[发明专利]一种贝类重金属污染快速检测方法

说明书

本发明涉及重金属检测技术领域，具体涉及一种贝类重金属污染快速检测方法。该方法先制备样本；再对样本进行高光谱图像采集、校正和数据提取及预处理；之后对数据进行基于邻域证据决策的波段选择，提取特征波段子集；然后建立分类检测模型，该分类检测模型包括量子神经网络分类器和集成学习分类器，量子神经网络分类器利用已选波段子集对贝类进行污染与无污染检测分类，集成学习分类器利用已选波段子集对贝类进行不同种类重金属污染鉴别分类；最后得出样本的检测结果。该方法利用高光谱检测技术进行样品数据采集，通过邻域证据决策理论进行波段选择，应用量子神经网络和集成学习分类器进行分类检测，操作简便快速，有较好的测试重现性，分析过程中不需要任何化学试剂辅助，对环境无污染性。

技术领域

本发明涉及重金属检测技术领域，具体涉及一种贝类重金属污染快速检测方法。

背景技术

贝类(如贻贝、扇贝、蛤、牡蛎、泥蚶、缢蛏等)生长在海底沉积物中，位置迁移小，一旦遇到水质、沉积物污染较难回避，在摄食过程中也会将水体及沉积物中的重金属污染物蓄积于体内，其体内重金属含量比周围环境中的含量高几个数量级，严重影响了食用价值，若长期食用，会对人类健康产生危害。因此，提高贝类的重金属污染检测能力，确保贝类的质量和食用安全已成为食品安全科学中迫切需要解决的基础问题之一。

现有的检测方法多为传统的重金属污染检测方法，需对样品做分析抽样或复杂的处理，检测是破坏性的，操作复杂，分析过程中还需要化学试剂辅助，对环境存在污染性。

发明内容

本发明为解决上述存在的技术缺陷，提供一种基于高光谱技术的贝类重金属污染快速检测方法，该方法利用高光谱检测技术进行样品数据采集，无需对样品做分析抽样或复杂的处理，检测是非破坏性的且操作简便快速，有较好的测试重现性，分析过程中不需要任何化学试剂辅助，对环境无污染性。

本发明的技术方案是；一种贝类重金属污染快速检测方法，包括以下步骤；

S1：在试验室内制备样本，包括无污染样本、单一污染样本、复合污染样本；

S2：对样本进行高光谱图像采集及校正，之后进行光谱数据提取及进行预处理；

S3：对预处理后的图像数据进行基于邻域证据决策的波段选择，提取能够准确检测贝类正常样本与重金属污染样本的特征波段子集；

S4：建立分类检测模型，该分类检测模型包括量子神经网络分类器和由多个量子神经网络分类器组成的集成学习分类器，量子神经网络分类器利用已选波段子集对贝类进行污染与无污染检测分类，集成学习分类器利用已选波段子集对贝类进行不同种类重金属污染鉴别分类；

S5：得出样本的检测结果。

进一步，所述步骤S2的处理过程为；

S21：对制备的样本进行高光谱图像获取；

S22：对图像进行黑白较正；

S23：提取任一区域图像数据；

S24：对该区域图像数据进行光谱预处理。

进一步，所述步骤S24中的光谱预处理的包括；基线校正、变量标准化、多元散射校正和求导处理。

进一步，所述步骤S3中将邻域粗糙集的属性约简思想应用到高光谱降维中，利用粗糙集理论与证据理论二者之间的互补性，剔除冗余数据，提取能够准确检测贝类正常样本与重金属污染样本的特征波段子集，具体过程如下：

以每个波段图像数据为条件属性，重金属污染情况作为决策属性，组成决策属性表，再通过属性集约简算法得出最佳特征波段子集。

进一步，所述属性集约简算法包括邻域证据决策理论，通过邻域证据决策理论得出最佳特征波段子集的过程如下：