[發明專利]一種貝類重金屬污染快速檢測方法

在審

• 申請號: 201910129944.1
• 申請日: 2019-02-21
• 公開（公告）號: CN109668842A
• 公開（公告）日: 2019-04-23
• 發明（設計）人: 劉瑤;孟祥麗;李明;王潤濤;王樹文
• 申請（專利權）人: 嶺南師范學院
• 主分類號: G01N21/25
• 分類號: G01N21/25;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳偉斌;劉瑤云

本發明涉及重金屬檢測技術領域，具體涉及一種貝類重金屬污染快速檢測方法。該方法先制備樣本；再對樣本進行高光譜圖像采集、校正和數據提取及預處理；之后對數據進行基于鄰域證據決策的波段選擇，提取特征波段子集；然后建立分類檢測模型，該分類檢測模型包括量子神經網絡分類器和集成學習分類器，量子神經網絡分類器利用已選波段子集對貝類進行污染與無污染檢測分類，集成學習分類器利用已選波段子集對貝類進行不同種類重金屬污染鑒別分類；最后得出樣本的檢測結果。該方法利用高光譜檢測技術進行樣品數據采集，通過鄰域證據決策理論進行波段選擇，應用量子神經網絡和集成學習分類器進行分類檢測，操作簡便快速，有較好的測試重現性，分析過程中不需要任何化學試劑輔助，對環境無污染性。

技術領域

本發明涉及重金屬檢測技術領域，具體涉及一種貝類重金屬污染快速檢測方法。

背景技術

貝類(如貽貝、扇貝、蛤、牡蠣、泥蚶、縊蟶等)生長在海底沉積物中，位置遷移小，一旦遇到水質、沉積物污染較難回避，在攝食過程中也會將水體及沉積物中的重金屬污染物蓄積于體內，其體內重金屬含量比周圍環境中的含量高幾個數量級，嚴重影響了食用價值，若長期食用，會對人類健康產生危害。因此，提高貝類的重金屬污染檢測能力，確保貝類的質量和食用安全已成為食品安全科學中迫切需要解決的基礎問題之一。

現有的檢測方法多為傳統的重金屬污染檢測方法，需對樣品做分析抽樣或復雜的處理，檢測是破壞性的，操作復雜，分析過程中還需要化學試劑輔助，對環境存在污染性。

發明內容

本發明為解決上述存在的技術缺陷，提供一種基于高光譜技術的貝類重金屬污染快速檢測方法，該方法利用高光譜檢測技術進行樣品數據采集，無需對樣品做分析抽樣或復雜的處理，檢測是非破壞性的且操作簡便快速，有較好的測試重現性，分析過程中不需要任何化學試劑輔助，對環境無污染性。

本發明的技術方案是；一種貝類重金屬污染快速檢測方法，包括以下步驟；

S1：在試驗室內制備樣本，包括無污染樣本、單一污染樣本、復合污染樣本；

S2：對樣本進行高光譜圖像采集及校正，之后進行光譜數據提取及進行預處理；

S3：對預處理后的圖像數據進行基于鄰域證據決策的波段選擇，提取能夠準確檢測貝類正常樣本與重金屬污染樣本的特征波段子集；

S4：建立分類檢測模型，該分類檢測模型包括量子神經網絡分類器和由多個量子神經網絡分類器組成的集成學習分類器，量子神經網絡分類器利用已選波段子集對貝類進行污染與無污染檢測分類，集成學習分類器利用已選波段子集對貝類進行不同種類重金屬污染鑒別分類；

S5：得出樣本的檢測結果。

進一步，所述步驟S2的處理過程為；

S21：對制備的樣本進行高光譜圖像獲取；

S22：對圖像進行黑白較正；

S23：提取任一區域圖像數據；

S24：對該區域圖像數據進行光譜預處理。

進一步，所述步驟S24中的光譜預處理的包括；基線校正、變量標準化、多元散射校正和求導處理。

進一步，所述步驟S3中將鄰域粗糙集的屬性約簡思想應用到高光譜降維中，利用粗糙集理論與證據理論二者之間的互補性，剔除冗余數據，提取能夠準確檢測貝類正常樣本與重金屬污染樣本的特征波段子集，具體過程如下：

以每個波段圖像數據為條件屬性，重金屬污染情況作為決策屬性，組成決策屬性表，再通過屬性集約簡算法得出最佳特征波段子集。

進一步，所述屬性集約簡算法包括鄰域證據決策理論，通過鄰域證據決策理論得出最佳特征波段子集的過程如下：