基于光谱分析技术的黄瓜与茎叶识别研究

为了能够快速实时地识别温室中的黄瓜,研究了黄瓜和其茎叶的近红外反射光谱特性。利用近红外光谱仪在室内共采集138个样本(黄瓜46个,茎46个,叶46个)的反射光谱,进行Savitzky-Golay平滑后,抽取光谱中的108个样本作为校正集,采用偏差权重法选择信息量较大的光谱波段690~950 nm进行研究。在主成分分析(PCA)的基础上,结合马氏距离建立识别模型,剔除了7个异常样本。用剩余的101个样本进行偏最小二乘法建模,对校正集之外的30个样本进行预测。结果显示预测值和实际值的相关性达0.994 1,正确识别率达100%。说明黄瓜、茎和叶的近红外反射光谱特性之间有一定差异,可以用近红外光谱技术进行鉴别,为黄瓜识别提供了一种新的方法和思路。     

基于可见-近红外光谱的植物叶绿素含量无损检测方法研究

叶绿素含量是植物营养胁迫、光合作用能力和生长状况的良好指示剂。实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实施精细农业的关键技术之一。文章提出了一种应用可见-近红外光谱技术检测植物叶绿素含量的方法。采用透反射测样方式获取了植物叶片的可见-近红外光谱,并对获得的500～900 nm光谱数据进行平滑、一阶微分以及小波变换等预处理,然后采用偏最小二乘法(PLS)建立了植物叶片叶绿素含量与叶片吸收光谱的定量分析模型,最后利用该模型对预测集样本进行预测。预测集中样本的预测值与标准值之间的相关系数为0.93,预测均方根误差为1.1 SPAD。实验结果表明,利用可见-近红外光谱检测叶片叶绿素含量是可行的,这对今后实现快速无损检测植物叶绿素含量具有重要的指导意义。     

多光谱图像的玉米叶片含水量检测

水是植物正常生长发育必不可缺的元素之一,能够快速检测并获取植物叶片水分,对田间作物灌溉生产管理和作物的生理需水特性研究等具有重要的意义。利用RedEdge-M型号多光谱相机,以不同生育期的55组玉米叶片作为试验对象,在光线充足且无阴影遮挡的环境下对试验玉米叶片样本进行拍摄,拍摄过程中通过直连下行光传感器来消除太阳高度角对光谱反射的影响,每组玉米叶片样本经过拍摄可得到蓝、绿、红、近红外和红边等5个波段的TIFF图像。借助图像处理软件ENVI5.3构建玉米叶片样本兴趣区域(ROI),以ROI范围内玉米叶片样本的平均反射光谱作为该样本的反射光谱来减小镜头边缘减光现象带来的误差。参照标准白板出厂时提供的专属标定反射率、白板ROI范围内的平均反射光谱和玉米叶片样本白板ROI范围内的平均反射光谱,比值换算得到各组玉米叶片5个波段处的光谱反射率。同时利用YLS-D型号植物营养测定仪,采用五点取样法选择玉米叶片的5个区域测取玉米叶片样本的水厚度平均值作为叶片含水量的测量指标。随机选取43组玉米叶片样本得出的光谱反射率作为训练样本,采用BP神经网络建立基于多光谱图像的玉米叶片含水量反演模型,并融合莱文贝格-马夸特理论(Levenberg-Marquardt,L-M)进行经典神经网络现有缺点的改进。输入神经元数目为5个,即蓝、绿、红、近红外和红边等5个波段图像对应的反射率,输出神经元为1个,即玉米叶片含水量。剩余12组玉米叶片作为验证样本用于模型反演数据的相关性分析,结果表明,利用多光谱图像光谱信息并结合基于Levenberg-Marquardt方法改进后BP神经网络玉米叶片含水量反演模型,模型反演的拟合相关系数能达到0.896 37, 12组验证集中玉米叶片含水量参考值和反演值的相关系数r达到0.894 8,反演结果比较理想。可以实现对玉米叶片含水量的快速准确检测,对精准农业的推广和应用提供了方法和参考依据。     

云计算的蚕豆虫害可见-近红外光谱分类

利用蚕豆叶片可见-近红外反射光谱结合导数光谱对健康、少量、大量虫害三种等级的实验样本进行光谱特征分析,并选择虫害检测最优波段。采用Hadoop,Spark和VMWare虚拟机搭建云计算平台,使用MLlib机器学习库实现人工神经网络(ANN)和支持向量机(SVM)分类算法,并对三种等级蚕豆叶片全波段和最优波段光谱进行分类建模与预测。结果表明ANN虫害光谱分类模型准确率优于SVM虫害光谱分类模型,并且在云平台上运行效率更高,同时全光谱波段的预测准确性高于最优波段。通过扩展光谱数据集,云计算技术在光谱数据挖掘中的计算效率有显著提升。云计算分类检测可以为作物生物胁迫光谱识别提供新的技术和方法。     

基于光谱和神经网络模型的作物与杂草识别方法研究

利用光谱技术来识别作物与杂草是精细农业中一个非常重要的研究内容,但光谱数据中含有大量冗余数据,如何预处理以及建立识别模型,是决定识别准确率的关键。利用在325～1 075 nm波段的光谱识别了三种杂草（牛筋草、凹头苋、空心莲子草）与大豆幼苗。在幼苗生长的第三周与第六周分别采集杂草与作物的光谱,共378个样本。用其中的250个光谱样本,包括第一期和第二期采集的光谱样本,在采用db12小波经过三层分解后,将其小波系数作为输入数据建模,构造了一个径向基函数神经网络。然后,利用余下的光谱样本检验该模型的识别能力。结果表明,该模型对作物与杂草光谱具有极强的识别能力,只有3个第二期的牛筋草样本被判断为空心莲子草,其余的样本全部正确识别。这个结果表明,采用可见/近红外光谱识别大豆幼苗与三种伴随生长的杂草是可行的,同时也说明,随着作物的生长阶段的不同,其光谱的变化不会影响到种类识别。     

基于近红外反射光谱的外来入侵植物的辨识

提出了一种利用可见一近红外反射光谱技术对婆婆纳、波斯婆婆纳、直立婆婆纳等3种入侵植物和本地杂草宝盖草的植物辨别方法,可以对外表相似度极高的这4种植物进行有效鉴别.研究在对光谱曲线进行预处理和聚类分析后,随机采用30×4个样本作为建模样本,其余的20×4个样本作为预测样本,应用独立软模式法SIMCA(soft independent models of class analogy)进行分类,在显著性水平为5%下,其预测分辨率为78.75%,去除婆婆纳后的预测分辨率为90%.根据变量建模能力(modeling power)值,找到敏感波段496～521,589～626和789～926 nm,并将相应的波段的光谱值作为最小二乘的支持向量机LS-SVM(least squares support vector machine)的输入,进行建模预测,并以预测结果作为目标函数值,进行遗传算法GA(genetic algorithm)优化,结果发现,预测分辨率达95.35%,辨识效果好,能快速正确区分外来入侵植物.     

部分土壤重金属可见-近红外反射光谱特征及机理研究

测量重金属化合物氯化铬(CrCl₃)、氯化铜(CuCl₂)、氯化锌(ZnCl₂)的可见-近红外反射光谱(VNIRS),将重金属反射光谱与重金属元素的核外电子排布式联系起来,观察重金属化合物的反射光谱特征;结合晶体场理论分析重金属的特征反射峰出现的波段位置和原因。以湖北大冶地区土壤样品为例,向土样中添加不同浓度梯度的CrCl₃,CuCl₂和ZnCl₂并测定其可见-近红外反射光谱,研究不同种类不同浓度的重金属对土壤反射光谱的影响。对样本的反射光谱进行不同光谱预处理,探究重金属浓度与土壤反射光谱之间的线性相关关系及显著相关(p<0.05)波段出现的位置和潜在机理。结果表明,重金属化合物CrCl₃,CuCl₂和ZnCl₂在可见光-短波近红外波段范围内的反射光谱特征与重金属元素3d轨道上的电子填充状态有关。添加入土壤中的重金属化合物影响了土壤的可见-近红外反射光谱,其浓度与土壤反射光谱之间整体呈负相关,最大负相关系数分别为-0.788,-0.880和-0.824。样品反射光谱经不同预处理后,重金属浓度与土壤反射光谱之间的线性相关关系有所变化,显著相关波段信息更加丰富。研究表明,重金属的可见-近红外反射光谱与重金属的电子结构紧密相关,可见-近红外反射光谱技术可以检测到土壤中较高浓度重金属的存在,该技术在快速高效、无损低耗地预测土壤重金属元素含量方面拥有巨大潜力。基于部分重金属化合物的可见-近红外反射光谱特征,结合晶体场理论为土壤重金属的定性和定量反射光谱分析提供了理论依据和实验参考。     

基于可见近红外光谱分析技术的马铃薯品种鉴别方法

基于可见-近红外光谱分析技术,提出了一种快速鉴别马铃薯品种的方法。以三种不同品种共计352个样本的马铃薯作为主要研究对象,随机将其分为建模集(307个样本)和预测集(45个样本)。对其中的建模集样品进行可见-近红外光谱分析,将获取的光谱图像通过多元散射校正(MSC)和窗口大小为9的Savitzky-Golay(S-G)一阶卷积求导方法预处理,消除颗粒大小、表面散射及光程变化对漫反射光谱影响,降低原始光谱曲线的随机噪声影响。然后用偏最小二乘法(PLS)对数据进行降维、压缩,使用主成分分析方法(PCA)获得的前4个主成分累计贡献率达到96%以上,并从前4个主成分图谱中提取20个吸收峰作为输入变量,经过试验,得到一个20(输入)-12(隐含)-3(输出)结构的3层BP神经网络。最后利用该模型对预测集样本进行品种鉴别,识别正确率达到100%。此方法能较为快速、准确地鉴别马铃薯的品种,为马铃薯品质检测与鉴别提供了新思路。     

尿微量白蛋白的可见-近红外光谱检测

尿微量白蛋白是临床上检测肾损伤最可靠的诊断指标.为实现尿微量白蛋白快速无试剂检测,本文采用多光程方式得到207例尿液样品可见-近红外双波段的多光程光谱,基于多光程光谱的非线性特性,获得更多样品成分含量的信息.在首先进行PLS建模的基础上,使用PLS-ANN建模方法引入非线性信息,对样本的可见-近红外波段多光程光谱与尿微...     

牛奶中三聚氰胺的可见/近红外光谱快速判别分析方法的研究

为探讨基于可见一近红外光谱技术快速检测牛奶中是否含有三聚氰胺的可行性.文章通过往液态奶中添加不同含量的三聚氰胺,共制备样本160个.利用Handheld Field Spec光谱仪获取样本光谱,其后采用不同的预处理方法对光谱数据进行预处理,然后分别建立数学模型,比较模型的好坏,得到采用移动平均平滑作为数据的预处理方法较好.从160个样本中随机的取出120个样本建模,剩下的40个样本作为独立的验证集.采用偏最小二乘回归法(PLS)和最小二乘支持向苗机法(LS-SVM)方法分别建立判别分析模型,利用独立的验证集对判别模型进行了预测验证.预测结果的预测相关系数(R2)分别为0.917 4(PLS)和0.910 9(LS-SVM),预测标准误差(RMSEP)分别为0.030 4(PLS)和0.046 7(LS-SVM).研究结果表明近红外反射光谱可以作为一种快速检测牛奶中三聚氰胺的方法.     

基于太赫兹谱分析中药材鉴别

中草药分析与鉴定对中草药质量控制意义重大,以飞秒激光为基础的太赫兹时域光谱技术(THz-TDS)是一种新型相干远红外光谱测量技术。为了研究基于太赫兹谱的中药材鉴别可行性,应用THz-TDS研究了室温下黄芪、当归、杜仲及三种掺杂的黄芪在0.2~2.2 THz范围内的光学特性,得到了对应的时域谱、频域谱和吸收谱。结果表明在此波段三种中草药的时域谱、频域谱及吸收谱存在显著差异;三种掺杂黄芪的频域谱、吸收谱虽相似但也有明显不同。利用太赫兹时域光谱技术鉴别中药材是可行的,它可为中草药质量控制提供一种新的方法。     

基于花瓣的傅里叶变换红外光谱鉴别分类杜鹃属植物

利用傅里叶变换红外光谱(FTIR)技术结合适当的方法对杜鹃属植物不同亚属进行鉴别分类研究。测试了4个亚属植物花瓣的红外光谱,结果显示同种植物花瓣的红外图谱,峰形相似;不同种植物花瓣的红外光谱图在混合模区(1 500~1 200 cm-1)略有差异。为了进一步快速对其分类群进行鉴别,利用OMNIC软件分层抽样建立3个光谱数据库,未知样品光谱分别与光谱数据库比较得出匹配数值进行鉴别。研究结果显示此方法能够准确地鉴别分类4个亚属植物,这为大型的植物系统分类研究提供了一种潜在的方法。     

Studies on Cancer Diagnosis by Using Spectroscopy Combined with ChemometricsSCIEI北大核心CSCD

Studies on cancer diagnosis using various spectroscopic methods combined with chemometrics are briefly reviewed. Elemental contents in serum samples were determined by inductively coupled plasma atomic emission spectroscopy (ICP-AFS), bidirectional associative memory (BAM) networks were used to establish diagnosis models for the relationships between elemental contents and lung cancer, liver cancer, and stomach cancer, respectively. Near infrared spectroscopy (NIRS) is a non-destructive detection technology. Near infrared spectra of endometrial carcinoma samples were determined and spectral features were extracted by chemoometric methods, a fuzzy rule-based expert system (FuRES) was used for establishing diagnosis model, satisfactory results were obtained. We also proposed a novel variable selection method based on particle swarm optimization (PSO) for near infrared spectra of endometrial carcinoma samples. Spectra with optimized variable were then modeled by support victor machine (SVM). Terahertz technology is an emerging technology for non-destructive detection, which has some unique characteristics. Terahertz time domain spectroscopy (THz-TDS) was used for cervical carcinoma measurement. Absorption coefficients. were calculated from the measured time domain spectra and then processed with derivative, orthogonal signal correction (PC-OSC) to reduce interference components, and then fuzzy rule-based expert system (FuRES), fuzzy optimal associative memory (FOAM), support victor machine (SVM), and partial least squares discriminant analysis (PLS-DA) were used for diagnosis model establishment. The above results provide useful information for cancer occurring and development, and provide novel approaches for early stage diagnosis of various cancers.     

光谱学方法结合化学计量学用于癌诊断研究

对近年来采用多种光谱学方法对癌诊断研究工作进行了简要综述。利用电感耦合等离子体原子发射光谱分析(ICP-AES)法对人血清中微量元素含量进行了测定,将双向联想记忆神经网络(BAM)用于建立微量元素与肺癌、肝癌和胃癌之间的关系,建立了分类鉴定模型;利用近红外光谱技术非破坏无损检测的特性,采用化学计量学方法对子宫内膜癌组织的近红外光谱(NIRS)进行特征变量提取,用模糊规则专家系统建立诊断模型,取得了满意的结果;建立了一种基于粒子群优化(PSO)方法对近红外光谱变量进行选择,然后采用支持向量机(SVM)建立诊断模型;太赫兹时域光谱(THz-TDS)技术是近年来受到重视的一种非破坏无损检测方法,由于其辐射能量低,因此对于生物样品检测具有很好的发展前景。采用THz-TDS技术对子宫颈癌组织进行测试,对这些癌组织的THz光谱采用导数光谱、正交信号校正(OSC)等光谱预处理方法减少干扰成分和变量选择后,分别采用模糊规则专家系统(FuRES)、模糊优化联想记忆网络(FOAM)、支持向量机(SVM)和偏最小二乘判别分析(PLS-DA)等方法建立分类模型,均取得了较满意的结果。这些研究结果为研究癌的发生和发展提供了有用的信息,为癌的早期诊断提供了新的方法。     

FTIR光谱法与奶粉的品质分析

采用傅里叶变换红外光谱法（FTIR）获得了11种奶粉产品的红外光谱。奶粉中的主要营养成分在红外光谱中具有明显的指纹特征。同一生产厂家不同品牌的奶粉,其脂肪、蛋白质和碳水化合物的相对比例在红外光谱上差异性较显著,不同厂家相同类别的奶粉既有一定的一致性,在添加辅料的类型和用量上又有所不同。奶粉中脂肪含量高的谱图在1747cm^-1附近的C-O吸收峰和2926cm^-1附近的CH2吸收峰很强;蛋白质高的奶粉所对应的酰胺Ⅰ带的C=O吸收峰（1650cm^-1）和酰胺Ⅱ带的N—H及C-N吸收峰（1540cm^-1）强度较大;奶粉中碳水化合物所对应的C-O伸缩振动峰和环的振动峰在1150～900cm^-1范围内较显著。麦芽糊精、蔗糖和乳糖这三种常用辅料同样具有明显的指纹特征。该方法可简便、快速、直观地评价奶粉品质的优劣。     

不同产地黑木耳的傅里叶变换红外光谱鉴别

利用傅里叶变换红外光谱法研究了五种不同产地的黑木耳。结果显示,它们的红外光谱主要由蛋白质、脂类化合物及多糖的振动吸收谱带组成。五个样品的傅里叶变红外光谱整体上十分相似,因此分别选取1750~1500cm-1和1200~1000cm-1范围内的傅里叶变换红外光谱进行相关性分析。结果显示,不同产地的黑木耳在1750~1500cm-1范围内相关性较好,光谱的相关系数分布在0.895~0.994。五个样品在1200~1000cm-1范围内的相关系数分布在0.441~0.981,东北地区产的黑木耳与西南地区产的黑木耳的光谱图有明显区别。利用1200~1000cm-1范围内的差异并结合其它吸收峰的特征可鉴别出不同产地的黑木耳。研究结果表明傅里叶变换红外光谱在鉴别菌类方面具有方便、快速等优点。     

水分对土壤近红外光谱检测影响的二维相关光谱解析

为了能进一步分析水分对土壤近红外光谱检测的影响,分别从三个地方(桃园堡、 牧场和农大示范田)采集了三种土壤,经过筛、 烘干后分别配制了含水率为20%, 15%和10%的土壤,然后采用ASD公司的FieldSpec3光谱仪在保证其他检测条件不变的情况下,对不同含水率下不同采集地的土壤进行了检测,获得了其不同含水率下的动态光谱图。 最后视水分为外部干扰,应用二维相关光谱的理论对其进行了分析。 结果表明,在350～2 500 nm波段范围内,三个不同采集地土壤的同步二维相关光谱图比较类似,都在2 210和1 929 nm附近处出现较强的自动峰,在1 415 nm附近处有较弱的自动峰;从三处自相关峰的密集程度来看,1 929 nm处对应的官能团对水分最敏感,2 210 nm处次之,1 415 nm处最不敏感。 该研究明确找出了水分对土壤近红外光谱检测影响的敏感波段和敏感程度,为今后消除水分影响建立抗水分干扰模型提供了依据。     

近红外光谱法无损识别林下山参及其生长年限

对不同生长年限的林下山参96支(其中,十五年生24支,十二年生72支)和园参177支。采集近红外光谱后,应用主成分分析-马氏距离法进行判别分析。采用原始光谱,经过预处理后,在全光谱范围内分别选择合适的主成分数,对林下山参和园参以及不同生长年限的林下山参分别建立了判别分析模型。所建立的两组模型对验证集的正确判别率均为100%。表明该方法准确可靠、快速无损,可实际用于林下山参的质量控制。     

基于荧光光谱信息的绿色植物探测研究

针对农作物病、虫、草害化学防治时对靶变量施药以减少农药使用量、提高农药利用率的需求,本文研究了基于荧光光谱信息和主动光源方法在不同环境下探测绿色植物的方法。通过白色、蓝色和红色LED主动光源照射样本,采集了白天室内自然光照、白天太阳直射、白天无太阳直射和夜晚黑暗环境四种场景下的绿色植物和非绿色植物样本光谱。首先基于多波段光谱信息建立簇类独立软模式法（SIMCA）和线性判别分析（LDA）模型,验证利用主动光源照射下绿色植物荧光光谱探测绿色植物的可行性。试验结果表明,白色、蓝色和红色三种LED光源照射下SIMCA模型对预测集样本的识别率均达到92%以上,拒绝率均为100%;三种光源照射下LDA分类模型均能准确识别出预测集所有样本,检测效果优于SIMCA模型,且三种LED光源的效果无显著差异。为开发低成本绿色植物探测传感器,建立了绿色植物与非绿色植物样本分类目标函数,通过粒子群算法（PSO）优选单一连续光谱波段原始光谱并建立了绿色植物和非绿色植物样本的阈值分类模型。结果表明,白色、蓝色和红色LED光源照射下优选的原始光谱波段分别为731.1, 730.76和731.1 nm,对应阈值分类模型分类预测集样本的F1-score分别为76.71%,80.52%和78.48%,蓝色LED光源的效果最好。该研究优选的主动光源类型和连续检测波段可为开发基于单波段的低成本绿色植物探测传感器提供理论依据。     

湿度对水泥生料近红外光谱检测的影响及补偿方法

近红外光谱检测已被应用于水泥生料成分的快速检测,但现场环境中的湿度等因素会对光谱产生干扰,从而降低检测精度。为了提高检测精度,在实验分析湿度对水泥生料近红外光谱检测影响的基础上研究了补偿方法。在水泥厂选取了24份水泥生料样本,其中18份作为校正集,6份作为验证集;水泥生料中的有效成分为SiO2,Al2O3,Fe2O3和CaCO3,各成分含量的标准值由X射线荧光光谱分析测出。首先,将校正集的18份样本每份重复装样测5次光谱,用得到的90个光谱建立模型Ⅰ;再每份样品制作5个湿度梯度样本,其获得过程为,先将样本放置在电加热平台上,用玻璃棒将样本摊平,180℃下加热30 min,再将样本放置在散热片上进行降温,待样品恢复室温后取出进行第一次光谱扫描,得到1个光谱,将测量后的样本放入搅拌器,使用装有去离子水的喷雾器对其喷雾两次,然后搅拌30 s混合均匀,测量混合后的样本得到下一个光谱,重复该过程,得到具有湿度梯度的5个光谱。所有样本均采用烘干法进行湿度测量,样本湿度变化区间在0.6%~2%以内。对每个湿度梯度的样本测量1次,用得到的这90个光谱建立模型Ⅱ。然后,将验证集的6份样本每份制作5个湿度梯度,获取方式与校正集相同,对每个湿度梯度的样本测量1次,得到30个光谱。所有光谱均采用多元散射校正预处理,拟合波段选择4000~5000 cm^-1,建模方法采用偏最小二乘法。比较同一份样本的5个湿度梯度,可以看到在5200 cm^-1处光谱差异最大,在其他位置也有肉眼可见的明显差异,因此,湿度变化对全波段光谱有明显的影响。最后,将这30个光谱输入模型Ⅰ与模型Ⅱ进行验证,并对比模型Ⅰ与模型Ⅱ的预测均方根误差RMSEP。模型Ⅱ中SiO2,Al2O3,Fe2O3和CaCO3的预测均方根误差RMSEP比模型Ⅰ分别减小了25%,31.3%,33.3%和25%。实验结果表明,水泥生料样本湿度对近红外光谱模型的预测结果具有一定的影响,采用具有湿度梯度的样本进行建模可有效降低湿度对预测结果的影响。