激光诱导击穿光谱技术对烟草快速分类研究

不同类型的烟草在元素种类和元素含量上存在一定的差异,本文基于激光诱导击穿光谱(LIBS)技术,采集了不同种类烟草的原子发射光谱,并结合支持向量机方法,实现了烟草的快速分类鉴别。文章选取了市面上9种不同品牌的香烟,提取了其烟丝LIBS谱线的全部特征峰,通过对全谱进行窗口平滑去背景和峰位漂移的修正等预处理,再进行主成分分析降维,结合支持向量机方法(SVM),建立了分类模型,给出了9种品牌香烟烟草的分类结果,平均准确度达到97. 47%。实验结果表明:激光诱导击穿光谱技术在烟草防伪鉴定和现场快速识别分类等方面具有巨大的应用潜力。     

基于向量空间模型的岩屑LIBS光谱分类识别方法

向量空间模型最初用于文献检索,该模型是通过对文献内容进行特征文本提取后,将文献转换到文本向量空间,然后在文本向量空间中通过计算文献的特征文本向量与检索文本的特征文本向量的相似度,实现文献的检索,该方法基于模式识别中模板匹配的最近邻原则。针对光谱数据的特点和模式识别中模板匹配的基本原则,将向量空间模型引入基于样品光谱的分类识别。通过训练集中光谱数据获得各样品的光谱数据模板,提取训练集中各样品光谱数据模板特征峰的波长和相对强度信息,构建特征峰信息数据库,计算获得特征峰信息权值,将光谱数据转换到特征峰向量空间,获得各样品光谱数据模板的特征峰向量,构建样品特征峰向量数据库。同理获得预测集样品光谱的特征峰向量,在特征峰向量空间中通过计算预测集样品特征峰向量与样品特征峰向量数据库中各样品模板特征峰向量的余弦值,完成对预测集样品的分类识别。以岩屑样品的LIBS光谱为研究对象,将向量空间模型应用于LIBS光谱的分类识别。分类结果表明,该方法能够实现对岩屑样品LIBS全谱的快速分类识别,且在对预测集光谱数据进行平均处理后,分类准确率为100%。提出的基于向量空间模型的LIBS光谱分类方法可以拓展应用于其他光谱数据的分类识别。     

基于PCA-SVM的飞机蒙皮激光分层除漆LIBS在线监测研究

飞机蒙皮激光除漆过程的在线监测,是实现分层可控除漆、满足适航维修要求的重要手段,也是推进激光除漆工程应用、飞机维修自动化的核心技术。激光诱导击穿等离子体光谱(LIBS)技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化,实现激光清洗表面状态的在线监测。基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台,分别采集了不同激光功率下,面漆、底漆、铝合金基体去除过程中的3类LIBS光谱(各100幅)。分析了不同激光功率下,各类光谱示踪元素特征谱线的变化情况,初步筛选了12条特征谱线作为光谱识别的特征。进一步对这12个特征进行主成分分析(PCA),并将前3个主成分(PC1、 PC2、 PC3)构成的数据集作为支持向量机(SVM)识别模型的输入量,建立了3类光谱的识别模型。形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则,并对该规则的有效性进行了实验验证。结果表明,与低频脉冲激光单点作用采集的针状LIBS光谱相比,基于该平台采集的LIBS光谱普遍存在较强的连续背景(大于5 000 a.u.)以及1.5 nm左右的半峰全宽;针对此类光谱设计了改进均值平滑滤波...     

一种快速有效鉴定CRISPR/Cas9诱导水稻突变体的方法

突变体的筛选与鉴定是育种工作中的重要环节。该研究基于高光谱成像技术实现了水稻CRISPR/Cas9突变体种子的可视化鉴别。采集了水稻HD野生型和CRISPR/Cas9突变体种子共1 200粒样本的高光谱图像数据,通过Kennard-Stone算法,按照2∶1的比例构建了建模集(800)和预测集(400)。对水稻种子的原始光谱经过WT预处理后,通过2nd derivative提取了24个特征波长,分别基于全谱和特征波长建立径向基函数神经网络(RBFNN),极限学习机(ELM)和K最邻近法(KNN)模型。试验结果表明,无论是基于全谱还是特征波长神经网络模型都取得了良好的识别能力。通过2nd derivative提取的特征波长结合RBFNN模型也取得了较好的鉴别结果,其建模集和预测集分别达到了92.25%和89.50%。基于2nd derivative-RBFNN结合图像处理技术,可以实现水稻CRISPR/Cas9突变体种子的可视化鉴别,实现种子的定位和识别。结果表明应用高光谱成像技术,结合化学计量学方法和图像处理技术对水稻CRISPR/Cas9突变体的鉴别具有可行性,可为水稻育种中大量突变体的快速、准确地筛选和鉴定提供技术手段。     

激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究

激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段三种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

基于K-CV参数优化支持向量机的LIBS燃煤热值定量分析

热值是煤质特性的重要参数之一,很大程度上影响着燃煤锅炉的运行。为了克服传统检测方法所存在的问题,将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。煤的结构复杂,所含的元素种类众多,包括了主量元素、次量元素和痕量元素,致使煤的LIBS光谱信息复杂。如何有效提取LIBS光谱信息,实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。近年来,随着人工智能技术的发展,相关的分析技术也开始应用于煤的工业指标分析和热值预测中。为实现煤样品中LIBS光谱信息的有效提取,同时为克服常规的分析方法易出现的过渡拟合、收敛性不好等问题,提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法,实现LIBS定量分析煤中的热值。SVM方法是结构风险最小化的近似实现,可用于模式分类和非线性回归。为了得到有效的LIBS分析模型,实验选用44种电厂常用的热值含量不同的煤样作为实验对象,选择其中33个作为训练集,剩余11个为测试集。利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据,首先分析了SVM热值回归模型的参数-惩罚因子C、核函数参数g与模型精度的关联,确定C和g最佳取值范围,然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。利用训练集光谱数据,结合K-CV法得到热值SVM回归模型的最优参数C和g的值,建立基于SVM最优参数的煤热值定量分析模型。然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性,得到分别采用全谱、非金属元素特征光谱、非金属与金属元素特征谱相结合的热值定量分析模型,其决定系数R2均达到0.99以上,均方误差分别为0.12,0.17和0.06 (MJ·kg-1)2,预测平均相对偏差分别为1.2%,1.23%和0.69%。结果表明：基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析,且可得到较高的分析精确度和准确度;同时通过对比选用不同的光谱特征的定量分析模型可知,采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型,能够有效提高LIBS应用于快速检测煤热值的精度和准确度,实现煤热值的准确预测。     

手持式LIBS结合随机森林用于鱼产品的快速鉴别分析

中国是水产品生产和消费大国。由于不同鱼产品的品质和价格差距悬殊,近缘鱼类外观质地相似等特点,鱼产品掺假和错贴标签的现象频发,直接损害了消费者的消费和健康权益,因此实现鱼产品品种品质的快速检测具有重要的现实意义。激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体,通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析,具有无需（或少量）样品预处理、多元素同时检测,分析速度快的优势,在食品快速检测分析方面具有很大的应用潜力。将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。首先对6种鱼肉样品进行压片处理,采用手持式LIBS分析仪采集其光谱数据,可探测到清晰的C、Mg、CN、Ca、Na、H、K、O等元素组分的特征谱线。将原始光谱数据进行归一化预处理,采用主成分分析方法（PCA）进行聚类,发现海水鱼和淡水鱼样品可以区分,而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分,说明PCA方法对鱼肉LIBS光谱分类能力有限。之后采用非线性的随机森林算法建立分类模型,经过优化RF模型的决策树个数与决策深度,得到鱼肉样品的整体识别正确率为90%。为进一步提高模型识别精度和分析效率,通过RF模型输出的变量重要性进行光谱特征提取,识别正确率提高到94.44%,且模型输入变量由23 431个减少到597个,模型运算时间显著降低。表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、对分类贡献大的弱信号提取出来,有效剔除了谱线噪声、背景、以及其他不相关变量的干扰,提高模型的识别精度和分析效率。也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。     

基于共焦LIBS技术结合机器学习的矿石分类识别方法

矿物分类与识别是地质研究领域的重要内容,对地质勘探和环境演化的研究具有重要意义。然而,传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定,主观性强,准确率低,激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、灵敏度高以及快速在线检测的特点,非常适合用于地质研究领域。利用共焦激光诱导击穿光谱技术与机器学习结合,提高了矿石分类识别的精准度,利用共焦LIBS系统获得8种天然矿石样品(金矿、铜矿、银辉矿、赤铁矿、铝矿、方铅石、磷灰石以及闪锌矿)的光谱数据,采用主成分分析方法(PCA)对数据进行降维处理,并对降维后的数据采用线性判别分析(LDA)、最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。首先,采用标准铜片作为样品,对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响,结果表明与非共焦LIBS系统相比,共焦LIBS系统的稳定性提升了63.75%,主成分累计贡献率提高了17.81%;然后,采用共焦LIBS系统获取上述8种矿石样品的光谱信息,并进行去噪等预处理,采用PCA对矿石特征数据进行提取,并保留累...     

基于激光诱导击穿光谱和拉曼光谱对四唑类化合物的快速识别和分类实验研究

为了实现对四唑类化合物的快速非接触识别和分类,本文搭建了激光诱导击穿光谱和拉曼光谱集成测试系统。首先采集了4种四唑类化合物在1 064 nm激发波长下的拉曼光谱,包括四氮唑、5-氨基四氮唑、1,5-二氨基四氮唑和1-甲基-5-氨基四氮唑。通过对特定官能团拉曼峰位的分析,成功地将它们鉴别出来。然后基于激光诱导击穿光谱(LIBS)技术,采集各个样本的等离子体辐射光谱。选取140组光谱数据进行训练,建立分类模型,剩余60组数据对所得的类型区域的准确性进行验证。本文基于主成分分析(PCA)与支持向量机(SVM)相结合的算法,建立了两个分类模型。一是将全谱进行主成分分析,选取前64个主成分,利用支持向量机(SVM)算法建立模型。二是通过对比光谱差异,选取10个特征波长进行主成分分析,选取前3个主成分建立模型。发现前者平均预测准确度只有88. 3%,而后者60个光谱样本点全部落在其对应的标准样品类型区域内,分类准确度达到100%。实验结果表明,将激光诱导击穿光谱和拉曼光谱联合使用,可以准确地鉴别四唑类化合物。     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。     

基于LIBS的山药饮片产地溯源研究

山药为薯蓣科植物薯蓣的根茎,其中的多糖、多酚、皂苷、黏蛋白和维生素C等成分使山药具有抗肿瘤、抗氧化、抗炎症、降血糖和降血脂等作用。不同产地的山药由于生长条件存在差异,致使药用成分含量显著不同,结合独特的炮制工艺,进而导致市场价格差别大,所以山药饮片的产地识别至关重要。为对山药饮片进行产地溯源,本文基于激光诱导击穿光谱(LIBS)技术提出多元散射矫正-改进遗传算法-支持向量机(MSC-IGA-SVM)模型对山药产地进行精确识别。使用八个不同产地的山药饮片进行LIBS实验,八种产地的山药饮片磨粉过筛后制成粉末压片,通过采集山药饮片的LIBS光谱,分别使用单一分类器与使用光谱预处理、特征提取及模式识别算法的模型对光谱的识别结果进行对比。将光谱信号按2∶1的比例划分为训练集和测试集,使用5次交叉验证K-邻近算法(KNN)模型的测试集准确率作为预处理参数优化的评价指标。各类药材的平均光谱整体趋势一致,所含谱峰基本相同,但因产地不同导致峰值强度各不相同,道地山药对一些金属元素(K, Na, Ca, Mg, Al)的富集能力大于非道地产区山药,其中,K元素特征谱线(769.90 nm)的峰值最高,即...     

布谷鸟搜索的润滑脂特征红外光谱波段优选技术

针对润滑脂分类,提出了基于布谷鸟搜索的红外光谱波段筛选方法,有效剔除了易受噪声等环境影响的红外光谱区域、实现了对庞大光谱数据进行特征选择和降维处理、通过筛选光谱最优波段建立了更加准确高效的润滑脂分类模型。以三类不同稠化剂润滑脂的红外光谱数据为研究对象,采用主成分分析法(PCA),对不同波段的红外光谱数据进行压缩,以提取的红外光谱主要成分作为输入,润滑脂稠化剂类别作为输出,通过布谷鸟搜索法(CS),对主要成分权重和分类核参数进行准确度寻优训练,建立分类识别预测模型。对所建立的模型再进行分类准确性测试,得到模型测试结果准确度,建立红外光谱波段和测试准确度之间的联系,得到润滑脂最优类别识别模型和最优分类波段。对所建立的模型再进行分类准确性测试,结果显示：经过布谷鸟搜索法训练加权后的主要特征呈现明显聚类现象,可以得到分类核,实现对润滑脂种类的准确识别;在搜索过程中提供了区分不同润滑脂的推荐波段和特征峰,使对润滑脂的正确鉴别概率由全波段建立分类模型的94.44%提高到筛选后特征波段建立分类模型的100%,并减少了运算时间、提高了搜索运行效率。     

应用区域光谱库及分段滤波方法改进矿物识别精度的研究

针对当前利用高光谱数据进行矿物识别精度较低的问题,根据研究区地质背景建立区域端元光谱库,提出了对原始光谱进行分段滤波的预处理方法。首先应用连续统快速傅里叶变换方法分别去除2 000～2 200 nm,2 250～2 300 nm,2 350 ～2 500 nm范围内的随机噪声,之后利用加入区域端元库的矿物快速定量提取模型提取预处理后光谱中的矿物类型。本方法识别矿物的最高有效率为80%,正确率最高可达67%。与未滤波的光谱识别结果对比,平均正确率提高了17.7%,平均有效率提高了5.1%;与全波段滤波的光谱识别结果对比,平均正确率提高了5.8%,平均有效率提高了39.8%,可保证在尽量多识别出正确矿物的基础上有效减少结果中的错误组分数,改进了矿物识别的精度,对野外快速提取矿物信息等工作有重要意义。     

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。     

拉曼光谱特征提取在化学纤维定性鉴别中的应用

拉曼光谱作为快速、无损的检测技术受到越来越广泛的关注,已经成功的应用于过程监控、质量监测、考古鉴定等领域。针对纺织纤维拉曼光谱的特性,提出了一种基于特征提取的拉曼光谱定性鉴别方法。该方法通过直接测取织物、纤维的激光拉曼光谱,并结合光谱预处理技术与特征峰提取、匹配识别方法,能够定性地鉴别织物、纤维的成分归属,对纺织品检验中的难点化学纤维成分的鉴别效果尤其显著。利用94份测试样品对织物成分中普遍存在的4种纤维品种——涤纶、腈纶、锦纶和粘胶进行了鉴别以验证算法的有效性。实验结果表明,该鉴别方法快速、有效,并具有很好的扩展性能,且该方法属纯粹的光学方法,需要样品量少、无需前处理,测试过程对样品无损,不产生化学污染物,适宜对各类织物成分的定性鉴别,突破了现有检测方法存在的局限。     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。