基于极限学习机和优化算法的润滑油添加剂种类识别与含量预测

为了快速识别润滑油中添加剂种类和含量，将添加剂硫化异丁烯(T321)、烷基二苯胺(T534)、硫代磷酸胺盐(T307)以不同配比混合在基础油中，使用极限学习机(ELM)对油样的红外光谱数据构建模型进行训练测试，并采用贪心算法、遗传算法(GA)对输入波段优化，筛选出最优波段区间组合以剔除相关性过高的波段从而提高运算效率. 测试结果表明:ELM模型可对润滑油添加剂进行有效的种类识别和含量预测，相比于传统理化检测方法是一种经济快速的新型润滑油添加剂检测手段；且经GA波段筛选优化后模型输出结果更具优势，对三种添加剂的种类识别准确率均达到100%、含量预测决定系数(R2)分别提升了43.8%、39.0%和24.4%.      

高光谱图像和叶绿素含量的水稻纹枯病早期检测识别

基于高光谱成像技术和化学计量方法，实现了对水稻纹枯病病害的早期检测识别。以幼苗时期的水稻植株为研究对象，对其进行纹枯病病菌侵染，获得染病植株，采集358～1 021 nm波段范围的高光谱图像，三次实验共240个样本，包括染病植株120个样本和健康植株120个样本。根据高光谱图像的光谱维，对染病水稻叶片和健康水稻叶片提取感兴趣区域（ROI），利用感兴趣区域的光谱数据，对其进行Savitzky-Golay（SG）平滑、Savitzky-Golay（SG）一阶求导、Savitzky-Golay（SG）二阶求导、变量标准化（SNV）和多元散射校正（MSC）预处理，建立线性判别分析（LDA）和支持向量机（SVM）分类模型，结果表明：采用SG二阶求导预处理后的线性判别分析（LDA）模型取得了较好的性能，正确识别率在建模集达98.3%，在预测集达95%；利用载荷系数法（x-loading weights, x-LW）对原始光谱和5种预处理的光谱数据进行特征波长提取，然后根据选取的特征波长建立线性判别分析（LDA）和支持向量机（SVM）分类模型，其中采用SG二阶求导预处理后提取的12个特征波长的线性判别分析（LDA）模型取得了较好的性能，其正确识别率在建模集达97.8%，在预测集达95%，而且基于载荷系数法建立的模型性能与全波段相当，可以通过载荷系数法减少数据量对水稻纹枯病病害进行识别；根据高光谱图像的图像维，研究了基于图像主成分分析、基于概率滤波和基于二阶概率滤波的图像特征提取方法，利用提取的特征变量建立反向传播神经网络(BPNN)和支持向量机（SVM）分类模型，其中基于图像主成分分析的反向传播神经网络（BPNN）模型取得了较好的性能，建模集准确识别率达90.6%，预测集的准确识别率达83.3%；根据高光谱图像光谱维和图像维的最优模型，特将叶绿素含量作为建模的另一个特征，分别与光谱特征、图像特征组合，建立反向传播神经网络（BPNN）和线性判别分析（LDA）模型，提出基于光谱特征加叶绿素含量、图像特征加叶绿素含量和光谱、图像特征加叶绿素含量三种组合方式，其中，光谱特征和图像特征分别与叶绿素组合的方式比之前单独的光谱和图像特征建模性能都有所提升，而且三种组合方式中光谱特征加叶绿素含量的反向传播神经网络（BPNN）建模方式取得本研究所有建模方式中较优的性能，其准确识别率在建模集达100%，在预测集达96.7%。以上研究表明，基于高光谱图像和叶绿素含量对水稻纹枯病病害进行早期识别是可行的，为水稻病害的早期识别提供了一种新方法。     

基于波长调制-直接吸收光谱方法的CO分子1567 nm处谱线参数高精度标定

直接吸收光谱(DAS)可直接测量分子吸收率函数,并通过拟合吸收率函数确定待测气体参数.波长调制-直接吸收光谱(WM-DAS)在DAS基础上,结合了波长调制光谱(WMS)中谐波分析思想,利用傅里叶变换复现吸收率函数,可有效提高吸收率函数的测量精度.本文利用WM-DAS方法结合长光程气体吸收池,在室温低压条件下,对CO分子1567 nm处R5-R11近红外弱吸收谱线吸收率函数进行了精确复现,其拟合残差标准差低至3×10^-5,随后根据测得的吸收率函数对谱线的碰撞展宽、Dicke收敛以及速度依赖的碰撞展宽系数等光谱参数进行了高精度标定,并将其与高灵敏度的连续波腔衰荡光谱(CW-CRDS)测量结果进行了比较,实验结果表明该方法与CW-CRDS测量结果具有高度一致性,更具有系统简单、测量速度快、对环境要求低等优点.     

欧盟REACH法规中钴、砷、铬、锡、铅等高关注物质X射线荧光光谱法定量筛选用橡胶标准样品的研制

<正>欧洲化学品管理署(ECHA)于2008年10月至今已公布8批、共计138种高关注物质(SVHC),包括含钴、砷、铬、锡和铅的高关注物质共30多种物质,它们广泛应用于塑料、橡胶、染料、油漆、涂料等多个领域。因残留在橡胶和塑料制品中的高关注物质危害人类的健康,欧盟REACH法规[1]规定进入欧盟的化学品若高关注物质含量超过0.1%,必须向欧洲化学品管理署通报。X射线荧光光谱法(XRF)由于具有准确度高、     

半波长超导共面波导谐振腔传输及温度特性研究

超导共面波导谐振腔主要包括四分之一波长型和半波长型.本文对半波长超导共面波导谐振腔使用并联RLC电路进行等效分析,使用sonnet软件进行仿真其传输特性,通过电子束蒸发和激光直写等工艺制备出样品,在低温超导状态下使用矢量网络分析仪对其传输特性进行测量,以及通过持续降温方式研究其传输特性受温度的影响.实验表明:测得的谐振频率和外部品质因数与设计值吻合;谐振频率受动态电感的影响随温度降低而升高;外部品质因数随温度降低而保持基本不变;内部品质因先受导体损耗的影响随温度降低而急剧升高,当温度降低至一定温度后内部品质因数受介电损耗的影响随温度降低而保持基本不变;总品质因数在温度较高时主要来自于导体损耗,在温度较低时主要来自于介电损耗和外部品质因数,随温度的变化趋势和内部品质因数一致.     

基于高光谱成像的小麦白粉病与条锈病识别

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害，且田间常常混合发生。由于病源和发病机理不同，有必要对这两种病害进行准确区分和识别，以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017 nm范围内的高光谱图像，利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线，发现小麦白粉病和条锈病的敏感波段均集中在550～680 nm的色素强吸收位置，且趋势基本一致。针对两种病害的响应波段交叉重叠的问题，通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维，分别优选出3、6、30个敏感波段和特征波长；在此基础上，采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段，建立白粉病、条锈病和健康叶片的判别模型。结果表明，8种模型的准确识别率均在94.58%以上。其中，主成分分析-载荷法结合极限学习机模型最优，训练集与校正集的正确识别率分别为99.18%和100%，且结构简单，仅含有三个变量(占全波段的1.1%)。最后，通过对小麦白粉病、条锈病以及健康叶片的显微结构分析，发现病菌入侵叶片，破环细胞结构，导致叶绿素含量减少，光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱，反射率增大。可见，利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害，为研发作物病害在线识别的多光谱系统提供重要的理论依据。     

级联光栅结合Sagnac环的可调谐光纤激光器

提出并验证了一种单-双波长可调谐掺铒光纤激光器。利用级联光纤布拉格光栅(Cascaded Fiber Bragg gratings,Cascaded FBGs)结合Sagnac环结构所产生的复合滤波效应,实现较高精细度滤波,并通过调节环内偏振控制器(Polarization Controller,PC),引入双折射效应,得到波长可调谐的光纤激光器。基于耦合模理论并使用传输矩阵法对该结构的传输特性进行了分析,在此基础上搭建实验系统,验证了理论分析的正确性。实验结果表明:通过调节PC,激光器输出激光的波长范围约为1 555.644～1 556.112 nm,双波长间隔的可调范围约为0.108～0.452 nm,单-双波长的边模抑制比(SMSR)均高于40 dB;在稳定性测试中,输出单-双波长激光的波长最大漂移量小于0.008 nm。该方法具有结构简单、调谐方便、易于实现且精细度较高的优点,可应用于密集波分复用及全光通信系统等领域。