２和ＰＣ一３图像光谱曲线权重系数

Ｆｉｇ．７

ＳｐｅｃｔｒａｌｗｅｉｇｈｔｉｎｇｃｏｅｆｆｉｃｉｅｎｔｓｆｏｒＰＣ一２ａｎｄＰＣ一３

图８分别给出了这几个特征波长下脐橙的灰度图像，可以看出图中除６７６ｎｍ波长下的图像外，其

余图像都较明显地检测到涂有１：

２０和１：

１００倍溶液农药的污染点。

在实际应用中，通过确定几个特征波长，根据这些波长图像和权重系数分别生成与ＰＣ一２和ＰＣ一３图像相似的图像。

就可以采用一个多光谱图像采集系统来实现水果表面农药残留的快速在线无损检测。

图８不同波长下的灰度图像

Ｆｉｇ．８Ｓｐｅｃｔｒａｌｉｍａｇｅｓ

ａｔ

ｄｉｆｆｅｒｅｎｔｗａｖｅｌｅｎｇｔｈｓ

４

结论

应用高光谱图像技术对水果表面农药残留的检测进行了初步研究。

应用主成分分析方法对所获得的高光谱图像进行分析，并找出特征波长下的图像。

应用这些特征图像，经过图像处理技术，可以检测出水果表面农药残留，特别对较高浓度农药残留的检测。

但对低浓度农药检测还没有精确的辨认。

实验结果表明，基于高光谱图像检测技术可以检测出水果表面的农药残留，特别是在选定某些特征波长后，

万　

方数据学报２８卷

可以实现水果表面农药残留的在线快速检测，适应于水果农药残留无损检测的未来发展方向。

参

考

文

献

１Ｌｉ

Ｊｉｎｇ。

ＸｕｅＬｏｎｇ，Ｌｉｕ

Ｍｕｈｕａ

ｅｔ

ａ１．．Ａ

ｓｔｕｄｙ

ｏｎ

ｎａｖｅｌｏｒａｎｇｅ

ｇｒａｄｉｎｇｓｙｓｔｅｍ

ｂａｓｅｄ

ｏｎ

ｃｏｍｐｕｔｅｒ

ｖｉｓｉｏｎ

ＬＪ］．Ｊ．Ｊｉａｎｇｘｉ

ＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ。

２００６，２８（２）：

３０４

３０７

黎静。

薛龙，刘木华等．基于计算机视觉的脐橙分级系统研究ｆＪ］．江西农业大学学报，２００６，２８（２）：

３０４～３（）７

２Ｚｈａｎｇ

Ｃｈｅｎｇｈｕｉ．Ｌｉｕ

Ｃｈｕｎｑｉｎｇ・Ｌｉｕ

Ｍｕｈｕａ

ｄａ１．．Ａ

ｓｔｕｄｙ

ｏｎ

ｉｎｓｐｅｃｔｉｎｇｉｎｔｅｒｎａｌ

ｑｕａｌｉｔｙ

ｏｆｒａｍｂｕｔａ

ｕｓｉｎｇ

Ｘ—ｒａｙ

ＣＴ

ｉｍａｇｉｎｇ［Ｊ］．

，．ＪｉａｎｇｘｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００５，２７（６）：

９３９～９４２

章程辉，刘纯青，刘木华．应用ｘ射线ＣＴ图像技术检测红毛丹内部品质的试验研究［Ｊ］．江西农业大学学报。

２００５，２７（６）：

９３９～９４２

３

Ｗａｎｇ

Ｙｕｔｉａｎ，Ｌｉ

Ｃｈａｎｇｗｕ。

ＬｉＹａｎｅｈｕｎｄａ１．．Ｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒａｌ

ｒｅｃｏｇｎｉｔｉｏｎｏｆｐｅｓｔｉｃｉｄｅｓｂａｓｅｄ

ｏｎ

ｗａｖｅｌｅｔｎｅｕｒａｌ

ｎｅｔｗｏｒｋ［Ｊ］．Ｃｈｉｎ．

Ｊ．Ｓｅｎｓｏｒｓ

ａｎｄＡｃｔｕａｔｏｒｓ．２００４，１９（４）：

１２２３～１２２５

千ｆｉ田，李艳春，林洪彬等．小波神经网络在农药荧光光谱识别中的应用［Ｊ］．传感技术学报，２００４，１９（４）：

１２２３～１２２５

４

Ｈｕ

Ｓｈｕｆｅｎ，Ｌｉｕ

Ｍｕｈｕａ。

Ｌｉｎ

Ｈｕａｉｗｅｉ．Ａ

ｓｔｕｄｙ

ｏｎ

ｄｅｔｅｃｔｉｎｇ

ｐｅｓｔｉｃｉｄｅ

ｒｅｓｉｄｕａｌｓ

ｏｎ

ｆｒｕｉｔｓｕｒｆａｃｅｂｙ

ｕｓｉｎｇ

ｌａｓｅｒ

ｉｍａｇｉｎｇ［Ｊ］．Ｊ．

Ｊｉａｎｇｘｉ

Ａｇｒｉｃｕｌｔｕｒａｌ

Ｕｎｉｖｅｒｓｉｔｙ。

２００６．２８（６）：

８７２～８７６

胡淑芬，刘术华，林怀蔚．基于激光图像的水果表面农药残留检测试验研究［Ｊ］．江西农业大学学报，２００６．２８（６）：

８７２～８７６

５

Ｘｉａｏ

Ｙｉｈｎ．ＺｈａｎｇＰｅｎｇｘｉａｎｇ，ＱｉａｎＸｉａｏｆａｎ．Ｍｉｃｒｏ—Ｒａｍａｎａｎｄ

ｆｌｕｏｒｅｓｃｅｎｃｅ

ｓｐｅｃｔｒａ

ｏｆｓｅｖｅｒａｌａｇｒｏｃｈｅｍｉｃａｌｓＥＪ］．黝ｅｃｔｒｏｓｃｏｐｙ

ａｎｄＳｐｅｃｔｒａｌ

Ａｎａｌｙｓｉｓ。

２００４・２４（５）：

５７９～５８１

肖怡琳，张鹏翔。

钱晓凡．几种农药的显微拉曼光谱和荧光光谱［Ｊ］．光谱学与光谱分析。

２００４。

２４（５）：

５７９～５８ｌ

６Ｚｈｏｕ

Ｘｉａｏｆａｎｇ。

ＦａｎｇＹａｎ。

Ｚｈａｎｇ

Ｐｅｎｇｘｉａｎｇ．Ｒａｍａｎｓｐｅｃｔｒａ

ｏｆ

ｐｅｓｔｉｃｉｄｅｓ

ｏｎ

ｔｈｅｓｕｒｆａｃｅｏｆ

ｆｒｕｉｔｓＩ－Ｊ］．Ｃｈｉｎ．Ｊ．Ｌｉｇｈｔ

Ｓｃａｔｔｅｒｉｎｇ，

２００４，１６（１）：

１１～１４

周小芳。

方炎，张鹏翔．水果表面残留农药拉曼光谱研究［Ｊ］．光散射学报，２００４，１６（１）：

１１～１４

７

ＫｉｍＭｏｏｎＳ，Ａｌａｎ

Ｍ

Ｌｅｆｃｏｕｒｔ，ＣｈｅｎＹｕｄ－Ｒｅｎ．Ｎｓ－ｓｃ－－．Ｒｌｅｔｉｍｅ－ｒｅｓｏｌｖｅｄ

ｌａｓｅｒ

ｉｎｄｕｃｅｄ

ｆｌｕｏｒｅｓｃｅｎｃｅ

ｉｍａｇｉｎｇ

ｆｏｒｄｅｔｅｃｔｉｏｎ

ｏｆ

ｆｅｃａｌ

ｃｏｎｔａｍｉｎａｔｉｏｎｏｎ

ａｐｐｌｅｓ［Ｃ］．５ＰｊＥ，２００４，５５８７：

１９０～１９７

８

ＡｌａｎＭ．Ｌｅｆｃｏｕｒｔ。

ＫｉｍＭｏｏｎ

Ｓ，ＣｈｅｎＹｕｄ—Ｒａｎ．Ａｕｔｏｍａｔｅｄ

ｄｅｔｅｃｔｉｏｎｏｆｆｅｃａｌｃｏｎｔａｍｉｎａｔｉｏｎｏｆａｐｐｌｅｓ

ｂｙｍｕｌｔｉ—ｓｐｅｃｔｒａｌ

ｌａｓｅｒ－

ｉｎｄｕｃｅｄｆｌｕｏｒｅｓｃｅｎｃｅｉｍａｇｉｎｇ［Ｊ］．Ａｐｐｔ．Ｏｐｔ．。

２００３，４２：

３９３５～３９４３

９

ＭｏｏｎＳ．Ｋｉｍ．ＡｌａｎＭ．Ｌｅｆｅｏｕｒｔ，Ｙｕｄ—ＲｅｄＣｈｅｎ．Ａｕｔｏｍａｔｅｄ

ｄｅｔｅｃｔｉｏｎ

ｏｆ

ｆｅｃａｌｃｏｎｔａｍｉｎａｔｉｏｎｏｆ

ａｐｐｌｅｓ

ｂａｓｅｄ

ｏｎ

ｍｕｌｔｉｓｐｅｃｔｒａｌ

ｆｌｕｏｒｅｓｃｅｎｃｅｉｍａｇｅ

ｆｕｓｉｏｎ［－Ｊ］．Ｊ．Ｆｏｏｄ

Ｅｎｇｉｎｅｅｒｉｎｇ，２００５，７１：

８５～９１

１０

Ａｎｇｅｌａ

Ｍ．

Ｖａｒｇａｓ。

Ｍｏｏｎ

Ｓ．Ｋｉｍ．Ｄｅｔｅｃｔｉｏｎｏｆｆｅｃａｌ

ｃｏｎｔａｍｉｎａｔｉｏｎ

ｏｎ

ｃａｎｔａｌｏｕｐｅｓ

ｕｓｉｎｇ

ｈｙｐｅｒｓｐｅｃｔｒａｌｆｌｕｏｒｅｓｃｅｎｃｅ

ｉｍａｇｅｒｙ［［Ｊ］．Ｊ．ＦｏｏｄＳｃｉｅｎｃｅ，２００４，７０（８）：

４７１～４７６

１１

ＺｈａｏＪｉｅｗｅｎ。

ＬｉｕＪｉａｎｈｕａ．ＣｈｅｎＱｕａｎｓｈｅｎｇ甜ａ１．．Ｄｅｔｅｃｔｉｎｇ

ｓｕｂｔｌｅ

ｂｒｕｉｓｅｓ

ｏｎ

ｆｒｕｉｔｓ

ｗｉｔｈ

ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇ［Ｊ］．

Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｆ

ｔｈｅ

Ｃｈｉｎｅｓｅ

Ｓｏｃｉｅｔｙ

ｆｏｒ

Ａｇｒｉｃｕｌｔｕｒａｌ

Ｍａｃｈｉｎｅｒｙ，２００８．３１（１）：

１０６～１０９

赵杰文，刘建华。

陈伞胜等．利用高光谱图像技术检测水果轻微损伤［Ｊ］．农业机械学报，２００８，３１（１）：

１０６～１０９

１２

ＪａｓｐｅｒＧ．Ｔａｌｌａｄａ，Ｍａｓａｔｅｒｕ

Ｎａｇａｔａ，Ｔａｉｉｃｈｉ

Ｋｏｂａｙａｓｈｉ．Ｄｅｔｅｃｔｉｏｎｏｆ

ｂｒｕｉｓｅｓ

ｉｎ

ｓｔｒａｗｂｅｒｉｅｓ

ｂｙ

ｈｙｐｅｒｓｐｅｃｔｒａｌ

ｉｍａｇｉｎｇ．

ＡＳＡＢＥ

ＰａｐｅｒＮｏ．０６３０１４．Ｓｔ．Ｊｏｓｅｐｈ，Ｍｉｃｈ．：

ＡＳＡＢＥ，２００６

１３

Ｋａｎｇ—ＪｉｎＬｅｅ。

ＳｕｋｗｏｎＫａｎｇ。

Ｍｏｏｎ

Ｓ．Ｋｉｍ．Ｈｙｐｅｒｓｐｅｃｔｒａｌ

ｉｍａｇｉｎｇｆｏｒ

ｄｅｔｅｃｔｉｎｇ

ｄｅｆｅｃｔ

ｏｎ

ａｐｐｌｅｓ．ＡＳＡＢＥ

Ｐａｐｅｒ

Ｎｏ．

０５３０７５．Ｓｔ．Ｊｏｓｅｐｈ．Ｍｉｃｈ．：

ＡＳＡＢＥ，２００５

１４

Ｆｅｄｅｒｉｅｏ

Ｈａｈｎ．Ｈｙｐｅｒｓｐｅｃｔｒａｌ

ＭａｎｇｏＲｉｐｅｎｅｓｓＤｅｔｅｃｔｉｏｎ．Ｐａｐｅｒ

Ｎｏ．０２３１４０．ＡＳＡＥ，２９５０ＮｉｌｅｓＲｏａｄ，Ｓｔ．Ｊｏｓｅｐｈ，ＭＩ

４９０８５—

９６５９ＵＳＡ

１５

Ｉ．Ｋｉｍ．Ｍ．Ｓ．Ｋｉｍ，Ｙ．Ｒ．Ｃｈｅｎ甜ａ１．．Ｄｅｔｅｃｔｉｏｎｏｆ

ｓｋｉｎ

ｔｕｍｏｒｓ

ｏｎ

ｃｈｉｃｋｅｎ

ｃａｒｃａｓｓｅｓ

ｕｓｉｎｇ

ｈｙｐｅｒｓｐｅｃｔｒａｌｆｌｕｏｒｅｓｃｅｎｃｅ

ｉｍａｇｉｎｇ［－Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｆ

ｔｈｅ

ＡＳＡＥ，４７（５）：

１７８５～１７９２

基于高光谱图像技术的水果表面农药残留检测试验研究

作者：

作者单位：

薛龙，黎静，刘木华，XueLong，LiJing，LiuMuhua薛龙,XueLong（华东交通大学机电工程学院,江西,南昌,330013;江西农业大学工学院,江西

南昌,330045），黎静,刘木华,LiJing,LiuMuhua（江西农业大学工学院,江西,南昌

330045）

光学学报

ACTAOPTICASINICA

2008,28（12）

13次刊名：

英文刊名：

年，卷（期）：

被引用次数：

参考文献（15条）

1.黎静;薛龙;刘木华基于计算机视觉的脐橙分级系统研究[期刊论文]-江西农业大学学报2006（02）

2.章程辉;刘纯青;刘木华应用X射线CT图像技术检测红毛丹内部品质的试验研究[期刊论文]-江西农业大学学报2005（06）

3.王玉田;李艳春;林洪彬小波神经网络在农药荧光光谱识别中的应用[期刊论文]-传感技术学报2004（04）

4.胡淑芬;刘术华;林怀蔚基于激光图像的水果表面农药残留检测试验研究[期刊论文]-江西农业大学学报2006（06）

5.肖怡琳;张鹏翔;钱晓凡几种农药的显微拉曼光谱和荧光光谱[期刊论文]-光谱学与光谱分析2004（05）

6.周小芳;方炎;张鹏翔水果表面残留农药拉曼光谱研究[期刊论文]-光散射学报2004（01）

7.KimMoonS;AlanM.Lefcourt;ChenYud-RenNs-scaletimeresolvedlaserinducedfluorescenceimagingfordetectionoffecalcontaminationonapples2004

8.AlanM.Lefcourt;KimMoonS;ChenYud-RenAutomateddetectionoffecalcontaminationofapplesbymulti-speetrallaserinducedfluorescenceimaging[外文期刊]2003

9.MoonS.Kim;AlanM.Lefeourt;Yud-RedChenAutomateddetectionoffecalcontaminationofapplesbasedonmultispectralfluorescenceimagefusion[外文期刊]2005

（1）

10.AngelaM.Vargas;MoonSKimDetectionoffecalcontaminationoncantaloupesusinghyperspectralfluorescenceimagery[外文期刊]2004（08）

11.赵杰文;刘建华;陈伞胜利用高光谱图像技术检测水果轻微损伤[期刊论文]-农业机械学报2008（01）

12.JasperG.Tallada;MasateruNagata;TaiichiKobayashiDetectionofbruisesinstrawberiesbyhyperspectralimaging[ASABEPaperNo.063014]2006

13.Kang-JinLee;SukwonKang;MoonS.KimHyperspectralimagingfordetec