食品科学技术学报201505 - page 80

或液体的光学特性测定。 该仪器的特点是测量速度
快、测量结果准确, 为全面观察吸光度情况, 选定测
量波长为 300 ~ 1 100 nm。 采集的数据上传至计算
机,利用软件 UVPRO 进行光谱预处理。
1郾 2摇 材料与试剂
考虑到实际使用氧乐果农药时, 更多地使用乳
油制剂,因此实验中选用 48% 的氧乐果乳油农药,
购自北京嘉禾种业有限公司; 去离子水、 氯化钯晶
体、乙醇( 分析纯) 均购自北京蓝弋化工公司 ; 为保
证实验结果的准确性,所用白菜购自北京超市中无
公害蔬菜专柜。
称取氯化钯晶体 0郾 75 g, 加入 9 mL 的乙酸, 振
荡、 搅拌 5 min, 加去离子水稀释到 150 mL, 配成
0郾 5% 的氯化钯乙酸溶液。 水浴 45 益 下放置 30
min,充分溶解成橙黄色液体。
称取 1 000 g 白菜样品洗净 、 晾干后, 切碎、 匀
浆,备用。
为了研究白菜中氧乐果在 0郾 5 ~ 400 mg / kg 的
检测方法, 首先在质量比为 1 ~ 800 mg / kg 内, 用去
离子水随机配置氧乐果溶液样本 60 个。
取每一个氧乐果溶液样本 10 mL,和 5 mL 白菜
汁液充分混合后,加入 5 mL 乙醇稀释,超声搅拌 60
min,取上清液 5 mL, 分别和 2 mL 的氯化钯溶液反
应 2 min,滴入比色皿采集吸光度谱图。 此时, 氧乐
果浓度减半, 60 个新样本质量比为 0郾 5 ~ 400
mg / kg。
用两个比色皿, 分别滴入已配置的 0郾 5% 的氯
化钯乙酸溶液,同时放入分光光度计中调零,其中一
个始终作对比,另一个测试比色反应后溶液的吸光
值,以消除比色皿和氯化钯底液的影响 。
1郾 3摇 数据处理方法
测量波长为 300 ~ 1 100 nm, 每个样本都有 800
个波长上的吸光度。 由于数据的维数较高, 对经典
的机器学习方法而言,获得相同的泛化性能需要的
样本数目随着维数的增多呈指数级数增长。 在使用
神经网络方法时, 需要和主成分分析相结合才能够
顺利完成预测建模任务。 因为神经网络预测时会产
生不可避免的过度拟合问题, 通过建模方法本身难
以解决,这种情况下 ,利用支持向量机方法处理高维
数据,进行分类建模更适合。 对于支持向量机来说,
计算复杂性与输入模式的维数没有直接关系。 当样
本数量固定时, 支持向量数目越少 , 其泛化性能越
高。 此外,支持向量机这种方法还具有优化问题存
在唯一的极小点 、学习速度快、更换核函数可以得到
各种不同的广义超平面等优点。
核函数 K ( xi ,x) 是基于支持向量机解决原样本
空间中线性不可分问题时引入的一种非线性变换 ,
见图 1。 其基本思想就是通过核变换 , 使得样本在
新的高维特征空间中线性可分 ,然后在高维特征空
间中来实现最优分类面的求解。
图 1摇 支持向量机结构示意
Fig. 1摇 Structure diagram of SVM
2摇 结果与分析
2郾 1摇 60 个样本的实验结果与分析
用等量的氯化钯乙酸溶液和 60 个不同质量比
氧乐果样本发生比色反应后的吸光度谱图 ,见图 2。
从图 2 可以看出, 氧乐果质量比和吸光度值呈正相
关关系 ,在 300 ~ 380 nm 紫外区间, 噪声干扰最大 ,
吸光度值突变到 5, 且质量比越高受干扰的范围越
大 ;在 380 ~ 480 nm 波段, 虽然也有较大干扰 ,但吸
光度值是能够体现样本质量比的。 在 900 ~ 1 100
nm 波段,噪声干扰也较大,且吸光度值相差不大 ,难
以区分样本质量比。 因此后面使用的数据是 380 ~
900 nm。
图 2摇 60 个氧乐果样本的吸光度谱图
Fig. 2摇 Absorbance spectra of 60 omethoate samples
选取质量比为 0郾 5,88,400 mg / kg 的 3 个样本
吸光度曲线比较 见图 分别代表 个质量比范
57
第 33 卷 第 5 期摇 摇 摇 摇 摇 摇 摇 摇 李摇 文等: 基于比色光谱和 SVM 快速检测白菜中氧乐果农残方法