当前，国内外已有生菜表面农药残留的检测方法，如气相色谱法、气相色谱—质谱法、高效液相色谱法等。这些方法操作繁琐、具有破坏性、耗时费力、成本较高，无法实现生菜叶片农药残留快速无损检测，不便于推广。

光谱技术作为近年来广泛研究使用的快速无损检测方法， 已经被成功应用于生菜营养元素检测以及品种分析，其中，荧光光谱技术是利用光源脉冲幅度调制激发作物叶 绿素荧光后，通过反射原理获取荧光发射光谱。利用荧光光谱技术研究真空包装中的生菜新 鲜程度，新鲜的生菜与腐败的生菜预测准确率达到了 95.1%。

实验材料及方法

试验品种为抗寒奶油生菜，采用珍珠岩袋培方式进 行生菜样本培育。栽培地点在江苏大学现代农业装备与技术省部共建重点 Venlo 型温室中进行。将长势形状相近 的生菜分为 3 组（A、B、C 组），每组选取 60 株生菜样 本，共计180 个样本，采用营养液自动浇灌系统进行标准营养浇灌，在莲座期喷洒农药。

对试验采摘得到的 180 片生菜叶片，以中心波长为 245 nm 的紫外光激发，在 300～510 nm 范围内扫描得到 了的生菜样品的荧光光谱（见图 1）。180 片生菜样品荧 光光谱如图 1 所示。

采用蒙特卡罗交叉验证算法对 180 个样本进行建模样本挑选，从 3 类不同浓度乐果残留的生菜叶片样本中随 机挑选出 40 个样本，总计 120 个作为训练集、剩余 60 个样本作为预测集，并设置循环次数为 1000 次（其中， 在 1000 次循环中设置，当训练集和预测集准确率趋于稳 定，变化小于 2%时，退出循环），对原始荧光光谱以及 5 种预处理方法处理后的光谱得到的 SVM 建模分析的平 均分类结果如表 1 所示。

结合图 1 和图 2 可以看出，光谱预处理前后生菜样品的荧光光谱峰值未发生改变。为此，本文在对生菜荧光光谱信息处理时，在原始光谱、预处理后光谱的基础上选定生菜样品荧光光谱峰值（波长为 371.07、 424、440、460、486.96 nm）作为特征波长，并做进一步 SVM 分类建模如表 2 所示。

采用荧光光谱技术鉴别生菜农药残留，分别采用 Savitzky-Golay (SG) 平滑算法、标准正态变量变换 、标准正态变量变换 结合去趋势算法、SG 算法与 SNV 算法组合（SG-SNV）、 SG 算法与 SNV detrending 算法组合对原始荧光光谱进行预处理，同时分别基于全波段光 谱、荧光特征峰值光谱、小波特征光谱建立支持向量机分类模型。其中，分别以 db4、db6、sym5、sym7 作为小波基函数，进行小波变 换选择特征波长。基于小波特征光谱建立的 SVM 分类模 型，要优于荧光特征峰值特征、全光谱建立的 SVM 分类 模型。此外，预处理方法 SG-SNV detrending 处理后光谱建立的SVM分类模型，要优于SG、SNV、SNV detrending、 SG-SNV 以及原始光谱建立的 SVM 模型。采用预处理方法 SG-SNV detrending 结合以 sym5 为小波基函数的小波变换特征选择算法得到的 SVM 分类模型，最佳小波分解层数为 4，得到了最佳的预测集识别率 93.33%。此模型为生菜农药不同浓度残留鉴别分析提供了思路，具有实用价值。