[发明专利]一种基于决策树算法的固体农药分类方法

说明书

技术领域

本发明涉及一种农药分类方法，尤其涉及一种基于决策树算法的固体农药分类方法。

技术背景

农药是现代农业获得丰收的一个重要保障，对农作物病虫害防治，减少农业劳动力投入，保障并提高农作物产量发挥着不可替代的作用。现代农业大量使用农药，品种繁多，而且不断有新的农药被研发推广使用。仅凭借感观和经验对所有种类农药进行分辨是不可能的，而不同种类的农药及不同的检测环境对农药检测方法有不同的要求，这给农药的正确分辨造成困难。所以，发展一种适用范围广、快速有效准确的分类方法具有重要的意义。

太赫兹时域光谱技术是近些年发展起来的一种新型的光谱分析技术，其波段处于微波和红外之间，具有丰富的“指纹特性”，分子内的低频集体振动、大分子的骨架振动、分子间的弱相互作用(氢键和范德华力)及晶格的声子振动模式等都处于该波段范围内；太赫兹波可以穿透很多非极性分子构成的物质，如塑料制品、纸箱、布料等包装材料，可以应用于对包装内的物品进行检测。与紫外光谱技术相比，该技术的光子能量仅为毫电子伏特级，对活性分子几乎无光致电离作用，对人体危害甚小；与红外光谱技术相比，该技术光源稳定，对环境热辐射不敏感，且其波长较长，散射作用较弱。此外，该技术采用相干测量技术，能够同时获得信号瞬时电场的幅值和相位信息(传统的光谱技术仅能提供幅值信息)，进而计算得到样品的吸收系数和折射率光谱。基于以上特性，该技术可以很好的应用于农药的鉴别。

主成分分析方法是一种特征提取方法，其中心思想是数据降维，以排除信息共存中相互重叠的部分。它是将原变量进行转换，使少数几个新变量是原变量的线性组合，同时，这些新变量尽可能多的表征原变量的数据结构特征。

决策树是用于分类和预测的一种树结构。决策树学习是以实例为基础的归纳学习算法，它着眼于从一组无序、无规则的实例中推理出以决策树形式表示的分类规则。它采用自顶向下的递归方式，在决策树的内部节点进行属性值的比较并根据不同属性判断从该节点向下的分支，在决策树的叶节点得到结论。决策树具有分类速度快、计算量相对较小、容易转化成分类规则、分类准确度高等优点。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于决策树算法的固体农药分类方法。

为了达到上述目的，本发明的技术方案如下：

一种基于决策树算法的固体农药分类方法，包括如下步骤：

1）应用太赫兹时域光谱系统对纯度大于99%的固体农药标准样品进行太赫兹光谱检测，获得各样品的太赫兹时域信号，然后计算各样品的吸收光谱，固体农药是：六氯苯，三氯杀螨砜，亚胺硫磷和敌百虫；

2）对采集到的上述四种农药样品的吸收光谱进行主成分分析，提取特征，用于各样品光谱分类；

3）利用C4.5算法决策树对以上各样品的太赫兹吸收光谱进行分类。

其中步骤1）的具体实施方法如下：

（1）将纯度大于99%的六氯苯、三氯杀螨砜、亚胺硫磷和敌百虫原药及聚乙烯粉末分别置于真空干燥箱中干燥2~3 小时，然后将四种农药原药分别与聚乙烯粉末以1:1 的比例混合，称取200mg，在红外灯照射下在玛瑙研钵中进行充分研磨并混合均匀，用压片机在20 MPa 的压力下将其压成直径为13 mm，厚度1.0 ~ 1.5 mm 的圆盘形薄片，得到固体农药实验样品；

（2）在室温和相对湿度小于1%的氮气环境中，利用太赫兹时域光谱系统分别对空样品架和放了实验样品的样品架进行检测，各重复11次，从而得到11组氮气和实验样品的THz 时域波形数据，分别作为数据处理的参考信号和样品信号；

（3）对以上各参考信号和样品信号分别进行快速傅立叶变换，得到各参考信号和样品信号的太赫兹频域数据；

（4）采用菲涅尔公式，计算各固体农药样品的吸收系数，公式如下：

                                                       （1）

                                             （2）

公式中，、分别为折射率和吸收系数，、分别为频域样品信号和频域参考信号的幅值比和相位差(rad) ，其数值由实验数据得到；为测试样品厚度(mm)； 为光速，3.0×108 m/s；为角频率（rad/s）。