本节以ATR-FTIR光谱技术为基础，进行ATR-FTIR光谱技术的BP神经网络检测农产品蔬菜(萝卜)痕量农药残留量的模型研究。

1．样本制备

2．光谱采集

3．模型建立与结果分析

将波段分为10个等间隔子区域，按照从10个子区域开始计算优化效果，并连续去除子区域，直到平均预测误差不能再改善的原理选择最佳预处理方法：SNV法，特征波范围选为4106.1～4497.6cm^-1、1379～2939.3cm^-1。

建立模型使用MATLAB 7.7神经网络工具箱中SCG反向传播算法训练函数(trainscg)，以校正集为训练样本对网络进行训练，以MSE为性能函数，隐含层选为4个神经元，建模时对BP神经网络以0.01为训练误差训练3000次。

模型对预测样本的预测结果见表5-12。

表5-12 ATR-FTIR光谱法BP神经网络模型预测结果

模型校正结果如图5-16所示，回归方程为Y=T+0.0067。校正结果显示，相关系数R = 0.9988, RMSECV=0.100。

本节基于ATR-FTIR光谱技术以实验研究了萝卜中痕量毒死蜱残留量的BP人工神经网络法，实验得到的BP神经网络法的相关系数R=0.9988以及RMSECV=0.100充分证明了在5.2节中关于人工神经网络法在ATR-FTIR光谱技术检测痕量农药残留研究结果的可行性，ATR-FTIR光谱技术结合BP神经网络法可用于农产品果蔬(萝卜)痕量农药残留检测。

图5-16 ATR-FTIR光谱法BP神经网络模型校正结果

5.4小结

ATR-FTIR光谱法无需对样本进行任何处理直接检测的优越性，使得试验过程比以往的气相色谱等方法周期短且更加便捷，适合要求无损、快速现场检测的农药残留检测。

通过研究微量有机磷农药毒死蜱溶液和有机硫农药炔螨特溶液的ATR-FTIR光谱数据，建立了微量农药溶液检测的模型，为了探索减少水对ATR-FTIR光谱农药残留检测的影响的建模方法，在本章的后续章中，分别使用了BP神经网络和PLS法建模理论对农药溶液定量分析进行了检测方法的进一步探讨。

通过主成分数分析和不同预处理方法优化后，分别为微量毒死蜱和微量炔螨特溶液建立了最优模型—主成分数为1减去一条趋势线PLS模型，ATR-FTIR光谱技术结合PLS法可用于微量农药溶液含量的检测，为日后进一步的试验和研究提供了方法上的依据。

在本章的后半部分，根据前面所做的工作，分别将峰高峰面积法、BP神经网络法和PLS法用于萝卜痕量农药残留检测的研究中，以实验结果证明了ATR-FTIR光谱技术以各种方法建立的模型的稳健性，ATR-FTIR光谱技术可用于瓜果蔬菜等农作物产品痕量农药残留量的初步检测。

尽管在试验中各模型都取得了良好的试验效果，但是ATR-FTIR光谱技术在检测中需要样本紧贴晶体，一旦样本和晶体之间有空隙，将严重影响检测结果的正确性，并且，晶体的保养也需小心谨慎，一旦晶体在使用和清洗过程中出现了划痕和刮伤，也将对检测结果造成严重影响。

相关链接：基于FTIR和PLS的萝卜农残检测方法研究

文章来源：《多光谱食品品质检测技术与信息处理研究》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。