[发明专利]一种用于农药残留检测的近红外光谱降噪方法

说明书

本发明公开了一种用于农药残留检测的近红外光谱降噪方法，包括以下步骤：步骤一、采集目标的近红外光谱；步骤二、利用EEMD方法对近红外光谱的信号进行分解，得到若干个IMF分量；步骤三、依据IMF分量自适应获得阈值，选取出含噪声的IMF分量；步骤四、利用改进的L2正则化方法对选取的含噪声的IMF分量进行降噪处理；步骤五、将降噪后的分量与有效信息分量进行重构获得降噪信号。本发明解决近红外光谱本身所含噪声以及EEMD引入白噪的问题，提高近红外光谱的信噪比以及在农药残留检测中分类的识别精度。

技术领域

本发明属于近红外光谱无损检测技术领域，具体涉及一种用于农药残留检测的近红外光谱降噪方法。

背景技术

近红外光是指波长在780～2526nm范围内的电磁波，是人们在吸收光谱中发现的第一个非可见光区，其光谱区域可以反映分子中的C-H、N-H、O-H等基团的倍频、合频振动吸收情况，由此可以获得有机物与部分无机物的信息。近年来，近红外光谱(NIR)分析技术凭借效率高、精度高、成本低、无损分析等优势发展迅速，引起了社会的广泛关注。在近红外光谱范围内，不同的分子对应着表征其特征的振动频率，基于此特性，不同物质在近红外光谱中具有特定的吸收特征，这为近红外光谱的定性定量分析奠定了基础。目前，近红外光谱技术已经普遍应用于农林业、化工行业、医学界等多个领域。目前通过近红外光谱对果蔬农药残留进行分析，相比于传统的物理化学检测技术更加灵活，高效。然而，近红外光谱技术是一门弱信号技术，在采集样本的近红外光谱的过程中，不可避免地会染上噪声。此噪声会干扰到有效的光谱特征提取，将直接影响后续光谱数据分类与分析的准确性。由此，在以农药残留检测为目的的光谱数据分类中，降噪在整个过程中至关重要的一环。

在获取的近红外光谱信号中，除了由于设备元件造成的稳定噪声以外，更多的是随时间变化而变化的非稳定噪声。传统的滤波器只适用于稳定噪声处理，而无法满足非稳定噪声的消除。平均经验模态分解(EEMD)是N.E.Huang于2009年提出的一种自适应时频局部化分析方法，通过加入均匀分布在整个时频空间的高斯白噪声，使得不同尺度的信号区域自动映射到与背景白噪声相关的适当尺度上去，解决了经验模态分解(EMD)的模态混叠问题，但原有的和新加入的噪声均会被分解到各本征模函数(IMF)中，通过阈值方法选取几个IMF重建光谱的降噪方法很难有效地去除光谱中的原染噪声以及分解过程中新添加的白噪。

发明内容

本发明的目的是提供一种用于农药残留检测的近红外光谱降噪方法，以解决上述问题。

本发明提供了如下的技术方案：一种用于农药残留检测的近红外光谱降噪方法，包括以下步骤：

步骤一、利用近红外光谱仪采集被测物的近红外光谱；

步骤二、利用EEMD方法对近红外光谱的信号进行分解，得到若干个IMF分量；

步骤三、依据IMF分量，自适应获得阈值，根据阈值判断对应IMF分量中是否残留噪声，选取其中含噪声的IMF分量，剩余的IMF分量作为有效分量备用；

步骤四、利用改进的L2正则化方法对选取的含噪声的IMF分量进行降噪处理；

步骤五、将降噪后的IMF分量和有效分量进行重构获得降噪信号。

作为上述技术方案的进一步描述：

所述步骤二中，对近红外光谱的信号进行分解的分解公式为：

公式中，λ为波长，IMF_i(λ)是EEMD分解的第i个IMF分量，r_n(λ)是分解筛除n个IMF分量后的信号残余分量，得到的IMF按照频率从高到低排列，残余项r_n(λ)表征信号的趋势。

作为上述技术方案的进一步描述：