[发明专利]一种基于卷积神经网络的哈密瓜农药残留鉴别方法

权利要求书

1.一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，包括如下步骤：

S1，采集哈密瓜农药残留的可见/近红外光谱信息；

S2，对光谱数据进行预处理；

S3，将光谱数据按照一定比例划分为训练集和测试集；

S4，构建非对称性多尺度一维卷积神经网络模型；

S5，输出哈密瓜农药残留鉴别结果。

2.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，所述步骤S1中，利用可见/近红外光谱仪分别采集哈密瓜无残留、百菌清和吡虫啉残留的光谱信息。

3.根据权利要求2所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，所述可见/近红外光谱仪的仪器和采集参数包括：

QE Pro微型光纤光谱仪，光谱分辨率为0.69 nm，波段范围为380~1100 nm；

QP600-2-VIS-NIROOS-00-5172-11光纤探针，距离哈密瓜表面3 cm；

光谱采集模式为漫反射，积分时间为100 ms，平均扫描次数为10次。

4.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述步骤S2中，利用Savitzky-Golay一阶导数和标准差归一化算法对步骤S1中采集的光谱信息进行预处理。

5.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述步骤S3中，训练集与测试集比例为8:2。

6.根据权利要求1所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述步骤S4中，非对称性多尺度一维卷积神经网络模型包括1层输入层、3条卷积通道、1层融合层、1层平坦层、1层全连接层和1层输出层。

7.根据权利要求6所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于：所述3条卷积通道包括：

卷积通道1包括1个卷积模块，其中卷积核的数量和尺寸分别为16和1，步幅为2，激活函数为线性整流单元；

卷积通道2包括1个池化模块和1个卷积模块，其中池化方式为最大池化，卷积核的数量和尺寸分别为16和1，步幅均为2，激活函数为线性整流单元；

卷积通道3包括3个卷积模块，其中卷积核的数量均为16，尺寸分别为1、3和5，步幅均为2，激活函数为线性整流单元。

8.根据权利要求6所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，所述融合层的融合方式为级联，即将提取深度特征沿长度方向拼接，其计算公式为：

；

其中表示融合后的特征向量，v₁、v₂和v₃分别表示经3条卷积通道特征提取后的特征向量；

所述全连接层包括128个神经元，激活函数为线性整流单元；

所述输出层的损失函数为交叉熵函数，优化算法为随机梯度下降，分类激活函数为softmax函数，神经元个数为3个。

9.根据权利要求6所述的一种基于卷积神经网络的哈密瓜农药残留鉴别方法，其特征在于，利用步骤S3中的训练集数据训练模型，利用测试集数据测试模型性能。