引言

當前，蔬菜中含有農(nóng)藥殘留的可能性越來越大，而相對成熟的農(nóng)藥殘留檢測技術(shù)如氣相色譜法等存在費時費力，破壞性大等明顯缺點，因此，急需一種快速無損的蔬菜農(nóng)藥殘留檢測技術(shù)。高光譜成像技術(shù)能夠區(qū)分地物光譜的微小差別，已有研究人員將其應(yīng)用于食品安全監(jiān)測領(lǐng)域，并且取得了一定的研究成果，在蔬菜農(nóng)藥殘留檢測方面具有較大的潛力。

異常檢測是高光譜遙感最常見的應(yīng)用之一，已經(jīng)在軍事目標識別、偽裝目標區(qū)分等方面取得了較好的成果。鑒于異常檢測在高光譜遙感領(lǐng)域目標識別中的有效性，本文將其應(yīng)用于高光譜圖像，試圖探究其檢測蔬菜葉片上的農(nóng)藥點的可行性。

在本文中，我們首先搭建了一個高光譜成像平臺，獲取了包含農(nóng)藥點的菠菜葉片的高光譜圖像數(shù)據(jù)，對菠菜葉片的光譜特性和不同形態(tài)表現(xiàn)的農(nóng)藥點的光譜特性進行了分析，確定了農(nóng)藥點光譜的特征波長。

一、蔬菜農(nóng)藥點檢測的高光譜數(shù)據(jù)采集

1.1 蔬菜農(nóng)業(yè)點檢測的高光譜成像系統(tǒng)

面向蔬菜農(nóng)藥點檢測的高光譜成像系統(tǒng)由軟件和硬件兩部分組成。軟件部分主要是處理高光譜數(shù)據(jù)的軟件，常見的有ENVI、MATLAB等。硬件部分一般包括光源、分光器、相機、圖像采集系統(tǒng)和計算機等。根據(jù)成像方式的不同，目前在硬件設(shè)備搭建方面主要有兩種類型：一種是使用推掃成像方式實現(xiàn)，另一種是利用液晶可調(diào)濾光片加數(shù)碼相機拍照實現(xiàn)。

推掃成像方式中硬件設(shè)備主要包括光源、推掃的高光譜成像系統(tǒng)、鏡頭、傳送裝置和計算機等。光源一般采用鹵素燈或者LED燈，能夠產(chǎn)生可見光到紅外光的連續(xù)光。推掃的高光譜成像系統(tǒng)用來記錄物體一個掃描線上的多個波段的入射光輻射能量，通常由前端的光譜儀和后端的光電傳感器兩部分組成。鏡頭用來調(diào)整光的范圍。傳送裝置用來輸送樣品，并實現(xiàn)在空間維度的掃描。計算機則用來存儲三維高光譜“立方體”數(shù)據(jù)，并實現(xiàn)數(shù)據(jù)的實時處理。圖1是該類設(shè)備的典型案例的示意圖。

圖 1 推掃型高光譜成像系統(tǒng)結(jié)構(gòu)原理圖

基于液晶可調(diào)濾光片(Liquid Crystal Tunable Filter, LCTF)實現(xiàn)的高光譜成像系統(tǒng)，不使用傳送帶，而是相機與樣品相對固定，利用LCTF和數(shù)碼相機，直接對樣品進行拍照，通過連續(xù)采集一系列波長下的二維圖像，得到三維高光譜數(shù)據(jù)，其結(jié)構(gòu)原理如圖2。該類系統(tǒng)其他構(gòu)成部件還包括光源、相機、計算機等。在文獻中，研究人員還利用這樣思路構(gòu)建了一個手持式的高光譜成像設(shè)備，實現(xiàn)對食品工廠食品設(shè)備的探測。

圖 2 基于液晶可調(diào)濾光片型高光譜成像系統(tǒng)示意圖

1.2 高光譜圖像獲取

獲取含有農(nóng)藥點的蔬菜高光譜圖像數(shù)據(jù)，首先需要確定蔬菜的種類和農(nóng)藥點的類型。

菠菜是一種一年生或二年生的草本植物，富含維生素A、C 及礦物質(zhì)，尤其是維生素A、C 和鐵的含量是所有蔬菜中最高的，對于胃腸障礙、痛風、神經(jīng)類疾病、便秘、皮膚病和貧血有特殊食療效果,營養(yǎng)價值豐富。隨著生長環(huán)境的惡化，菠菜的病蟲害也越來越嚴重，絕大多數(shù)菠菜都需要多次噴灑農(nóng)藥后才能成熟上市，因此，一般菠菜葉上都含有農(nóng)藥殘留?？紤]到菠菜春、秋、冬三季均可生長，獲取相對容易，我們選擇了菠菜作為研究樣品。

毒死蜱，又名氯吡硫磷、氯蜱硫磷，，化學名稱為O,O-二乙基-O-(3,5,6-三氯-2-吡啶基)硫代磷酸，為白色結(jié)晶，是一種有機磷農(nóng)藥，對蔬菜、果樹、小麥中的多種咀嚼式和刺吸式口器害蟲防治效果較好，易與土壤中的有機質(zhì)結(jié)合，對土壤中的害蟲有特效。有機磷農(nóng)藥在人體內(nèi)易與膽堿酯酶發(fā)生化學反應(yīng)產(chǎn)生磷?；憠A酯酶，從而使膽堿酯酶喪失分解乙酰膽堿的作用，引發(fā)毒蕈堿樣等神經(jīng)類疾病。鑒于毒死蜱對較多害蟲具有較好的防治效果及對人體有較大的危害，我們在實驗中選擇毒死蜱作為研究對象。

為了獲取含有農(nóng)藥的蔬菜高光譜圖像，我們搭建了一個簡易的獲取高光譜圖像數(shù)據(jù)的實驗平臺，主要的實驗設(shè)備及材料如下：

高光譜成像儀：iSpecField-NIR/WNIR 便攜式地物光譜儀。

樣品：就近市場購買的新鮮菠菜，有效成分為45%的毒死蜱農(nóng)藥。

光源：兩盞功率為90W 的白熾燈，一盞功率為90W 的熒光燈。由于我們所搭建的實驗平臺比較簡易，而專業(yè)的光源獲取又相對困難，熒光燈在可見光波段的輻射能量較強，白熾燈在近紅外波段的輻射能量較強，這兩種類型的光源比較容易獲取，因此，我們在實驗中選用的光源為白熾燈和熒光燈。

將便攜式地物高光譜儀安裝在儀器自配的三角架上，將滴有10 至16 滴未經(jīng)稀疏的毒死蜱農(nóng)藥的新鮮菠菜葉經(jīng)風干處理后，放置在事先鋪好的黑布上，菠菜葉旁邊放置相對反射率接近99%標準反射白板(由聚四氟乙烯制成)，光譜儀正對菠菜葉和白板拍攝。兩盞白熾燈分別旋轉(zhuǎn)在黑布的左右兩邊斜對樣品進行照射，一盞熒光燈放置在高光譜儀的對面斜對樣品進行照射。

二、蔬菜和農(nóng)藥光譜特性分析

2.1 實驗數(shù)據(jù)選擇

在實驗獲取的每幅圖像上，利用ENVI 4.7 軟件人工選取一塊合適大小的感興趣區(qū)域(ROI)，其選擇過程如圖4所示。左邊是反射率接近99%的標準漫反射白板，右邊是滴有毒死蜱的菠菜葉，其他部分是全黑的黑布。

實驗中，我們用Matlab 2014a 版本軟件讀取高光譜圖像數(shù)據(jù)，發(fā)現(xiàn)農(nóng)藥點在高光譜圖像數(shù)據(jù)中的表現(xiàn)有3種形式，分別是全亮點、全暗點和部分亮部分暗點，如圖5所示，紅框顯示的是全亮農(nóng)藥點，黃框顯示的是全暗農(nóng)藥點，綠框顯示的是部分亮部分暗農(nóng)藥點。農(nóng)藥點之所以會顯示出這3 種形態(tài)，是因為毒死蜱農(nóng)藥是一種乳油狀的農(nóng)藥，風干后，滴有農(nóng)藥的地方會在菠菜葉片上留下一個很小的油膜，而實驗過程中使用了3盞燈，分別放置在蔬菜樣品的不同方位上，這樣位于樣品正上方的高光譜儀鏡頭接收到的油膜反射的三盞燈的光照強度也不一樣，根據(jù)高光譜儀鏡頭接收到的光的多少，就分別形成全亮、全暗和部分亮部分暗三種農(nóng)藥點。雖然有3種狀態(tài)類型的農(nóng)藥，但是總結(jié)起來就是兩類，亮農(nóng)藥點和暗農(nóng)藥點。

三、相對反射率的計算

為了提高樣品光譜的穩(wěn)定性，更好的分析不同表現(xiàn)形態(tài)農(nóng)藥點的光譜特性，我們挑選了亮、暗高光譜農(nóng)藥點圖像各25幅進行數(shù)據(jù)分析，對每類農(nóng)藥點取平均光譜作為該類農(nóng)藥點的光譜;取50幅高光譜菠菜圖像的菠菜葉背景的平均光譜作為菠菜葉光譜。圖6顯示的是亮、暗農(nóng)藥點和菠菜葉的平均DN曲線。紅色線表示亮農(nóng)藥點的光譜DN曲線，綠色線表示暗農(nóng)藥點的光譜DN曲線，藍色線表示菠菜葉的光譜DN曲線。由圖可知樣品的原始光譜DN 值曲線在406.1nm、518.5nm和583.1nm處具有非常明顯的反射峰，需要說明的是這3個反射峰并不是樣品的光譜特性，而是因為實驗中所使用的光源中有一盞是熒光燈，熒光燈在上述3個波長處的輻射強度非常強，造成樣品的原始光譜DN值曲線在這3個波長處有特別明顯的反射峰。除了這3個反射峰，樣品的原始光譜DN值曲線仍然有明顯的大小差異和波動，說明樣品的光譜受到入射光強度的影響和噪聲的影響很大。在此我們采用公式(2.1)對樣品的原始光譜進行反射率計算，以減少入射光強度變化對樣本的影響。

式(2.1)中， R 表示樣品的相對反射率， S I 表示樣品的原始DN 值， DI表示系統(tǒng)的暗電流強度， WI表示標準反射白板的DN 值。

在數(shù)據(jù)處理中，可以把黑布的DN 值看成是系統(tǒng)的暗電流，這樣我們就得到了樣品的相對反射率曲線，如圖2.9 所示。紅線表示亮農(nóng)藥點的相對反射率曲線，綠線表示暗農(nóng)藥點的光譜相對反射率曲線，藍線表示菠菜葉的相對反射率曲線。

對樣品的反射率進行較正后，光譜曲線的波動明顯減少。400nm 之前和940nm 之后的光譜數(shù)據(jù)受噪聲干擾嚴重，在實際數(shù)據(jù)處理中，將這兩段數(shù)據(jù)剔除，這樣，可用數(shù)據(jù)為400-940nm 合計226 個波段。

圖6 菠菜葉和毒死蜱農(nóng)藥的原始DN 值曲線圖

剔除噪聲較大的波段后，光譜相對反射率曲線仍然受到明顯的噪聲干擾，表現(xiàn)為相對反射率曲線起伏比較明顯，曲線不夠平滑，仍需對光譜數(shù)據(jù)進行預處理以降低噪聲。

四、Savitzky-Golay(SG)濾波處理

目前，常見的光譜圖像數(shù)據(jù)預處理技術(shù)包括標準化(normalization)、平滑濾波(smoothing)、微分技術(shù)(derivative)、多元散射校正(MSC)、標準正態(tài)變量變換(SNV)、小波變換(WT)等，但是除平滑濾波外，大部分預處理方法都會改變光譜的形狀或者光譜的位置，不利于進行光譜分析。

為了盡可能多的保持光譜曲線的原始特征，更好的進行光譜特性分析，我們采用對光譜原始信息保留較好的平滑濾波方法對光譜曲線進行降噪處理。平滑濾波法中比較常見的有滑動平均濾波法、Savitzky-Golay(SG)濾波法等方法。

圖7 菠菜葉和毒死蜱農(nóng)藥的相對反射率曲線圖

滑動平均濾波法是一種最簡單的濾波方式，其表達式為

式(2.2)中，m 為濾波帶寬，2m+1 為滑動窗口大小。在實際操作中，應(yīng)慎重選擇參數(shù)m，m 過小，則濾波效果不明顯，m 過大，否則會造成信號失真。

SG 濾波法是一種基于多項式擬合的平滑方法，又稱多項式平滑，波長k 處光譜數(shù)值經(jīng)平滑后的平均值為：

式(2.3)中， hi為平滑系數(shù)， H 為歸一化系數(shù)，每一測量的光譜數(shù)值乘以平滑系數(shù) 是為了盡量減少平滑對有用信息的影響。SG 濾波法在時域內(nèi)利用最小二乘原理實現(xiàn)最佳擬合，在濾除噪聲的同時，還保持信號的形狀、寬度不變，在實際操作中應(yīng)用廣泛。

SG 濾波法與滑動平均濾波法的基本思想相似，只是SG 濾波法是通過多項式來對滑動窗口內(nèi)的數(shù)據(jù)進行多項式最小二乘擬合，而不是簡單的平均，SG 濾波實質(zhì)上是一種加權(quán)平均法，更強調(diào)中心點的中心作用。在實際操作中，經(jīng)過多次比較，我們選擇9 點SG 濾波方法對光譜曲線進行降噪處理，其處理結(jié)果如圖8所示。

圖8 經(jīng)SG平滑處理的菠菜葉和毒死蜱農(nóng)藥的光譜曲線圖

對比圖7和圖8可知，經(jīng)過SG濾波處理后，菠菜葉和毒死蜱農(nóng)藥的光譜曲線得到明顯光滑，并且保持了原始光譜曲線的形狀，這說明SG濾波處理去掉了很大一部分噪聲，有利于下步進行光譜特性分析。

五、農(nóng)藥點與葉片背景的光譜分析

由圖8可以看出，菠菜葉片的光譜特性是典型的植被光譜特性。在可見光波段內(nèi)，葉綠素、葉黃素等色素是影響菠菜葉片光譜響應(yīng)的主要因素，尤其是葉綠素。在中心波長分別為450nm的藍光波段和650nm的紅光波段，葉綠素吸收大部分入射能量，而位于這兩個葉綠素吸收帶之間，由于吸收作用較小，在520nm的綠光波段附近形成了一個反射峰，因此，新鮮的菠菜葉看起來是綠色的。在可見光與近紅外波段之間，大約在680nm附近，反射率急劇上升，形成“紅邊”效應(yīng)，這也是植被曲線最明顯的特征。

由于亮農(nóng)藥點的光譜受光照條件影響太大，不能代表農(nóng)藥的光譜曲線，而暗農(nóng)藥點的光譜則受光照條件的影響相對較小，可以代表農(nóng)藥的光譜曲線。毒死蜱農(nóng)藥的有效成分為45%，滴在菠菜葉片上的毒死蜱農(nóng)藥光譜曲線表現(xiàn)為菠菜葉和農(nóng)藥的混合光譜，其光譜曲線形狀與菠菜葉的光譜曲線形狀類似，但是與菠菜葉片的光譜曲線相比，仍然有一些明顯的區(qū)別。整體而言，毒死蜱農(nóng)藥的相對反射率比菠菜葉的低，尤其是在520nm和700-900nm之間，這種表現(xiàn)更為明顯。而在660-680nm之間，兩者的相對反射率最為接近。在520nm處，菠菜葉有一個比較明顯的反射峰，而毒死蜱農(nóng)藥在此處的峰卻相對平緩。在884.3nm和920.2nm處，毒死蜱農(nóng)藥各有一個小的吸收峰，菠菜葉在相應(yīng)位置沒有吸收峰。在571.1nm和870nm處，毒死蜱農(nóng)藥各有一個小的反射峰，菠菜葉則沒有。

根據(jù)亮、暗農(nóng)藥點的光譜特性及它們與菠菜葉的光譜特性的區(qū)別，可以分別提取亮、暗農(nóng)藥點的特征波長。如圖6所示，亮農(nóng)藥點的特征波長為408.5nm、418.1nm、449.1nm、461.1nm、475.5nm、518.5nm、540nm、554.4nm、573.5nm、583.1nm、597.4nm和831.7nm，共12個特征波長，暗農(nóng)藥點的特征波長為408.5nm、468.3nm、520.9nm、571.1nm、607nm、645.2nm、726.5nm、740.9nm、810.2nm、870nm、884.3nm和920.2nm，共12個特征波長。特征波長的提取為下步進行異常檢測提供了數(shù)據(jù)支撐。

審核編輯：湯梓紅