应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。采集浙江省文城地区农田土壤样品近红外光谱数据,土壤样品数为394个。为简化模型,采用遗传算法结合连续投影算法挑选出18个特征波长建模,应用偏最小二乘回归建立有机质预测模型,建模集的决定系数为0.81,均方根预测误差为0.22, 剩余预测偏差为2.31,预测集的决定系数为0.83,均方根预测误差为0.20,剩余预测偏差为2.45。研究发现,遗传算法结合连续投影算法在简化模型同时,模型的预测评价指标同采用全谱波长建模并没有明显降低。因此,遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。     

基于工业分析/元素分析和可见-近红外光谱预测农作物秸秆高位热值

越来越多的农作物秸秆用于生产生物质成型燃料(生物质颗粒),作为民用和工业锅炉的生物质燃料。高位热值是衡量生物质燃料燃烧性能的主要参数之一,反映了生物质可用能含量,但利用传统的氧弹分析法测试高位热值费时费力,急需一种快速准确的方法评估农作物秸秆的高位热值,以制备高质量的生物质颗粒燃料。基于工业分析/元素分析和可见-近红外光谱分析,对比分析了五种农作物秸秆(稻秸、麦秸、棉秆、油菜秆和玉米秆)的高位热值预测模型。首先,利用多元线性回归(MLR)、逐步回归(SWR)和反向传播人工神经网络(BPNN)模型,在基于五种农作物秸秆工业分析和元素分析基础上,提出了高位热值预测模型并进行验证。MLR模型具有较好的相关系数(R2),预测均方根误差(RMSEP)和预测标准差与参比标准差比值(RPD),分别为0.921 1,0.135 1和3.49。此外,利用可见-近红外光谱分析了农作物秸秆,发现对光谱数据作最小二乘法回归(PLR),可建立高位热值预测模型,预测R2和RMSEP分别为0.881 2和0.412 9。研究结果表明MLR模型和PLR模型分别适用于基于工业分析/元素分析和可见-近红外光谱建模,对农作物秸秆的高位热值快速检测设备研发能提供基础模型支持。     

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380～1 023 nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554, 694, 696, 738和880 nm)和4个(527, 555, 571和633 nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。     

高光谱成像的油菜和杂草分类方法

利用高光谱成像技术结合化学计量学方法对油菜中的杂草进行分类识别。采用近红外高光谱技术,通过正态变量变换(SNV)、去趋势化(De-trending)、多元散射校正(MSC)、移动平均平滑法(MA)、多项式卷积平滑法(SG)、基线校正(baseline)及归一化(normalize)算法对光谱数据进行预处理,采用主成分载荷(PCA loadings)、载荷系数法(x-LW)、回归系数法(RC)、连续投影算法(SPA)分别进行特征波长提取,采用偏最小二乘判别分析(PLS-DA)、极限学习机(ELM)和支持向量机(SVM)建立分类模型。结果表明,基于De-trending 预处理,通过PCA loadings,x-loading weights及SPA特征波长提取方法,基于极限学习机ELM算法建立的模型取得了最优的分类效果,建模集和预测集的分类精度均达到100%,另引入平均分类精度的指标,发现不同试验时间下,模型分类精度变化不大,表明应用近红外高光谱成像技术对油菜和杂草进行分类是可行的。     

卵形弹体侵彻预开孔靶理论分析

以破爆型串联战斗部后级随进弹对预开孔靶侵彻过程为研究对象,基于锥形预开孔和库仑摩擦模型,发展完善了包括扩孔/开坑和稳定侵彻的卵形弹体侵彻预开孔靶理论模型。分别对该模型在侵彻脆性和弹塑性靶体的有效性进行了实验验证。利用该模型分析了弹头曲径比、预开孔直径、预开孔形状等对侵彻结果的影响。研究结果表明:发展完善的模型计算结果与实验数据吻合较好。柱形开孔情况下,侵彻速度、弹头曲径比及相对孔径同侵彻深度呈正比;在侵彻容积相同的条件下,弹体侵彻预开锥孔的侵深结果与锥角及相对入孔孔径变化关系较大。     

带隔板装药爆轰波马赫反射理论研究和数值模拟

基于三波理论和Whitham方法对带隔板装药爆轰波相互作用后发生的正规反射和非正规反射进行了理论分析,给出了爆轰波发生马赫反射时临界入射角和马赫杆增长角等参数的变化规律,提出了马赫杆高度的计算模型。基于凝聚炸药爆轰Jones-Wilkins-Lee(JWL)模型和冲击起爆的Lee-Tarver模型,利用有限元计算软件对带隔板装药爆轰波的传播过程进行了数值模拟。结果表明,发生马赫反射后,随着爆轰波的传播,马赫杆的高度不断增加。数值模拟结果与理论计算结果吻合较好,说明本文中采用的理论模型和数值模拟方法能够较准确地描述带隔板装药爆轰波马赫反射的传播过程。     

基于共聚焦显微拉曼的真菌菌丝中几丁质的原位检测研究

几丁质是真菌细胞壁中一种重要的结构多糖,本文首次采用共聚焦显微拉曼技术对山茶刺盘孢菌的气生菌丝进行原位检测研究,首先确定了采集菌丝拉曼光谱的最优实验参数,并获得了菌丝,几丁质标准品和背景三种物质的典型拉曼光谱,对其中的特征峰进行归属分析,发现菌丝光谱中有明显的几丁质特征峰。然后对置于载玻片上菌丝的感兴趣区域进行拉曼光谱面扫描,通过主成分分析法发现面扫描区域中,菌丝和背景两种信号可以明显区分开来,结合主成分的载荷因子图得到了菌丝的两个主要的特征差异峰1 622和1 368 cm-1,1 622 cm-1属于菌丝中几丁质的特征峰,而1 368 cm-1是来源于菌丝中的果胶多糖。最后通过对几丁质在1 622 cm-1特征峰波段附近范围积分,绘制了几丁质在菌丝中二维和三维的化学成像图,直观且无损的再现了几丁质在菌丝中的空间分布。     

基于波谱技术的茶树生长与茶叶品质信息快速检测研究进展

波谱技术快速获取茶树生长和茶叶品质信息对提高茶叶生产信息化、产业化水平,保障茶叶品质和安全具有重要意义。阐述了波谱技术在茶树生长和茶叶品质信息快速检测的研究进展和发展趋势。重点介绍了红外光谱,荧光光谱、拉曼光谱、质谱等在茶树生长信息获取(氮、叶绿素、病虫害信息等)、茶叶品种分类、茶叶分级、茶叶内部品质检测(茶多酚、儿茶素、咖啡碱、氨基酸、农药残留等)、茶饮料和加工品的品质检测以及相关检测设备等方面的研究进展和应用情况,简述了茶树生长信息获取方法、传感仪器和产业化应用的研究和发展趋势。选择合适的预处理和化学计量学方法能有效增加模型效果,减少冗余数据,为基于波谱技术便携式仪器的开发提供可能。基于波谱技术便携式仪器和在线检测仪器开发仍是今后实现该技术应用和推广的重点。首次介绍了波谱技术在茶叶生产加工领域的应用成果和研究进展,涵盖茶树生长、茶叶加工、茶叶和茶加工品品质安全等多方面内容,并论述波谱技术在茶叶产业应用存在问题和将来发展趋势。     

基于高光谱技术的玉米种子可视化鉴别研究

种子纯度是衡量种子品质的重要指标。提出一种基于近红外(874～1 734 nm)高光谱技术实现玉米种子可视化鉴别的方法。采集4个品种共384个玉米种子样本的高光谱图像数据,随机选择288个样本作为建模集,剩余96个样本作为预测集。对玉米种子光谱曲线进行分析后,通过连续投影算法（SPA）选取7个特征波段作为输入,结合偏最小二乘法判别分析(PLS-DA)模型,对预测集进行预测,获得较好的分类效果,其中R_C=0.917 7,RMSECV=0.444 2; R_CV=0.911 5,RMSECV=0.459 9,建模集和预测集的总体鉴别率分别为78.5%和70.8%。通过图像处理技术提取高光谱图像中每个玉米颗粒的平均光谱数据,输入建立的SPA-PLS-DA模型,在计算生成的鉴别图中以不同颜色标识不同类别,实现了混杂玉米种子样本的可视化鉴别。对3份不同组成的混杂种子样本进行鉴别,达到了较好的可视化效果。结果表明,通过可视化鉴别技术,可以直观方便地观察混杂种子样本中不同品种种子的分布和数量,为农业生产中种子的纯度鉴别和筛选提供了帮助。     

基于BPLT模型的小麦叶片背景扣除方法的研究

为准确且无损测定小麦叶片的反射光谱,研究了不同背景对叶片表面反射光谱的影响,在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。以PLATE模型为基础,首次提出了BPLT(background plate)模型,扣除由不同背景导致的叶片反射光谱的变化。模型以背景下叶片的反射率R₀,不同背景反射率σ为输入,空气和致密叶片的界面反射比R₁₂,致密叶片和空气的界面反射比R₂₁,致密叶片的透射系数τ三参数中间变量,得到最终无背景时叶片反射率R值的2-3-1模型。采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证,对比分析了背景扣除前后10种叶绿素指数值的变化。结果表明,当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时,反演的灵敏度较高,对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果;采用BPLT模型背景扣除后,背景因素所占的百分比低于5%;优选了NDI&MCARI的函数关系,NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。为真实测定不同背景下小麦叶片的反射光谱提供了依据。