摘要基于乙酰胆碱酯酶检测卡与有机磷农药的显色反应，搭建了一套快速获取反应后图像的机器视觉系统，完成了图像的去噪、边缘提取等处理过程，准确提取出检测卡的RGB数值。基于RGB彩色模型，实现了遗传模拟退火算法建立农药残留检测卡R、B颜色特征与农残浓度之间的非线性映射关系。实验证明遗传模拟退火算法对农药残留检测的标定均方根误差小，确定系数高，拟合优势大。
关键词农药残留;图像处理;遗传模拟退火算法
中图分类号S126文献标识码A
文章编号0517-6611（2019）01-0253-05
doi：10.3969/j.issn.0517-6611.2019.01.074
开放科学（资源服务）标识码（OSID）：
目前对林田作物的施药量正在逐步加大，这些农药残留经雨水冲刷后进入水体环境中，给水生植物、水生生物造成了危害，因此治理水污染刻不容缓。目前农药残留检测的传统方法主要有色谱法、分光光度法、电感耦合等离子体质谱法（ICP-MS）。近年来，国内外学者对农药残留检测方法进行了深入的研究，并取得了重要进步，其主要研究情况如下：2010年Sospedra等[1]提出了一种用生物传感器的设计方案对克百威和对氧磷进行农药残留检测，证实了生物传感器检测有机磷类农药有足够的敏感性。2013年Zhang等[2]利用颜色传感器开发了一款便携式水质分析仪，对通过待测液的透射光颜色、光强和吸收度进行了具体分析。2013年孙永生[3]利用机器视觉系统对β类药物残留检测系统进行研究，利用改进的积分投影算法对采集图像进行分割，得到金标试纸的显色区域，并利用改进的最小二乘支持向量机对莱克多巴胺进行定量检测。但使用上述传统方法，无法做到快速现场检测，且对操作人员的专业性要求较高。为了获得一个方便快捷、可操作性要求低的有机磷类农药残留检测方法，笔者选择了基于酶抑制原理[4]制成的农药残留检测卡对农药残留进行检测，并搭建机器视觉系统，对获取的图像处理，利用智能算法对农药残留进行预测分析。
1检测卡图像获取
1.1反应原理
农药残留检测卡主要由2部分组成（图1）。将待测的有机磷农药溶液与检测卡反应区域反应。检测卡右侧有效部分为靛酚乙酸酯，左侧部分为胆碱酶。胆碱酶可作为催化剂使靛酚乙酸酯发生化学反应，生成乙酸与蓝色的靛酚（图2）。有机磷类农药[5]对胆碱酶起抑制作用，有机磷类农药残留浓度越高对胆碱酶抑制作用越强，靛酚乙酸酯水解生成的靛酚越少，农药残留检测卡的蓝色分量越少。因此，可利用农药残留检测卡颜色变化对有机磷类农药残留的浓度进行定量分析。
1.2搭建机器视觉系统
机器视觉（machinevision）又称计算机视觉，它由数字图像处理、图像识别以及图像分析构成，利用机器视觉可以更好地理解自然景物和环境。在人工智能领域，机器视觉还为智能机器人提供类似人类视觉的功能。由于机器视觉具备非接触、速度快、易于自动处理等优点，在国家安全、工业控制、智能检测等方面得到了广泛的应用。
一个完整的机器视觉系统应该包括可调节的照明光源、工业相机、高清的工业镜头、图像采集模块、图像处理模块等。对该研究搭建系统所用到的工业相机、工业镜头以及光源进行详细研究和对比后，考虑整个系统读取信息的稳定性、成像质量、工作视距和光线要求，选择Basler工业相机、Ricoh工业镜头、Ress环形光源及光源控制器来完成系统的建立。
2检测卡图像处理
2.1RGB彩色模型
彩色模型也称彩色空间，是用来精确标定和生成各种颜色的一套规则。目前使用广泛的数字化颜色模型有RGB（红、绿、蓝）彩色模型、HSV（色度、饱和度、明度）彩色模型、YUV（亮度、色度、浓度）彩色模型、Lab模型等。
RGB颜色模型[6]是以红（Red）、绿（Green）、蓝（Blue）3种基色作为基础进行不同程度的叠加而生成。RGB颜色模型由红绿蓝3个通道组成，每个通道又分别有256个灰度等级，故RGB这3种基色一共可以叠加出1600多万种颜色，几乎包含了自然界中所有的颜色，因此RGB颜色模型在工业界的运用最为广泛。
2.2噪声处理
图像中存在妨碍人们对其信息接受的因素即可成为噪声，因噪声是图像数据中不必要或多余的干扰信息，故其存在会严重影响图像质量。由于相机质量和环境因素的影响，在利用机器视觉获取图像的过程中，会导致图像产生一定的噪声。
2.2.1
椒盐噪声。研究图像噪声时，需要先统计获取到图像的RGB三通道颜色分量直方图（图3），将颜色分量直方图与噪声概率密度分布直方图做比较，根据结果确定检测卡属于何种噪声模型。通过对常见的瑞丽噪声、高斯噪声、指数噪声、均分分布噪声、椒盐噪声、伽马噪声进行分析后，得出检测卡所携带的噪声为椒盐噪声。图4为加入椒盐噪声的检测卡图像及其直方图。
2.2.2中值滤波器。中值滤波实质上是一种统计排序滤波器，中值指的是排序队列中位于中间位置的元素的值，显然中值滤波是非线性滤波器[7]。在使用线性滤波处理像素领域之内包含的噪点时，噪声的存在会对改点像素值的计算产生影响，但是中值滤波通常会直接将噪声点忽略，因而对比线性滤波处理器，中值滤波在降噪的同时引起的模糊效应更低。由此可知，中值滤波最典型的应用就是消除椒盐噪声。
一维中值滤波器的定义为式（1），利用中值滤波器对椒盐噪声去噪效果如图5所示。
yk=med（xK-N，xK-N+1，…，xK，…，xK+N-1，xK+N）（1）
2.3邊缘检测
图像的边缘是图像的最基本特征，图像中灰度值倒数较大或极大的地方就是图像的边缘点，边缘点周围像素灰度有阶跃变化或屋顶变化。边缘检测可以保留图像的重要结构信息，剔除不相关的信息，这种大幅度减少数据量的操作能为后续的分析提供有效帮助[8]。
47卷1期丁建军等基于有机磷农药残留检测的遗传模拟退火算法研究
2.3.1
Canny算法。图像边缘检测算法主要有一阶导数边缘检测算法（Robert、Sobel和Prewitt边缘检测算子）、二阶导数边缘检测算法（LOG边缘检测算子）和Canny多级边缘检测算法（图6）。其中Canny算法的参数允许根据不同实现的特定要求进行调整以识别不同的边缘特性，使得边缘效果最好[9]。
2.3.2Hough变换。在检测卡的边缘提取操作中，图像的边缘像素统一产生许多间断点，因此需要通过Hough变换将这些间断点连接起来，使其成为一个连续、完整的边缘（图7）。Hough变换[10]是将间断点连接成完整边缘最常见的方法之一，它可以将图像像素信息的直角坐标形式转化成参数坐标形式，进而完成图像直线或曲线边缘的拟合。
3基于智能算法的农药残留预测分析
3.1农药残留检测卡特征值设置选取12种乙酰甲胺磷标准液作用下的农药残留检测卡作为颜色特征提取对象，即浓度分别为2、4、5、7、9、12、15、20、24、28、35、50mg/L标准液作用下的检测卡图像。这12张图像需要在相同光照条件下进行采集，采集后对图像进行滤波去噪处理，利用Hough变换提取出目标区域图像（图8）。
在得到目标区域图像后通过Matlab软件提取出颜色特征RGB的平均值，各分量的数值如表1所示。选用R、B这2个分量作为模型的输入，从表1可以看出，R分量与浓度呈正相关，B分量与浓度呈负相关，R、B这2个分量在理论上可以作为用于检测农药残留浓度判断的图像特征值。
3.2算法基本原理
经过多次试验，提取相同光照条件下的与不同浓度农药残留反应的农药残留检测卡的R、B特征值，由于农药残留量与R、B颜色特征为非线性关系，故建立粒子群算法和遗传模拟退火算法对试验数据进行分析判断。
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鸟群捕食行为的模仿研究[11]。将每个粒子当作鸟群中的个体，这些鸟在寻找食物的过程中，会不停地改变自己的飞行速度与位置。而鸟群在寻找过程中，由分散逐渐聚集成群，这个群忽高忽低，忽左忽右，直到最后找到食物。也就是粒子群在单个粒子的影响下，逐渐寻找到最优解的过程。
3.2.2
遗传模拟退火算法基本原理。遗传模拟退火算法是将遗传算法与模拟退火算法相结合而构成的一种优化算法[12]。遗传算法的局部搜索能力较差，但把握搜索过程总体的能力较强;而模拟退火算法具有较强的局部搜索能力，能使搜索过程避免陷入局部最优，但它对整个搜索空间的状况了解不多，所以运算效率不高。若将遗传算法和模拟退火算法相结合，互相取长补短，就可能产生一种性能优良的新的全局搜索算法，这就是遗传模拟退火算法的基本思想。
3.3定标模型及预测效果分析
为验证上述2种算法的优劣性，并增强实验数据的有效性，选取浓度为2、4、5、7、9、12、15、20、24、28、35、50mg/L的标准液分别与3张农药残留检测卡反应得到36对颜色特征值作为训练样本，并利用样本建立粒子群算法浓度拟合模型和遗传模拟退火算法浓度拟合模型（图9、10），对模型评价标准为拟合优势度，包括确定系数和均方根误差等。
由表2可知，粒子群算法虽然有良好的非线性求解能力，但也容易陷入局部寻优导致拟合效果低于遗传模拟退火算法。所以该研究选择遗传模拟退火算法来建立农药残留检测卡R、B颜色特征与农残浓度之间的非线性映射关系。
4结论与讨论
利用以乙酰胆碱酯酶为主要成分的农药速测卡，对农药残留中的有机磷成分进行检测，并使用机器视觉系统获取图像，对图像进行处理后，得到较好的用于智能算法分析的RGB数值。最后在比较粒子群算法和遗传模拟退火算法拟合效果后，选择了遗传模拟退火算法。
RGB模型具备1600多万种彩色信息，该研究所使用的检测卡，由于其自身特点仅选取R、B这2个通道的颜色特征，这样可能会降低检测的精度，在未来研究中，可以探索R、G、B这3个通道与农药残留浓度的关系。
参考文献
[1]SOSPEDRAI，BLESAJ，SORIANOJM，etal.UseofthemodifiedquickeasycheapeffectiveruggedandsafesamplepreparationapproachforthesimultaneousanalysisoftypeAandBtrichothecenesinwheatflour[J].JournalofchromatographyA，2010，1217（9）：1437-1440.
[2]ZHANGXM，FANGYJ，ZHAOYQ.Aportablespectrophotometerforwaterqualityanalysis[J].Sensors&transducers，2013，148（1）：47-51.
[3]孙永生.基于机器视觉的β类药物残留检测系统的研究与应用[D].杭州：中国计量学院，2013.
[4]邱朝坤，刘晓宇，任红敏，等.酶抑制法检测蔬菜中有机磷农药残留[J].食品与机械，2010，26（2）：40-42，71.
[5]吴丽，郭康权.便携式有机磷农药残留检测仪的设计[J].农机化研究，2010，32（5）：133-135.
[6]王璞.RGB颜色传感器叶绿素仪的研究[D].天津：天津大学，2008.
[7]ZHANGPX，LIF.Anewadaptiveweightedmeanfilterforremovingsaltandpeppernoise[J].IEEESignalProcessingLetters，2014，21（10）：1280-1283.
[8]段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，2005（3）：415-419.
[9]BAOP，ZHANGL，WUXL.Cannyedgedetectionenhancementbyscalemultiplication[J].IEEETransactionsonPatternAnalysis&MachineIntelligence，2005，27（9）：1485-1490.
[10]刘桂雄，申柏华，冯云庆，等.基于改进的Hough变换图像分割方法[J].光学精密工程，2002，10（3）：257-260.
[11]张利彪，周春光，马铭，等.基于粒子群算法求解多目标优化问题[J].计算机研究与发展，2004，41（7）：1286-1291.
[12]杜红彬.基于遗传算法和模拟退火算法的混合算法的研究与应用[D].大连：大连理工大学，1999.
