大豆水分含量的高光谱无损检测及可视化研究

采用近红外高光谱成像技术对大豆水分含量进行快速无损检测,实现大豆水分含量可视化。采集了96个不同品种大豆样本在900～2 500 nm的高光谱图像,采用直接干燥法测量每个大豆样品的水分含量。利用系统自带的HSI Analyzer软件提取图像感兴趣区域（ROI）的平均光谱信息,代表样品的光谱信息。利用SPXY算法划分样品校正集和预测集,并保留938～2 215 nm波段范围内的光谱数据。采用移动平滑（moving average）、S-G平滑、基线校正（baseline）、归一化（normalize）、标准正态变量变换（standard normal variate,SNV）、多元散射校正（multiple scattering correction,MSC）、去趋势（detrending）共7种光谱预处理方法,发现Normalize方法处理后的PLSR模型效果较好。为了去除光谱冗余信息,简化预测模型,采用连续投影算法（SPA）、竞争性自适应加权算法（CARS）、无信息消除变量法（UVE）提取特征波长,其中SPA,CARS和UVE三种算法优选出14,16和29个波长,分别占总波长的6.5%,7.4%和13.4%。分别对938～2 215 nm波段光谱和特征波长建立预测模型,并将效果较优的模型与Normalize方法结合。建立的14种预测模型效果相比较,发现SPA算法筛选的特征波长建模预测效果较好,并优选出Normalize-SPA-PCR模型,模型的R２_C和Ｒ２_P值较高,分别为0.974 6和0.977 8,RMSEP和RMSECV值较低,分别为0.238和0.313,模型的稳定性和预测性较好,可以对大豆水分含量进行准确预测。将Normalize-SPA-PCR模型作为大豆水分含量可视化预测模型,计算高光谱图像每个像素点的水分含量,得到灰度图像,对灰度图像进行伪彩色变换,得到大豆水分含量可视化彩色图像。对预测集的24个大豆品种进行可视化处理,发现不同水分含量大豆的可视化图像颜色不同,水分含量变化对应的颜色变化较为明显。结果表明,高光谱成像技术结合化学计量学可以准确快速无损预测大豆水分含量,实现大豆水分含量可视化,为大豆收获、贮藏加工过程中水分含量检测提供了技术支持。     

延安时期红色文献的红外光谱无损检测研究

延安是中国共产党领导革命的中心和战略总后方,是革命的红色摇篮。延安时期出版了大量具有历史、文化以及教育意义的红色文献,这些红色文献记载了中国共产党波澜壮阔的发展历程,也反映了延安时期不断发展的科技生产水平与独特的制浆造纸工艺,具有重要的研究价值。然而,延安时期出版的红色文献虽距今不到百年时间,但其保存现状不容乐观,普遍存在纸张老化、焦脆易碎等问题,大量文献急需科学检测与修复保护,以延长其保存寿命。目前,针对延安时期红色文献的检测研究仍存在较大空白。考虑到红色文献的珍贵性与特殊性,应当尽可能选择无损检测方法对其分析检测。基于衰减全反射-傅里叶变换红外光谱法（ATR-FTIR）,以木素1 510 cm-1处特征峰与纤维素1 030 cm-1处特征峰的强度作为定量依据,建立了造纸原料与红色文献纸张中木素相对含量的无损检测方法。通过检测不同碱强度与碱浓度处理后的构皮、苦竹与杨木的木素含量,考察了制浆过程中碱处理条件对造纸原料脱木素程度的影响,同时体现了红外光谱法测定木素相对含量的普适性。以复旦大学图书馆藏的76册延安时期红色文献为研究对象,分析了红色文献的纸张木素含量与纸张pH值以及纸张氧化度的相互关系。结果表明,木素相对含量高于25%的红色文献,其纸张pH集中在3～4之间且纸张氧化度较高,文献整体保存状况堪忧;而木素相对含量低于25%的红色文献,其纸张氧化度与酸度较低,文献整体保存情况较好。以上结果验证了红外光谱无损检测法用于延安时期红色文献木素含量分析的可行性,并结合纸张氧化度与酸度数据提出了纸张木素含量的合适范围,为制浆造纸中植物原料的脱木素过程提供参考。拓展了红外光谱法在红色文献无损检测中的应用范围,以期为延安时期红色文献的修复与保护研究提供科学依据。     

基于图像检索的大豆食心虫虫害高光谱检测

为减轻虫害对大豆的影响,首先使用相应的高光谱仪器进行样本采集,样本分为4类：包括带有微小虫卵的,带有幼虫的,有啃食痕迹的和完全正常的大豆各20颗;然后提出了一种基于三维图像检索(3D-R-D,3D Resnet18 DCH)的大豆食心虫的高光谱检测方法。该方法从视频检索的应用中得到启发,考虑到视频不同帧之间和高光谱不同层之间存在类比关系,使用了在大规模视频检索数据集下训练而成的分类模型,将它作为预训练3D卷积模型进行训练。和已知的文献方法相同,使用公开的光谱数据集进行正式训练和微调,从而得到能进行特征提取的3D卷积网络,用图像检索来实现间接分类,通过利用样本之间的特征距离,实现在全新类别上的分类。为能适应任务,将模型最后的分类层变成了图像检索常用的hash层,从而得到了代表特征的二进制码。该方法不但完成了对不同情况下大豆种类的检测,还解决了训练时样本不足的问题。为探寻一种好的相似度匹配损失函数,对比了多种较新的方法,最后发现使用融入柯西分布的损失函数,实验效果最佳,最终模型的分类精度达86%±1.00%,和在大豆食心虫检测上最新的小样本方法对比,3D-R-D方法提高了3.5%左右的精度,表明该方法是有效的,它也为结合高光谱检测相关研究提供了一种全新思路。     

改进YOLOv4的铁路沿线遥感影像地物检测方法

近年来,高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。基于回归的一阶段目标检测方法YOLOv4具有检测精度高、速度快等优点,但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检,以及进行大面积地物检测时效率低的问题。为此,提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。首先,设计由卷积、批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块,并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用,增强小目标地物的检测能力,降低漏检率;然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷,将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial, CSP)的每个残差单元之后,减少SE注意模块的重复调用次数,使其能够在提高网络性能的同时降低模型参数量从而提高检测效率;最后,针对长条形状的铁路目标提取困难问题,在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module) 保留原始特征信息,解决铁路目标特征提取能力差的问题,提高铁路中大尺度目标的检测效率。为验证所提方法的有效性,选取2 048张分辨率为1 920×1 080的某段铁路沿线遥感影像地物样本数据,将其中的铁路、房屋、楼宇建筑、农田和水池作为检测目标进行实验,并与当前流行的目标检测方法进行对比。结果表明,改进方法不仅增强了对小目标地物的检测能力,提高了地物检测精度和速度,而且提高了大尺度目标的检测效率。与YOLOv4算法相比,mAP提高了2.11%,准确率提高了2.93%,召回率提高了3.79%,模型大小减少了8.53%。所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。     

基于高光谱图像技术与迁移学习的水晶梨早期损伤检测

梨在储藏、包装和运输等过程中均可能发生不同程度的机械损伤,若不及时剔除损伤梨,损伤可能会逐渐严重而演变成腐烂,造成严重的经济损失。为建立一种梨早期损伤检测及损伤时间评估的快速、无损检测方法,采用高光谱图像结合迁移学习模型对损伤早期水晶梨进行识别。以无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨为研究对象,应用高光谱成像系统采集样品的高光谱图像,共获取无损伤、挤压损伤24 h和挤压损伤48 h的水晶梨高光谱图像各80帧。对高光谱图像进行主成分分析,选择主成分图像4,5,6（PC4,PC5,PC6）作为检测水晶梨损伤的特征图像,将3个主成分图像拼接后进行数据扩充共得到无损伤、挤压损伤24 h和挤压损伤48 h的特征图像各160帧。按照9∶1比例划分样本训练集和测试集后,分别建立了支持向量机（SVM）、k-近邻（k-NN）和基于ResNet50网络的迁移学习损伤识别模型。SVM、k-NN和基于ResNet50网络的迁移学习模型对测试集样本总体识别准确率分别为83.33%,85.42%和93.75%,基于ResNet50网络的迁移学习模型识别效果最佳,其对测试集中无损伤、挤压损伤24 h和挤压损伤48 h的样本正确识别率分别达到100%,83%和95%。该研究结果表明,高光谱图像技术结合基于ResNet50网络的迁移学习模型可实现水晶梨早期损伤检测,并对损伤时间有较好的预测效果,且损伤时间越长,识别准确率越高。     

基于IFSR异常样本剔除的落叶松木材密度近红外优化模型的研究

木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR),BP神经网络(BPNN)与PLS分别建立落叶松木材密度近红外预测模型。结果表明,IFSR结合PSO-SVR方法得到的优化模型预测能力最强,IFSR可有效剔除奇异样本,提高模型精度。     

偶极子声波测井仪发射声系性能快速检测方法*

该文提出了一种针对偶极子声波测井仪发射声系性能进行快速检测的方法。通过实验测量方法,采用专门设计的简易装置测量偶极子声波测井仪发射声系激发的声场波形,并提取声场强度、声源主频以及空间分布对称性等特征参数。如果准确掌握了仪器处于完好状态时的这些特征参数,以此为参考依据与实验测量结果进行对比,通过设定可接受的相对偏差,就可完成对偶极子声波测井仪发射声系性能的快速评价。相对于现有的声波测井仪器检测方法,该方法具有高效、便捷的优势,便于在测井前线基地应用。     

面向超导钉扎磁浮的液氮液位检测方法研究现状

高温超导钉扎磁浮制式以悬浮导向一体化、自稳定、无需控制等优势得到了越来越多的关注.与其他磁浮制式不同,高温超导钉扎磁浮制式采用块状高温超导材料作为车载悬浮体,需要低温液体液氮作为悬浮单元的制冷剂,冷却方式为浴冷,因此实时监测液氮液面,保证液面平稳是未来超导钉扎磁浮车运行维护的首要需求.本文从车载高温超导YBaCuO块材所需的液氮环境及其配套的液氮容器功能和结构出发,结合我们近期的基于卡尔曼滤波(Kalman filtering,KF)滤波算法的铂电阻传感器液氮液位计研究工作,对6种低温液位检测方法的基础原理、特征及检测精度的对比分析,总结示出包括铂电阻阵列方式在内的3种适用于超导钉扎磁浮列车在线检测系统的液氮液位检测方法,用于推进我国2021年1月13日正式启用的高温超导钉扎高速磁浮工程化样车应用发展.     

低温促进表面等离激元共振效应及肌酐的超灵敏表面增强拉曼散射探测

肌酐是肾脏疾病诊断和监测的关键生物标志物,因此,快速、灵敏的肌酐检测非常重要.本文提供了一种通过提高低温下的光子诱导电荷转移效率来促进表面增强拉曼散射光谱(SERS)活性的有效策略.采用种子生长法获得纳米金二十面体(Au₂₀),以此作为SERS活性基底.采用极低温(98 K)SERS检测技术实现对染料分子结晶紫(CV)和生理盐水中的肌酐含量的快速、灵敏检测.实验结果表明:常温296 K下, Au₂₀基底对CV分子的检测限(LOD)低至10^–12 mol/L,并且信号均匀;低温98 K时, CV分子的LOD可达10^–14 mol/L,比296 K时降低2个数量级.最后,使用Au₂₀基底对生理盐水中的肌酐进行无标记检测.结果表明,常温296 K时该SERS基底对肌酐的LOD为10^–6 mol/L, 1619 cm^–1峰的线性相关系数为0.9839.低温98 K时,肌酐的浓度探测极限低至10^–8 mol/L, 1619...     

圆形阵列无线传感器的鸟鸣声检测方法*

针对海岛湿地自然保护区鸟类等发声动物监测困难的问题,开发了基于物联网的圆形阵列无线传感器实时在线监测系统。鉴于保护区现场环境条件的特殊性,为保障传感器系统在野外长期稳定运行,需减少无鸣声数据的传输量来减轻系统负担,该文提出了基于子带能量谱熵比的动态双门限鸟类鸣声端点检测算法,对监测数据的有效鸣声段检测后实时回传到云平台。经过仿真和野外实测数据对比了不同信噪比下的鸣声检测性能,结果表明在暴风雨、风浪等海岛自然环境噪声下,鸟鸣声端点检测算法的准确率达90%以上,基本可实现海岛环境中的有效鸣声端点检测,提升了圆形阵列无线传感器系统的可靠性。