基于岩石光谱吸收特征的白云母含量反演

岩石是由多种矿物组成,其反射率光谱吸收特征与矿物含量之间存在紧密联系,矿物光谱在特定波段处的光谱吸收特征是定量估算含量的重要指标之一。为提升岩石光谱吸收特征定量反演矿物含量的准确度与精度,以白云母为研究对象,分析岩石光谱在2.2 μm附近的光谱吸收特征及其白云母含量,采用Savitzky-Golay平滑滤波和连续统去除法对岩石光谱反射率进行处理,进而提取光谱吸收特征参数（吸收深度、吸收宽度、吸收面积）,分析岩石光谱在2.2 μm附近吸收特征与白云母含量之间的相关性。研究中采用单一吸收特征建立统计模型、多维吸收特征建立偏最小二乘法（PLS）和多层感知器（MLP）模型,对岩石中白云母含量与光谱吸收特征参数进行分析,进而提出一种非线性预测岩石中矿物含量的方法。研究结果表明,岩石光谱在2.2 μm附近的光谱吸收特征中,吸收深度与白云母含量之间的相关性最高。基于单一吸收特征的统计模型中,二次曲线模型对吸收深度拟合的效果最佳,R2为0.935 0,RMSE为0.063 0,岩石光谱的吸收深度随白云母丰度满足二次曲线变化,岩石中白云母的含量越高,岩石光谱吸收深度值越大;基于多维光谱吸收特征的PLS模型相较于MLP模型拟合的效果更佳,其R2为0.947 7高于MLP的0.901 2,RMSE为0.002 7低于MLP的0.005 1;整体上,多维模型优于单一维度模型,PLS模型反演能力最佳,该模型在预测白云母含量上具有运算量小、精度高的特点。通过分析岩石在诊断特征处的光谱吸收特征,为其矿物组分的含量等进行定量反演提供理论参考,为矿产资源监测与评估提供快速高效便捷的方法。     

基于高光谱图谱融合技术的黄桃损伤程度判别研究

黄桃含有丰富的营养物质,深受消费者的喜爱。但在加工运输的过程中极易受到碰伤,给果农和销售商带来极大地经济损失。以往利用高光谱技术检测水果碰伤,通常是仅仅利用光谱信息或者图像特征建立水果碰伤检测模型,很少将图谱融合用于水果碰伤的检测。光谱反射率容易受到外界杂散光的影响,会丢失一部分真实信息,图像包含的信息量较少,仅仅只靠几个特定波段的图像很难精准识别。因此,为了实现对黄桃碰伤程度的精准分类,从而可根据不同碰伤程度的黄桃制定不同的处理方式,减小经济损伤。提出一种利用高光谱的光谱信息结合图像特征建立模型来检测不同碰伤程度的黄桃。以180个黄桃作为实验样品,首先分别采集轻度、中度和重度碰伤黄桃的高光谱图像,在每个黄桃的碰伤位置选取100×100像素的区域作为感兴趣区域,利用ENVI4.5软件提取碰伤区域的光谱信息。然后采用主成分分析(PCA)算法对采集的高光谱图像进行降维处理,在前5个PC图像中最终选择PC1图像作为黄桃碰伤的主成分图像,根据PC1图像的权重系数曲线挑选出6个特征波长对应的图像作为特征图像,将平均灰度值作为黄桃碰伤的图像特征。最后,分别利用光谱信息、图像特征、光谱信息结合图像特...     

电击死与死后电击的心脏组织光谱模式识别

在司法鉴定领域,涉及电击死亡的案件多发,鉴别死者是生前还是死后受到电击仍是法医病理学鉴定的难点问题之一。为此通过傅里叶变换红外光谱融合机器学习模型对心脏组织视角下的电击死和死后电击两种情况开展分类识别研究。将30只大鼠进行电击死、死后电击和对照处理,通过光谱仪扫描得到其心脏组织光谱,采用竞争性自适应重加权算法共提取到70个光谱特征波长,建立随机森林模型对特征波长提取前后的心脏组织光谱进行模式识别;结果表明,特征波长提取前后模型分类识别的准确率分别为34.9%和73.7%,验证了特征波长提取方法的有效性和必要性。同时建立偏最小二乘模型、传统支持向量机以及粒子群算法和灰狼算法优化的支持向量机模型进行分类识别,结果表明,模型分类识别的准确率分别为61.07%、 34.48%、 100%和98.46%,对比发现经特征提取后的粒子群优化支持向量机模型分类识别效果最好。为排除“生物学死亡期”的干扰,又取60只大鼠按同种方式对其处理,每组又分死后0.5 h和死后1 h 2个亚组,再次通过傅里叶变换红外光谱仪扫描得到光谱数据,数据预处理后将其与之前得到的数据进行一并处理并结合粒子群优化支持向量机模型分...     

偏振光谱多维信息的重构融合算法

针对传统光学手段难以实现复杂背景下光谱伪装目标的准确识别,同时,常规的数据融合方法易导致图像信息丢失的缺点,提出了一种基于非下采样轮廓波变换的偏振光谱多维信息融合方法。该方法结合自研的新型偏振光谱多维信息探测仪器,根据其获取的目标空间、光谱、偏振等多维信息,设计了多维信息重构算法流程,提取了偏振态基础数据斯托克斯参量以及偏振度和偏振角,利用NSCT对基础偏振参量进行图像融合,提升图像的信息含量以提高伪装物的识别准确率。先对具有相同边缘信息的图像Q和U采用NSCT分解,低通子带取均值,高通子带取最大值进行初步融合,获得偏振特征S,最后对偏振特征S、强度图像I以及偏振度DoLP进行NSCT分解,对分解所得低通子带进行区域能量加权融合;对高通子带,根据偏振特征图像具有灰度值小,受光照影响大等特点,采用LBP特征进行加权融合。同时,本方法与四类融合方法进行对比,据信息熵、标准差、平均梯度、对比度以及峰值信噪比五项指标对融合结果进行客观评价,并结合普通图像,偏振融合图像,偏振高光谱图像对目标识别精度进行对比。融合后的图像信息熵为6.998 6,标准差为45.599 8,平均梯度为19.808 6...     

顾及土壤类型的土壤Zn含量高光谱遥感反演

目前针对土壤重金属的高光谱反演方法大多集中在单一的研究区域或未考虑土壤类型对反演结果的影响,而土壤类型和成土因素的不同会对土壤属性参数的高光谱反演模型的普适性产生一定程度影响。该研究提出一种顾及土壤类型的重金属高光谱遥感反演方法,根据研究区土壤类型,从土壤样本的实验室光谱中提取对重金属起主要吸附作用的土壤光谱活性物质的特征谱段,分别建立基于土壤光谱活性物质特征谱段的重金属含量估算模型。使用改进的遗传算法(IGA)对特征谱段进行波段优选,使用偏最小二乘回归算法(PLSR)建模,使用决定系数(R²)、相对偏差(RPD)和预测均方根误差(RMSEP)三个指标对不同的建模方法进行评价。以湖南省郴州市东河流域铅锌矿矿区的黄壤和红壤样本数据为例,采集38个黄壤样本和35个红壤样本,从土壤样本的实验室光谱中提取对Zn起主要吸附作用的土壤有机质和黏土矿物的特征谱段,均采用IGA+PLSR方法进行建模。结果表明：不考虑土壤类型即利用全部土壤样本进行建模时,与全谱段建模结果相比,基于土壤有机质和黏土矿物特征谱段的重金属Zn含量反演精度的R²由0.624提升到0....     

呼吸声分类技术研究及检测系统设计*

患有呼吸问题的病人由于呼吸道腺体不受意识控制、异物或者其本身肺部病变等原因会出现呼吸异常。医护人员通过病人的呼吸状况可以找寻和分析病人出现这种呼吸状况的原因。而以往呼吸声的诊断方式是专业的医护人员通过使用听诊器对病人进行肺部听诊。但是听诊的结果取决于医护人员的经验与相关参数。在初级诊断治疗阶段,初级医生识别听诊声的效率以及准确率很低,一般从20%到80%不等。因此会存在10%到20%的高误诊率（漏诊、错诊和延误）。本文提出了一种利用PVDF薄膜传感器提取语声特征的检测系统,该检测系统根据病人发出声音的不同,提取呼吸声特征值判断病人的呼吸状况。通过PVDF传感器采集的微弱呼吸声再经过KNN算法分类之后其识别率可达90.6%,对于细分种较类多的湿罗声,其识别率在80.2%左右。综上表明相比于传统听诊方式通过PVDF传感器采集识别的结果具有更高的准确性和可靠性,其判断呼吸状况的结果可以为医护人员提供参考,更好的为患有呼吸疾病的病人提供监测。     

改进的Faster-RCNN算法在聚乙烯管接头内部缺陷检测中的应用

超声相控阵技术是目前聚乙烯管道热熔接头内部缺陷检测的一种主流方法。提出了基于注意力机制的改进Faster-RCNN目标检测网络用于超声相控阵D扫图聚乙烯管接头内部缺陷检测。针对聚乙烯管道热熔接头内部超声相控阵D扫图小缺陷较多、特征信息容易丢失的问题,将残差网络(ResNet50)与特征金字塔网络(FPN)相结合作为骨干网络,并引入卷积注意力模块(CBAM)自适应细化特征。将SSD网络框架和Faster-RCNN网络框架用于模型训练和测试,使用VGG16、ResNet50、ResNet50+FPN、ACBM+ResNet50+FPN作为骨干网络依次对超声相控阵聚乙烯管道热熔对接接头内部缺陷样本进行训练对比。结果表明,改进的Faster-RCNN网络模型在聚乙烯管接头内部缺陷检测和分类方面有明显改进,对小缺陷的检测性能有了显著的提高。     

深海低声速沉积层简正波用于海底参数反演*

现有深海地声参数反演研究通常基于全波场理论,存在计算量大、多值性以及需要准确的水文环境信息等问题。针对这一问题,提出一种基于简正波频散特征的深海低声速沉积层海底参数反演方法。在南海北部大陆坡海域的一次实验中,坐底式水听器(深度约1740 m)接收的沉底弹信号中观察到一种低频成分先到而高频成分后至的到达结构,由被限制在低声速沉积层的简正波组成。通过匹配沉积层简正波60-220 Hz频段内的到达时间差对实验海域的低声速海底参数进行反演,得到沉积层厚度为16.4 m,沉积层声速为1450.5 m/s,与底质采样数据比较吻合,且具有较高的可信度,验证了所提方法的有效性。由于沉积层密度对简正波频散特征的敏感性较差,其反演结果可信度不是很高,需要进一步研究。     

光纤水听器相位生成载波解调非线性因素的抑制方法

为了消除非线性因素对相位生成载波解调结果的干扰,降低相位生成载波解调过程中低通滤波器的频响特性对相位生成载波解调结果的影响,该文提出了一种基于扩展卡尔曼滤波椭圆参数估计的相位生成载波微分交叉相乘解调方法。该方法在综合考虑各种非线性因素对相位生成载波微分交叉相乘解调结果的影响的基础上,对传统的相位生成载波微分交叉相乘解调过程进行了改进。经过计算机仿真和实验验证,该文所提出的扩展卡尔曼滤波微分交叉相乘方法能够有效地抑制非线性因素对相位生成载波解调结果的干扰,相比传统的相位生成载波微分交叉相乘方法,其信噪比提高了35.0 d B,总谐波失真降低了30.7 dB,信噪谐波比提高了31.0 dB,且扩展卡尔曼滤波微分交叉相乘方法受解调过程中低通滤波器频响特性的影响较小。     

基于Mel频谱值和深度学习网络的鸟声识别算法*

为了增强网络对鸟鸣声信号的特征学习能力并提高识别精度,提出一种基于深度残差收缩网络和扩张卷积的鸟声识别方法。首先,提取鸟鸣声信号的对数梅尔特征及其一阶和二阶差分系数组成logMel特征集作为网络模型的输入;其次,通过深度残差收缩网络自动学习噪声阈值,减少噪声干扰;然后,引入扩张卷积增大卷积核感受野并利用注意力机制使网络更关注关键帧特征;最后,通过双向长短时记忆网络从学到的局部特征中学习长期依赖关系。以百鸟数据birdsdata鸟声库中的19种中国常见鸟类作为实验对象,识别正确率可以达到96.58%,并对比模型在不同信噪比数据下的识别结果,结果表明该模型在噪声环境下的识别效果优于现有模型。