高光谱成像的马铃薯叶片含水率分布可视化

为了快速检测马铃薯叶片的水分含量，并探究受到干旱胁迫时叶片含水率变化情况，利用高光谱成像对马铃薯叶片含水率进行检测和可视化研究。采集71个叶片，用烘干法对叶片水分梯度进行控制，共得到355个样本。使用高光谱分选仪器采集叶片862.9~1 704.2 nm(256个波长)的光谱成像数据，采用称重法测量含水率。利用Sample set partitioning based on joint X-Y distance(SPXY)算法将总样本按照2∶1的比例划分为建模集(240个样本)和验证集(115个样本)。对采集的数据进行光谱特征分析，本文分别用CA和RF两种算法，各筛选得到15个特征波长。基于CA筛选出相关系数高于0.96的15个波长分别为1 406.82，1 410.12，1 403.62，1 413.32，1 416.62，1 419.82，1 400.32，1 423.12，1 426.32，1 429.62，1 432.82，1 436.12，1 439.32，1 442.52和1 445.8 nm。基于RF算法筛选被选概率高于0.3的15个特征波长，按照被选择概率值从大到小排列，分别为1 071.62，1 041.12，1 222.52，1 465.22，1 397.02，1 449.02，1 034.32，1 523.22，976.42，1 172.52，979.82，1 165.82，1 037.72，1 426.32和869.8 nm。用CA和RF算法筛选到的特征波长建立PLSR模型，分别记为CA-PLSR模型和RF-PLSR模型。利用高精度模型检测结果，对马铃薯叶片含水率进行可视化分析，首先计算马铃薯叶片图像每个像素点的含水率，得到灰度图像，然后对灰度图像进行伪彩色变换，绘制出叶片含水率可视化彩色图像。为了体现马铃薯叶片烘干处理中含水率变化进程，用HSV彩色模型对样本叶片的伪彩色图像进行分割，获得分割图像结果，显示出在某含水率区间的叶片面积比例。结果显示，CA算法选取的15个波长均在1 400.3~1 450.0 nm范围内，CA-PLSR模型的建模精度(R2_c)为0.975 5、建模集均方根误差(RMSEC)为2.81%，验证集精度(R2_v)为0.933 2、验证集均方根误差(RMSEV)为2.31%。RF算法选取的特征波长分布范围较CA法选取范围广，具有局部“峰谷”特性，且RF-PLSR模型的建模集精度(R2_c)为0.983 2、RMSEC为2.32%，验证集精度(R2_v)为0.947 1、RMSEV为2.15%。选取RF-PLS模型计算马铃薯每个像素点的含水率，得到伪彩色变换图像，观察可知随着烘干时间的增加含水率逐渐下降；并能够从叶片结构角度看到，随着水分胁迫的加强，叶片从边缘开始失水，逐渐向叶片中间蔓延，其中叶茎和叶脉的含水率较其他部位高。计算得到叶片伪彩色图像中含水率大于90%，80%和70%的像素点占整个叶片图像的比例。利用高光谱成像技术可以实现马铃薯叶片的含水率检测与分布可视化表达，为监测马铃薯生长状况以及叶片含水率分析提供新的理论根据。     

基于太赫兹时域光谱的食用油过氧化值定量分析研究

针对目前太赫兹光谱技术在食用油品质检测方面存在定性多、定量难的问题,提出一种基于衰减全反射（ATR）式太赫兹时域光谱（THz-TDS）技术的食用油过氧化值定量分析方法。首先采集不同种类、不同氧化程度食用油样本的太赫兹时域光谱图,筛选有效信号波段并提取得到光学常数,经预处理算法校正后的光学常数,结合多种化学计量学方法建立定量分析模型,实现快速、无损预测食用油的过氧化值。70个实验样本包括大豆油、菜籽油和玉米,过氧化值覆盖范围0.41~10.23 mmol·kg-1,且样本的过氧化值均匀分布。采用TeraView公司生产配有ATR检测模块的TeraPulse 4000太赫兹脉冲光谱系统采集样本THz-TDS信号,根据THz-TDS谱图信号特征筛选有效波段10~86.78 cm-1用于建模分析。通过快速傅里叶变换得到频域信号并从中提取光学常数：折射率和吸收系数,采用Savitzky-Golay7点卷积平滑分别对折射率和吸收系数进行预处理,去除干扰信号。运用SPXY算法按照3∶1比例划分校正集和预测集样本,结合主成分回归法、偏最小二乘法两种化学计量学分析方法,分别建立基于折射率和基于吸收系数的过氧化值分析模型。对模型评价指标均方根误差和相关系数进行分析,基于折射率的过氧化值分析模型采用偏最小二乘算法建模预测精度最理想,选取最优主成分数为6时,其校正集均方根误差RMSEC为0.168%、决定系数R2为0.981,预测集均方根误差RMSEP为0.231%、决定系数r2为0.977;基于吸收系数的过氧化值分析模型则采用主成分回归算法建模预测模型稳健度最好,选取最优主成分数为10时,其校正均方根误差RMSEC为0.192%、校正集决定系数R2为0.979,预测均方根误差RMSEP为0.262%、预测集决定系数r2为0.97。该研究结果的得出,验证了THz-TDS技术用于食用油过氧化值定量分析的可行性,为食用油的品质评价找到一种高精度、性能稳定、快速无损的检测方法。     

小麦种子自然老化程度的近红外光谱无损识别

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势，并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。本实验应用VERTEX 70傅里叶变换红外光谱仪，以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、4个月、7个月、9个月的近红外光谱。标准差可以用来表征数据离散程度，因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。为避免单个样本由于偶然因素导致的离散度值异常，实验统计了45份样本的光谱标准差均值，根据均值光谱得到如下谱峰：8 362，6 950，7 563，5 319，4 998和4 478 cm-1处。解析谱峰所在区域对应的化学基团归属可得：6 950 cm-1处对应的是液态水中O-H伸缩振动的一级倍频且该处离散度值较大，因此小麦种子在短期自然老化阶段中水分变化较为显著；5 319，4 998和4 478 cm-1处离散度值较6 950 cm-1处小，对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息，因此蛋白质变化较水分而言相对平缓；8 362和7 563 cm-1处反映的主要是C-H振动的二级倍频信息且离散度值较大，而种子中蛋白质、淀粉等均具有C-H官能团，因此蛋白和淀粉等成分综合变化较为显著。在上述分析基础上，本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。将180份样本光谱按照3∶1随机抽取135个样本作为训练集，其余样本作为测试集。选择核函数为径向基函数，通过网格搜索法进行参数寻优得到惩罚参数为8，核参数为0.008 974 2时，训练集和测试集的识别正确率可达99.26％和99.78％。实验结果表明：近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度，为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。     

太赫兹时域光谱及成像技术在农作物品质检测中的应用研究进展

太赫兹辐射以其独特的技术优势,如瞬时性、宽带性、相干性、低能量性、穿透性和吸收性,受到了全世界各国政府、高等院校、科研机构等的高度重视并日趋成为生物医学、材料科学和物理学等领域的新兴研究热点。农作物成分如水分、蛋白、脂肪、淀粉等理论上在太赫兹谱区有较为丰富的吸收;太赫兹波的低辐射特性对农业生物样本检测更为安全;太赫兹波的穿透特性对带包装样本、包衣样本的检测又独具优势;太赫兹时域光谱与成像技术结合还可以进一步对农作物样本的组织形态进行辨别评价,因此太赫兹波技术逐渐成为农作物品质检测领域一项极具应用潜力和应用前景的前沿分析技术。简述了太赫兹时域光谱及成像技术的基本原理,聚焦于太赫兹时域光谱及成像技术在农作物品质检测领域的应用研究现状,对该技术在农作物种子质量鉴别（如品种、转基因和活力）、农作物成分分析（如糖类、水分和淀粉）,农作物贮藏品质判别（如新陈度、劣变和虫蚀）以及在农产品安全检测（如农药残留、非法添加物和异物）方面的新近研究工作和进展进行归纳总结,并展望了该技术在农作物品质检测领域的应用前景和发展趋势。     

基于近红外特征光谱的番茄苗氮含量快速测定方法研究

为了提高近红外光谱技术快速测定番茄苗氮含量的准确度和稳健性, 比较分析竞争自适应重加权采样法(CARS)、蒙特卡罗无信息变量消除法(MCUVE)、向后间隔偏最小二乘法(BiPLS )和组合间隔偏最小二乘法(SiPLS)四种特征波长挑选方法, 筛选与番茄苗氮含量相关的特征光谱。在十种不同氮素处理水平下(尿素溶液浓度0～120 mg·L-1), 培育60株番茄苗样本(每个处理6株), 使其分别处于不同程度的过量氮素、氮素适度、缺氮素和无氮素状态。分别采集每株番茄苗样本的叶片, 扫描其12 500～3 600 cm-1波段的近红外光谱。比较四种方法所建立的番茄苗氮素定量分析模型可知: CARS和MCUVE挑选的特征变量所建定标模型的性能比BiPLS和SiPLS挑选的特征变量所建定标模型的性能更优, 但是预测性能远低于后者。其中, 基于BiPLS建立的番茄苗氮素含量预测模型性能最佳, 相关系数(r)、预测均方根误差(RMSEP)和性能对标准差之比(RDP)分别为0.952 7, 0.118 3和3.291 0。因此, 近红外光谱技术结合特征谱区筛选可以有效地提高番茄苗叶片氮素含量的定量分析模型指标, 使模型更实用化。但是, 特征波长挑选方法不具有普适性。基于单个波长变量筛选的方法所建立的模型较为敏感, 更适用于样本状态较为均匀的待测对象;而基于波长区间筛选的方法所建的模型相对抗干扰性更强, 更适用于样品状态不均匀, 重现性较差的待测对象。因此, 特征光谱筛选只有与样本状态及建模指标结合, 才能使其在建模过程中发挥更好的作用。     

直接标准化算法在食用油酸值和过氧化值上的近红外光谱模型转移的研究

良好的食用油品质的近红外光谱定量分析模型以及不同仪器间的模型共享,能够提高模型间的利用率,可以满足食用油行业的发展需要。目的是探究直接标准化算法在食用油酸值和过氧化值两个指标上的模型转移。实验样本为大豆油、花生油、芝麻油、玉米油共计50个样本。实验仪器为VERTEX 70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。一共进行了三组实验,第一组选取主仪器VERTEX 70和从仪器AntarisⅡ(光纤探头部件);第二组选取主仪器VERTEX 70和从仪器结合主仪器AntarisⅡ(透射部件),第三组选取主仪器AntarisⅡ(透射部件)和AntarisⅡ(光纤部件)。利用直接标准化算法,结合主仪器上的偏最小二乘法校正模型,针对从仪器上的食用油酸值和过氧化值的近红外光谱模型,进行了模型转移研究。研究表明,在同为光纤探头扫描的实验仪器VERTEX 70和AntarisⅡ(光纤探头部件)间,模型转移前酸值和过氧化值预测均方差分别为54.675 6和1 912.219 4,使用直接标准化算法后预测均方差分别下降到0.560 13和4.836。在食用油酸值和过氧化值指标上直接标准化算法对相同原理的仪器有较好的转移效果。与过氧化值相比直接标准化算法在酸值指标上的模型转移效果较好。该研究结果对于食用油品质的快速分析模型的广泛应用具有重要意义。     

基于光谱及成像技术的种子品质无损速测研究进展

种子是农业生产过程的重要生产资料。种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题。种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题。种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力。种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产。种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障。对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要。因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用。进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征。基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理。进而对种子品质无损快速检测的技术特点进行了总结与展望。     

激光共聚焦显微拉曼快速测定食用调和油脂肪酸

目的:采用激光共聚焦显微拉曼光谱技术快速测定食用调和油饱和脂肪酸(Saturated fatty acids,SFA)、单不饱和脂肪酸(Monounsaturated fatty acids,MUFA)和多不饱和脂肪酸(Polyunsaturated fatty acids,PUFA)含量及比例。方法:通过导数预处理净化拉曼光谱信息,采用偏最小二乘法建立优化后的SFA、MUFA、PUFA的拉曼定量预测模型,为计算脂肪酸比例提供准确的数据基础。结果:SFA、MUFA和PUFA定量分析模型的决定系数R2均大于0.99,相对分析误差RPD均大于3,表明模型具有较高的稳定性和良好的预测能力。结论:激光拉曼光谱法结合化学计量学方法可以快速、准确地测定食用调和油SFA、MUFA、PUFA含量及比例,为快速检测食用调和油品质提供切实可行的检测手段。     

基于近红外特征光谱的番茄苗氮含量快速测定方法研究

为了提高近红外光谱技术快速测定番茄苗氮含量的准确度和稳健性,比较分析竞争自适应重加权采样法(CARS)、蒙特卡罗无信息变量消除法(MCUVE)、向后间隔偏最小二乘法(BiPLS)和组合间隔偏最小二乘法(SiPLS)四种特征波长挑选方法,筛选与番茄苗氮含量相关的特征光谱。在十种不同氮素处理水平下(尿素溶液浓度0~120mg·L-1),培育60株番茄苗样本(每个处理6株),使其分别处于不同程度的过量氮素、氮素适度、缺氮素和无氮素状态。分别采集每株番茄苗样本的叶片,扫描其12 500~3 600cm-1波段的近红外光谱。比较四种方法所建立的番茄苗氮素定量分析模型可知:CARS和MCUVE挑选的特征变量所建定标模型的性能比BiPLS和SiPLS挑选的特征变量所建定标模型的性能更优,但是预测性能远低于后者。其中,基于BiPLS建立的番茄苗氮素含量预测模型性能最佳,相关系数(r)、预测均方根误差(RMSEP)和性能对标准差之比(RDP)分别为0.952 7,0.118 3和3.291 0。因此,近红外光谱技术结合特征谱区筛选可以有效地提高番茄苗叶片氮素含量的定量分析模型指标,使模型更实用化。但是,特征波长挑选方法不具有普适性。基于单个波长变量筛选的方法所建立的模型较为敏感,更适用于样本状态较为均匀的待测对象;而基于波长区间筛选的方法所建的模型相对抗干扰性更强,更适用于样品状态不均匀,重现性较差的待测对象。因此,特征光谱筛选只有与样本状态及建模指标结合,才能使其在建模过程中发挥更好的作用。     

基于Si-cPLS的小麦种子发芽率近红外模型优化研究

为了提高近红外光谱技术快速测定小麦种子发芽率的准确度和稳健性,比较分析了基于全光谱的单一偏最小二乘(PLS)模型和多模型共识PLS模型(cPLS)性能,并提出了基于特征光谱的多模型共识PLS模型(Si-cPLS)。实验收集84份小麦种子,通过SPXY法将样本集划分为训练集样本66个,预测集样本18个。从训练集中随机抽取50个样本作为校正集建立一系列PLS子模型,选取其中性能较好100个子模型作为成员模型建立cPLS模型,取成员模型预测结果的均值来分析未知样本。在此基础上,采用组合间隔偏最小二乘法(SiPLS)筛选特征谱区建立多模型共识PLS模型(Si-cPLS)。各模型均采用均值中心化预处理方法,PLS模型、cPLS模型以及Si-cPLS模型对预测集的小麦种子发芽率进行50次重复预测的平均相关系数r分别为0.935,0.949和0.967,平均预测均方根误差RMSEP分别为13.735%,12.533%和10.273%,RMSEP的标准偏差分别为1.144%,0.096%和0.08%。实验结果表明cPLS模型较单一PLS模型更加稳定可靠,而基于特征光谱的Si-cPLS模型则进一步提高了cPLS的稳定性与预测精度,为建立性能优秀的小麦种子发芽率近红外模型提供了新思路。