摘 要

现阶段的农产品生产大多使用农药，但农药残留浓度超标会对人体健康产生不利影响。目前针对农产品中农药残留浓度的检测较为困难，常用的检测方法有色谱检测法和生化测定法。前者的检测步骤复杂且检测成本较高，后者则需要特殊的测量步骤或仪器和培训。

本毕业设计开发了一个简便和准确的农药残留浓度检测系统。首先利用试纸条对农药残留浓度进行初步检测，分别得到表示测量值和参考值的检测条带。在此基础上，通过数字图像处理技术对浓度进行定量计算和分析，最后将该技术移植到在Android平台上开发的APP中，从而实现农药残留浓度的移动式检测。

本毕业设计所开发的APP主要采用Java语言进行编写，具有用户登录注册、样品编号识别、浓度检测、记录保存显示等功能。其中，用户登录注册功能主要采用Android自带的SQLite数据库实现；支持向量机（SVM）分类器模型在用MNIST数据集训练之后，用来完成样品编号识别；在浓度检测部分，利用基于OpenCV的轮廓检测方法提取表示测量值和参考值的检测条带，并且计算它们的灰度平均值的比值，最后通过与已知的浓度-灰度值比值曲线进行比对，得到农药残留浓度值。

本毕业设计所开发的农药残留浓度检测APP支持移动式快速检测和记录，检测精度较高，能够自动识别样品编号，便于样品管理。此外，检测员信息与其所检样品信息实现绑定和显示，保证了检测流程的正规性和完整性。

关键词：OpenCV；轮廓检测；支持向量机

Abstract

Pesticides are mostly used in the production of agricultural products at this stage, but the excessive concentration of pesticide residues will have adverse effects on our health. At present, the detection of pesticide residue concentration in agricultural products is more difficult. The commonly used detection methods are chromatographic detection and biochemical detection. The former has complex detection steps and high detection cost, while the latter requires special measurement steps or instruments and training.

This graduation project developed a simple and accurate pesticide residue concentration detection system. Firstly, the test strip was used to detect the pesticide residue concentration, and the detection strips representing the measured value and the reference value were obtained. On this basis, quantitative calculation and analysis of pesticide concentration are carried out by digital image processing technology. Finally, the technology is transplanted to APP developed on Android platform to realize mobile detection of pesticide residue concentration.

The APP developed by this graduation project is mainly written in Java language. It has the functions of user registration, sample number identification, concentration detection, record preservation and display. Among them, the user login and registration function is mainly realized by the SQLite database with Android；The SVM classifier model is trained with MNIST data set and used for sample number recognition. In the concentration detection part, the detection strips representing the measured values and reference values are extracted by the contour detection method based on OpenCV, and the ratio of their gray mean values is calculated. Finally, the pesticide residue concentration is obtained by comparing with the known concentration-gray ratio curve.

The APP developed by this graduation project supports mobile and fast detection and recording. It has high detection accuracy, can automatically identify the number of samples, and is convenient for sample management. In addition, the information of the inspector is bound and displayed with the sample information, which ensures the regularity and integrity of the inspection process.

Key words：OpenCV; Contour Detection; SVM

目 录

第1章 绪论 1

1.1 选题的背景与意义 1

1.2 国内外研究现状 2

1.3 本文结构安排 4

1.3.1 本文主要研究内容 4

1.3.2 本文的结构安排 4

第2章 需求分析 5

2.1 功能需求分析 5

2.2 系统架构分析 7

2.3 本章小结 8

第3章 APP的设计与实现 9

3.1 APP界面的设计 9

3.2 浓度检测功能的实现 12

3.2.1 OpenCV调用摄像头 12

3.2.2 动态权限获取 14

3.2.3 图像处理过程 15

3.3 样品编号识别功能的实现 18

3.3.1 训练SVM模型 18

3.3.2 数字识别过程 22

3.4 用户注册及登录功能的实现 24

3.4.1 SQLite数据库的操作 24

3.4.2 界面的跳转 25

3.5 历史数据管理功能的实现 26

3.6 本章小结 27

第4章 测试 28

4.1 界面跳转测试 28

4.2 浓度检测和编号识别功能测试 31

4.3 历史数据管理功能测试 33

4.4 本章小结 34

第5章 总结与展望 35

参考文献 36

致 谢 38

第1章 绪论

1.1 选题的背景与意义

农药在现代工业中应用广泛，主要用于控制杂草和害虫来提高粮食产量，从而满足不断增长的人口。例如，人们可以使用杀虫剂等农药，使得农作物免受害虫的侵害。与此同时，农药也具有毒性，它们的半衰期通常长达数十年，通过长距离运输在全球循环，并通过径流进入水生系统^[1]。例如，全氟辛酸和全氟辛烷磺酸作为农药的成分使用较为广泛。但是，资料表明前者的半衰期约为40年，而后者的半衰期约为91年，因此具有高度持久性。目前它们在全球范围内（包括南极和北极）的所有生命形式和环境中几乎都存在。

农药的大量使用，会使农药残留最终进入不同媒介，包括水和食品，对人体健康影响较大。因此，尽管农药在农业和生物领域具有重要意义，但农药残留会对环境和人体健康造成危害。倘若使用高浓度的杀虫剂及类似化学试剂，或者在清洗、处理农产品时不充分，有可能会造成人们食用的农产品中农药残留浓度过高，长时间的接触可能会对人体健康产生不利影响，例如，高浓度杀虫剂会使食用者的患癌风险增加，同时还可能导致内分泌紊乱以及生殖功能障碍。

目前，各国政府颁布了一系列规范农药使用的法律，并制定了水和农产品的最大容许残留量^[2]。但是，由于食品生产需求高，农药的使用几乎不可避免。另外，在法规实施的同时，相关研究报告表明，一些农产品中仍然有农药残留，并且在某些情况下甚至超过了建议的限值。例如，欧洲食品安全局的一项研究对来自不同国家的8万多种不同农产品进行了抽样调查^[3]。他们发现来自第三世界国家的产品比来自欧盟国家的产品有更高的超标率。一些农药在农业中得到了广泛的应用，但它们没有受到任何监管限制。此外，新的农药种类不断引入市场，其毒性影响尚未被充分研究。

为了实施控制措施，除了制定相应的法律法规，还需要对农产品中农药残留浓度进行准确、快速的检测，因此需要一种高度敏感、选择性强且成本不高的分析检测方法。传统分析方法较为繁琐，因为它们需要一系列精细的样品制备步骤，如提取、清理、浓缩，有时甚至还需要衍生化，才能达到所需的灵敏度。这些方法复杂、昂贵、耗时，对操作人员的技能也有很高要求，不适合用于大量样品的筛选。因此，需要寻找一种适合广泛使用并且较为精确的农药残留检测方法。

1.2 国内外研究现状

农药的常规测定方法有分光光度法、高效液相色谱-质谱法和生物测定法，这些方法几乎都存在价格昂贵、仪器尺寸大的缺点，因此它们不适合现场检测，也不便于人员培训^[4]。例如，色谱检测法具有很高的分离能力和选择性，是用于常规分析的主要技术。然而，这种检测方法较为耗时、昂贵，成本大约为100美元/样品，并且必须在专业实验室中使用大型仪器完成。

目前，生物测定法通过控制材料的电催化作用和通过适体模拟所需农药的形状，可以将非目标农药的干扰降至最低，如酶、适体或核酸生物传感器、免疫传感器和酶联免疫吸附试验，检测效率较高，成本可以控制在合理范围内。近年来，出现了几种检测试剂盒式传感器，如改进版的亚甲基蓝活性物质、分子印迹聚合物基离子选择电极、表面增强拉曼散射等，但它们仍需要特殊设置或关于仪器的培训才能使其正常工作。此外，该方法的选择性和敏感性仍然面临挑战。

超敏感农药残留检测在过去几十年中引起了越来越多的关注^[5]。目前，许多技术，如气相色谱、高效液相色谱、气相色谱与质谱和液相色谱 - 质谱已经被开发用于测定农药。但是，这些方法需要训练有素的人员使用昂贵笨重的分析仪器，对检测对象进行分离或者预浓缩操作，分析时间较长等固有缺点限制了它们的进一步应用。生物传感器构造更简单，使用更快，因此可以更好地满足测定这些生物危害的分析要求。然而，当它们在恶劣条件下操作时它们的稳定性和再现性很差，因此人工识别单元作为传感应用中天然受体的替代物已变得具有吸引力。

有学者曾结合了间接竞争免疫分析，高灵敏度表面等离子体共振（SPR）生物芯片和简单的便携式成像装置，用于无标签检测吡虫啉农药^[6]。SPR生物芯片由几个具有不同周期的带帽纳米照明阵列组成，这些阵列在芯片上形成光谱图像。可以从芯片上的点移位直接观察农药的定性和半定量分析。通过在智能手机中使用图像处理，可以进一步完成精确的半定量分析。他们同时检测四种不同浓度的吡虫啉农药。视觉检测限约为1 ppb，远低于法律允许的20 ppb最大残留浓度。

还有研究设计了一种基于手机的条形码检测方法，用于定性检测甲基对硫磷残留物^[7]。这是一种在全球农业中广泛使用的有毒有机磷农药。他们使用聚二甲基硅氧烷PDMS通道板作为反应容器，设计了条形码格式的测定芯片，位于印刷的部分条形码下，使其可以通过安装在智能手机上的条形码扫描应用程序直接读取。

还有学者尝试使用移动手机，进行高灵敏度吸光光度计检测有机磷（OP）化合物，用于物联网的食品安全跟踪^[8]。该仪器包括定制的传感器前端芯片，基于LED的光源，低功率无线链路和纽扣电池等。传感器前端在单个芯片中集成了光学传感器，电容互阻抗放大器和折叠参考脉冲宽度调制器。通过这种高灵敏度传感器前端芯片，所提出的吸光光度计具有96 cm的小尺寸，具有包括现场检测和与移动设备的无线通信等功能。手持系统的OP化合物检测实验表明，检测限（LOD）为0.4μmol/ L，与商业分光光度计相当。

现代社会，手机在许多场合中使用，几乎无处不在。截至到2016年，美国的苹果公司已售出超过10亿部iPhone^[9]。现代手机，特别是拥有较高配置的智能手机，配备了高分辨率摄像头、高速处理器、触摸屏显示、高存储容量、长寿命电池等多种小配件。因此，智能手机提供了一个独特的平台来提高传感器的可用性、可访问性和可重复性，特别是有利于辅助便携式传感器和套件的使用。

最近，基于智能手机的基于纸质微流体技术的显色传感在生化分析中发挥了越来越重要的作用。然而，通常存在三个缺陷：首先，纸基芯片仍然需要复杂的制造，并且芯片上的疏水边界不够清晰; 其次，不能稳定地捕获显色信号; 最后，智能手机应用程序仅限于检测特定目标分析物，除非重新编程，否则不能扩展用于不同的分析。

在常规检测方法中，检测试剂实际是通过比色法进行浓度定性分析，即通过人眼可见颜色进行分析，只能拥有较低的精确度。因此，运用智能手机技术为浓度检测提供了新的进展，在此基础上，采用数字图像处理技术能够提供更准确的测量结果。即或许可以在检测试纸盒的基础上可以尝试找到一种快速、廉价和易于使用的农药残留浓度检测方法。智能手机技术的运用使得农药残留浓度检测的精确度更高，检测更加简单。

1.3 本文结构安排

1.3.1 本文主要研究内容

本文主要介绍了农药残留浓度检测APP的设计和开发。论文首先分析了农药残留浓度检测APP开发的具体目标和功能需求，在此基础上再对APP进行详细设计以及开发。其中，着重介绍了APP主要功能：浓度检测和样品编号识别的实现，这主要涉及了图像处理算法以及手写数字识别算法。对于整个APP的开发和设计，主要进行了以下工作：

（1）对农药残留浓度检测APP进行需求分析，针对可行性较强的需求进行APP总体方案的设计；

（2）了解APP开发流程，实现APP界面的设计和主要功能框架的搭建；

（3）对APP主要功能模块进行设计和实现，其中包括浓度检测、样品编号识别、用户登录和注册以及历史数据管理等功能；

（4）对APP进行真机测试和调试。

1.3.2 本文的结构安排

第一章是绪论，介绍了本次毕业设计的背景及其意义，同时还介绍了目前国内外学者的研究状况，最后介绍了全文结构的安排。

第二章是需求分析，对APP的功能需求进行了分析，同时还分析了整个系统的功能架构。

第三章是APP的设计与实现，介绍了APP主要功能，包括浓度检测、样品编号识别、用户登录和注册以及历史数据管理功能的设计和实现方式。

第四章是测试，对APP进行真机功能测试，测试APP功能的可靠性和准确性，并对测试结果进行分析。

第五章是总结与展望，针对本次APP设计和开发过程遇到的问题进行了总结，并且总结了需进一步完善的功能。

第2章 需求分析

2.1 功能需求分析

在农药残留浓度检测APP开发之前，首先需要确定该APP应该具备的界面和功能，同时需要考虑这些功能是否具有可行性和必要性。经过这一步分析，才能够确保开发过程更有针对性，从而缩短开发周期。

首先，浓度检测功能是拟开发APP的核心功能。采用的开发方案是首先使用农药残留浓度检测试纸条对农药残留浓度进行初步检测，得到两条检测条带。其中一条检测条带T表示参考值，因此每个试纸条的T条带颜色相同；另一条检测条带C表示测量值，根据农药残留浓度不同，条带C表现出不同颜色。接下来，使用农药残留浓度检测APP从试纸条中提取图像，并自动检测相应浓度。该过程包含以下四个阶段。第一阶段使用摄像头来获取试纸条的原始图像。第二阶段通过图像处理提取出检测区域，进而提取出两条检测条带。第三阶段是对两个检测条带的灰度值进行相应计算，将两条检测条带计算后的灰度值均值相除，得到一个比值。同时，在检测前期需要预先将多个样品的灰度值均值比值以及其对应的浓度值，拟合成一条曲线。最后阶段根据灰度值均值比值在拟合曲线上的映射，得到农药残留浓度。

关于方案的可行性，目前市场上基于浓度检测试纸条的检测较为简便、灵敏度较高，但大多采用肉眼比色的方法进行浓度的定性或者较为粗略的定量检测。本设计尝试改进这一方式。具体来说，通过试纸条对农药残留浓度进行初步检测，然后通过图像处理算法对试纸条上的检测区域进行定量的比色分析，从而得到更加精确的结果。采用这种方式需要APP能够获取足够分辨率的图像，而市场上的手机摄像头的像素普遍超过2000万，所以能够满足要求。此外，APP还需要能够对图像进行处理，计算检测区域中两条检测条带的灰色值均值，从而最终计算得到浓度值。目前，OpenCV库中包含了大量图像处理接口函数，能够很方便对图像进行各类处理，例如灰度化、边缘检测等^[10]。

其次，样品编号的自动识别是拟开发的APP的必要功能。样品信息的自动识别，可有效避免检测员因在手动输入样品编号时有意或无意犯错而导致样品检测结果混乱。在这部分工作中，首先需要考虑样品编号的方式。例如，编号是由字母还是数字组成？编号是由机器打印还是由人工书写？本设计针对较常见的应用场景进行APP开发，即样品编号由人工书写的数字组成。由于每个检测员的手写数字编号不尽相同，因此需要利用大量训练样品提取各个数字的特征，从而实现数字识别。著名的手写图像数据集MNIST包含60000个训练样本和10000个测试样本，因此理论上能够满足这一需求^[11]。

在APP上进行分类器训练的可行性问题中，因为训练分类器的计算开销较大，而通用手机可能缺少针对多线程的优化，所以直接在手机训练分类器会造成识别时间较长，降低手机APP的流畅度，导致用户的痛点明显。因此，考虑首先在PC端上离线训练分类器模型，再将模型及其参数移植到手机APP中完成识别任务。因为OpenCV库能被多种操作系统支持，所以在PC端利用Visual Studio和OpenCV中就能够完成分类器的训练，得到分类器的模型及其参数。然后，采用APP加载分类器模型的方式，使用该分类器对待识别的手写数字编号进行识别^[12]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：