最小相关系数的多元校正波长选择算法

在近红外光谱的定量分析中,由于仪器的精密程度越来越高,采集的光谱数据通常具有很高的维度。因此,波长选择对于剔除噪声及冗余变量,简化模型,提高模型的预测性能是必不可少的。近红外光谱特征波长选择方法众多,但变量间的多重共线性问题仍是导致模型效果较差的一个关键问题。变量间共线性可以通过相关系数进行分析,当相关系数高于0.8,表明存在多重共线性。据此,以变量间相关系数为选择标准,提出一种以所选变量之间共线性最小化的波长选择方法,称之为最小相关系数法(MCC)。该方法以光谱数据的相关系数矩阵为基础,挑选出与其他波长相关系数平均值和标准差均较小的波长为候选建模波长集合,使得集合内波长之间线性相关性最小,进而消除模型变量之间共线性。然后通过标准回归系数优选对因变量影响较大的波长,获得预测模型。为了验证所提出算法的有效性,对该方法进行了测试。利用两组公开的近红外光谱数据集（柴油数据集、土壤数据集）,通过MCC算法进行波长选择,并与常用的几个波长选择方法,如：连续投影算法(SPA)、竞争性自适应重加权采样法(CARS)、随机蛙跳算法(RF)、迭代保留信息变量法(IRIV)进行比较。实验结果表明,MCC算法获得了良好的预测性能,MCC算法的预测精度相比于SPA,CARS和RF三种算法具有明显的优势,而MCC算法的预测精度与IRIV算法不相上下。因此,最小相关系数法可实现高效降维,提高模型的预测精度,是一种有效的波长选择算法。     

汽轮机油中含水量的近红外光谱研究

汽轮机油在使用过程中会因为种种原因混入水分,使油液理化性能发生变化,影响系统的正常工作,采取合理的措施有效地对汽轮机油中的含水量进行分析一直是汽轮机油的研究热点之一。应用近红外光谱技术结合连续投影算法（SPA ）实现了汽轮机油中含水量的分析,通过对汽轮机油中含水量为0～0.156％的57个油样进行光谱扫描,运用原始光谱、一阶导数光谱和多项式最小二乘拟合求导算法Savitz-ky-Golay（SG）的不同预处理方法,并应用SPA提取近红外光谱的有效波长,以相关系数（r）和均方根误差（RMSE）作为模型评价指标对汽轮机油中含水量进行了研究。结果表明原始光谱经过一阶导数与SG预处理后,应用SPA提取近红外光谱的16个特征波长,作为最小二乘支持向量机（LS-SVM ）模型的输入变量,建立了SPA-LS-SVM模型。运用此模型对验证集样本进行预测的相关系数和均方根误差分别为0.9759和2.6568×10-3,说明应用SPA结合近红外光谱技术来检测汽轮机油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行汽轮机油中其他污染物的检测提供了新的方法。     

LS-SVM的梨可溶性固形物近红外光谱检测的特征波长筛选

为提高梨可溶性固形物含量(soluble solids content,SSC)的近红外光谱模型的精度和稳定性,以160个梨样品为实验对象,分别对原始光谱、多元散射校正(MSC)和标准正态变量变换(SNV)处理后的光谱,经无信息变量消除算法(UVE)挑选后,再结合遗传算法(GA)和连续投影算法(SPA),筛选梨可溶性固形物的近红外光谱特征波长。将筛选后的波长作为输入变量建立梨可溶性固形物的最小二乘支持向量机(LS-SVM)模型。结果表明经过SNV-UVE-GA-SPA从全波段3112个波长中筛选出的30个特征波长建立的梨可溶性固形物LS-SVM模型效果最好,该模型的预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.956和0.271。该模型简单可靠,预测效果好,能满足梨的可溶性固形物含量的快速检测,为在线检测和便携式设备开发提供了理论基础。     

南疆沙尘区骏枣叶片水分含量检测的近红外光谱预处理方法对比（英文）

南疆地区沙尘多、灰尘大,枣树叶片表面经常覆盖一定程度的粗颗粒度沙尘,为了有效去除沙尘、灰尘在枣树叶片水分光谱测量过程中产生的散射噪声和基线漂移,研究一种适用于风沙较大地区的枣树叶片水分含量的快速检测方法,以不同灌溉梯度下的枣树叶片为研究对象,通过近红外光谱仪获取120个叶片样本的1 000～1 800 nm的光谱数据,并同步测量叶片水分含量,采用归一化、移动窗口平滑、 SavitZky-Golay(SG)卷积平滑、 SG求导、标准正态变量校正(SNV)和多元散射校正(MSC)等方法对原始光谱进行预处理,分析对比不同方法对散射噪声的处理能力,采用偏最小二乘回归分析方法筛选了敏感波段和建立预测模型。实验结果表明,枣树叶片水分含量强吸收峰为1 443 nm,波谷为1 661 nm;归一化光谱并未消除1 000～1 400 nm波段的散射噪声;移动窗口平滑和SG卷积平滑并未改进光谱曲线,散射噪声仍然存在; SG导数光谱的光谱特征峰和特征谷明显左移,光谱曲线不够平滑,噪声明显; SNV和MSC方法具有较好的散射噪声消除能力。偏最小回归分析方法筛选特征波长的结果表明(设置筛选波长数量为5),基于原始光谱未筛选到1 443 nm的强波峰和1 661 nm的波谷附近的波段;基于归一化光谱在1 450 nm波峰附近筛选的波长有一定的偏差,在1 661 nm波谷附近的筛选的波长明显高于1 700 nm;基于移动窗口和SG卷积平滑光谱在1 443 nm具有一定的筛选能力,但并未筛选到1 661 nm附近的波长;导数光谱并未筛选到1 443和1 661 nm波段; SNV和MSC在波峰和波谷位置附近均筛选了敏感的光谱波段,其中MSC略优于SNV方法恰好在波峰和波谷位置,共筛选了1 002, 1 383, 1 411, 1 443和1 661 nm五个特征波段,也证明了MSC方法散射噪声和基线漂移处理能力最优,提高了敏感波长的筛选能力。偏最小二乘回归模型结果表明,不同预处理方法的RMSE值均较低, SNV和MSC方法改进了模型的预测结果,R~2高于0.7,其中基于MSC方法的模型具有最高的R~2和最低的RMSEP和RMSEPCV,R~2=0.750 4, RMSEP=0.034 3, RMSECV=0.021 5,预测结果较优。证明MSC方法对沙尘和颗粒度引入的散射噪声具有较好的去除能力,可改进波长的筛选、提高预测模型精度,为南疆沙尘区的枣树叶片水分含量的无损检测提供了有效方法。     

南疆沙尘区骏枣叶片水分含量检测的近红外光谱预处理方法对比

南疆地区沙尘多、灰尘大，枣树叶片表面经常覆盖一定程度的粗颗粒度沙尘，为了有效去除沙尘、灰尘在枣树叶片水分光谱测量过程中产生的散射噪声和基线漂移，研究一种适用于风沙较大地区的枣树叶片水分含量的快速检测方法，以不同灌溉梯度下的枣树叶片为研究对象，通过近红外光谱仪获取120个叶片样本的1 000～1 800 nm的光谱数据，并同步测量叶片水分含量，采用归一化、移动窗口平滑、SavitZky-Golay（SG）卷积平滑、SG求导、标准正态变量校正(SNV)和多元散射校正(MSC)等方法对原始光谱进行预处理，分析对比不同方法对散射噪声的处理能力，采用偏最小二乘回归分析方法筛选了敏感波段和建立预测模型。实验结果表明，枣树叶片水分含量强吸收峰为1 443 nm，波谷为1 661 nm；归一化光谱并未消除1 000～1 400 nm波段的散射噪声；移动窗口平滑和SG卷积平滑并未改进光谱曲线，散射噪声仍然存在；SG导数光谱的光谱特征峰和特征谷明显左移，光谱曲线不够平滑，噪声明显；SNV和MSC方法具有较好的散射噪声消除能力。偏最小回归分析方法筛选特征波长的结果表明（设置筛选波长数量为5），基于原始光谱未筛选到1 443 nm的强波峰和1 661 nm的波谷附近的波段；基于归一化光谱在1 450 nm波峰附近筛选的波长有一定的偏差，在1 661 nm波谷附近的筛选的波长明显高于1 700 nm；基于移动窗口和SG卷积平滑光谱在1 443 nm具有一定的筛选能力，但并未筛选到1 661 nm附近的波长；导数光谱并未筛选到1 443和1 661 nm波段；SNV和MSC在波峰和波谷位置附近均筛选了敏感的光谱波段，其中MSC略优于SNV方法恰好在波峰和波谷位置，共筛选了1 002, 1 383, 1 411, 1 443和1 661 nm五个特征波段，也证明了MSC方法散射噪声和基线漂移处理能力最优，提高了敏感波长的筛选能力。偏最小二乘回归模型结果表明，不同预处理方法的RMSE值均较低，SNV和MSC方法改进了模型的预测结果，R2高于0.7，其中基于MSC方法的模型具有最高的R2和最低的RMSEP和RMSEPCV，R2=0.750 4，RMSEP=0.034 3，RMSECV=0.021 5，预测结果较优。证明MSC方法对沙尘和颗粒度引入的散射噪声具有较好的去除能力，可改进波长的筛选、提高预测模型精度，为南疆沙尘区的枣树叶片水分含量的无损检测提供了有效方法。     

小波变换和连续投影算法在火龙果总酸无损检测中的应用

应用可见/近红外光谱技术、小波变换(WT)和连续投影算法(SPA),对火龙果总酸含量(TA)进行精确、快速的无损检测,为火龙果内部品质无损检测提供科学依据。利用Maya2000光纤光谱仪采集380~1 099nm范围的火龙果漫反射光谱数据,通过WT消噪、SPA优选波长和偏最小二乘回归(PLSR)分析方法,建立了火龙果总酸的定量预测模型。试验结果表明:经过WT消噪联合SPA优选波长压缩光谱变量后建立的WT-SPA-PLSR模型,预测精度都高于全谱PLSR模型。由全部样本的原始光谱变量作为输入变量建立PLSR模型的预测相关系数(R_p)为0.851 394,预测均方根误差(RMSEP)为0.086 848;全部样本的原始光谱数据使用dbN(N=2,3,…,10)小波进行分解消噪,其中消噪效果最优的是db4小波2层分解(db4-2),WT-PLSR模型的Rp为0.915 635,RMSEP为0.066 752,小波变换消噪后的光谱预测模型精度明显提高;原始光谱经过db10-3小波消噪联合SPA算法,从570个光谱变量中优选出530,545,604,626,648,676,685,695,730,897,972,1 016nm共12个变量作为输入变量,建立WT-SPA-PLSR预测模型,模型的RP为0.882 83,RMSEP为0.077 39。SPA算法适合火龙果TA模型的光谱变量选择,能够有效提取与总酸相关度高的波长变量,增加了预测模型的精度和稳定性。研究结果表明小波变换技术联合连续投影算法的漫反射近红外光谱无损检测火龙果总酸含量具有可行性。     

西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响

西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以"京秀"西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用CARS算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道R_P=0.892和RMSEP=0.684°Brix,瓜脐R_P=0.905和RMSEP=0.629°Brix,瓜梗R_P=0.899和RMSEP=0.721°Brix。模型得到了很大的简化,且预测精度较高。比较发现,利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型,结合CARS算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。     

基于近红外光谱分析技术测定库尔勒香梨硬度

采用近红外(NIR)漫反射光谱法对新疆特色梨果库尔勒香梨的五种不同果（包括青头、粗皮、脱萼、宿萼、突顶果）的硬度进行测定。由于近红外光谱数据量大且原始光谱噪声明显、测定水果时散射严重等导致光谱建模时关键波长变量提取困难。以新疆库尔勒香梨为研究对象，为了有效地消除固体表面散射以及光程变化对NIR漫反射光谱的影响，首先采用标准正态变量变换（SNV）和多元散射校正（MSC）对库尔勒香梨的原始光谱进行预处理。为寻找适合近红外光谱检测库尔勒香梨硬度的最佳特征波长筛选方法，进行香梨近红外光谱的特征波长变量选择方法的比较与研究。研究比较了两种特征波长筛选方法对库尔勒香梨硬度偏最小二乘法（PLS）建模精度的影响。同时使用反向偏最小二乘（BiPLS）和遗传算法结合反向偏最小二乘（BiPLS-GA）在全光谱范围内筛选香梨硬度的特征波长变量，将校正均方根误差（RESMC）、预测均方根误差（RESMP）以及决定系数（R2）作为模型的评价标准，并最终确定最优波段选择方法及最佳预测模型。基于选择的特征波长变量建立的PLS模型（BiPLS-GA）与全光谱变量建立的PLS模型进行比较发现BiPLS-GA模型仅仅使用原始变量中6.6%的信息就获得了比全变量PLS模型更好的库尔勒香梨硬度的预测结果，其中R2，RMSEC和RMSEP分别为0.91，1.03和1.01。进一步与基于反向偏最小二乘算法（BiPLS）获得的特征变量建立的PLS模型比较发现，BiPLS-GA不仅可以去除原始光谱数据中的无信息变量，同时也能够对共线性的变量进行压缩去除，使得建模变量从301个减少到20个。极大地简化模型的同时有效地提高了模型的预测精准度和稳定性。因此该方法能够有效地用于近红外光谱数据变量的选择。证明了近红外光谱分析技术结合BiPLS-GA模型能够高效地选择出建模变量，去除与库尔勒香梨硬度无关的近红外光谱信息，显著地提高库尔勒香梨硬度定量模型的预测精度。这不仅为新疆地区特色梨果库尔勒香梨的快速、精确、无损优选分级提供一定的技术支持，同时也为基于近红外光谱分析技术预测水果内部品质的研究提供了参考。     

近红外高光谱图像结合CARS算法对鸭梨SSC含量定量测定

高光谱数据量大、维数高且原始光谱噪声明显、散射严重等特征导致光谱建模时关键波长变量提取困难。基于此,提出采用竞争性自适应重加权算法(CARS)对近红外高光谱数据进行关键变量选择。鸭梨作为研究对象。采用决定系数r2、预测均方根误差RMSEP和验证集标准偏差和预测集标准偏差的比值RPD值进行模型性能评估。基于选择的关键变量建立PLS模型(CARS-PLS)与全光谱变量建立的PLS模型进行比较发现CARS-PLS模型仅仅使用原始变量中15.6%的信息获得了比全变量PLS模型更好的鸭梨SSC含量预测结果,r2pre,RMSEP和RPD分别为0.908 2,0.312 0和3.300 5。进一步与基于蒙特卡罗无信息变量MC-UVE和遗传算法(GA)获得的特征变量建立的PLS模型比较发现,CARS不仅可以去除原始光谱数据中的无信息变量,同时也能够对共线性的变量进行压缩去除,该方法能够有效地用于高光谱数据变量的选择。结果表明,近红外高光谱技术结合CARS-PLS模型能够用于鸭梨可溶性固形物SSC含量的定量预测。从而为基于近红外高光谱技术预测水果内部品质的研究提供了参考。     

EMD和SPA算法在光谱法检测面粉过氧化苯甲酰添加量中的应用

将经验模态分解(EMD)和连续投影算法(SPA)结合用于面粉过氧化苯甲酰(BPO)添加量的近红外光谱检测分析中。在波长898～1 725nm范围内采集添加了BPO的面粉样本光谱,先通过EMD分解法对其进行噪声预处理,然后利用SPA算法提取光谱特征波长。EMD处理后的光谱建模精度比原始光谱建模精度大大提高,通过SPA算法从512个波长中提取了7个特征波长,基于特征波长建立的模型,与EMD处理后全波长建模结果相比,建模波长个数大幅缩减,但是模型精度与全谱建模相当,结果表明:EMD和SPA结合可有效用于面粉BPO检测的光谱去噪和特征波长提取,该结果为开发便携式面粉BPO检测仪提供了参考和依据。     

土壤碱解氮含量可见/近红外光谱预测模型优化

可见/近红外光谱技术是土壤成分检测的有效工具。波长筛选对可见/近红外模型土壤属性的预测精度有重要影响。以宁夏吴忠地区75个水稻土样为研究对象，利用可见/近红外光谱技术采集土壤样品光谱，采用SPXY （Sample set partitioning based on joint X-Y distance）方法选取了校正集和预测集样本，比较了分别采用Savitzky Golay平滑（SG smoothing）、多元散射校正（Multiple scatter correction，MSC）、标准正态变量变换（Standard normal variate，SNV）3种预处理方法对光谱数据处理后建立土壤碱解氮偏最小二乘法模型和原始光谱数据建模的效果。在此基础上，分别采用遗传算法（Genetic gorithms，GA）、连续投影算法（Successive projections algorithm，SPA）、竞争性自适应重加权算法（Competitive adaptive reweighted Sampling，CARS）、随机蛙跳（Random frog，RF）进行波长筛选，最后应用偏最小二乘法建立基于不同波长筛选方法的土壤碱解氮含量预测模型。研究表明，由于仪器性能稳定，样品的颗粒度比较小和均匀，本次实验原始光谱数据建模效果最好；各种波长筛选方法均可有效减少参与建模的波长数，且连续投影算法优于全谱建模，所选波长数仅为全谱波长数的1%，其预测决定系数（R²）、预测均方根误差和相对分析误差值分别为0.726，3.616，1.906。这表明连续投影算法可以有效筛选水稻土碱解氮敏感波段，为土壤碱解氮传感器开发提供技术支持。     

基于双积分球的宽光谱组织光学参数测量系统与方法研究

组织光学参数测量是生物医学光子学的主要研究内容之一,人体组织光学性质与其生理病理状态密切相关。近年来,利用组织光学特性,特别是吸收与散射特性进行组织成像诊断及无创成分检测成为生物医学光子学领域研究热点,为肿瘤早期诊断、代谢动态监护及光动力治疗等临床应用提供了基础。双积分球方法能够同时测量离体组织吸收系数、散射系数等,具有测量准确、快速,适用范围大等优点,作为光学参数测量的标准方法得到广泛研究与应用。利用双积分球及超连续激光器搭建了宽光谱的组织光学参数测量系统,分析了积分球测量传递函数与误差来源及系统最佳测量条件,建立了基于BP-MCML的系统校正正向模型与L-M算法的光学参数反构算法。在此基础上,测量了1 100~1 400nm连续宽谱范围内Intralipid溶液光学参数,实验结果表明改进后反构算法测量结果比较准确,多次测量标准偏差在3%以内,不同波长下约化散射系数及吸收系数测量结果与其他研究小组得到的测量结果对比,偏差小于3.4%。     

一种植物叶片生化成分光谱无损检测的光程长校正方法

利用可见/近红外光谱分析技术定量分析叶片生化参数含量时,由光散射效应和叶片厚度等引起的样本间光程长差异会影响校正模型的预测精度。文章提出了一种改进的扩展多元散射校正(EMSC)光程长方法,利用差谱矩阵的主成分代替物质纯谱,对实测光谱精确建模,根据实际需要,减去相应干扰因子,得到校正光谱。选择叶绿素含量基本相同,厚度不同的16个叶片样本以及叶绿素含量和厚度均不同的32个样本分别使用改进的EMSC方法校正,对处理前后光谱变异系数和主成分贡献率进行比较和分析,并比较了预处理前后的模型预测精度。结果表明,采用改进的EMSC预处理方法能够有效地校正光散射效应和叶片厚度差异导致的光程长差异引起的光谱误差,增强光谱数据对浓度的灵敏度,可提高预测模型的精度。     

不同贮藏期水蜜桃硬度及糖度的检测研究

糖度和硬度作为水蜜桃的两个重要指标,决定其内部品质。在运输或售卖期间,水蜜桃果内水分流失,表面开始松软进而腐烂,内部品质发生变化。研究旨在探讨可见/近红外光谱预测水蜜桃不同贮藏期糖度和硬度的可行性,进一步预测水蜜桃的最佳贮藏期。采用漫透射和漫反射方式采集4个贮藏阶段的水蜜桃光谱,并测量糖度和硬度。分析了4个阶段水蜜桃的平均光谱,光谱强度随着贮藏天数增加而不断提高,且在650～680 nm区域内受果皮颜色及色素的变化产生波峰偏移。同时,分析了糖度和硬度的变化,糖度在贮藏期间逐渐提高,硬度在贮藏期间快速下降,最终糖度增加了3.31%,硬度下降了58.8%。采用多元散射校正、S-G卷积平滑、归一化处理及基线校正等预处理方法来减少噪声和误差对光谱的影响,并使用无信息变量消除(UVE)和连续投影算法(SPA)筛选特征波长,最后利用偏最小二乘回归(PLS)分别建立糖度和硬度的预测模型。分析糖度、硬度的PLS回归系数与平均光谱的波形发现,糖度的高回归系数分布在光谱多处,而硬度的该系数均在波峰波谷附近。SPA和UVE筛选的特征波长建立的糖度模型效果不佳,而硬度模型效果良好。结果表明,漫透射和漫反射检测方式下,糖度的最佳预测相关系数(R_p)及预测均方根误差(RMSEP)分别为0. 886,0.727和0.820,1.003,预处理方法分别是多元散射校正、平滑窗口宽度为3的S-G卷积平滑。此外,漫透射建立的硬度SPA-PLS模型,选用15个光谱变量,得到的R_p和RMSEP为0.798和0.976;而漫反射建立的UVE-PLS模型,选用113个光谱变量,得到的R_p和RMSEP为0.841和0.829。可以看出,漫透射方式预测水蜜桃贮藏期间的糖度更佳,而漫反射预测硬度更佳。利用可见/近红外光谱所建立的糖度和硬度预测模型,能够可靠地预测水蜜桃贮藏期内糖度和硬度的变化,对指导采摘、售卖时间和减少腐烂具有一定的参考价值。     

基于辐射度的光谱校正与自适应拟合相结合的SPR共振波长确定方法

表面等离子体共振(SPR)传感技术因其灵敏度高、无需标记、可原位实时监测的特点,被广泛应用在生物医学、化学检测、食品安全、环境监测等领域。对于波长调制型SPR传感器,由于光谱测量系统各部件对不同波长响应度不同,从而对光谱共振波长的实际位置产生干扰,影响到实验检测结果。为消除这种影响,提出了一种基于辐射度空间的SPR相对反射率校正方法,并使用阶数自适应拟合算法对共振波长进行精确测定。通过标定光谱测量系统的仪器响应曲线,将光谱仪得到的原始光谱转换成辐射光谱,进而计算出不依赖于光谱仪系统中任何部件的SPR相对反射率。相比于传统的反射率校正方式(以共振光谱除以非共振光谱的结果作为反射率光谱),此方法校正后的光谱在光谱形状上具备半峰宽更窄和共振峰更对称的优势,从而为精确确定共振波长提供了可靠的保障。随后基于拟合误差最小化的目标,对共振区域采用阶数自适应多项式拟合算法确定共振波长。实验测量了不同入射角度下的SPR共振光谱,使用此方法校正得到反射率光谱的半峰全宽保持在(100±10) nm,表明此方法的光谱峰形优势具备普适性;连续采集了4 000组光谱并计算共振波长,其相对标准偏差为0.007 8%,处理速度为每个光谱12 ms,表明此方法具备良好的抗噪声波动鲁棒性和光谱数据处理的实时性;测量了不同浓度下NaCl溶液的SPR共振光谱,其共振波长与溶液折射率线性相关系数为0.998 5,品质因数为传统校正方式的3倍,表明此方法具备良好的可靠性,并且从光谱的处理算法层面提高了传感性能,相比于从工艺制备上提高品质因数的传统方式,处理简便,效果更突出。结果表明,基于辐射度空间的相对反射率矫正与阶数自适应拟合相结合的SPR共振波长检测方法具备可靠性好、运算速度快、分辨率高、抗噪声、品质因数高等特点,能够有效提高SPR传感器的数据处理与传感性能。     

多元散射校正技术用于近红外定标波长组合的优选研究

在近红外光谱定量分析技术中,多元散射校正(MSC)算法可以有效地剔除由于样品颗粒度、装填密度、湿度等物理因素所导致的散射影响,有效地提高了光谱的信噪比.相关光谱法反映了样品待测成分光谱信息和浓度信息之间的线性相关性,在定标波长优选过程中发挥了重要作用.然而采用单一波长通道一元线性回归计算得到的相关光谱极易受到散射的影响,掩盖了待测成分的特征线性信息,将多元散射校正技术用于相关光谱的信息提取和噪声压制,克服了上述的困难,并通过人参样品的定标实验验证,得到了良好的效果和满意的定标结果.     

基于正交信号校正和iPLS的烃源岩红外漫反射光谱定量分析

红外漫反射光谱技术越来越普遍地被应用到粉末样品的快速测量分析中,在应用红外漫反射光谱技术对粉末状的烃源岩样品的生烃潜量进行定量分析时,由于样品的颗粒度、密度、表面粗糙程度等几何参数的变化对散射光的影响非常大,使得漫反射光谱数据的信噪比很低、背景干扰很大,这样很难对样品进行定量分析.因此需要一种有效的方法对漫反射数据进行预处理来消除散射的影响,提高信噪比.文章利用正交信号校正算法(OSC)作为一种光谱过滤手段,并与间隔偏最小二乘(iPLS)相结合,有效地消除了粉末状样品散射光的影响,可以显著提高烃源岩红外光谱预测模型的准确性,使得红外漫反射光谱技术在石油录井中有了广阔的应用前景.     

一种基于荧光信号的海面厚油膜评估方法

油膜厚度是海面溢油污染评估分析的一个重要指标,激光诱导荧光(LIF)技术是目前最有效的海面溢油探测技术之一,基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法,而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。鉴于此,提出一种基于LIF技术适用于较厚油膜的反演算法,该算法采用油膜荧光信号反演油膜厚度,推导了油膜厚度反演公式,并给出了基于该反演算法的油膜厚度评估方法。首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段,然后根据选取波段内每个波长的光谱数据反演油膜厚度,最后采用反演油膜厚度的平均值作为油膜厚度评估结果。研究了该算法的适用范围,给出了该算法有效评估范围最大值与测量相对误差的关系,并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。通过实验对本文方法进行了验证,选用原油和白油的混合油(1∶50)作为实验油品,以波长为405 nm的激光作为激发光源,采集波长范围为420～750 nm,采集了海水背景荧光和拉曼散射光光谱、实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。采用Otsu算法选取420～476 nm波段评估油膜厚度,在实验油品油膜厚度≤800 μm时,该算法对油膜厚度的评估具有较高的精度,平均误差为10.5%;在油膜厚度>800 μm时,平均误差为28.8%,评估误差较大且随油膜厚度的增加快速变大,该实验结果与利用测量相对误差和消光系数的分析结果一致。实验结果表明,该方法可以实现对海面较厚油膜厚度的有效评估,并可以根据测量相对误差和消光系数判断评估结果的有效性。