水稻蟲害電子鼻檢測(cè)的可行性研究.pdf

1、植物在受到損傷和害蟲的危害后會(huì)產(chǎn)生特異性揮發(fā)物，使用電子鼻技術(shù)可以檢測(cè)這種揮發(fā)物的變化情況，進(jìn)而對(duì)蟲害情況進(jìn)行診斷．本研究采用電子鼻和氣相色譜一質(zhì)譜(GC-MS)方法對(duì)不同處理的水稻樣本進(jìn)行了檢測(cè)，應(yīng)用數(shù)據(jù)歸一化、數(shù)據(jù)特征選擇與提取、模式識(shí)別等方法對(duì)檢測(cè)的數(shù)據(jù)進(jìn)行分析，研究水稻蟲害誘導(dǎo)的揮發(fā)物與電子鼻響應(yīng)信號(hào)的關(guān)系，建立了蟲害檢測(cè)模型，驗(yàn)證了使用電子鼻技術(shù)對(duì)水稻蟲害檢測(cè)的可行性。得到的主要結(jié)論如下：
　　 (1)水稻機(jī)械損傷的研

2、究
　　 水稻損傷會(huì)引起電子鼻傳感器信號(hào)的變化，說(shuō)明水稻受到機(jī)械損傷后其釋放出的揮發(fā)物發(fā)生了改變。用逐步判別分析和BP神經(jīng)網(wǎng)絡(luò)對(duì)四組水稻樣本進(jìn)行了分析，對(duì)測(cè)試集的預(yù)測(cè)準(zhǔn)確率分別為70％和75％，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果更好一些。表明用電子鼻可以對(duì)水稻機(jī)械損傷進(jìn)行判別．
　　 (2)不同時(shí)間褐飛虱蟲害的研究
　　 使用電子鼻和頂空采樣裝置對(duì)不同受害程度的水稻在受害后不同的時(shí)間進(jìn)行了研究。采用主成分分析方法可以觀察出水

3、稻受害程度變化的規(guī)律，線性判別分析法可以區(qū)分出受到蟲害與沒(méi)有受到蟲害的水稻樣本。使用逐步判別分析對(duì)蟲害程度進(jìn)行判別，訓(xùn)練集交叉驗(yàn)證的正確率在85％以上，測(cè)試集預(yù)測(cè)的正確率在70％以上；使用BP神經(jīng)網(wǎng)絡(luò)對(duì)蟲害數(shù)量進(jìn)行預(yù)測(cè)，預(yù)測(cè)值和實(shí)際值的決定系數(shù)R2在0.75以上，說(shuō)明利用電子鼻技術(shù)對(duì)水稻蟲害檢測(cè)是可行的。
　　 (3)不同時(shí)間蟲害統(tǒng)一的模型
　　 水稻蟲害誘導(dǎo)產(chǎn)生的揮發(fā)物隨著時(shí)間的變化而改變，對(duì)不同時(shí)間點(diǎn)水稻蟲害樣本的電

4、子鼻響應(yīng)信號(hào)原始數(shù)據(jù)進(jìn)行主成分分析，四組受害程度不同樣本全部重疊在一起根本無(wú)法區(qū)分。采用對(duì)每個(gè)時(shí)間點(diǎn)的電子鼻原始數(shù)據(jù)分別歸一化后進(jìn)行提取，用歸一化的數(shù)據(jù)進(jìn)行主成分分析，各組樣本的分布變得有規(guī)律性。采用BP神經(jīng)網(wǎng)絡(luò)和GABP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別分析，原始樣本數(shù)據(jù)的預(yù)測(cè)值和實(shí)際值的決定系數(shù)很低，歸一化后數(shù)據(jù)的決定系數(shù)有了很大的改善；對(duì)不同特征選擇方法的預(yù)測(cè)結(jié)果，響應(yīng)曲線的全段積分值(IV)的預(yù)測(cè)值和實(shí)際值的決定系數(shù)最高為0.763。對(duì)比BP

5、神經(jīng)網(wǎng)絡(luò)和GABP神經(jīng)網(wǎng)絡(luò)兩種模型的結(jié)果，GABP神經(jīng)網(wǎng)絡(luò)分析的決定系數(shù)均要高于BP神經(jīng)網(wǎng)絡(luò)，迭代次數(shù)要少于BP神經(jīng)網(wǎng)絡(luò)，說(shuō)明經(jīng)過(guò)遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果要好于BP神經(jīng)網(wǎng)絡(luò)。
　　 (4)不同種類損傷的研究
　　 通過(guò)電子鼻響應(yīng)信號(hào)的對(duì)比圖，四個(gè)不同處理的水稻樣本電子鼻的響應(yīng)信號(hào)是不同的。從PCA結(jié)果來(lái)看，四種處理水稻樣本大致可以分成受二化螟危害(SP)、受褐飛虱危害(BP)、受機(jī)械損傷(MP)和正常處

6、理(CP)的水稻樣本三部分，機(jī)械損傷和正常處理的水稻樣本產(chǎn)生了重疊。采用聚類分析方法得到與PCA相類似的結(jié)果，不同處理水稻樣本可以用聚類分析方法進(jìn)行區(qū)分。采用BP神經(jīng)網(wǎng)絡(luò)(BPNN)和學(xué)習(xí)失量量化(LVQ)兩種神經(jīng)網(wǎng)絡(luò)模型對(duì)四種不同處理水稻樣本的進(jìn)行預(yù)測(cè)，兩種模型都能對(duì)樣本進(jìn)行很好的區(qū)分，但LVQ模型的區(qū)分效果更好一些?？梢越㈦娮颖切盘?hào)與水稻蟲害之間的關(guān)系，說(shuō)明使用電子鼻響應(yīng)信號(hào)進(jìn)行預(yù)測(cè)水稻損傷是可行。
　　 (5)電子鼻響應(yīng)

7、與水稻揮發(fā)物成分關(guān)系
　　 通過(guò)氣質(zhì)聯(lián)用儀( GC-MS)對(duì)萃取的水稻揮發(fā)物進(jìn)行檢測(cè)，對(duì)不同程度褐飛虱蟲害水稻樣本共檢測(cè)出23類化合物，其中正常水稻組檢測(cè)出8類，而5蟲組、10蟲組檢測(cè)出的揮發(fā)物分別有15、16類，40蟲組檢測(cè)出的揮發(fā)物種類最多有23類；各處理間揮發(fā)物總量也隨著蟲害程度的增加而增大，40蟲組檢測(cè)出的揮發(fā)物含量最大；以各傳感器的響應(yīng)為自變量，水稻揮發(fā)物成分含量為響應(yīng)函數(shù)，用逐步線性回歸方法建立電子鼻響應(yīng)信號(hào)與揮發(fā)物