摘要
本研究以茉莉香葡萄为试验材料，分别用苯醚甲环唑、啶虫脒、醚菌酯和烯酰吗啉4种葡萄生产中常用的农药进行处理，并根据我国食品安全国家标准限定的不同农药最大残留量，针对每种农药均设计了多个浓度梯度处理。运用电子鼻测试系统进行气味信息数据采集，并采用BP神经网络(NNET)、随机森林(RF)和支持向量机(SVM)等模式识别算法进行分析，旨在探索茉莉香葡萄中农药残留高效检测技术。主要研究结论如下： 1.基于电子鼻检测技术对茉莉香葡萄中农药类别的识别研究。以醚菌酯、苯醚甲环唑、啶虫脒和烯酰吗啉4种农药为识别对象，根据我国食品安全国家标准限定的不同农药最大残留量，设计试验。利用电子鼻分别对组中的不同种类农药进行分类识别，并通过采用BP神经网络(NNET)、随机森林(RF)和支持向量机(SVM)三种模式识别算法，探讨不同特征提取方法小波变换(WT)和平均值(RSSAV)对分类结果的影响。研究表明：对于茉莉香葡萄中残留含量为0.5倍我国标准限定的最大残留量时，三种模式识别算法的分类准确率均小于82.3%，电子鼻的区分效果不理想。而对于茉莉香葡萄中残留的不同农药，基于小波变换(WT)特征提取方法所获得的特征值，采用BP神经网络(NNET)、随机森林(RF)和支持向量机(SVM)三种识别算法的平均识别正确率分别为93.3%，87.2%和96.8%；基于平均值(RSSAV)所获得的特征值，采用上述三种模式识别算法的识别正确率分别为90.8%，81.2%和94.1%。因此基于小波变换(WT)所获得的特征值的分类效果优于平均值(RSSAV)的分类效果。 2.基于电子鼻检测技术对茉莉香葡萄中农药超标的快速识别研究。根据我国食品安全国家标准限定的不同农药最大残留量，针对苯醚甲环唑、啶虫脒、醚菌酯和烯酰吗啉4种农药，分别设计处理。利用电子鼻分别对茉莉香葡萄中4种农药进行识别，并采用主成分分析(PCA)、BP神经网络(NNET)、随机森林(RF)和支持向量机(SVM)对数据进行分析。研究表明：线性分析方法-主成分分析(PCA)对于四种农药的区分效果都不理想。针对茉莉香葡萄中的4种农药，支持向量机(SVM)识别算法的识别结果均为三种识别算法中最优，对苯醚甲环唑、啶虫脒、醚菌酯和烯酰吗啉农药的识别准确率分别为97.5%、96.8%、99.4%和93.6%。因此将该自制电子鼻应用于茉莉香葡萄中农药超标的快速识别具有一定的可行性，且当特征提取方法为小波变换(WT)，识别算法为支持向量机(SVM)时识别精度最高。在农药种类方面，对醚菌酯农药的识别准确率最高。
NETL