基于热图像的种蛋气室变化监测算法

种蛋气室的大小是监测种蛋孵化过程的重要指标之一。根据种蛋的热力学结构,种蛋在孵化过程中,包裹气室部分蛋壳会与其他部分蛋壳产生温差,从而可通过热红外图像进行观察。针对在种蛋孵化过程中,人工照蛋检测气室效率低的问题,探索设计了一种基于热图像的种蛋气室变化俯视监测算法。监测种蛋气室热图像的算法主要包括种蛋目标检测,种蛋图像分割和种蛋气室面积计算3个部分,其中种蛋的目标检测采用Faster-RCNN算法实现;种蛋图像分割采用BP神经网络算法实现;种蛋气室面积是在种蛋图像分割的基础上进行计算。使用孵化5天及以上的种蛋作为研究对象,并拍取种蛋的热图像进行试验。试验结果表明：种蛋热图像的目标检测的平均精度（mAP）为99.85%,拥有较好的检测效果。使用BP网络对种蛋进行图像分割。BP神经网络经过调参后,其网络最佳的结构为三层隐藏层,每个隐藏层拥有1 000个神经元,最优初始学习率为0.000 1,最优最大迭代次数为500。以F1-measure作为分割效果的评价指标,BP神经网络的图像分割总体结果为87.02%,Otsu算法的总体结果为65.25%。其中只有一个蛋的情况下,BP神经网络的分割结果为87.17%,Otsu算法的结果为68.86%。存在其他种蛋的干扰条件下,BP神经网络的分割结果为86.94%,Otsu算法的结果为61.64%,BP神经网络的分割效果优于Otsu分割算法,BP神经网络拥有更强的抗干扰能力。最后提取了孵化5～19 d种蛋的气室变化,通过观察种蛋气室大小曲线来监测种蛋的孵化情况,可看出随着天数的增加,气室有着明显变大的趋势。人工测量法与热红外测量法比较结果说明两者相关性为0.934 3,拥有较好的相关性。基于热图像的种蛋气室变化监测算法可在实际生产中实现种蛋的识别与气室大小的快速监测,为实现监测种蛋孵化的自动化提供了技术参考。     

基于硒化锌薄膜法的食源性致病菌原位红外光谱检测

食源性致病菌是引发和威胁公众健康的主要因素之一。由于食源性致病菌种类繁多,常规检测方法复杂耗时要求高,因此迫切需要一种更加快速精确的致病菌检测技术。在传统红外光谱检测致病菌的流程中,如经典的溴化钾压片法,除了压片本身的操作之外通常还需对样品进行冷冻干燥（约需2 d）等耗时前处理过程,因而不利于高通量快速检测。本研究利用硒化锌薄膜法,在硒化锌窗片上直接滴加菌液、低温（48 ℃）烘干后进行原位检测,无需漫长的冻干处理,整个检测过程在50 min之内。同时,检测所需样品量少（10 μL）无需研磨等物理破坏性的制样过程,避免了常规溴化钾压片法中研磨颗粒粗细、制片厚薄误差及易碎片、吸潮等的不利影响。四种常见食源性致病菌（大肠杆菌DH5α;沙门氏菌CMCC 50041;霍乱弧菌SH04;金黄色葡萄球菌SH10）的硒化锌薄膜法与溴化钾压片法红外谱图对比分析表明：在相同的峰值检测阈值下（透过率大于0.05%）,本研究所采用的方法获得的二阶导数图谱在900～1 500 cm-1范围内可被识别的特征峰个数比溴化钾压片法明显增多（硒化锌薄膜法共计81个,溴化钾压片法共计58个）,特征峰在多个位置强度显著增加(1 119,1 085和915 cm-1等),且可将溴化钾压片法中较宽的单峰或不明显的双峰显示为较明显的双峰（大肠杆菌DH5α：1 441,1 391和1 219 cm-1等; 沙门氏菌CMCC 50041：1 490,1 219和1 025 cm-1;霍乱弧菌SH04：1 441和1 219 cm-1;金黄色葡萄球菌SH10：1 491,1 397和1 219 cm-1）,说明硒化锌薄膜法可以提高图谱分辨率及信噪比。基于硒化锌薄膜法的原位红外光谱法对常见食源性致病菌整体快速高通量检测将具有巨大的应用前景。     

基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类

为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外（372.53~1 038.57 nm）范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G（Savitzky-Golay）平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机（ELM）中进行分类。此外,还和基于灰度共生矩阵（GLCM）的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个：一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。     

基于光谱-空间特征的黄茶多酚含量估算模型

茶多酚是黄茶中的重要成分之一,具有保健和药用功效。准确估测茶多酚含量对茶叶品质鉴定和定量分析具有重要的意义。学者们已经利用电子鼻、电子舌、高光谱和近红外技术开展了茶多酚的估测研究,取得了良好的效果。然而,由于缺乏空间特征,难以满足黄茶内外品质综合判断的要求。随着高光谱成像系统的发展,尽管基于灰度共生矩阵的茶叶成分估测已经被证实取得较好的效果,但在实际应用中仍然存在一些障碍。一方面,分辨率较低时,图像的纹理特征不会有显著差异,并且少数特征无法充分地解译高光谱图像,从而导致模型估测效果较差。另一方面,分辨率较高时,特征的增加会导致模型更复杂。因此,在保留高光谱图像原始信息的前提下,有必要进一步挖掘高光谱图像的潜在特征,尤其是纹理的细节部分。因此,提出了一种融合光谱和空间特征的模型来提高茶多酚估测的准确性。首先,利用连续小波变换提取光谱信息的小波系数;其次,根据不同尺度的小波系数能量优选小波系数特征,分别是第4尺度的959和1 561 nm,第5尺度的1 321,1 520和1 540 nm,以及第6尺度的1 202和1 228 nm;再者,基于小波系数能量之和优选2个特征波长,分别是1 102和1 309 nm;然后,根据特征波长对应的高光谱图像分别提取灰度共生矩阵和小波纹理。最后,分别利用小波系数特征、灰度共生矩阵、小波纹理和他们的组合构建黄茶多酚含量的估测模型。通过对五种黄茶的分析和验证,比较基于不同特征的不同模型估测效果,包括偏最小二乘回归、支持向量回归和随机森林方法。结果表明,融合小波系数特征,共生矩阵和小波纹理的支持向量回归模型效果最佳,校正集的R2为0.933 0,验证集的R2为0.823 8。因此,所提出的模型能有效的提高茶多酚含量的预测精度,为预测茶叶的其他成分提供了技术基础。     

基于荧光光谱技术研究增效肥料对土壤富里酸荧光特性的影响

为探讨施用增效肥料后对土壤富里酸(FA)荧光特性及腐殖化程度的影响,在黑龙江省黑河市嫩江县和爱辉区两个试验区采取相同施肥处理,设置5个处理组：平衡施肥(NE)、平衡施肥减量25%(CK) 、平衡施肥减量25%+纳米碳增效剂(T1)、平衡施肥减量25%+沸石增效剂(T2)、平衡施肥减量25%+生物炭增效剂(T3),分析土壤中FA荧光光谱特性的变化情况。三维荧光区域积分（FRI）方法不同肥料处理区域F_max相对含量的变化表明,施用增效肥料可以提高土壤腐殖化程度,其中T2＞T1＞T3＞NE＞CK,沸石增效处理对于提高土壤腐殖化程度、提高土壤的供肥水平表现最为显著,其在嫩江试验区的可见荧光FA区域Ⅴ与紫外荧光FA区域Ⅲ所对应的物质相对含量的比值（P_Ⅴ,n/P_Ⅲ,n）较CK处理提高了5.81%,根据平行因子分析方法将土壤FA分为C1组分和C2组分,其中C2组分与C1组分F_max的比值（C2/C1）较CK处理提高了22.09%;在爱辉试验区的P_Ⅴ,n/P_Ⅲ,n较CK处理提高了4.65%,C2/C1较CK处理提高了20.93%;根据平行因子分析（PARAFAC）结果,各处理土壤FA可分为C1和C2两个组分,C1组分为类富里酸(Ex/Em=230 nm, 320/410 nm),C2组分为类胡敏酸(Ex/Em=265/465 nm),施用三种增效肥料均可以提高土壤的供肥能力,其中NE＞T2＞T1＞T3＞CK。与CK处理相比,T1,T2和T3三个增效处理中,T2增效处理的提升作用最为明显,采用沸石作为肥料增效剂对于土壤FA的积极作用要优于纳米碳和生物炭,因此长期施用沸石增效肥料可有效提高土壤供肥能力,能够改善土壤生态环境。     

基于野外可见近红外光谱和水分影响校正算法的土壤剖面有机碳预测

土壤是陆地碳循环的中枢,充分发挥土壤固碳潜力有助于减缓全球气候变化。土壤有机碳 (SOC) 的高度分异性同时体现在空间和垂直分布上,但是许多前期研究往往只考虑了空间分异,而忽略了垂直分异。尤其在青藏高原这种高寒山区,土壤样品采集难度较大且费用昂贵。可见近红外 (Vis-NIR) 光谱作为传统土壤实验室化学分析的辅助手段,能够较为快速和精准地估测SOC含量。但是土壤水分等环境因素会掩盖或改变SOC的Vis-NIR光谱吸收特征进而削弱模型预测精度。外部参数正交化 (EPO) 和分段直接标准化 (PDS) 算法可以有效校正水分对光谱的影响,但其在野外新鲜土柱上的表现还不得而知。本研究旨在探索不同水分影响校正算法对野外剖面土壤光谱的校正能力,对采自中国青藏高原海拔2 900～4 500 m色季拉山的共26个1 m深土柱。沿深度以5 cm×5 cm为测量单元,从各单元中心采集共计386个野外原状湿样Vis-NIR光谱,并在实验室内测得相应386个研磨干样的Vis-NIR光谱以及SOC含量。经EPO和PDS算法校正土壤水分对光谱的影响后,通过随机森林建立土壤光谱和SOC含量的定量预测模型,并使用靴襻法评估不同校正处理下预测模型的不确定。土柱整体及垂直分布的精度结果表明,经PDS法转换的农田和草地土柱湿样光谱均表现出良好的水分校正效果,而EPO法仅对农田土柱有效。水分影响校正算法在不同土壤深度上也存在显著差异,EPO和PDS对农田和草地表层样本的水分校正均效果明显。两种校正方法的效果显示出地类和土层深度的依赖性。本研究为利用Vis-NIR光谱技术在高寒山区野外快速准确估算土壤碳含量的垂直分异提供了必要参考。     

CdSe量子点的光物理性质研究与荧光杂化纤维的制备

半导体纳米晶体（NCs）具有良好的光稳定性,广泛的发射持久性和高消光系数,在过去几年被广泛研究报道,其中,硒化镉半导体纳米晶体(CdSe NCs)被广泛用于电子照明、太阳能发电、光电传感等领域。然而CdSe NCs的电学、热力学和光物理性质具有较强的尺寸依赖性,在传统的制备方法及应用中容易出现晶体表面缺陷和悬空键以及较为严重的生物毒性和环境毒性。为了实现量子点在各个领域的应用,必须严格控制CdSe NCs的发光波长,尺寸分布以及荧光性能。本研究通过高温热注射法合成了单分散的胶体发光CdSe NCs,使用表面配体对CdSe NCs进行修饰,研究了不同烷基链长度的配体对CdSe NCs尺寸分布和荧光性能的影响,并通过改变溶剂配比制备了纺丝溶液,将其与聚乙烯吡咯烷酮（PVP）进行杂化,制备了PVP/CdSe QDs荧光杂化纤维。结果表明,与传统CdSe NCs相比,经表面配体的修饰的CdSe NCs在有机溶液中因分子间吸附的降低在溶液中有良好的稳定性,具有可调节的溶解度,弥补了缺陷和悬空键造成的荧光性能下降。在CdSe晶体结构的形成过程中,表面配体也有着显著的调控作用。并且更为重要的是,该研究将表面配体修饰与杂化相结合,改善了表面配体的附着,在杂化材料的制备过程中避免了硒化镉纳米晶体与高分子基体直接接触,为荧光团提供了良好的发光微环境,保证了CdSe NCs的荧光性能,使杂化纤维具有良好而稳定的荧光性能。同时,PVP的引入使CdSe NCs的生物毒性和环境毒性得以改善,使材料更加环境友好且具有更好的生物相容性,大大提升了材料的应用范围。事实证明,PVP/CdSe QDs杂化微纤维杂化相容性和分散性良好,具有优异的荧光性能和材料成型性,纤维合成方式简便易行且造价低廉,可应用于溶液处理,光学照明,电极材料,和生物成像等各个领域。     

L~1空间带弱奇异核的第二类Fredholm积分方程解法探究

针对带有弱奇异核的第二类Fredholm积分方程数值解法问题,介绍了两种方法.一种方法是直接用L~1空间中的离散化方法求其数值解;另一种方法是将弱奇异核通过迭代变为连续核,再用L~1空间中的离散化方法求其数值解,且通过对具体算例作图分析,从而得出直接用L~1空间中离散化方法更好.     

基于剪枝信任度传播的手写体目标形状匹配方法

手写体识别中,目标形状的匹配是较为重要的工作.为了提高手写体目标形状的匹配速度,提出一种新的匹配方法.由于手写体目标形状的几何先验知识已知,并可以采用少量的参数进行表示,新方法采用参数化可变形模板匹配目标形状,确定其后验概率模型,并定义剪枝信任度空间,依据信任度传播算法的特性,首次将剪枝信任度传播算法应用于求解可变形模板与目标形状之间的最佳匹配.实验结果显示,在灰度图像中,对手写体目标形状的轮廓检测与定位速度显著提高.提出将剪枝信任度传播方法应用于手写体目标形状的匹配工作,能够使得目标形状填补空白,应用于相关性较为稀疏的图模型中.