摘要: 国家统计局的调查数据显示,柑橘是我国种植面积最广、产量最高的经济性果品。橘小实蝇不仅危害虫害果,同时危害着种植过程和贮藏转运过程中的健康果,进一步扩大了损失。橘小实蝇幼虫潜藏在柑橘内部破坏果肉,难以通过外观识别出虫害果。传统检测方法如人工目视分拣或理化检测,对样品具有破坏性,检测准确率低或操作繁琐。根据柑橘在被橘小实蝇侵染过程中,会挥发出独特的气味的特性,本研究拟采用可视化嗅觉技术来检测被橘小实蝇侵染的柑橘,实现高效、成本低廉且用户友好的无损检测,具体研究内容和结论如下: (1)构建了可视化嗅觉检测系统和方法。首先通过GC-MS分析确定了三种关键虫害标志物:D-柠檬烯、癸醛和芳樟醇。建立了可视化嗅觉检测系统,其主要由气体反应、图像采集和图像处理部分组成。分析了三种基底材料上染料色块的扩散情况,选用PVDF膜为基底。利用柑橘的VOCs从12种卟啉染料中,筛选构建了 3×3传感器阵列。通过CFD仿真优化检测池构型,证实了垂直扩散结构(AC=0.09,σ=0.03)较水平扩散(ΔC=0.32,σ=0.13)具有更优的气体分布均匀性。通过对柑橘实验条件的优化,最终确定26℃、70%RH条件下24小时为柑橘检测的最佳试验参数。 (2)研究了传感器的检测性能。在选择性方面,传感器对三种虫害标志物(D-柠檬烯S=1.00、癸醛S=0.47、芳樟醇S=0.52)表现出交叉敏感性,但能有效区分不同虫害侵染阶段(健康S=0.62、侵染期S=0.78、潜育期S=0.74、发病期S=1.00)。灵敏度测试表明,传感器对D-柠檬烯反应最佳,并且在20-200ppm范围内显示出良好的线性关系(R2=0.9744)。在抗湿性测试中,传感器在10-90%相对湿度的宽湿度范围内显示出90.00%的Pr值。在稳定性测试中,传感器连续工作了 6天,其稳定性仍可保持在93.09%。 (3)建立了柑橘虫害分类的方法。对传感器特征差分图像的分析结果表明,在柑橘虫害发生的第1天,健康和虫害组的阵列之间存在明显的颜色差异。在侵染第6天,虫害组TED值(52.34)为健康组(18.55)的2.82倍。虫害组的ED值呈现出三阶段变化模式,而健康组则呈缓慢上升趋势。与传统方法相比,所提出的ReliefF-PSO混合特征选择方法提升了 5.83个百分点的分类准确率,并将染料种类数量减少到5种。在建立模式识别模型的过程中,KNN算法在健康/虫害的二元分类(93.89%)和虫害柑橘侵染期/潜育期/发病期的三元分类(97.78%)任务中均表现最佳。在柑橘早期侵染分类模型中,使用了深度学习算法,实验结果表明,基于GAF图像编码和MobileNetV2的深度学习模型,在侵染第2天即可实现88.12%的识别率,在侵染第4天的识别率达到96.75%,模型单次训练耗时仅为89.95秒。 摘要译文