王曉彬 吳瑞梅,2 劉木華 藺磊 張廬陵*

（1.江西農(nóng)業(yè)大學(xué)工學(xué)院，江西南昌 330045；2.江蘇大學(xué)農(nóng)產(chǎn)品物理加工重點(diǎn)實(shí)驗(yàn)室，江蘇鎮(zhèn)江 212013）

多菌靈是一種內(nèi)吸性廣譜殺菌劑，廣泛應(yīng)用于果樹、蔬菜的病蟲害防治。多菌靈是低毒性農(nóng)藥，但半衰期多于20天，且實(shí)驗(yàn)室發(fā)現(xiàn)其存在使動物肝癌病變的風(fēng)險。多菌靈農(nóng)藥殘留檢測方法主要有：液相色譜法[1]、液相-質(zhì)譜聯(lián)用法[2]等，但這些方法存在諸多缺陷：耗時、檢測費(fèi)用高、需使用大量有毒試劑等。

激光拉曼光譜技術(shù)具有快速、操作簡便、測定時間短、靈敏度高、所需樣品量少等優(yōu)點(diǎn)[3]，已逐步應(yīng)用于食品、農(nóng)產(chǎn)品中農(nóng)藥殘留的檢測研究。張丹[4]等采用激光拉曼光譜對蔬菜和水果中的農(nóng)藥殘留進(jìn)行了研究，李永玉等[5]應(yīng)用拉曼光譜技術(shù)檢測了蘋果表面的敵百蟲農(nóng)藥殘留，Shende等[6]利用表面增強(qiáng)拉曼光譜檢測果橙汁中的微量甲基毒死蜱，Xie等[7]建立了一種基于表面增強(qiáng)拉曼光譜快速檢測蔬菜中甲胺磷的方法。但在拉曼光譜信號采集過程中，會受到激光光源噪聲、外界雜散光、CCD檢測器熱穩(wěn)定噪聲等方面因素的影響，使獲得的拉曼光譜信號噪聲較大[8]，嚴(yán)重影響拉曼特征譜峰的分析。因此，必須對原始拉曼光譜信號進(jìn)行有效的預(yù)處理。

小波分析在光譜信號去噪方面有著廣泛的應(yīng)用，對光譜信號進(jìn)行多尺度分解，分離出高頻信號達(dá)到去除噪聲的目的[9]。利用小波分析對多菌靈拉曼光譜信號進(jìn)行預(yù)處理，可最大程度去除信號中的噪聲，從而提高多菌靈拉曼光譜信號的信噪比，有利于對多菌靈官能團(tuán)進(jìn)行譜峰歸屬。

1 材料與方法

1.1 材料與儀器

多菌靈標(biāo)準(zhǔn)品分析純（≥99%） 上海晶純實(shí)業(yè)有限公司。

inVia顯微共焦Raman光譜儀 英國Renishaw公司；半導(dǎo)體激光器（最大功率為300mW） 英國Renishaw公司，激發(fā)波長為785nm，分辨率為2 cm-1，積分時間設(shè)置為15s，積分次數(shù)為2，拉曼光譜范圍為：200～3 500 cm-1。

1.2 拉曼光譜采集

取適量多菌靈標(biāo)準(zhǔn)品置于載玻片上，采集多菌靈的拉曼光譜信號。采集前對載玻片進(jìn)行背景掃描，消除其對拉曼光譜信號的影響。多菌靈標(biāo)準(zhǔn)品是粉末狀，數(shù)據(jù)采集前將其壓平，有利于顯微鏡的對焦。

1.3 小波分析去噪原理及去噪過程

小波分析是在傅里葉變換基礎(chǔ)上發(fā)展起來的一種處理信號的時頻分析方法，該方法具有多分辨率分析特點(diǎn)，在時域和頻域中，能表征信號的局部特征，是一種窗口大小固定不變，形狀、時間窗和頻率窗都可變的時頻局部化分析方法。因此，根據(jù)光譜信號和噪聲在頻率上的區(qū)別，實(shí)現(xiàn)噪聲的分離[10]。本試驗(yàn)采集的多菌靈標(biāo)準(zhǔn)品拉曼光譜信號是離散數(shù)據(jù)，在進(jìn)行小波去噪時，采用離散小波分析方法。

利用小波分析對拉曼光譜信號去噪過程如下[11]：

對多菌靈拉曼光譜信號進(jìn)行小波分解。選擇一種合適的小波基函數(shù)，確定該小波基函數(shù)的分解層次N，對原始拉曼光譜信號進(jìn)行N層分解計(jì)算；

小波分解高頻系數(shù)的閾值量化。選擇軟閾值或硬閾值對每一層的高頻系數(shù)進(jìn)行閾值量化處理。

多菌靈拉曼光譜信號重構(gòu)。由第N層的低頻系數(shù)和經(jīng)過閾值量化處理的各層高頻系數(shù)作逆離散小波變換，對閾值化處理后的光譜信號進(jìn)行重構(gòu)。

小波去噪過程中，閾值處理是小波去噪的關(guān)鍵步驟，閾值處理方法的選擇和閾值量化處理方法的選擇，直接影響小波去噪后的光譜信號質(zhì)量[12]。常用閾值選取規(guī)則有[13]：Rigrsure，Sqtwolog，Heursure和M inimaxi，其中‘Rigrsure’是一種基于stein無偏似然估計(jì)(SURE) 的軟件閾值估計(jì)器；‘Sqtwolog’采用固定閾值形式，其閾值大小為sqrt(2*log(length(X)))；‘Heursure’是前2種閾值的綜合，能用來優(yōu)化閾值的大?。弧甅 inimaxi’也是采用固定閾值形式，其閾值是最小均方誤差的極值。因此，本文選用‘Heursure’閾值方案進(jìn)行閾值量化。

1.4 光譜質(zhì)量評價及評價指標(biāo)

既能較多地去除噪聲，又能使原始光譜信號中的信息丟失得最少是光譜信號去噪的目標(biāo)。常用評價小波去噪質(zhì)量的方法有[14]：信噪比（Signal to Noise Ratio， SNR）和均方根誤差（Root-mean-square error，RMSE）。信噪比指原始拉曼光譜信號與噪聲的比值，以SNR表示，表達(dá)式為：

均方根誤差是指原始信號與分解重構(gòu)后信號的均方，以RMSE表示，表達(dá)式為：

光譜信號的信噪比越高，均方根誤差值越小，去噪信號就越接近原始信號，去噪的效果就越好。

2 結(jié)果與分析

2.1 多菌靈原始拉曼光譜分析

多菌靈的分子式為C9H9N3O2，其分子結(jié)構(gòu)如圖1所示。從圖中可知，多菌靈分子結(jié)構(gòu)中含有C－H、C=C、N－H、C=N、C=O、－CH3等官能團(tuán)，每一種官能團(tuán)都有其特征振動頻率，通過對各個官能團(tuán)的拉曼譜峰進(jìn)行歸屬和分析，可實(shí)現(xiàn)食品及農(nóng)產(chǎn)品中多菌靈農(nóng)藥殘留檢測。

圖1 多菌靈分子結(jié)構(gòu)示意圖Fig.1 The schematic draw ing of the structure of carbendazim power

圖2為多菌靈標(biāo)準(zhǔn)品粉末的原始拉曼光譜圖，從圖中可看出，多菌靈的拉曼特征峰明顯，主要集中在200～1700cm-1之間。但在特征峰中存在大量噪聲信息，這些噪聲信息由雜散光和激光光源等因素引起。在對多菌靈拉曼特征峰進(jìn)行譜峰歸屬和分析前，必須對原始拉曼光譜進(jìn)行預(yù)處理。本研究分別采用移動平均平滑和小波分析兩種預(yù)處理方法，對比兩種方法的去噪效果。

圖2 多菌靈標(biāo)準(zhǔn)品粉末的原始拉曼光譜信號Fig.2 The raw Raman spectrum of carbendazim powder

2.2 多菌靈拉曼光譜信號的移動平均平滑去噪分析

移動平均平滑處理是一種常用去噪聲方法，能較好的消除噪聲。研究采用移動平均平滑法對原始光譜進(jìn)行去噪處理，但在預(yù)處理過程中需選擇合適的平滑窗口寬度，以盡量將光譜細(xì)節(jié)損失降到最低[15]。表1為在不同窗口寬度下多菌靈拉曼光譜信號的信噪比和均方根誤差值。由表1可看出，經(jīng)移動平均平滑預(yù)處理的拉曼信號，隨著窗口寬度的增大，信噪比降低，均方根誤差值增大。窗口寬度為3時，信噪比最大，為57.976；均方根誤差值最小，為13.247。平滑后的光譜圖如圖3所示，跟原始光譜相比，去除了部分噪聲信息，但去噪效果不明顯。

表1 基于移動平均平滑在不同窗口寬度下的光譜信號的SNR和RMSETable1 SNR and RMSE values of the spectral signals with different window widths based on Moving average smoothing method

圖3 窗口寬度為3的拉曼光譜平滑信號Fig.3 The smoothed raman spectrum signal when w indow’s w idth being three

2.3 多菌靈拉曼光譜信號的小波去噪分析

用小波分析對多菌靈原始拉曼信號進(jìn)行分解前，要選擇分解所用的小波基函數(shù)，而小波基函數(shù)的選擇直接影響了去噪信號的質(zhì)量。常用的小波族函數(shù)有Daubechies、Sym lets和Coiflet。多數(shù)情況下，對原始拉曼信號進(jìn)行5尺度分解濾噪，可獲得較理想的信噪比[16]。本研究分別采用軟閾值和硬閾值對每一層的高頻系數(shù)進(jìn)行閾值量化處理，對比3種小波族函數(shù)的去噪效果，每種函數(shù)選定小波分解尺度為5，計(jì)算去噪前后光譜數(shù)據(jù)的信噪比和均方根誤差值，確定原始信號分解所選用的小波基函數(shù)。表2為不同小波基函數(shù)經(jīng)軟閾值方法處理后的信噪比和均方根誤差值，表3為不同小波基函數(shù)經(jīng)硬閾值方法處理后的信噪比和均方根誤差值。

由表2和表3可知，無論采用軟閾值處理方法還是硬閾值處理方法，db2小波基函數(shù)和sym2小波基函數(shù)所得到的信噪比最高，都為58.090，均方根誤差值最小，都為13.171。但Sym lets小波族比Daubechies小波族有更好的對稱性，本研究選取sym2小波基函數(shù)。

表2 軟閾值法變換后光譜信號的SNR和RMSETable2 SNR and RMSE of spectral signal based on Soft-threshold transformed method

表3 硬閾值法變換后光譜信號的SNR和RMSETable3 SNR and RMSE of spectral signal based on Hard-threshold transformed method

圖4為采用軟閾值方法進(jìn)行的離散小波去噪重構(gòu)后的光譜信號，圖5為采用硬閾值方法進(jìn)行的離散小波去噪重構(gòu)后的光譜信號。從圖可看出，經(jīng)過一維離散小波去噪后的信號，其高頻噪聲明顯減少，多菌靈的拉曼特征峰更明顯，有利于譜峰的分析。

圖4 軟閾值法去噪重構(gòu)后的拉曼光譜信號Fig.4 The reconstructed Raman spectrum signal after using soft-threshold method

圖5 硬閾值法去噪重構(gòu)后的拉曼光譜信號Fig.5 The reconstructed Raman spectrum signal after using hard-threshold method

2.4 拉曼光譜的不同預(yù)處理方法結(jié)果比較

本研究采用兩種不同的預(yù)處理方法：小波分析（軟閾值和硬閾值）和平滑（移動平均平滑）。由圖3～5可以看出，小波分析去噪效果明顯好于移動平均平滑預(yù)處理法，并且小波硬閾值要優(yōu)于小波軟閾值。采用小波軟閾值進(jìn)行去噪時， 雖然光譜的光滑性要好于小波硬閾值，但是軟閾值會使部分高頻信息損失，直接影響重構(gòu)信號與真實(shí)信號的逼近程度，給重構(gòu)帶來不可避免的誤差[17]。小波硬閾值則最大程度的保留了拉曼光譜特征信息。

表4顯示了不同預(yù)處理方法的信噪比和均方根誤差值。由表4可知，采用小波硬閾值預(yù)處理方式的信噪比最高，均方根誤差值最??；移動平均平滑信噪比最低，均方根誤差值最大。小波分析采用的軟閾值和硬閾值兩種預(yù)處理方式的信噪比均高于移動平均平滑，均方根誤差均小于移動平均平滑。

表4 不同預(yù)處理方法的SNR和RMSETable4 SNR and RMSE of spectra signal using different pretreating methods

3 結(jié)論

利用小波分析和移動平均平滑方法對多菌靈原始拉曼信號進(jìn)行預(yù)處理，采用信噪比和均方根誤差值評價各種方法的去噪質(zhì)量。在小波分析中，軟閾值處理方法獲得的信噪比最大為58.090，均方根誤差值最小為13.171；硬閾值處理方法獲

得的信噪比最大為60.927，均方根誤差值最小為11.429。硬閾值處理方法要優(yōu)于軟閾值處理方法。移動平均平滑方法獲得的信噪比最大為57.976，均方根誤差值最小為13.24。無論采用軟閾值處理方法還是硬閾值處理方法，去噪效果均要好于移動平均平滑方法。

[1] 房超，董雷玲，宋陽威.高效液相色譜法同步檢測橙汁飲料中多菌靈、吡蟲啉殘留量[J].江蘇農(nóng)業(yè)科學(xué)，2010，40(9)：295-297.

[2] 郝露露，簡秋，廖敏，等.超高效液相色譜-串聯(lián)質(zhì)譜法測定番茄中多菌靈及其主要代謝物的殘留[J].農(nóng)藥學(xué)學(xué)報(bào)，2012，14(4)：429-434.

[3] 劉燕德，劉濤，孫旭東，等.拉曼光譜技術(shù)在食品質(zhì)量安全檢測中的應(yīng)用[J].光譜學(xué)與光譜分析，2010，30(11)：3007-3012.

[4] 張丹，王俊紅.蔬菜和水果的顯微激光拉曼光譜研究[J].光譜實(shí)驗(yàn)室，2010，27(4)：1389-1392.

[5] 李永玉，彭彥昆，孫云云，等.拉曼光譜技術(shù)檢測蘋果表面殘留的敵百蟲農(nóng)藥[J].食品安全質(zhì)量檢測學(xué)報(bào)，2012，3(6)：672-675.

[6] Shende C，Inscore F，Sengupta A，et al.Rapid extraction and detection of trace Chlorpyrifos-methyl in orange juice by surface-enhanced Raman spectroscopy[J].Journal of Food Measurement and Characterization，2010，4(3)：101-107.

[7] Xie Y F，Mukamurezi G，Sun Y Y，et al.Establishment of rapid detection method of methamidophos in vegetables by surface enhanced Raman spectroscopy[J].European Food Research and Technology，2012，234(6)：1091-1098.

[8] 楊桂君，陳玉倫.一種改進(jìn)小波算法及其在拉曼光譜預(yù)處理的應(yīng)用[J].光譜實(shí)驗(yàn)室，2010，27(1)：325-330.

[9] 梁亮，楊敏華，臧卓.基于小波去噪與 SVR 的小麥冠層含氮率高光譜測定[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26(12)：248-253.

[10] 郭曉霞，楊慧中.小波去噪中軟硬閾值的一種改良折衷法[J].智能系統(tǒng)學(xué)報(bào)，2008，3(3)：222-225.

[11] 馬毅，汪西原，雍慧.小波變換去噪應(yīng)用于鮮棗糖度近紅外光譜檢測研究[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2011，28(3)：303-306.

[12] 徐偉，張帥，王克家.拉曼光譜預(yù)處理中幾種小波去噪方法的分析[J].應(yīng)用科技，2009，36(11)：27-31.

[13] 周偉.基于MATLAB的小波分析應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2010.

[14] 吳偉，蔡培升.基于MATLAB的小波去噪仿真[J].信息與電子工程，2008，6(3)：220-229.

[15] 周揚(yáng)，戴曙光，呂進(jìn)，等.光譜預(yù)處理對近紅外光譜快速檢測黃酒酒精度的影響[J].光電工程，2011，38(4)：54-58.

[16] Jiang H，Liu G H，Mei C L，et al.Qualitative and quantitative analysis in solid-state fermentation of protein feed by FT-NIR spectroscopy integrated w ith multivariate data analysis [J].Analytical Methods，2013，5(7)：1872-1880.

[17] 曾守楨.小波去噪及其在信號處理中的應(yīng)用[D].天津：天津大學(xué)，2007.

[18]