基于高光谱成像技术的滩羊肉新鲜度快速检测研究

滩羊肉的新鲜度是其品质安全的一个重要衡量指标，也是肉品品质安全控制的关键环节。挥发性盐基氮（TVB-N）是表征肉品腐败过程主要的化学信息，能有效地评价出滩羊肉的新鲜度。然而，TVB-N的传统检测过程繁琐且人为影响因素大，检测结果缺乏客观性和一致性，不能满足当今肉品检测过程无损、快速、高效的需求。高光谱成像技术符合现代检测技术向多源信息融合方向发展的需求，已在食品安全领域得到广泛应用。利用可见/近红外高光谱成像技术（400~1 000 nm）结合动力学和化学计量学方法以及计算机编程技术，将同时实现滩羊肉贮存期内（15 ℃环境）TVB-N 浓度的快速检测和贮藏期的预测。研究中提取每个样品感兴趣区域的平均光谱数据，选用蒙特卡洛算法剔除异常样本。采用X-Y共生距离（SPXY）法划分为校正集和预测集，分别选用多元散射校正（multiplicative scatter correction, MSC）、卷积平滑（savitzky-golay, SG）、标准变量变换（standard normalized variate, SNV）、归一化（normalization）、基线校准（baseline）五种方法对原始光谱数据进行预处理，优选出最佳预处理方法。采用竞争性自适应重加权法（campetitive adaptive reweighted sampling, CARS）和连续投影算法（successive projections algorithm, SPA）分别提取了21个和6个特征波长。为优化模型并提高其模型精度，采用SPA算法对 CARS 所选特征波长进行二次提取，优选出14个特征波长。基于所提取的特征波长建立TVB-N浓度的PLSR模型，优选出 SNV-CARS-SPA-PLSR 模型具有较高的预测能力（R2_c=0.88，RMSEC=2.51, R2_p=0.65, RMSEP=2.11）。同时，建立了滩羊肉TVB-N变化与贮藏时间的动力学模型，并将优化后的光谱模型和动力学反应模型相结合建立了滩羊肉光谱吸光度值与贮藏时间的高光谱动力学模型，实现对贮藏时间的预测，并通过 PLS-DA判别模型对滩羊肉贮藏时间进行判别分析（校正集判别准确率为100%，预测集为97%）。研究表明，利用可见/近红外高光谱成像技术结合动力学和化学计量学方法以及计算机编程技术，可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析，为开发实时在线检测装备提供理论参考。     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多，分布广泛，在低含水量条件下，风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大，含水量变化快，传统的含水量监测方法效率低、安全性差、成本高，难以实现尾矿库含水量的大面积、实时、快速的监测。目前，基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量，但矿区尾砂与常规土壤在成分上存在差异性，使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此，选择辽宁省风水沟尾矿库作为研究区，采集尾砂配置成不同含水量的样品，测试其可见光-近红外光谱，分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系，建立针对尾砂的含水量遥感预测模型，并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响，二者存在高度的相关性，光谱反射率随含水量增加而下降，且波长越长，含水量对光谱的影响越显著；（2）构建了基于尾砂光谱特征的含水量遥感预测模型，选择Landsat8-OLI传感器的B6和B7波段，定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数，并将这3种指数作为输入自变量，使用随机森林方法进行训练以及含水量的建模预测，并与B7波段建立的对数反射率预测模型进行比较。结果表明，光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型，通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图，结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798，均方根误差RMSE为0.077，相对分析误差RPD为1.970，平均相对精度ARE为20.1%，在现有技术条件下，达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产，现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术，如：聚合酶链式反应技术、人工感官判定技术、统计学方法等，这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断，而光谱技术在植物病害的快速检测方面有一定的潜力，目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论，讨论了该技术所涉及的仪器，并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象，而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少，特别是单细胞级别的病害研究，只在动物细胞领域展开，而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用，目前的研究已涉及了大部分的常见作物及其主要病害，包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断；(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型；(3）建立与作物病害有关的叶片某些理化参数的光谱模型，从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化，往往只研究了某一种或少数几种病害，所建的模型只能用于特定实验条件，无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度，植株的三维形态对光谱模型有较大的干扰，有文献表明以植株近地冠层2D图像作为病害检测数据，偏差较大，所建模型不稳定，基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力，但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作，并急需相关的仪器设备、方法模型方面的突破。     

涤棉混纺织物近红外定量分析模型的建立及相关问题探讨

在废旧纺织品回收再利用中，纤维类型和含量的快速、准确测定是回收方案的关键部分。以598个废旧涤棉混纺织物为研究对象，采用便携式近红外（NIR）光谱仪测试了样品的原始近红外光谱。在1 400～1 700和1 900～2 200 nm光谱区域，100％棉和100％聚酯样品的光谱存在明显差异，并且这些光谱差异存在于各种颜色纤维上。同时探讨了斜线光谱产生的原因可能是由于织物表面效果、着色方法及粘附在纤维表面的细小颗粒造成的。深色样品易造成其光谱基线在短波区发生漂移，经导数预处理后，基线漂移基本消除，斜线光谱呈现出正常光谱的特征。利用偏最小二乘（PLS）法结合一阶导数、S-G平滑、均值中心化和正交信号校正法，建立了废旧棉-涤混纺织物定量分析模型。为了验证模型的可靠性，选取346个样本采用内部交叉验证均方根误差（RMSECV）和预测样品集外部检验法对模型进行检验，模型的RMSECV值0.002、校正集相关系数R_C＝0.998、预测相关系数R_P=0.997、预测标准差SEP＝1.121，模型预测正确率可达97％。对模型进行匹配样本t检验结果显示，NIR方法与国家标准方法无显着性差异。NIR预测值与重量法测定值误差在±3％以内时，二者的一致性在90％以上，当误差在±5％以内，二者的一致性在95％以上，分析时间小于10 s。因此，利用近红外技术结合所建模型可以快速、准确地预测废旧棉/涤混纺织物纤维成分的含量。     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点，特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点，需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支，它通过逐层抽取数据特征并进行组合、转换，形成更高层的语义特征，具有极强的建模能力，广泛应用于计算机视觉、语音识别等领域，而在药品NIR分析方面尚未见报道。基于深度卷积网络模型，对药品NIR多分类建模进行研究。针对药品NIR数据的特点，设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征，输出层连接softmax分类器，对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层，将特征图进行整体池化，形成一个特征点，用于解决全连接层存在的限制输入维度大小，参数过多的问题。同时，在网络模型中引入批处理操作和dropout机制，以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中，通过设计不同的卷积网络层数以及不同的卷积核尺寸大小，分析其对建模效果的影响，同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象， 建立药品的多品种、多厂商分类模型，该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中，当训练集与测试集比例为7∶3时，分类准确率为99.37±0.45，比SVM, BP, AE和ELM算法取得更优的分类性能。同时，深度卷积神经网络模型推理速度较快，优于SVM和ELM算法，但训练速度慢于二者。大量实验结果表明，深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类，且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

一种非接触式稀土荧光自参比温度传感器

发展了一种非接触式稀土荧光自参比温度传感器，即将有机稀土配合物K[Yb(Az)₄]包埋在苯乙烯-甲基丙烯酸甲酯共聚物中，并附着在洁净的石英片上制备得到了温度传感薄膜Yb@PSMM。通过研究不同温度下Yb3+的荧光发射光谱，利用其在近红外波段荧光性质随温度变化的规律，开发了一种比率型稀土荧光温度传感方法，其原理是通过不同温度下Yb3+的荧光发射光谱的形状随温度的变化，结合在不同温度下Yb3+的核外电子在外层Stark劈裂亚能级上的分布符合Boltzmann分布律的特点，利用其近红外荧光发射光谱中900 nm~990 nm波长范围内与990~1 150 nm波长范围内的积分峰面积比的自然对数与温度的倒数呈现的线性关系作为温度测量的标准曲线，实现了-195~105 ℃范围内的温度精确测量。经考察，该发光温度传感器在0 ℃附近的温度测量分辨率达到了0.1 ℃。与已报道的发光温度传感器相比，提出的新型温度传感器具有如下几个优势：其一，所选用的发光材料的Stokes位移大于500 nm，有效地避免了环境背景干扰；其二，由于采用荧光积分峰面积而非荧光强度作为考察对象，大大减小了测量中由于仪器或测量次数较少引入的随机误差；其三，采用同一发光材料的荧光发射光谱中两个荧光峰面积的比值，相当于在体系中引入了自参比，有效避免了由于荧光材料的浓度、几何构型以及光源强度等外界因素变化对测量结果产生的影响；其四，利用稀土发光材料作为温度传感材料，可以利用其荧光寿命长、单色性好、强度高的特点；其五，温度传感膜本身不溶于水，也不在水中扩散，便于直接测量原位温度变化；其六，Yb3+的发光位于900~1 150 nm的近红外波长范围，而这个波段的荧光具有较好的穿透性使得该温度传感器有望在复杂体系的温度传感、成像等领域发挥重要作用。在实际测量的装置中，通过调整光路使得辐照在样品上的入射光斑大小仅约为1 mm2，并将Yb@PSMM固体膜样品的放置方向与入射激发光的夹角设置为225°，从而规避了入射光源的反射光对检测器的影响，而具有较好穿透能力的近红外荧光几乎不受影响，从而进一步确保了该温度传感器的测量结果。     

基于可见光波段的燃烧与未燃烧矸石分类方法研究

我国煤矿数量众多，分布广泛，大量堆积的煤矸石对矿区环境造成严重影响，其中部分煤矸石处理不当可能引发自燃和爆炸，对矿区安全构成直接威胁。根据煤矸石的燃烧状态可以分为燃烧矸石和未燃烧矸石两类，其存在的安全隐患和对环境的危害性有所不同，同时其综合利用的途径亦不相同。因此，对煤矸石进行燃烧矸石和未燃烧矸石的分类识别与监测就显得尤为重要。目前的监测方法主要为实地勘查调研，其效率低、成本高，难以满足煤矸石监测的实际需求。选择辽宁省铁法矿区作为研究区，首先从矿区矸石山现场采集典型的煤矸石样本106个；然后，利用SVC HR1024光谱仪测试其可见光-近红外光谱，分析燃烧和未燃烧矸石的光谱特征，并基于可见光波段构建光谱指数NDGI，用于识别燃烧矸石和未燃烧矸石。选择实验室测试的光谱数据和实际卫星遥感数据对该指数进行了验证，并与随机森林法进行对比。结果显示：在350～760 nm燃烧矸石光谱曲线斜率整体较高，在550～630 nm反射率存在陡升现象，而未燃烧矸石在整个可见光波段光谱曲线斜率较低；以0.25作为NDGI指数阈值，可以很好地将燃烧矸石和未燃烧矸石区分开来，实验室样本验证结果显示，NDGI指数的分类精度可达99.1%，高于随机森林分类法的95.2%；现场的验证结果表明，使用铁法矿区的landsat8 OLI数据，并基于NDGI指数对矿区内的矸石山进行燃烧和未燃烧区域识别划分，所提取的燃烧和未燃烧矸石在形态和大小上与Google Earth具有很好地一致性，表明该指数对于矸石的燃烧状态具有很好识别效果。在上述研究基础上，分别取燃烧和未燃烧矸石进行矿物鉴定，通过对比矸石燃烧前后矿物种类的变化，分析造成燃烧和未燃烧矸石的光谱特征差异的原因。结果表明：燃烧使矸石中的Fe2+被氧化为Fe3+。Fe3+的大量增加造成光谱曲线在550nm处形成明显的波谷特征，在整个燃烧过程中生成的玻璃质在750nm处形成高反射率，二者综合造成燃烧和未燃烧矸石的NDGI指数差异。研究结果为煤矿区燃烧和未燃烧矸石的区分识别提供了一种快速、高效、较为准确的实用方法。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重，研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别，并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先，采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品，以及6种常见糖浆样品按不同糖浆含量（10%，20%，30%，40%，50%，60%）配制的112个掺假蜂蜜样品，共计224个样品；通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）；然后，分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理；再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型，比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升，而对于SVM模型，惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中，经FD光谱预处理后建立的模型效果最好，最佳PLS-DA模型准确率为87.50%；在SVM算法中，经MSC预处理后，再通过GS寻优，获得惩罚参数c为3.0314，核函数参数g为0.3298的条件下所建立的模型效果最好，最佳SVM模型准确率为94.64%。由此可见，非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型，同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

SPA-PLS的高含水原油近红外光谱含水率分析

准确及时的检测原油含水率对注水策略调整、原油开采能力评估、油井开发寿命预测等均具有重要意义。然而，当前我国大多数油田均已进入高含水的开发中晚期，含水率测量难度大且准确率不高。在此背景下，开展了高含水情况下利用近红外光谱进行原油含水率测量的研究。 首先介绍了目前原油含水率检测的常用方法，分析了它们的优劣。理论上，由于水的近红外光吸收带与原油中C-H键的吸收带有明显区别，根据Lambert-Beer吸收定律和吸光度线性叠加定律可知，不同含水率高含水原油近红外光谱会存在较强响应差异。为此，对高含水原油进行近红外光谱检测，建立原油含水率与近红外光谱响应间的非线性映射模型，可实现高含水原油含水率的精确测量。为了验证该方法的有效性，搭建了近红外光谱数据采集实验装置：采用白炽灯作为光源，经过光路调节成平行光后垂直射入样品池，用近红外光谱仪（海洋光学NIR512）采集光谱用于分析。其中，接收光谱仪带宽为900～1 700 nm，平均分成512个波段。光谱数据利用光谱仪配套软件储存在电脑中。样本采用相同厚度不同比例的油水混合物，样本含水率范围为70%～99%，共采集数据60组，每组重复3次取平均值。得到原始数据后，先进行原始数据预处理，以减少数据采集时来自高频随机噪音及温度不稳定、样本不均匀、基线漂移、光散射等不利因素的影响。分别选用了S-G滤波、一阶导数和S-G滤波+一阶导数作为数据预处理的方法，利用连续投影算法(SPA)对光谱数据进行降维，并利用偏最小二乘法（PLS）和多元线性回归（MLR）进行建模，模型精度通过计算均方根误差值（RMSE）和相关系数（r）来验证。对比发现，使用S-G滤波+一阶导数建立的模型RMSE值最小（RMSE=0.007 0，r=0.998 3）。使用SPA降维后的模型要优于全波段PLS模型（RMSE=0.083 3，r=0.920 6）与MLR模型（RMSE=0.099 9，r=0.967 1）。利用SPA提取出的31个特征波长建立的模型仅占全波段的6.05%，并获得了较好的精度。证明了利用光谱检测高含水原油含水率可行性，并且得到了满意的精度，为高含水原油的含水率检测提供了新的方法, 为进一步利用近红外光进行高含水原油的快速检测与在线监测提供参考。