SVM自助重加权采样的蚕茧雌雄特征波长选择

使用近红外光谱鉴别蚕茧雌雄设备成本较高,挑选有用特征可以减少成本。雌雄蚕茧的近红外光谱存在着共线性的关系,因此提出了一种包裹式的特征选择方法,基于支持向量机的自助重加权采样（BRS-SVM）的特征选择方法。使用NirQuest512近红外光谱仪采集了蚕茧的漫透射近红外光谱。用试验集的全波段建模得到特征重要度热图,并通过热图得到重要特征波段的范围。然后在重要特征波段范围内,分别用BRS-SVM、基于SVM的特征排序方法（MBR-SVM）、基于逻辑回归的特征排序方法（MBR-LR）、递归特征消除法（RFE）、连续投影算法（SPA） 和遗传算法（GA）挑选单波段特征和连续波段面积特征,再分别用支持向量机（SVM）和逻辑回归（LR）建立雌雄分类模型。通过特征重要性热力图发现,蚕茧雌雄分类重要区域在900～1 399 nm内,用此波段范围建立SVM模型,试验集准确率为99.40%。用BRS-SVM挑选5个单波段特征,然后再用SVM建模,验证集准确率为93.88%,高出其他特征选择方法5%～12%,测试集准确率为89.56%,测试集准确率高出其他特征选择方法2%～4%。用BRS-SVM挑选27个单波段特征,建立SVM雌雄分类模型测试集准确率为94.97%,准确率达到生产条件要求。用BRS-SVM挑选的14个连续波段面积特征,再用SVM建模,测试集准确率为94.43%。在挑选少量特征情况下,我们提出的BRS-SVM要优于其他方法。用BRS-SVM挑选少量的特征,可以建立性能良好的蚕茧雌雄分类模型,有效减少了成本,具有重要的现实意义。     

基于CARS-CNN的高光谱柑橘叶片含水率可视化研究

柑橘叶片水分亏缺是影响柑橘生长发育的重要因素之一,为研究水分胁迫对柑橘含水率的影响,利用高光谱快速无损检测柑橘叶片含水率,并应用伪彩色处理实现含水率可视化。收集100片柑橘叶片,使用烘干法得到鲜叶和烘干叶片一共500个不同梯度含水率的数据样本,将样本按7∶3的比例划分为训练集（350个样本）和测试集（150个样本）,使用决定系数(R2)和均方根误差(RMSE)来评估模型预测的好坏。采用卷积神经网络（CNN）对高光谱数据进行预测,CNN模型使用一维卷积核,一共三层卷积池化层,使用RELU激活函数激活,输出层采用linear激活函数回归预测,使用nadam算法对模型进行优化更新,迭代次数为1 000次;将原始光谱数据和SG,MSC和SNV三种预处理后的光谱数据,与全波段、CARS筛选的特征波段、PCA提取的特征波段组合,导入CNN模型,确定最佳模型为原始光谱数据的CARS-CNN,训练集的R2_c和RMSEC分别为0.967 9和0.016 3,测试集的R2_v和RMSEV分别为0.947 0和0.021 4;原始光谱数据的全波段CNN模型效果其次,训练集的R2_c和RMSEC分别为0.934 3和0.024 9,测试集的R2_v和RMSEV分别为0.915 9和0.028 6。对比了不同预处理方式和特征波长选择的支持向量机回归模型(SVR)、偏最小二乘法回归模型（PLSR）、随机森林模型(RF)组合的最佳结果,将最佳组合模型（原始光谱数据+CARS+PLSR,SNV+PCA+RF,SNV+PCA+SVR）与原始光谱数据的CARS-CNN对比,结果表明,依然是原始光谱数据的CARS-CNN模型预测效果最佳。相较于其他的模型,CARS-CNN模型经过CARS筛选特征波段和卷积核进一步提取特征后,预测精度远高于SVR,PLSR和RF模型。选择训练好的CARS-CNN模型,将高光谱图片导入到模型中,计算每个像素点的含水率,得到伪彩色图像,能够可视化叶片的含水率分布情况。研究结果为柑橘叶片水分含量提供了更快速、更直观、更全面的评估,为研究柑橘叶片水分胁迫提供了依据,为智能灌溉决策的优化提供了参考。     

阿维菌素原药及制剂溶液的荧光光谱特征研究

针对农业生产中阿维菌素过度使用造成的农作物农药残留超标问题，利用JASCO FP8300荧光分光光度计对阿维菌素农药溶液进行荧光光谱检测，分析阿维菌素原药溶液及制剂溶液的荧光光谱特征，为实现阿维菌素的快速检测提供数据参考。实验首先通过分析原药溶液和两种来自不同生产厂家的制剂溶液的三维荧光光谱，对比荧光特征峰的位置异同，判断阿维菌素荧光特征峰的区域为Ex=250~290 nm，Em=280~320 nm，最佳激发波长为270 nm。接着，选定Ex=270 nm作为最佳激发波长对原药溶液及制剂溶液进行二维荧光光谱检测，得到相应的二维荧光光谱数据。根据光谱数据，分析阿维菌素荧光特征峰处荧光强度值随着溶液浓度变化的规律，将相关数据拟合，得出关于阿维菌素荧光特征峰值与对应溶液浓度值的预测模型。由数据分析结果得知，阿维菌素原药溶液在10～35 mg·L-1浓度范围内预测模型的R2为0.999，预测结果的均方根误差RMSE为0.359 mg·L-1；两种不同厂家生产的阿维菌素制剂溶液在10～35 mg·L-1浓度范围内预测模型的R2分别为0.935，0.985，预测结果的均方根误差RMSE分别为1.945和0.858 mg·L-1。实验表明，制剂中其他填充剂及助剂等成分不会造成制剂中阿维菌素有效成分的荧光效应失效，并且能够通过荧光强度值来反映阿维菌素的浓度，进一步验证了利用荧光光谱对阿维菌素含量进行检测的可行性。     

利用叠层一维光子晶体调控半透明有机太阳能电池的性能

利用叠层一维光子晶体提高半透明有机太阳能电池的光电转换效率和调控器件的透视颜色.采用传输矩阵法计算了基于叠层一维光子晶体的半透明有机太阳能电池中活性层的吸收光谱和器件的透过率光谱,进而计算了器件的光电转换效率和透视颜色.研究结果表明,通过合理设计叠层一维光子晶体中顶光子晶体和底光子晶体的禁带中心波长,可以将器件的光电转换效率提高24.4%.此外,通过控制顶光子晶体和底光子晶体的禁带中心波长,可以调控半透明有机太阳能电池的透视颜色,获得透视颜色分别为蓝色、绿色和红色的半透明电池器件.与单层一维光子晶体相比,叠层一维光子晶体可以使器件获得更高的光电转换效率,并能在更大光谱范围内调控器件的透视颜色.     

基于荧光光谱分析的农药残留检测研究进展

在农业生产中施用农药可提高农产品的产量,然而农药的过量使用也威胁着我国农产品的质量安全,因此对农产品的农药残留进行快速有效的检测成为农业生产大环境下的迫切要求。荧光光谱分析技术具有突出的高灵敏度以及有利的时间标度,对多组分农药残留检测具有良好的分辨能力,与气相色谱法、液相色谱法、气-质联用法等农药残留检测方法相比具备前处理简单、检测速度快等优点,在复杂的农药残留检测环境中有较大的优势。介绍了基于荧光光谱分析技术的农药残留快速检测方法,概述了传统的荧光光谱分析方法在农药残留检测上的应用,以及荧光光谱分析结合同步-导数法、三维荧光光谱、人工神经网络,生物传感器,金属纳米材料等方法与技术用于农药残留检测的研究发展现状,分析了基于荧光光谱分析的农药残留检测现阶段仍存在的局限与挑战,以及未来发展趋势。荧光光谱分析技术在农药残留检测上的普遍推广及应用需通过荧光检测仪器不断朝集成化、模块化发展来实现,使得检测更快捷高效。     

基于马赫曾德干涉光路的光压测量装置设计

基于马赫曾德干涉原理,设计搭建了可调制与放大干涉条纹的光压测量装置.由频率和功率可调制脉冲激光产生光压,使真空中两面高反镀铝薄膜产生微小形变(位移),从而使由氦氖激光器发射、经半反半透镜分束的参考光和信号光的光程差改变,即干涉条纹发生改变.用CCD记录干涉条纹位移量,数据处理获得干涉条纹位移量和薄膜形变量的关系,计算出脉冲激光在薄膜处的光压.分别讨论了脉冲激光入射角度、频率等参量对检测结果的影响,并通过双角度入射方法消除了热辐射效应的影响.该检测装置可测得最小光功率为15.0mW所产生的光压大小为13.42μPa,线性工作范围为15.0mW(13.42μPa)至200mW(1179μPa),且工作稳定、灵敏度高,测量结果准确.     

光纤激光器中基于偏振控制器的脉宽可调平顶光脉冲生成技术

提出了主动锁模联合非线性偏振旋转光纤激光器中基于偏振控制器的脉宽可调平顶光脉冲生成技术.光纤激光器由主动锁模部分和一根掺Bi的高非线性光纤联合两个偏振控制器及光纤检偏器构成的非线性偏振旋转结构组成.分析了该实验装置在不同状态下的工作机制,通过调节激光器中的两个偏振控制器,实验获得了10GHz的脉宽可调平顶光脉冲,脉宽调节范围在12~19ps之间,调节激光腔中的宽带滤波器,可在不同波长处获得平顶光脉冲.实验表明:输出的平顶光脉冲性能稳定,边模抑制比为65dB,定时抖动145fs.     

基于 PROSPECT模型的蔬菜叶片叶绿素含量和SPAD值反演

叶绿素含量是衡量植物营养和病虫害发生情况的重要指标。传统的分光光度法对植物叶片破坏性较大且无法实时、快速、无损地获取叶绿素含量。新兴的利用叶绿素仪测量叶绿素相对含量（以下简称SPAD值）的方法不能定量获取实际含量。光学辐射传输模型PROSPECT从生物物理、化学的角度以及能量传输的过程出发,定量描述了叶片色素、水分、结构参数等对叶片反射光谱的影响。因此,提出利用PROSPECT模型同时反演蔬菜叶片叶绿素含量和SPAD值,实时、快速、无损、定量获取植物叶片叶绿素的含量。第一,多次测量三种蔬菜叶片的反射光谱,并用叶绿素仪测量SPAD值。然后,预处理光谱数据,获得平均反射率光谱。第二,以欧式距离为评价函数,利用PROSPECT模型对实测反射率光谱进行拟合。拟合过程中三种蔬菜欧式距离最大为0.008 9,最小为0.006 4,平均为0.007 5,表明该模型能够很好地拟合蔬菜叶片的反射率光谱。第三,根据拟合结果,反演叶绿素含量和透射率光谱,再根据透射率光谱获取叶片在940和650 nm波长处的光透过率,计算叶片的反演SPAD值。第四,建立反演叶绿素含量、反演SPAD值与实测SPAD值的关系模型。结果表明: (1)利用该模型反演得到的叶绿素含量值与实测SPAD值有较好的线性关系, 其关系模型为：y=1.463 3x+16.374 3,两者相关系数为0.927 1,模型的决定系数为0.862,均方根误差为2.11;(2)利用该模型反演得到的SPAD值与实测SPAD值之间线性关系较好,其关系模型为：y=0.986 9x-0.668 3,两者相关系数为0.845 1, 模型的决定系数为0.714 3,均方根误差为3.380 2。研究表明,通过测量植物叶片的反射率光谱,利用PROSPECT模型可以无损、定量地获取蔬菜叶片的叶绿素含量和SPAD值。该方法可推广至其他植物的叶绿素测量和实时监测,为变量施肥、精准种植提供可靠的数据支持。研究结果对蔬菜生长态势的无损监测具有重要的意义。     

基于深度学习的两分量BEC中量子相变点的识别

识别物质的相变是物理学研究中一个重要问题.本文采用了一种混淆标签方案的卷积神经网络算法来识别两分量玻色-爱因斯坦凝聚(BEC)中量子相变点，通过计算神经网络输出的准确率，得到W型性能曲线，此性能曲线中间的极大值对应着量子相变的临界点.研究结果表明，深度学习得到的量子相变点与解析计算值吻合度较高.此混淆标签方案的深度学习研究方法可以应用到存在两种相的相变体系.