频域近红外光学成像法的苹果内部病变检测精度

苹果组织内部的病变会导致其光学参数发生变化。用频域近红外光学成像法（FD-DOT）对苹果组织进行吸收系数和约化散射系数的检测,并结合三维重构技术得到的重构图像可以直观地了解苹果内部的病变情况,从而实现对苹果内部病变的无损检测。选择可最大程度区分苹果正常组织与病变组织所对应的波长为740 nm的光作为激光光源。当FD-DOT的入射光调制频率不同、苹果内部病变的程度不同、病变位置和大小不同时,会导致成像精度的变化,设计了一系列模拟仿真实验研究以上因素对苹果内部病变检测精度的影响：设定不同的激光调制频率,研究调制频率对重构图像精度的影响;在苹果模型中某一位置添加不同大小的球形病变,研究病变区域大小对重构图像精度的影响;在苹果模型中不同位置添加一定大小的异质体,研究病变位置不同对重构图像精度的影响。首先用Abaqus建立苹果有限元网格模型,设计了12个740 nm的近红外激光光源和6个检测器均匀排布在苹果模型表面,根据实验需要,在组织体模型中添加代表病变的球形异质体,用经过高频调制的光源照射进苹果,检测出射光的交流幅度和相位延迟,然后借助开源软件NIRFAST计算并反推出待测苹果内部的吸收系数和约化散射系数分布并进行三维重构,重构结果可以用重构图像的吸收系数对比度噪声比（CNR值）和吸收系数分布图进行评价。实验结果表明,想要检测到尺寸较大苹果的深处病变,需要较高的入射光调制频率;该方法可以检测到大小适宜的苹果中大部分半径大于5 mm的球形病变区域,且随着病变区域在一定范围内扩大,重构图像的精度逐渐增加,但病变区域过大时,图像精度开始降低;病变区域距离检测器越来越近时,重构图像的精度逐渐增加,但当病变区域与检测器距离过小时,重构图像的精度有降低的趋势;病变区域距离检测器平面的垂直距离越近,重构图像的精度越高。以上实验结果将为应用频域近红外光学成像法对苹果进行无损检测奠定良好基础。     

高光谱成像的土壤剖面水分含量反演及制图

传统土壤水分的获取方法仅可获得离散的土壤水分点位数据,难以获得剖面上精细且连续的水分含量分布图。研究了野外条件下利用近红外高光谱（882～1 709 nm）成像反演剖面土壤水分含量（SMC）,并实现精细制图的可行性。研究剖面位于江苏省东台市,我们利用近红外高光谱成像仪对剖面进行了5天原位连续观测,共采集了280个土样用于烘干法测定SMC。原始高光谱图像经数字量化值（DN）校正、黑白校正、拼接、几何校正、剪切和掩膜等一系列预处理后,提取各采样点的平均光谱反射率。提取光谱（Raw）经吸光度[LOG₁₀(1/R)],Savitzky-Golay平滑（SG）、一阶微分（FD）、二阶微分（SD）、多元散射校正（MSC）和标准正态变量（SNV）转换后,采用偏最小二乘回归（PLSR）和最小二乘支持向量机（LS-SVM）方法建立SMC预测模型,并对比分析不同光谱预处理方法与建模方法组合条件下SMC的预测精度。结果表明,光谱反射率随SMC增加逐渐降低,不同光谱预处理方法的预测精度有所差异,除MSC方法外,同一光谱预处理方法的LS-SVM模型预测精度均高于PLSR模型,并且基于LOG₁₀(1/R)光谱的LS-SVM模型对SMC预测精度最高,其建模集的决定系数（R2_c）和均方根误差（RMSE_c）分别为0.96和0.65%,预测集的决定系数（R2_p）、均方根误差（RMSE_p）和相对分析误差（RPD_p）分别为0.88,1.05%和2.88。利用最优模型进行剖面SMC的高空间分辨率精细制图,通过比较SMC反演图中提取的预测值与实测值关系发现预测精度较高（R2: 0.85～0.95, RMSE: 0.94%～1.02%）,且两者在剖面中的变化趋势基本一致,说明SMC反演图不仅能很好地反映出土壤水分在整个剖面中毫米级的含量分布信息,也可反映出同一位置处不同天数间的含量差异。因此,利用近红外高光谱成像结合优化的预测模型,能够实现土壤剖面SMC的定量预测及精细制图,有助于快速、有效监测田间剖面土壤水分状况。     

小鼠小梁细胞与肌成纤维细胞的同步辐射红外显微光谱

原发性开角型青光眼是常见的致盲性眼部疾病。眼压升高是原发性开角型青光眼发生和发展最主要的危险因素,是由小梁网途径的房水外流排出系统发生病变、房水流出阻力增加所致。研究表明,房水中存在的转化生长因子-β能够使小梁细胞纤维化,诱导小梁细胞过度增殖,从而阻碍房水外流,导致原发性开角型青光眼的发生。原发性开角型青光眼发病隐蔽,病程进展缓慢,早期没有任何症状,往往到晚期视力视野有显著损害时,才会被发现,因此原发性开角型青光眼的早期诊断尤为重要。同步辐射红外显微成像结合高亮度、高分辨率的同步辐射源,同时配备傅里叶变换红外光谱仪与红外显微镜,可以实现细胞的检测。这对从分子层面获取细胞的变化信息,深入理解疾病的发病机制以及疾病的早期诊断具有非常重要的意义。虽然有很多红外光谱在生物医学领域的研究报道,但是应用红外光谱显微成像技术研究细胞等生物医学体系仍然是亟待发展的领域,并且目前未找到关于红外光谱用于小梁网细胞的检测报道。在体外用转化生长因子-β对老鼠小梁网细胞进行诱导,使其转化为肌成纤维细胞,模拟小梁细胞纤维化过程。对小梁网细胞以及经转化生长因子-β诱导形成的肌成纤维细胞进行同步辐射红外显微成像及光谱分析,并进一步探讨同步辐射用于早期诊断原发性开角型青光眼的可行性。研究表明肌成纤维细胞内的弹性蛋白明显高于小梁网细胞,而弹性蛋白中95%为非极性氨基酸,即氨基酸的侧链基团R基只有C和H两种元素。对比两种细胞的红外谱图,发现在2 934,2 900和2 845 cm-1,肌成纤维细胞的 CH₃,CH₂和CH的伸缩振动明显强于小梁网细胞,推测可能是由于转化生长因子-β诱导后细胞内弹性蛋白增加所致。在细胞层面检测了小梁网细胞的过度增殖,为将来可以直接获取细胞的红外光谱从而检测小梁网细胞的增殖程度,进而检测原发性开角型青光眼等疾病奠定了基础。得出同步辐射红外谱学与显微成像有望成为检测原发性开角型青光眼新手段的结论,也为将来便携式红外显微光谱仪临床实时检测青光眼等疾病提供了依据。     

癫痫大鼠海马神经元生化分子的同步辐射显微红外光谱成像研究

癫痫是影响所有年龄段的慢性脑功能障碍,主要特征为整个或局部脑区神经元异常同步化高频群集动作电位发放。利用神经毒素海人藻酸（KA）立体定位注射入大鼠海马,诱导大鼠产生癫痫持续状态,建立颞叶癫痫大鼠模型。应用同步辐射显微光谱和同步辐射显微光谱成像分析癫痫持续状态发作后24小时的颞叶癫痫大鼠海马角（CA）1区神经元生物化学分子的胞内浓度和分布是否改变。结果显示反映蛋白质二级结构的酰胺Ⅰ在1 655 cm-1的振动频率和属于脂类功能集团的2 800～3 000 cm-1振动频率,在正常对照大鼠海马CA1神经元胞体内呈高浓度分布,但在癫痫大鼠海马CA1神经元胞体,反映蛋白质二级内呈低浓度分布,并且以细胞核分布浓度最低,但在神经元胞体外围分布浓度相对较高。属于核酸集团的1 055～1 054 cm-1 PO₂反对称拉伸振动在正常和癫痫大鼠海马CA1神经元胞体内分布趋势没有差异,都在胞体内呈高浓度分布,尤其在细胞核分布浓度最高。对属于酰胺Ⅰ的吸收频率进行二级导数分析显示癫痫海马神经元的酰胺Ⅰ相对于正常对照多出1个1 653 cm-1附近的负峰。以上结果提示在发生癫痫持续发作后海马神经元生物化学分子的细胞分布会出现变化。     

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、CO₂浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。     

基于高光谱成像的小麦白粉病与条锈病识别

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017 nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。     

暗场聚光镜-水浸物镜联在细胞成像上的初步应用

传统的细胞成像方法在准备工作中需要对细胞进行多步操作,对细胞的实时成像较难以反映真实生长环境中的活细胞.本实验引入了一种高数值孔径的油浸暗场聚光镜与无盖玻片水浸物镜联用来进行高分辨率实时成像的方法.为了尽可能地减少细胞操作步骤,本实验采用水浸物镜直接伸入到培养皿中的PBS(磷酸缓冲生理盐水)或培养基中的方法取代传统的细胞爬片与细胞滴片操作,来得到贴壁培养与悬浮培养细胞的实时暗场图像.用这一系统观察PBS里的贴壁细胞能得到较好的暗场成像效果,观察培养基中悬浮细胞可得到细胞图像,但视野过亮.这一组合的光学系统简便易行,成本低廉,可广泛用于细胞相关的科研工作中.     

16nm极紫外光刻物镜热变形对成像性能影响的研究

16 nm极紫外光刻(EUVL)物镜热变形是影响其高分辨成像的主要因素之一。为了给EUVL系统热管理提供可靠的技术依据,对数值孔径为0.33且满足16 nm技术节点的典型EUVL物镜进行热变形仿真研究。采用有限元软件ANSYS仿真曝光过程中反射镜的瞬态温度和变形分布。以Zernike多项式为接口拟合变形面,分析热变形对成像性能的影响。结果表明:物镜的最高温升和最大变形分别为3.9℃和10.2 nm,高温态物镜的热变形引起的最大波像差均方根和畸变分别为0.1λ和56 nm,超出了合理范围。M3和M4反射镜热变形累加引起的波像差和畸变的占比分别为88%和99%,对成像性能的影响起主导作用,需要对其进行严格控温。     

高光谱成像的马铃薯叶片含水率分布可视化

为了快速检测马铃薯叶片的水分含量,并探究受到干旱胁迫时叶片含水率变化情况,利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。采集71个叶片,用烘干法对叶片水分梯度进行控制,共得到355个样本。使用高光谱分选仪器采集叶片862.9~1 704.2 nm(256个波长)的光谱成像数据,采用称重法测量含水率。利用Sample set partitioning based on joint X-Y distance(SPXY)算法将总样本按照2∶1的比例划分为建模集(240个样本)和验证集(115个样本)。对采集的数据进行光谱特征分析,本文分别用CA和RF两种算法,各筛选得到15个特征波长。基于CA筛选出相关系数高于0.96的15个波长分别为1 406.82,1 410.12,1 403.62,1 413.32,1 416.62,1 419.82,1 400.32,1 423.12,1 426.32,1 429.62,1 432.82,1 436.12,1 439.32,1 442.52和1 445.8 nm。基于RF算法筛选被选概率高于0.3的15个特征波长,按照被选择概率值从大到小排列,分别为1 071.62,1 041.12,1 222.52,1 465.22,1 397.02,1 449.02,1 034.32,1 523.22,976.42,1 172.52,979.82,1 165.82,1 037.72,1 426.32和869.8 nm。用CA和RF算法筛选到的特征波长建立PLSR模型,分别记为CA-PLSR模型和RF-PLSR模型。利用高精度模型检测结果,对马铃薯叶片含水率进行可视化分析,首先计算马铃薯叶片图像每个像素点的含水率,得到灰度图像,然后对灰度图像进行伪彩色变换,绘制出叶片含水率可视化彩色图像。为了体现马铃薯叶片烘干处理中含水率变化进程,用HSV彩色模型对样本叶片的伪彩色图像进行分割,获得分割图像结果,显示出在某含水率区间的叶片面积比例。结果显示,CA算法选取的15个波长均在1 400.3~1 450.0 nm范围内,CA-PLSR模型的建模精度(R2_c)为0.975 5、建模集均方根误差(RMSEC)为2.81%,验证集精度(R2_v)为0.933 2、验证集均方根误差(RMSEV)为2.31%。RF算法选取的特征波长分布范围较CA法选取范围广,具有局部“峰谷”特性,且RF-PLSR模型的建模集精度(R2_c)为0.983 2、RMSEC为2.32%,验证集精度(R2_v)为0.947 1、RMSEV为2.15%。选取RF-PLS模型计算马铃薯每个像素点的含水率,得到伪彩色变换图像,观察可知随着烘干时间的增加含水率逐渐下降;并能够从叶片结构角度看到,随着水分胁迫的加强,叶片从边缘开始失水,逐渐向叶片中间蔓延,其中叶茎和叶脉的含水率较其他部位高。计算得到叶片伪彩色图像中含水率大于90%,80%和70%的像素点占整个叶片图像的比例。利用高光谱成像技术可以实现马铃薯叶片的含水率检测与分布可视化表达,为监测马铃薯生长状况以及叶片含水率分析提供新的理论根据。     

高光谱成像的垃圾分类识别研究

高光谱成像因光谱分辨率高、图谱合一、可实现快速无损检测等特点现已广泛应用于农业、医学、遥感等领域。现有的对可回收生活垃圾检测与分类的方法,都存在检测时间长,分类效率低,而大量多种垃圾无法同时快速分拣等问题。考虑到不同类别的生活垃圾由于其主要组成分子结构的差异,对不同波长的光有不同的吸收特性。高光谱图像在记录待分类垃圾的空间信息的同时,可以获得垃圾对不同波长的光的反射率光谱信息,通过建立识别分类模型对反射率光谱信息进行分析可以实现对高光谱图像中待分类垃圾的识别与分类。收集常见纸质、塑料、木质三种材料的可回收的垃圾样本,包括塑料瓶、食品包装袋、塑料玩具(饰品)碎片、一次性筷子、雪糕棒、木制家具碎片、木制包装盒、废旧课本、广告纸、办公用纸等多种物品共30个样本,进行清洗和裁剪处理,避免样本表面污渍对样本反射率产生影响。利用高光谱成像系统采集样本在近红外(780～1 000 nm)范围内的高光谱图像,其中18个样本做训练样本集,12个样本做测试样本集。对采集的样本图像数据做预处理,包括去噪声以及黑白校正反演反射率信息等处理;通过主成分分析(PCA)方法对训练样本集感兴趣区域(ROI)进行分析,提取到的特征波段为795.815,836.869,885.619,916.409,929.239,934.37,957.463,972.858和988.253 nm;在特征波段下分别提取这三种类别垃圾的参考光谱,通过光谱角度填图法(SAM)对测试样本ROI区域内提取的测试样本点集在特征波段下与参考光谱进行匹配,由匹配程度进行样本点归类,分析结果表明,测试样本集中纸制样本(A类别)、塑料样本(B类别)、木制样本(C类别)的分类准确度分别为100%,98%和100%,测试样本点集整体的分类准确度为99.33%;通过Fisher判别方法分析训练样本集得出判别函数式和判别准则,对测试样本点集分类,评价结果为A,B和C类样本分类准确度分别为100%,100%和97%,测试样本点集整体分类准确度为99%。通过SAM和Fisher两种判别方法对测试样本集的光谱图像进行目标物的检测与分类,结果表明,利用SAM判别方法在可回收垃圾的高光谱图像中实现检测与分类有更高的分类准确度,可达到99.33%。同时,也验证了使用高光谱成像进行可回收垃圾快速分类的科学性以及可行性,对未来系统化、机械化、智能化地解决生活中可回收垃圾的分类具有一定的实用意义。