水体细菌微生物种类快速鉴别方法研究

紫外可见多波长透射光谱包含了细菌微生物对光的吸收和前向散射等信息,能反映细菌细胞的组分、大小以及形态等特征,具有细菌种属的特异性,可应用于细菌微生物的快速种类鉴别。以水体中常见细菌微生物为研究对象,实验测量了大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌的紫外可见多波长透射光谱,简要分析了不同种类细菌微生物的多波长透射光谱特征;研究了透射光谱与支持向量机多向量分析方法相结合的水体细菌微生物快速识别方法,利用基于网格搜索法的训练集内部交叉验证获取建模所需最佳惩罚因子C和核函数参数g,根据最优参数和LibSVM一对一多分类法建立细菌快速分类鉴别模型。利用不同株实验细菌的透射光谱作为测试集对所建模型进行识别正确率的验证,结果表明,所建立的快速分类鉴别模型可以对选取的大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌进行快速种类识别,识别正确率为100%;分类鉴别模型对不同大肠杆菌亚种的测试集识别正确率为100%,证明该模型对细菌属间鉴别具有较好的稳定性。不仅可为饮用水源细菌微生物的快速识别预警提供方法,而且可在生物医学方面作为细菌微生物鉴别的一种简便、快速、准确的手段。     

基于多波长透射光谱法的水体细菌微生物检测能力初步研究

搭建的水体细菌微生物多波长透射光谱快速测量实验系统,实验获取了肺炎克雷伯菌、金黄色葡萄球菌和大肠杆菌在不同浓度下220～900 nm范围内的多波长透射光谱,研究建立了三种细菌基于不同波长点及全光谱波段的浓度校准曲线,计算了肺炎克雷伯菌、金黄色葡萄球菌和大肠杆菌的检测限,并与紫外-可见分光光度计测量分析结果进行了对比。结果表明,实验系统与紫外-可见分光光度计测量光谱线性相关系数在0.999 8以上,具有非常好的一致性,且30次光谱信号采集时间仅需15 s;基于实验系统分析得到三种细菌在220,258,300,350,400,450,500和550 nm不同波长点以及全光谱波段的检测限结果均优于紫外-可见分光光度计,且利用多波长透射光谱全光谱波段计算得到的细菌检测限均最低,其中：肺炎克雷伯菌、金黄色葡萄球菌和大肠杆菌的检测限分别为1.60×104,1.06×104和1.16×104 cells·mL-1。研究结果为进一步发展水体细菌微生物的多波长透射光谱快速定量检测技术提供了基础数据。     

多波长透射光谱特征提取结合支持向量机的水体细菌识别方法研究

实现水体致病菌的快速识别检测对防控由水体微生物污染引起的大规模疾病爆发有重要的现实意义。生化鉴定、核酸检测等常规细菌检测方法存在耗费时间长、需要精密的实验仪器等特点,不足以满足水体细菌微生物的快速实时在线监测。由于细菌的多波长透射光谱包含较丰富的特征信息,并且这项光谱检测技术具有快速简便、无接触、无污染等优点,近年来成为细菌检测研究的热点。以肺炎克雷伯氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌、铜绿假单胞菌和大肠埃希氏菌为研究对象,通过对细菌光谱作归一化处理和方差分析得到光谱变动最显著的特征波长区间,在该区间提取200 nm处的吸光度值及短波段的斜率值作为光谱特征值,结合支持向量机对不同种类细菌进行预测。结果表明,多波长透射光谱的归一化预处理能够有效消除浓度影响,并保留完整的原始光谱信息;通过方差分析法得到特征波长区间为200～300 nm波段,在此区间内提取的五种细菌的归一化光谱趋势图的特征值分别为：200 nm处吸光度值为0.006 5,0.005 1,0.007 5,0.007 5和0.008 5,200～245 nm波段的斜率值为-62.45,-35.94,-81.30,-82.67和-103.49,250～275 nm波段处的斜率值为-15.48,-14.82,-20.91,-13.92和-26.21,280～300 nm波段处的斜率值为-29.96,-24.62,-33.71,-36.09和-30.88。对样本提取特征值并随机划分训练集和测试集,支持向量机选择惩罚因子模型以及线性核函数,通过寻优算法确定最佳的惩罚因子参数c和核函数参数g,对测试集样本进行测试,得到细菌种类的识别结果,五种细菌的预测准确率均达到100.0%。综上所述,水体致病菌的多波长透射光谱通过合适的数据预处理能够提取出具有明显差异性的光谱特征值,该光谱特征值结合支持向量机能够有效用于不同细菌种类的识别,该方法为水体细菌快速识别和实时在线监测提供了重要的技术支持。     

基于显微高光谱成像技术判别食源性致病菌种类的方法研究

如何实现对食源性致病微生物的早期快速检测是全球食品安全领域面临的挑战之一。传统的致病菌生化检测方法虽然准确性高,但是过程复杂、耗时漫长,易错过控制疫情爆发的窗口期。该研究提出一种基于暗场显微高光谱成像技术的检测方法,能够借助显微镜技术突破传统光谱成像的灵敏度和分辨率极限,并利用可见/近红外光谱为单个致病菌细胞添加高分辨率的图像和光谱信息。以空肠弯曲杆菌、大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌为检测对象,采用显微高光谱成像技术进行数字化表征和数据采集,结合双向长短期记忆网络(Bi-LSTM)算法对各致病菌细胞的图像和光谱数据进行建模分类。结果显示,显微尺度的致病菌光谱数据呈现可判别的分布规律,新采用的Bi-LSTM网络在光谱数据集中表现优异,在三种致病菌的分类任务中取得了91.0%的平均准确率,而传统的线性判别分类器(LDA)和支持向量机分类器(PCA-SVM)的平均准确率分别为80.1%和88.5%。但是,仅依赖光谱数据进行致病菌种类判别仍然存在较为严重的假阳性问题,尤其是在大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌的分类中存在错误分类。图像信息的加入则能够显著改善各分类的识别准确...     

水体细菌微生物多波长透射光谱特征分析研究

多波长透射光谱能够反映出样品细胞大小、形状、内部结构和化学组分等丰富而独特的信息,是微生物快速、实时、在线检测与识别的有利工具。将多波长透射光谱技术应用于水体致病性细菌微生物的快速有效检测对控制水体细菌微生物污染及保护饮用水源水质安全具有重要的现实意义。为了建立及发展基于多波长透射光谱技术的水体致病性细菌微生物快速有效的检测方法,采用紫外-可见分光光度计获取了多种水体致病性细菌微生物(如： 肺炎克雷伯氏菌、鼠伤寒沙门氏菌、金黄色葡萄球菌和大肠杆菌)在200～900 nm波段的多波长透射光谱,对比分析了不同细菌及同种细菌在不同浓度时的多波长透射光谱特征。结果表明： 对于同种细菌,当细菌浓度发生变化时,400～900 nm波段透射光谱形状较为一致,并且在400,450,500和550 nm波长处的光密度值与浓度具有很好的线性关系,该波段由细菌体的散射起主要作用;但在200～400 nm波段范围内,细菌透射光谱的形状随细菌浓度的变化而变化,在200,258,300和350 nm波长处的光密度值与细菌浓度分别具有很好的二次多项式关系。根据微粒的Mie散射理论,采用Levenberg-Marquardt非线性最小二乘方法对测得的四种细菌透射光谱进行了散射光谱和吸收光谱拟合,并对比分析了不同细菌散射光谱特征和吸收光谱特征,结果表明： 四种细菌散射光谱的特征峰均在245 nm波长处,但该波长处的光密度值具有明显差异性,这与不同细菌外部结构及内部结构细胞器的大小、形状等不同有关;而四种细菌吸收光谱特征峰均在260 nm波长处,且不同细菌在240～400 nm波段内吸收光谱也具有明显差异性,这与不同细菌细胞内的核酸、蛋白质等化学组分含量不同有关。该研究表明对于不同种细菌及具有不同浓度的同种细菌,测得的多波长透射光谱及计算出的散射光谱和吸收光谱特征都具有明显的不同,通过多波长透射光谱解析可以获得细菌多种特征参数,多波长透射光谱可以被用于快速有效检测水体中的致病性细菌微生物。该研究为发展水体细菌微生物快速在线监测仪提供了重要依据。     

水体细菌微生物多波长透射光谱定量分析归一化方法研究

快速准确获取水体细菌微生物浓度信息,对饮用水卫生安全监管具有重要意义。基于多波长透射光谱技术研究了水体细菌微生物浓度定量反演方法,并重点研究了光谱数据的归一化处理方法(颗粒浓度归一化、最大值归一化、积分归一化、平均归一化)对水体细菌微生物浓度反演结果准确性的影响。基于Mie散射理论建立了大肠埃希氏菌(大肠杆菌)多波长透射光谱解析模型,通过对归一化后的光谱进行解析,获取了大肠杆菌的结构信息,并以此构建出单种细菌的多波长透射参考光谱;根据测量光谱与单种细菌参考光谱的相关性反演细菌浓度,并对比分析了不同归一化处理方法下细菌浓度反演结果的准确性。研究结果表明:与平板菌落计数法相比,平均归一化光谱反演细菌浓度的最大相对误差为0.92%,平均相对误差为0.70%,线性相关系数达到0.9984,其准确性和稳定性均为最优。本研究为水体细菌微生物的快速定量检测与预警提供了基础数据。     

大黄的体外抑菌实验

探讨大黄的体外抑菌作用。采用圆纸片扩散实验来检测大黄对金黄色葡萄球菌、大肠杆菌、痢疾杆菌、绿脓杆菌及伤寒沙门菌的抑菌效果。结果显示大黄对上述细菌均有一定的抑制作用。其中对金黄色葡萄球菌,痢疾杆菌,伤寒沙门菌有很强的抑制作用,为高敏;对绿脓杆菌的抑菌作用次之,为中敏;对大肠杆菌的抑菌作用较弱,为低敏。     

水体细菌微生物多波长透射光谱解析模型

细菌多波长透射光谱包含有细菌结构、组分、浓度等信息,这些特征信息的有效提取是实现细菌微生物快速识别与检测的基础。以水体常见的大肠埃希氏菌(大肠杆菌)为研究对象,采用紫外-可见分光光度法获得了其多波长透射光谱;基于Mie散射理论,在充分考虑水体大肠杆菌散射和吸收特性的基础上,构建了240~900nm波段范围内细菌微生物多波长透射光谱的解析模型;基于该模型对250~750nm特征波段范围内的光谱进行解析,获得了大肠杆菌的体积、粒径、结构及浓度等相关参数,并将这些参数与文献及实验得到的结果进行了对比验证。结果表明,建立的多波长透射光谱解析模型能够准确表征水体细菌微生物的光谱特征,该模型可为水体细菌微生物的快速识别分析和检测提供关键数据。     

水体细菌微生物多波长透射光谱解析模型EI北大核心CSCD

细菌多波长透射光谱包含有细菌结构、组分、浓度等信息,这些特征信息的有效提取是实现细菌微生物快速识别与检测的基础。以水体常见的大肠埃希氏菌(大肠杆菌)为研究对象,采用紫外-可见分光光度法获得了其多波长透射光谱;基于Mie散射理论,在充分考虑水体大肠杆菌散射和吸收特性的基础上,构建了240~900nm波段范围内细菌微生物多波长透射光谱的解析模型;基于该模型对250~750nm特征波段范围内的光谱进行解析,获得了大肠杆菌的体积、粒径、结构及浓度等相关参数,并将这些参数与文献及实验得到的结果进行了对比验证。结果表明,建立的多波长透射光谱解析模型能够准确表征水体细菌微生物的光谱特征,该模型可为水体细菌微生物的快速识别分析和检测提供关键数据。     

激光诱导荧光光谱快速检测食源性致病菌

近年来,由微生物污染引起的食品安全问题对人类健康构成威胁。微生物的快速检测对食品安全具有重要意义。目前,微生物快速检测技术存在操作困难,成本高的不足。激光诱导荧光光谱(LIFS)具有灵敏度高、操作方便、设备相对便宜等优点,为微生物的快速检测提供了一种潜在技术。利用便携式405 nm激光激发三种常见食源性致病菌(粪肠球菌、鼠伤寒沙门氏菌和铜绿假单胞菌)的荧光,并利用微光纤光谱仪检测光谱。通过调节激光器功率(10～100 mW)得到粪肠球菌的荧光强度,验证了激光器功率(Power,P)与细菌荧光强度的关系,结果表明最佳激光器功率范围为50～80 mW。测量了在激光器功率P=50 mW时细菌样品的荧光光谱,并讨论了细菌种类和荧光光谱之间关系。结合文献分析粪肠球菌在528 nm处出现黄酮的荧光峰,铜绿假单胞菌中的原卟啉发射634 nm荧光峰。实验结果表明：(1)铜绿假单胞菌在634和703 nm处的荧光峰,可作为直接识别特征;(2)基于多元统计,将粪肠球菌和鼠伤寒沙门氏菌的光谱划分为9个特征区,采用动态聚类法得到粪肠球菌和鼠伤寒沙门氏菌的识别率均达到100%。结果表明,激光诱导荧光光谱法可有效检测铜绿假单胞菌、粪肠球菌和鼠伤寒沙门氏菌。相较于其他微生物快速检测技术,LIFS方法操作方便,检测速度快,识别率高,对食源性致病菌的快速检测具有重要的应用价值。     

水体细菌微生物多波长透射光谱特征分析研究（英文）

多波长透射光谱能够反映出样品细胞大小、形状、内部结构和化学组分等丰富而独特的信息,是微生物快速、实时、在线检测与识别的有利工具。将多波长透射光谱技术应用于水体致病性细菌微生物的快速有效检测对控制水体细菌微生物污染及保护饮用水源水质安全具有重要的现实意义。为了建立及发展基于多波长透射光谱技术的水体致病性细菌微生物快速有效的检测方法,采用紫外-可见分光光度计获取了多种水体致病性细菌微生物(如:肺炎克雷伯氏菌、鼠伤寒沙门氏菌、金黄色葡萄球菌和大肠杆菌)在200～900nm波段的多波长透射光谱,对比分析了不同细菌及同种细菌在不同浓度时的多波长透射光谱特征。结果表明:对于同种细菌,当细菌浓度发生变化时,400～900nm波段透射光谱形状较为一致,并且在400,450,500和550nm波长处的光密度值与浓度具有很好的线性关系,该波段由细菌体的散射起主要作用;但在200～400nm波段范围内,细菌透射光谱的形状随细菌浓度的变化而变化,在200,258,300和350nm波长处的光密度值与细菌浓度分别具有很好的二次多项式关系。根据微粒的Mie散射理论,采用Levenberg-Marquardt非线性最小二乘方法对测得的四种细菌透射光谱进行了散射光谱和吸收光谱拟合,并对比分析了不同细菌散射光谱特征和吸收光谱特征,结果表明:四种细菌散射光谱的特征峰均在245nm波长处,但该波长处的光密度值具有明显差异性,这与不同细菌外部结构及内部结构细胞器的大小、形状等不同有关;而四种细菌吸收光谱特征峰均在260nm波长处,且不同细菌在240～400nm波段内吸收光谱也具有明显差异性,这与不同细菌细胞内的核酸、蛋白质等化学组分含量不同有关。该研究表明对于不同种细菌及具有不同浓度的同种细菌,测得的多波长透射光谱及计算出的散射光谱和吸收光谱特征都具有明显的不同,通过多波长透射光谱解析可以获得细菌多种特征参数,多波长透射光谱可以被用于快速有效检测水体中的致病性细菌微生物。该研究为发展水体细菌微生物快速在线监测仪提供了重要依据。     

水体细菌微生物多波长透射光谱快速准确获取方法研究

为实现水体细菌微生物快速在线监测,搭建了多波长透射光谱快速测量实验系统,利用该系统分别测量了重铬酸钾标准溶液紫外波段及中性滤光片可见波段的透射光谱,并与紫外-可见分光光度计测得的透射光谱进行对比分析,验证了实验系统测量透射光谱的准确性;以水体中常见的金黄色葡萄球菌作为研究对象,利用搭建的实验系统获取金黄色葡萄球菌溶液在220～900 nm波段的前向小角度透射光谱,进一步验证了实验系统测量细菌微生物透射光谱的准确性和快速性。结果表明,由实验系统和紫外-可见分光光度计测得的重铬酸钾标准溶液,与中性滤光片紫外波段及可见波段透射光谱的线性拟合相关系数分别为0.999 7和0.999 5,光密度误差分别在5.00%和4.58%以内,说明两个系统测量光谱的一致性较好,所搭建的实验系统测量标准样品紫外-可见透射光谱准确度较高;对于金黄色葡萄球菌,实验系统测得的透射光谱经过校正后,与紫外-可见分光光度计测得的透射光谱线性拟合的相关系数为0.999 97,两者相比的光密度误差在0.74%以内;系统重复30次细菌光谱信号采集获得平均透射光谱单次测量时间为15 s,说明该实验系统相对于紫外-可见分光光度计能够快速准确获取水体细菌微生物多波长透射光谱,在保证测量结果准确的同时缩短了光谱测量时间,为水体细菌微生物快速检测提供技术支持。     

水体细菌微生物多波长散射光谱快速定量检测

通过分析细菌细胞的结构特征,将细菌菌体的多波长散射分为外部结构散射和内部结构散射两个部分,建立了细菌菌体前向散射光谱解释模型。利用该模型对大肠杆菌400～900 nm波段的前向散射光进行了快速解析,得到了大肠杆菌外部结构、内部结构的平均粒径大小及两结构占细菌体前向散射的比例;基于单细胞的散射光密度与整体细菌悬浮液光密度之间的关系可以快速检测出细菌的浓度。多次细菌浓度测量结果之间的最大差异为1.83%,且与平板法相比较,测量结果在同一量级,相对误差为3.44%。对不同生长时期的大肠杆菌和肺炎克雷伯菌进行了光谱解析,得到了两种细菌浓度及菌体大小随时间的变化曲线。研究结果不仅为细菌微生物生长过程的科学研究提供了一种快捷方法,而且为水体细菌微生物的快速检测与预警提供了技术手段。     

痕量样品高灵敏度快速测量方法与便携式系统研究

为了实现高灵敏度、快速、准确鉴定痕量病原菌核酸样品,介绍了一种痕量核酸样品高灵敏度快速测量方法,并发展了一种微流控芯片核酸等温扩增实时分子诊断技术,研制了新型微纳体系生化反应载体芯片。通过表面惰性处理降低芯片表面对生物分子的吸附影响,构建一种大数值孔径、长工作距离的便携式共焦光学检测系统,有效消除背景荧光的影响,提高了检测灵敏度。在微纳升(7μL～40nL)试剂消耗反应体系水平,实现检测灵敏度5个DNA分子拷贝数,并以呼吸道感染疾病的大肠埃希氏菌检测为例,开展临床应用研究,满足低成本临床医疗应用需要。     

基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究

提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像。首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个。结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法。     

基于高光谱技术的酸奶中常见致病菌的快速鉴别及计数

酸奶是一种发酵型乳制品饮料,因其特殊的功能性和良好的口感而广受欢迎。但由于商业链的不正当运行,如奶源非法获取、灭菌不充分等原因,导致酸奶中致病菌大量滋生,酸奶中毒事件频繁发生。酸奶中常见的致病菌主要有大肠杆菌、金黄色葡萄球菌和沙门氏菌,这三种致病菌由人体摄入并达到一定的数量时会产生腹痛、腹泻等严重的消化道疾病,并且会破坏人体肠道内的正常菌群平衡,因此国标对奶制品中这三种致病菌的数量已有明确的限量规定。由于酸奶的主要消费对象为老人和小孩,故其潜在危害不容小觑。传统菌落检测方法虽具有简单,灵敏、可操作性强等优点,但当不同菌落混杂在一起时无法同时进行定性定量的检测,且具有试剂成本高,检测周期长,人为因素影响较大等缺点。因此开发一种快速、简单、准确的混合鉴定计数方法为避免致病菌对酸奶的潜在危害提供了有效的途径。高光谱技术同时包含样本的光谱信息与图像信息,既能够根据化学组分的微小变化进行精确识别（光谱信息）,又能够反映出菌株在外部多层次的变化（图像信息）。因此该研究尝试对比高光谱图像技术和光谱技术,采用模式识别的方法,对比不同的模型识别结果,优选出最佳识别率的识别模型作为计数模型,最后通过最佳鉴别计数模型的识别分类结果来达到对酸奶中常见致病菌鉴定计数的目的。首先,购买酸奶中常见的乳酸菌种（保加利亚乳杆菌、嗜热链球菌、嗜酸乳杆菌、干酪乳杆菌、植物乳杆菌）和潜在污染的致病菌种（金黄色葡萄球菌、大肠杆菌、沙门氏菌）等标准菌株进行培养,提取经过48 h培养后的菌落图像信息和光谱信息。采用几种不同的预处理方式（SNV,MC,MSC,1stDER,2ndDER）对所提取的光谱数据进行预处理,并应用遗传算法筛除光谱数据中冗余的波段,保留有效波段。利用图像处理技术对图像信息中的菌株与培养基背景进行去除,然后采用主成分分析法从每幅图中优选出3个特征波长,并运用图像处理技术从特征波长所对应图像中提取菌株的18个基于GLCM的纹理特征信息。挑选合适的主成分分别建立不同的鉴别模型（LDA,KNN,BP-ANN,LS-SVM）,通过其最终的鉴别模型的识别率来确定最佳鉴别计数模型。最后从标准菌株中分别挑选出30株进行计数测试,通过比较模式识别的分类数量结果与菌株的实际数量来验证模式识别效果的准确率。研究表明,运用SNV预处理后光谱数据在提高信噪比效果上明显优于其他几种预处理方式。745.790 8,773.098 4和779.207 0 nm为图像信息中方差贡献率最大的三个波长,运用从特征波长所对应的图像中所提取的纹理特征信息建立图像识别模型。通过对比图像信息和光谱信息的模式识别结果发现,光谱特征鉴别模型普遍优于图像纹理特征鉴别模型,且当主成分数为9时,运用光谱特征所建立的LS-SVM模型的校正集识别率为96.25%,预测集的识别率为91.88%,为最优模型。采用优选的最优模型对菌株进行识别计数,大肠杆菌计数的相对误差为3.33%,金黄色葡萄球菌和沙门氏菌计数的相对误差均为0,验证了高光谱技术应用于酸奶中常见致病菌的鉴别计数的可行性。     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

三维荧光光谱技术结合线性支持向量算法在水体有机污染监测中的应用

针对当前地表水体有机污染的原位快速监测需求,提出一种基于三维荧光光谱技术的水质指标预测模型和水质等级快速判断方法。以扬州市域内多种地表水体的水质监测数据作为模型训练样本,充分利用水体三维荧光光谱信息,结合线性支持向量回归算法（LIBLINEAR）,建立了与化学需氧量（COD_Cr）、高锰酸盐指数（COD_Mn）、氨氮（NH₃-N）、总磷（TP）、总氮（TN）和五日生化需氧量（BOD₅）6项有机污染相关水质指标的预测模型。研究结果表明,6项指标预测模型的训练集和测试集决定系数R2均大于0.73,预测值与国标及行业标准方法分析结果的相关系数r达到0.9以上。利用水质指标预测结果进一步判断有机污染指标相关水质等级,黑臭水体识别率达86%,对Ⅲ类~重度黑臭共6个水质等级的分类准确率为60%。结果说明该方法通过水体三维荧光光谱信息预测水质有机污染指标具有较好的准确性和精度,为广域时空尺度地表水的高效原位监测提供了一种新的解决方案。     

多反复结构模型的精确音乐分离方法

针对基本反复模型音乐分离方法自适应性差的问题,提出一种基于美标度倒谱系数(MFCC)的多反复结构模型的音乐分离方法。首先,提取出音乐信号的MFCC系数矩阵(39维的数据构成);然后利用余弦特性得到其相似矩阵,进而将相似度一致的片段划分到一起,建立不同的反复结构模型;之后结合理想二元掩蔽(]BM)分离出背景音乐及歌声的频谱,相应的时域信号则由傅里叶逆变换获得;最后,在不同类型、长度的音乐文件上测试了算法性能,将提出的算法与Rafii的反复算法和Ozerov的灵活窗非负矩阵分解方法进行对比。实验结果表明,改进方法在分离性能上最高提高3 dB左右,并且对于曲调变换大的音乐提高效果更为明显,从而证实了改进方法是一种有效的音乐分离方法,并且更具稳定性。      

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。