1、化學農(nóng)藥方法防治病蟲害具有便捷、經(jīng)濟、高效等特點，在農(nóng)業(yè)生產(chǎn)中，大量農(nóng)藥被用來控制農(nóng)作物的病蟲害、提高農(nóng)產(chǎn)品的產(chǎn)量。農(nóng)民對噴灑農(nóng)藥的停藥期及安全采摘期意思模糊，使果蔬表面和內(nèi)部存在大量農(nóng)藥殘留，而長時間攝入含有農(nóng)藥殘留的食品會嚴重影響人體的健康，甚至會給后代人帶來潛在的危害。食品中的農(nóng)藥殘留是影響食品安全的突出問題，已引起世界各國政府和組織的密切關注。傳統(tǒng)農(nóng)藥殘留檢測方法存在樣品前處理過程繁瑣、消耗試劑、耗時長等缺點，已很難滿足現(xiàn)如今農(nóng)

2、藥殘留檢測的需求，因此尋求一款快速、無損的檢測方法具有重要意義。
　　本文以靈武長棗為研究對象，利用近紅外高光譜成像技術(900-1700nm)結合化學計量學方法，對靈武長棗表面農(nóng)藥種類判別、毒死蜱農(nóng)藥定性、定量無損檢測以及吡蟲啉農(nóng)藥殘留量的定量檢測進行初步研究，期望尋求一種快速檢測農(nóng)藥殘留的方法，并為靈武長棗表面農(nóng)藥殘留在線無損檢測提供理論依據(jù)。主要研究內(nèi)容結果為:
　　(1)基于高光譜成像技術判別紅棗表面農(nóng)藥殘留的種類。

3、通過對比不同光譜預處理的建模效果，優(yōu)選Savitzky-Golay卷積平滑處理后的光譜建立偏最小二乘回歸模型(PLSR)。根據(jù)PLSR模型的權重回歸系數(shù)選擇了11個特征波長（957nm、1046nm、1103nm、1154nm、1219nm、1425nm、1502nm、1586nm、1607nm、1636nm）。經(jīng)K-M值轉(zhuǎn)化處理11個特征波長后建立線性判別模型，毒死蜱、吡蟲啉的識別率均為92.3％;噠螨靈和蒸餾水的識別率均為100％;

4、校正模型的整體識別率為96.43％。應用該模型對預測集進行預測判別，預測識別結果為91.7％。
　　(2)應用線性判別模型先對紅棗表面不同濃度的毒死蜱農(nóng)藥進行判別分析，判別校正模型的準確率為72.68％，但預測效果只有50％的準確率。在此基礎上，本實驗繼續(xù)研究了高光譜成像技術定量分析紅棗表面毒死蜱含量。建立了全波段和特征波長下的PLSR模型，通過比較模型的相關性和均方根誤差的差異性，優(yōu)選特征波長建模，校正模型的相關性和均方根誤差為

5、0.875，0.0025;預測模型的相關性和均方根誤差為0.816，0.0031。
　　(3)基于高光譜成像技術的紅棗表面定量檢測吡蟲啉含量。通過對原始光譜分別進行了Savitzky-Golay卷積平滑、Kubelka-Munk值轉(zhuǎn)化、Kubelka-Munk+Savitzky-Golay的光譜預處理，對比不同的光譜預處理后的模型效果，Kubelka-Munk+Savitzky-Golay為最佳的預處理方法。對Kubelka-Mu

6、nk+Savitzky-Golay預處理后的光譜建立PLSR模型，依據(jù)PLSR模型的權重回歸系數(shù)法優(yōu)選出6個特征波長(990nm，1022nm，1270nm，1404nm，1583nm，1639nm)。對比了全波段和特征波長下PLSR模型和支持向量機回歸模型(SVR)的建模效果，優(yōu)選PLSR模型建模。然后基于PLSR模型，對比了全波段和特征波長下的建模效果，結果表明:特征波長下建立的模型優(yōu)于全波段下建立的模型;校正模型的相關系數(shù)、均方根