丁建軍 楊飄 曲令帥 孫超 張明楊

摘要基于乙酰膽堿酯酶檢測(cè)卡與有機(jī)磷農(nóng)藥的顯色反應(yīng)，搭建了一套快速獲取反應(yīng)后圖像的機(jī)器視覺系統(tǒng)，完成了圖像的去噪、邊緣提取等處理過程，準(zhǔn)確提取出檢測(cè)卡的RGB數(shù)值?；赗GB彩色模型，實(shí)現(xiàn)了遺傳模擬退火算法建立農(nóng)藥殘留檢測(cè)卡R、B顏色特征與農(nóng)殘濃度之間的非線性映射關(guān)系。實(shí)驗(yàn)證明遺傳模擬退火算法對(duì)農(nóng)藥殘留檢測(cè)的標(biāo)定均方根誤差小，確定系數(shù)高，擬合優(yōu)勢(shì)大。

關(guān)鍵詞農(nóng)藥殘留;圖像處理;遺傳模擬退火算法

中圖分類號(hào)S126文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611（2019）01-0253-05

doi：10.3969/j.issn.0517-6611.2019.01.074

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

目前對(duì)林田作物的施藥量正在逐步加大，這些農(nóng)藥殘留經(jīng)雨水沖刷后進(jìn)入水體環(huán)境中，給水生植物、水生生物造成了危害，因此治理水污染刻不容緩。目前農(nóng)藥殘留檢測(cè)的傳統(tǒng)方法主要有色譜法、分光光度法、電感耦合等離子體質(zhì)譜法（ICP-MS）。近年來，國(guó)內(nèi)外學(xué)者對(duì)農(nóng)藥殘留檢測(cè)方法進(jìn)行了深入的研究，并取得了重要進(jìn)步，其主要研究情況如下：2010年Sospedra等[1]提出了一種用生物傳感器的設(shè)計(jì)方案對(duì)克百威和對(duì)氧磷進(jìn)行農(nóng)藥殘留檢測(cè)，證實(shí)了生物傳感器檢測(cè)有機(jī)磷類農(nóng)藥有足夠的敏感性。2013年Zhang等[2]利用顏色傳感器開發(fā)了一款便攜式水質(zhì)分析儀，對(duì)通過待測(cè)液的透射光顏色、光強(qiáng)和吸收度進(jìn)行了具體分析。2013年孫永生[3]利用機(jī)器視覺系統(tǒng)對(duì)β類藥物殘留檢測(cè)系統(tǒng)進(jìn)行研究，利用改進(jìn)的積分投影算法對(duì)采集圖像進(jìn)行分割，得到金標(biāo)試紙的顯色區(qū)域，并利用改進(jìn)的最小二乘支持向量機(jī)對(duì)萊克多巴胺進(jìn)行定量檢測(cè)。但使用上述傳統(tǒng)方法，無法做到快速現(xiàn)場(chǎng)檢測(cè)，且對(duì)操作人員的專業(yè)性要求較高。為了獲得一個(gè)方便快捷、可操作性要求低的有機(jī)磷類農(nóng)藥殘留檢測(cè)方法，筆者選擇了基于酶抑制原理[4]制成的農(nóng)藥殘留檢測(cè)卡對(duì)農(nóng)藥殘留進(jìn)行檢測(cè)，并搭建機(jī)器視覺系統(tǒng)，對(duì)獲取的圖像處理，利用智能算法對(duì)農(nóng)藥殘留進(jìn)行預(yù)測(cè)分析。

1檢測(cè)卡圖像獲取

1.1反應(yīng)原理

農(nóng)藥殘留檢測(cè)卡主要由2部分組成（圖1）。將待測(cè)的有機(jī)磷農(nóng)藥溶液與檢測(cè)卡反應(yīng)區(qū)域反應(yīng)。檢測(cè)卡右側(cè)有效部分為靛酚乙酸酯，左側(cè)部分為膽堿酶。膽堿酶可作為催化劑使靛酚乙酸酯發(fā)生化學(xué)反應(yīng)，生成乙酸與藍(lán)色的靛酚（圖2）。有機(jī)磷類農(nóng)藥[5]對(duì)膽堿酶起抑制作用，有機(jī)磷類農(nóng)藥殘留濃度越高對(duì)膽堿酶抑制作用越強(qiáng)，靛酚乙酸酯水解生成的靛酚越少，農(nóng)藥殘留檢測(cè)卡的藍(lán)色分量越少。因此，可利用農(nóng)藥殘留檢測(cè)卡顏色變化對(duì)有機(jī)磷類農(nóng)藥殘留的濃度進(jìn)行定量分析。

1.2搭建機(jī)器視覺系統(tǒng)

機(jī)器視覺（machinevision）又稱計(jì)算機(jī)視覺，它由數(shù)字圖像處理、圖像識(shí)別以及圖像分析構(gòu)成，利用機(jī)器視覺可以更好地理解自然景物和環(huán)境。在人工智能領(lǐng)域，機(jī)器視覺還為智能機(jī)器人提供類似人類視覺的功能。由于機(jī)器視覺具備非接觸、速度快、易于自動(dòng)處理等優(yōu)點(diǎn)，在國(guó)家安全、工業(yè)控制、智能檢測(cè)等方面得到了廣泛的應(yīng)用。

一個(gè)完整的機(jī)器視覺系統(tǒng)應(yīng)該包括可調(diào)節(jié)的照明光源、工業(yè)相機(jī)、高清的工業(yè)鏡頭、圖像采集模塊、圖像處理模塊等。對(duì)該研究搭建系統(tǒng)所用到的工業(yè)相機(jī)、工業(yè)鏡頭以及光源進(jìn)行詳細(xì)研究和對(duì)比后，考慮整個(gè)系統(tǒng)讀取信息的穩(wěn)定性、成像質(zhì)量、工作視距和光線要求，選擇Basler工業(yè)相機(jī)、Ricoh工業(yè)鏡頭、Ress環(huán)形光源及光源控制器來完成系統(tǒng)的建立。

2檢測(cè)卡圖像處理

2.1RGB彩色模型

彩色模型也稱彩色空間，是用來精確標(biāo)定和生成各種顏色的一套規(guī)則。目前使用廣泛的數(shù)字化顏色模型有RGB（紅、綠、藍(lán)）彩色模型、HSV（色度、飽和度、明度）彩色模型、YUV（亮度、色度、濃度）彩色模型、Lab模型等。

RGB顏色模型[6]是以紅（Red）、綠（Green）、藍(lán)（Blue）3種基色作為基礎(chǔ)進(jìn)行不同程度的疊加而生成。RGB顏色模型由紅綠藍(lán)3個(gè)通道組成，每個(gè)通道又分別有256個(gè)灰度等級(jí)，故RGB這3種基色一共可以疊加出1600多萬種顏色，幾乎包含了自然界中所有的顏色，因此RGB顏色模型在工業(yè)界的運(yùn)用最為廣泛。

2.2噪聲處理

圖像中存在妨礙人們對(duì)其信息接受的因素即可成為噪聲，因噪聲是圖像數(shù)據(jù)中不必要或多余的干擾信息，故其存在會(huì)嚴(yán)重影響圖像質(zhì)量。由于相機(jī)質(zhì)量和環(huán)境因素的影響，在利用機(jī)器視覺獲取圖像的過程中，會(huì)導(dǎo)致圖像產(chǎn)生一定的噪聲。

2.2.1

椒鹽噪聲。研究圖像噪聲時(shí)，需要先統(tǒng)計(jì)獲取到圖像的RGB三通道顏色分量直方圖（圖3），將顏色分量直方圖與噪聲概率密度分布直方圖做比較，根據(jù)結(jié)果確定檢測(cè)卡屬于何種噪聲模型。通過對(duì)常見的瑞麗噪聲、高斯噪聲、指數(shù)噪聲、均分分布噪聲、椒鹽噪聲、伽馬噪聲進(jìn)行分析后，得出檢測(cè)卡所攜帶的噪聲為椒鹽噪聲。圖4為加入椒鹽噪聲的檢測(cè)卡圖像及其直方圖。

2.2.2中值濾波器。中值濾波實(shí)質(zhì)上是一種統(tǒng)計(jì)排序?yàn)V波器，中值指的是排序隊(duì)列中位于中間位置的元素的值，顯然中值濾波是非線性濾波器[7]。在使用線性濾波處理像素領(lǐng)域之內(nèi)包含的噪點(diǎn)時(shí)，噪聲的存在會(huì)對(duì)改點(diǎn)像素值的計(jì)算產(chǎn)生影響，但是中值濾波通常會(huì)直接將噪聲點(diǎn)忽略，因而對(duì)比線性濾波處理器，中值濾波在降噪的同時(shí)引起的模糊效應(yīng)更低。由此可知，中值濾波最典型的應(yīng)用就是消除椒鹽噪聲。

一維中值濾波器的定義為式（1），利用中值濾波器對(duì)椒鹽噪聲去噪效果如圖5所示。

yk=med（xK-N，xK-N+1，…，xK，…，xK+N-1，xK+N）（1）

2.3邊緣檢測(cè)

圖像的邊緣是圖像的最基本特征，圖像中灰度值倒數(shù)較大或極大的地方就是圖像的邊緣點(diǎn)，邊緣點(diǎn)周圍像素灰度有階躍變化或屋頂變化。邊緣檢測(cè)可以保留圖像的重要結(jié)構(gòu)信息，剔除不相關(guān)的信息，這種大幅度減少數(shù)據(jù)量的操作能為后續(xù)的分析提供有效幫助[8]。

47卷1期丁建軍等基于有機(jī)磷農(nóng)藥殘留檢測(cè)的遺傳模擬退火算法研究

2.3.1

Canny算法。圖像邊緣檢測(cè)算法主要有一階導(dǎo)數(shù)邊緣檢測(cè)算法（Robert、Sobel和Prewitt邊緣檢測(cè)算子）、二階導(dǎo)數(shù)邊緣檢測(cè)算法（LOG邊緣檢測(cè)算子）和Canny多級(jí)邊緣檢測(cè)算法（圖6）。其中Canny算法的參數(shù)允許根據(jù)不同實(shí)現(xiàn)的特定要求進(jìn)行調(diào)整以識(shí)別不同的邊緣特性，使得邊緣效果最好[9]。

2.3.2Hough變換。在檢測(cè)卡的邊緣提取操作中，圖像的邊緣像素統(tǒng)一產(chǎn)生許多間斷點(diǎn)，因此需要通過Hough變換將這些間斷點(diǎn)連接起來，使其成為一個(gè)連續(xù)、完整的邊緣（圖7）。Hough變換[10]是將間斷點(diǎn)連接成完整邊緣最常見的方法之一，它可以將圖像像素信息的直角坐標(biāo)形式轉(zhuǎn)化成參數(shù)坐標(biāo)形式，進(jìn)而完成圖像直線或曲線邊緣的擬合。

3基于智能算法的農(nóng)藥殘留預(yù)測(cè)分析

3.1農(nóng)藥殘留檢測(cè)卡特征值設(shè)置選取12種乙酰甲胺磷標(biāo)準(zhǔn)液作用下的農(nóng)藥殘留檢測(cè)卡作為顏色特征提取對(duì)象，即濃度分別為2、4、5、7、9、12、15、20、24、28、35、50mg/L標(biāo)準(zhǔn)液作用下的檢測(cè)卡圖像。這12張圖像需要在相同光照條件下進(jìn)行采集，采集后對(duì)圖像進(jìn)行濾波去噪處理，利用Hough變換提取出目標(biāo)區(qū)域圖像（圖8）。

在得到目標(biāo)區(qū)域圖像后通過Matlab軟件提取出顏色特征RGB的平均值，各分量的數(shù)值如表1所示。選用R、B這2個(gè)分量作為模型的輸入，從表1可以看出，R分量與濃度呈正相關(guān)，B分量與濃度呈負(fù)相關(guān)，R、B這2個(gè)分量在理論上可以作為用于檢測(cè)農(nóng)藥殘留濃度判斷的圖像特征值。

3.2算法基本原理

經(jīng)過多次試驗(yàn)，提取相同光照條件下的與不同濃度農(nóng)藥殘留反應(yīng)的農(nóng)藥殘留檢測(cè)卡的R、B特征值，由于農(nóng)藥殘留量與R、B顏色特征為非線性關(guān)系，故建立粒子群算法和遺傳模擬退火算法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析判斷。

3.2.1

粒子群算法基本原理。粒子群算法的基本概念是源于對(duì)鳥群捕食行為的模仿研究[11]。將每個(gè)粒子當(dāng)作鳥群中的個(gè)體，這些鳥在尋找食物的過程中，會(huì)不停地改變自己的飛行速度與位置。而鳥群在尋找過程中，由分散逐漸聚集成群，這個(gè)群忽高忽低，忽左忽右，直到最后找到食物。也就是粒子群在單個(gè)粒子的影響下，逐漸尋找到最優(yōu)解的過程。

3.2.2

遺傳模擬退火算法基本原理。遺傳模擬退火算法是將遺傳算法與模擬退火算法相結(jié)合而構(gòu)成的一種優(yōu)化算法[12]。遺傳算法的局部搜索能力較差，但把握搜索過程總體的能力較強(qiáng);而模擬退火算法具有較強(qiáng)的局部搜索能力，能使搜索過程避免陷入局部最優(yōu)，但它對(duì)整個(gè)搜索空間的狀況了解不多，所以運(yùn)算效率不高。若將遺傳算法和模擬退火算法相結(jié)合，互相取長(zhǎng)補(bǔ)短，就可能產(chǎn)生一種性能優(yōu)良的新的全局搜索算法，這就是遺傳模擬退火算法的基本思想。

3.3定標(biāo)模型及預(yù)測(cè)效果分析

為驗(yàn)證上述2種算法的優(yōu)劣性，并增強(qiáng)實(shí)驗(yàn)數(shù)據(jù)的有效性，選取濃度為2、4、5、7、9、12、15、20、24、28、35、50mg/L的標(biāo)準(zhǔn)液分別與3張農(nóng)藥殘留檢測(cè)卡反應(yīng)得到36對(duì)顏色特征值作為訓(xùn)練樣本，并利用樣本建立粒子群算法濃度擬合模型和遺傳模擬退火算法濃度擬合模型（圖9、10），對(duì)模型評(píng)價(jià)標(biāo)準(zhǔn)為擬合優(yōu)勢(shì)度，包括確定系數(shù)和均方根誤差等。

由表2可知，粒子群算法雖然有良好的非線性求解能力，但也容易陷入局部尋優(yōu)導(dǎo)致擬合效果低于遺傳模擬退火算法。所以該研究選擇遺傳模擬退火算法來建立農(nóng)藥殘留檢測(cè)卡R、B顏色特征與農(nóng)殘濃度之間的非線性映射關(guān)系。

4結(jié)論與討論

利用以乙酰膽堿酯酶為主要成分的農(nóng)藥速測(cè)卡，對(duì)農(nóng)藥殘留中的有機(jī)磷成分進(jìn)行檢測(cè)，并使用機(jī)器視覺系統(tǒng)獲取圖像，對(duì)圖像進(jìn)行處理后，得到較好的用于智能算法分析的RGB數(shù)值。最后在比較粒子群算法和遺傳模擬退火算法擬合效果后，選擇了遺傳模擬退火算法。

RGB模型具備1600多萬種彩色信息，該研究所使用的檢測(cè)卡，由于其自身特點(diǎn)僅選取R、B這2個(gè)通道的顏色特征，這樣可能會(huì)降低檢測(cè)的精度，在未來研究中，可以探索R、G、B這3個(gè)通道與農(nóng)藥殘留濃度的關(guān)系。

參考文獻(xiàn)

[1]SOSPEDRAI，BLESAJ，SORIANOJM，etal.UseofthemodifiedquickeasycheapeffectiveruggedandsafesamplepreparationapproachforthesimultaneousanalysisoftypeAandBtrichothecenesinwheatflour[J].JournalofchromatographyA，2010，1217（9）：1437-1440.

[2]ZHANGXM，F(xiàn)ANGYJ，ZHAOYQ.Aportablespectrophotometerforwaterqualityanalysis[J].Sensors&transducers，2013，148（1）：47-51.

[3]孫永生.基于機(jī)器視覺的β類藥物殘留檢測(cè)系統(tǒng)的研究與應(yīng)用[D].杭州：中國(guó)計(jì)量學(xué)院，2013.

[4]邱朝坤，劉曉宇，任紅敏，等.酶抑制法檢測(cè)蔬菜中有機(jī)磷農(nóng)藥殘留[J].食品與機(jī)械，2010，26（2）：40-42，71.

[5]吳麗，郭康權(quán).便攜式有機(jī)磷農(nóng)藥殘留檢測(cè)儀的設(shè)計(jì)[J].農(nóng)機(jī)化研究，2010，32（5）：133-135.

[6]王璞.RGB顏色傳感器葉綠素儀的研究[D].天津：天津大學(xué)，2008.

[7]ZHANGPX，LIF.Anewadaptiveweightedmeanfilterforremovingsaltandpeppernoise[J].IEEESignalProcessingLetters，2014，21（10）：1280-1283.

[8]段瑞玲，李慶祥，李玉和.圖像邊緣檢測(cè)方法研究綜述[J].光學(xué)技術(shù)，2005（3）：415-419.

[9]BAOP，ZHANGL，WUXL.Cannyedgedetectionenhancementbyscalemultiplication[J].IEEETransactionsonPatternAnalysis&MachineIntelligence，2005，27（9）：1485-1490.

[10]劉桂雄，申柏華，馮云慶，等.基于改進(jìn)的Hough變換圖像分割方法[J].光學(xué)精密工程，2002，10（3）：257-260.

[11]張利彪，周春光，馬銘，等.基于粒子群算法求解多目標(biāo)優(yōu)化問題[J].計(jì)算機(jī)研究與發(fā)展，2004，41（7）：1286-1291.

[12]杜紅彬.基于遺傳算法和模擬退火算法的混合算法的研究與應(yīng)用[D].大連：大連理工大學(xué)，1999.