基于稀疏非负矩阵分解和支持向量机的海洋溢油近红外光谱鉴别分析

提出一种海洋溢油近红外光谱特征提取与种类鉴别新方法.海面溢油种类鉴别对现场应急处置方案的制定和可疑溢油源的追踪具有重要意义.采用傅里叶变换近红外光谱仪测定汽油、柴油、煤油三类模拟海洋溢油样本的近红外光谱,基于稀疏非负矩阵分解算法对光谱进行特征提取,采用五重交义检验,对210个样本进行训练,建立基于支持向量机的溢油光谱定...     

基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究

油类污染严重威胁到自然环境及人类健康。因此,识别和处理油类污染非常重要。由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物。但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别。基于此,利用二维线性判别分析（2D-LDA）对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻（KNN）分类的输入,得到相应的分类结果。首先,分别配制四种不同的油类（柴油、汽油、航空煤油、润滑油）样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。研究结果表明,2D-LDA提取特征的分类效果优于PCA。利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类。而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好。与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离。因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好。该研究为油类的降维识别提供了一种参考。     

同步荧光光谱分析法在海面溢油鉴别中的应用研究

为了实现海面溢油快速筛选和鉴别,文章提出了应用同步荧光光谱技术结合系统聚类分析方法鉴别海面溢油的方法,并应用于不同原油样品及风化油样的分析。结果表明,选择波长差为25nm,采用300～500nm范围内数据进行聚类分析,可以将原油样品和风化样品完全区分开,不同海区、不同采集时间的原油样品可大致分开。作为溢油鉴别的一种辅助方法,同步荧光光谱分析法能够对可疑油源及溢油样品实现初步筛选。     

数字图像识别在混合油类三维荧光光谱分析中的应用

海上溢油已成为全球环境污染的重要问题之一,溢油严重破坏了海洋生态的平衡,并导致人类健康受到危害。因此,研究高效的溢油检测方法对保护海洋生态环境具有重要意义。三维荧光光谱技术因能获得溢油的“指纹”图谱而成为溢油鉴别领域的有效分析手段,其与平行因子分析算法相结合获得了良好的溢油鉴别效果。但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围,且其对预估计组分数敏感,组分数选择是否准确直接影响最终定性定量结果,这些问题都会对油类检测造成使用上的限制。油类组分极为复杂,其中各组分间不存在统一的线性浓度范围,其相互之间还受到荧光猝灭效应的影响。直接对未经稀释的油类样本进行光谱数据采集,所获得的三维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异,导致对三维荧光光谱数据进行解析的平行因子分析算法不再适用。但组分的种类及含量相近的油样其光谱特征相似度较高,并且随着特定组分及其含量的改变,其光谱形状的变化规律也较为明显。基于此,将三维荧光光谱和数字图像识别相结合,提出一种针对混合油类样本的辨识方法。首先,利用五种矿物油（汽油、柴油、航空煤油、机油和润滑油）配制三类混合油样本,其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成;然后利用FS920荧光光谱仪获取样本的三维荧光光谱数据,并对该数据进行求导及灰度化预处理,进而得到三维荧光导数光谱灰度图;其次提取样本三维荧光导数光谱灰度图的颜色、纹理和形状等数字图像特征;最后,通过Fisher判别分析建立样本的分类模型,采用逐步回归建立混合油样本各组分相对体积的定量模型。分类模型对三类混合油样本的分类及识别效果良好。所建立的定量模型的线性相关性R大于0.99,显著性检验p值小于0.05。研究结果表明,三维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。该研究为海面溢油检测提供了一种简单、可靠的识别方法。     

基于荧光光谱的轻质油乳化物油水比估测研究

海面溢油在其风化迁移过程中,会形成不同溢油乳化物,对海洋环境造成极大危害。科学量化溢油乳化物,有助于溢油污染应急处理和灾损评估。已有对溢油乳化物展开的研究由于缺乏系统的实验数据、理化与光学参数,尚不清楚不同类型油水乳化物的精细光谱响应特征与变化规律,无法给出不同类型溢油乳化物光谱与海水表层油水比的数据关系。通过轻质油乳化物的室内实验,采用激光诱导荧光技术手段,从不同类型,不同表层油水比的溢油乳化物荧光光谱响应差异和变化规律入手,以乳化柴油相关数据作建模样本,乳化煤油相关数据作验证样本,开展统计分析,并分别设计了油包水、水包油两种类型下的表层油水比估测模型。数据处理过程中,为了消除LIF系统本身对接收到的荧光信号强度的影响,利用水的拉曼散射信号对乳化液的荧光信号进行归一化处理,将两者的比值作为后续的分析数据。具体数据研究表明：油包水型乳化溢油的荧光峰值对数和表层含水率对数之间可建立非线性回归模型;水包油型乳化溢油的荧光峰值和表层含水率之间也可建立非线性回归模型。非线性拟合相关系数均在0.9以上,即模型具有较高质量,且模型中的实际系数依赖于不同油种,不同的特征荧光峰。由此可见,不同乳化油种的不同特征荧光峰与表层油水比之间虽具有相同的变化趋势,但变化的程度有所不同。在此基础上,采用参数查找表的方式,建立了轻质油乳化物油水比的估测方法,可根据荧光相对强度最后反演得到表层油水比。该方法在一定程度上可对海面轻质油乳化物实现有效量化,为将来海面溢油乳化物更加实时准确的定量分析提供理论基础和依据, 也为海面溢油污染应急处理提供技术参考,因此具有重要研究意义和实用价值。     

基于荧光光谱及矩阵分析的植物油鉴别技术

利用FS920荧光光谱仪测量42个油样(包括36个纯植物油样,3个调和油样和3个混合油样)的荧光光谱,并对其数据矩阵(EEMs)进行归一化处理,确定了植物油特征激发波长及矩阵分析模型。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的等高线光谱图和特征发射谱线图,将植物油划分为三类;将矩阵分析模型应用于纯植物油鉴别,分类正确率100%;为验证矩阵分析的定量判别能力,对三种混合油样进行分析,得到接近实际配比的分析结果;对市售三种调和油样本进行分析,得出调和油以大豆和菜籽油为基底的结论。通过对植物油荧光光谱的图谱特征和其矩阵模型的分析,证实荧光光谱技术和矩阵分析法对植物油进行分析和种类鉴别的有效性。     

近红外光谱技术鉴别海面溢油

为快速了解和掌握海面溢油的种类,以便采取应急措施,提出了近红外光谱技术结合模式识别鉴别海面溢油的方法。自行配制了56个汽油、柴油、润滑油的模拟海水样品,用有机溶剂萃取出海水中的溢油后记录其近红外光谱,将原始光谱进行多元散射校正(MSC)和Norris一阶导数平滑预处理后,在主成分分析(PCA)提取不同种类溢油样品特征的基础上引入马氏距离建立溢油样品的识别模型。研究了光谱预处理对溢油鉴别的影响;探讨了马氏距离阈值的确定。结果表明,主成分分析可将原始数据压缩而马氏距离判别可给出离群点的阈值,本文建立的校正模型能正确判别浓度在0.4 μL·mL-1以上的溢油类别,为近红外光谱结合化学计量学方法建立校正模型进行海面实际溢油样品的分类提供了思路。     

一种添加历史数据的近红外光谱特征提取方法研究

针对近红外光谱定性分析中,增加新的品种进行建模时,原有模型识别效果不够稳定的问题,提出一种在建模样本的基础上添加同类物质的历史光谱数据的特征提取方法,首先采集建模样本的近红外光谱数据,然后添加同种物质样本的历史近红外光谱数据,再对所有近红外光谱数据进行预处理,其次对所有样本数据进行偏最小二乘(PLS)特征提取得到偏最小二乘空间,并只将建模样本数据向构建的偏最小二乘空间进行投影,最后将投影后的建模数据进行正交线性判别分析(OLDA)特征提取。以玉米种子近红外光谱为研究对象,分别对建模数据添加历史近红外光谱以及不添加历史近红外光谱两种情况进行特征提取,并通过仿生模式识别(BPR)方法构建模型进行验证,实验结果表明,添加历史近红外光谱构建偏最小二乘空间的特征提取方法相对于不添加历史近红外光谱的方法,首先在增加建模集品种数量时,原有的品种识别率基本不变;其次在相同PLS维数时,所建模型对不同时间采集的测试集识别效果基本一致,证明了该方法可以提高模型稳健性。在实际应用中就可以在品种鉴别软件中将特征提取维数设置为固定值,免除了品种鉴别软件的用户在增加建模集品种时为了保证最优识别效果重新选定最优PLS参数的麻烦。     

基于液芯光纤的激光诱导荧光食用油种类鉴别研究

组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响,分析了不同种类食用油激光诱导荧光光谱之间的差异。八种食用油共320份样本荧光数据在1 m长液芯光纤内采集,采用主成分分析方法对食用油荧光数据进行降维处理,利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。结果表明,使用液芯光纤后,食用油荧光强度得到较大的增强。随着液芯光纤长度增加,食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象,当液芯光纤长度超过80 cm后,红移趋于饱和。不同食用油的荧光光谱形状差异较大,可用于区分不同种类食用油。利用主成分1和主成分2绘制的主成分得分图显示,不同种类食用油呈现很好的聚集。当选用主成分数为10时,建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。说明本装置用于食用油种类的快速鉴别具有较高的准确性。     

用离散小波变换建立的Fisher判别法对海上溢油的鉴别

采用恒波长同步荧光光谱法检测分析8种燃料油、7种中东原油、14种非中东原油的荧光特征,结合离散小波变换以及Fisher判别法建立海上溢油油种鉴别的模型。29种油样风化前后均在波长(280±2),(302±2),(332±2)和(380±2) nm处有典型的荧光峰,但在(380±2) nm处风化油样的荧光强度的离散度过大,该波长不适于油种鉴别。在db7小波基函数下对29种原始油样荧光谱图进行6层分解,提取d3细节系数特征,确定波长(255±2),(280±2),(302±2),(332±2)和(354±2) nm处的小波系数并用于Fisher判别模型建立。29种油样在(280±2) nm处均有极值点,燃料油小波系数位于44.06±5.62之间,原油位于22.47±5.12之间,此波长处的小波系数可区分燃料油与原油。建立的Fisher判别模型不仅能区分燃料油和原油还能进一步区分中东原油,Wilks’s lambda分布所对应的P值分别为0和0.02,表明模型是可行的。模型验证结果显示,对风化后的建模油样的鉴别正确率达到96.6%,对非建模23种油样鉴别正确率达到95.7%。由于建模油样风化前后的修正余弦相似度为0.91~0.98,因而以未风化油样建立的油种鉴别模型同样适用于风化后油样的辨别。     

基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别

针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal com-ponent analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法。通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大。RBF神经网络算法识别率在92%左右。该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义。     

基于浓度参量同步荧光光谱的相近油源溢油鉴别

将浓度作为辅助参量引入到同步荧光光谱中,获取溢油样品在10-4~10 g.L-1浓度范围内的浓度同步三维荧光光谱,应用主成分分析法对胜利油田的5个原油样品及93#及90#汽油样品及0#柴油进行模式识别。结果表明,浓度参量的引入可全面的反映溢油样品多环芳烃的组成信息,比较溢油样品溶液稀释到线性范围内所获取的同步荧光光谱,该方法提高了应用主成分分析法对溢油样品的识别率,在很好的区分不同类型的溢油样品的基础上,实现了正确判别相近油源的溢油种类,同时解决了样品配置过程中浓度误差对分类识别的影响难题。     

高光谱遥感分区混合端元提取计算海洋溢油覆盖度

溢油覆盖度的估测是海洋溢油探测与灾害评估的重要内容,受航空航天传感器地面分辨率的限制,准确探测溢油覆盖度比较困难。在海洋风浪及破碎波作用下,溢油往往呈条带状分布。获取的高光谱数据中存在大量的油、水混合像元;传统图像分割方式计算溢油面积存在偏差,且受传感器角度、高度等影响,光谱变异明显,传统端元提取方法很难找到纯像元光谱。提出了一种通过分区混合端元计算海洋溢油覆盖度的探测方法。首先对影像进行分区并使用N-FINDR算法进行端元预选;然后再利用独立分量分析（ICA）方法进行端元精选,按照负熵最大输出得到候选端元,并将地面同步参考光谱作为约束引入相似性溢油端元识别;最后基于非负矩阵分解方法(NMF)求取端元丰度,通过太阳耀斑区的修正,得到真实的溢油覆盖度。分区混合端元的提取较好的解决了全局端元变异及环境适应性差的问题,使精选后的端元具有更好的环境鲁棒性。为更好地衡量该算法精度,采用仿真数据与真实高光谱影像数据相结合进行实验验证。仿真实验中,人工设定溢油丰度,使用均方根误差（RMSE）和丰度估计误差对比评估估计丰度与设定丰度之间的差别,并设计了算法适应性和抗噪实验。结果表明采用MNF和ICA两种高光谱压缩方法,丰度估计误差均低于3%,重构图像的最小均方根误差RMSE最高为0.030 6,且具有较好的抗噪能力,验证了该算法的有效性。真实实验中,使用2011年山东长岛溢油8景机载高光谱影像数据为真实测试数据,由于真实遥感数据往往缺失地面同步丰度数据,导致对算法精度进行评价比较困难,使用仿真数据交互验证与目视解译数据相结合的方法进行精度评价,通过耀斑区修正后估测的机载高光谱成像总的溢油覆盖面积为1.17 km2,溢油覆盖度为22.85%,与现场人工估测面积偏差为2.15%,明显高于传统方法。受海洋破碎波、光谱变异性影响,和航空航天遥感器地面分辨率的限制,海洋溢油遥感中单个像元进行丰度解析是一个难题。基于亚像元丰度分解思想,讨论了海洋溢油覆盖度的问题,提出一种较为完善的海洋溢油覆盖度的计算办法,通过仿真数据和实际的高光谱溢油数据进行了方法的验证,实现了较为客观的自动化溢油覆盖度（丰度）探测方法,可以较为准确的估测海洋溢油的覆盖度,对溢油遥感面积的业务化探测具有积极意义。     

基于LIF的海面溢油状态识别研究

随着海洋运输业和海洋石油开采业的快速发展,溢油污染日益严重,给海洋环境和海洋生态平衡带来极大威胁。因此海洋溢油污染的治理、改善,成为海洋环境保护工程中刻不容缓的重要工作。而对不同状态溢油的识别则是解决溢油污染问题的基础与关键。海面上的溢油,主要包括未乳化与乳化两个不同阶段。前者以不同厚度的油膜形式存在,后者以不同油水比的溢油乳化物形式存在。不同状态的海面溢油具有不同的元素组成：油膜为纯油分子,乳化溢油为油水混合结构,构建出差异化的荧光基团。在激光作用下具备各自特征的荧光光谱信息,不同状态显示出较为明显的荧光光谱差异。光谱曲线的形状特征是荧光物质物理化学性质的一种外在体现,所以从光谱的特征形状来分析、比较一定的光谱参量可以达到物质分类和物种识别的目的和效果。为了实现海面溢油不同状态的快速分类识别,通过搭建的LIF探测系统,采集了常用成品油不同状态的荧光光谱,光谱曲线对比发现：乳化阶段的光谱会表现出荧光峰个数增多、荧光强度改变、荧光峰位偏移等一系列特征。在此基础上,根据表观统计学原理,提取光谱的均值、标准差、峰度系数、谱线宽度、曲线斜率等特征参量,并将这些特征值进行聚类分析。结果显示: 基于激光诱导荧光光谱的海面溢油聚类分析结果与实际溢油状态是基本一致的。即在已知油种的前提下,该分类方法可较好识别出海面不同的溢油状态。因此该方法可以为海面溢油识别提供一种新思路,也为LIF技术探测质量的提高,应用水平的提升奠定一定的基础。     

高光谱图像的海面溢油自动检测方法研究

海面溢油对海洋环境会生成许多有害物质,导致位于食物链底端的浮游生物大量死亡,进而危害整个海洋生态系统。高光谱遥感可以获取溢油和海水的空间分布信息和光谱分布信息,利用高光谱图像进行溢油检测具有更好的检测性能。针对高光谱图像的海面溢油检测过程中需要人工辅助的缺点,提出一种基于自适应匹配滤波的高光谱图像海面溢油自动检测方法。首先,利用场景中溢油的C—H键光谱特性,设计一种溢油参考光谱特征提取模型,获取溢油检测过程中的参考光谱。其次,依据海水、云以及溢油光谱反射特性的差异,选取海水、云和溢油差异最大的波段,分割海水像素,计算溢油检测过程中的背景参数。最后,将目标检测中经典的自适应匹配滤波方法进行适当的改进应用于溢油的检测。将该方法应用于实际墨西哥湾airborne visible infrared imaging spectrometer(AVIRIS)高光谱遥感影像的海面溢油的检测,结果表明该方法具有计算速度快,不需要人工辅助等方面的特点,可用于海面溢油的自动检测。     

含反式脂肪酸食品近红外光谱快速无损识别方法研究

为满足食品中反式脂肪酸(TFA)的快检需求,提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱,应用毛细管气相色谱(GC)法测定食品中TFA的含量作为建模参考数据。根据食品中TFA含量将食品分为含TFA食品和无TFA食品。采用偏最小二乘判别(PLSDA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法(KNN)等有监督模式识别方法建立了含TFA食品的识别模型,并研究了不同光谱预处理方法和建模波段对模型性能的影响。研究结果表明,PLSDA和SVM两种方法可对含TFA食品进行识别 ,但PLSDA方法识别效果明显优于SVM方法。其中,使用与TFA相关波段,结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳,校正集和验证集识别准确率分别可达96.4%和88%,具有快速无损识别含TFA食品的可行性。这种方法不需脂肪提取和研磨等样品预处理,具有简单、快速、无需破坏样品等优点,非常适合现场或在线快速检测。     

基于激光诱导击穿光谱的岩屑识别方法研究

石油钻井过程中的岩屑录井无论对油气勘探开发还是钻井工程都是极为关键的技术,而岩屑描述工作是岩屑录井过程中的一个重要的环节。利用激光诱导击穿光谱(LIBS)技术结合判别偏最小二乘法(PLS-DA)对来自录井现场的粉砂岩、石英砂岩、青绿色泥岩、黑色泥岩四种岩屑样品进行识别。在获取LIBS光谱数据后分别建立了全谱模型和特征模型,其中特征模型的识别正确率为86.7%,略低于全谱模型的88.3%,但通过特征提取使得模型中变量数由24 041个减少到27个,极大缩减了数据量,提高了运算效率,更加符合岩屑录井现场快速分析的要求。结果表明LIBS技术结合一定的化学计量方法能够对不同种类的岩屑进行快速、有效的识别,在岩屑录井现场中有很大的应用潜力。