黄绿色葡萄石的矿物学特征及谱学研究

葡萄石可以以板状、片状、葡萄状、肾状、放射状或块状集合体的形式产出,因其美丽的外观和特殊的晶体结构,近年来受到了学者的广泛关注。本文通过电子探针、粉晶X射线衍射仪、傅里叶变换红外光谱仪、显微拉曼光谱仪、紫外可见分光光度计等仪器对黄绿色葡萄石的成分、结构及谱学特征进行了分析与探讨。葡萄石的主要致色元素为Fe,且Fe³⁺经常取代Al³⁺占据八面体配位,Fe²⁺经常取代Ca²⁺存在于空隙中。电子探针数据表明:Fe与Al的含量变化整体呈现负相关关系,Fe与Ca的含量变化也整体呈现负相关关系,Fe含量相对较高的样品其黄绿色调加深。XRD图谱和拉曼光谱的结果表明:在葡萄石中绿帘石以包裹体的形式存在。红外光谱和拉曼光谱表明葡萄石中存在硅氧四面体和铝氧八面体两种架构,紫外可见吸收光谱揭示了葡萄石的致色机理。本文对葡萄石的矿物学特征及谱学特征进行系统分析,为后续葡萄石的进一步研究提供思路与实验数据。     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据，实现定性或定量分析的无损检测方法，特征数据的完整性和代表性决定了所建模型的性能，而现有分析方法只能实现光谱子区间特征筛选，导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取，有效提高近红外光谱定性分析模型的精度和稳定性，提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法，并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究，讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现，云南产鲜松茸因其独特外形易于分辨，而片状的干松茸失去其独有的外形特征，导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析，采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据，剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上，利用LASSO筛选出全光谱区间的特征变量，再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法，构建松茸真伪甄别模型和食用菌分类模型，对两种模型进行盲样测试，并分析了LASSO与PCA算法的不同点，最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法，其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN)，食用菌分类模型准确率为67.39% (BP)和65.22% (KNN)，基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN)，食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN)，对两种模型进行10次蒙特卡罗实验，其结果平均值分别为99.93%和97.22%，由此可知，与PCA等数据降维算法相比，LASSO可实现全光谱区间的光谱特征选择和数据降维，有效地提高了近红外定性分析模型的预测性能，为近红外分析提供了一种新的特征筛选方法。     

基于深度跳跃级联的图像超分辨率重建

针对模型VDSR(very deep super resolution)收敛速度慢,训练前需要对原始图像进行预处理,以及网络中存在的冗余性等问题,提出了一种基于深度跳跃级联的单幅图像超分辨率重建(DCSR)算法。DCSR算法省去了图像预处理,直接在低分辨率图像上提取浅层特征,并使用亚像素卷积对图像进行放大;通过使用跳跃级联块可以充分利用每个卷积层提取到图像特征,实现特征重用,减少网络的冗余性。网络的跳跃级联块可以直接从输出到每一层建立短连接,加快网络的收敛速度,缓解梯度消失问题。实验结果表明,在几种公开数据集上,所提算法的峰值信噪比、结构相似度值均高于现有的几种算法,充分证明了所提算法的出色性能。     

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

基于i PLS的矿井突水激光诱导荧光光谱特征波段筛选

矿井突水一直威胁着煤矿井下施工人员的生命安全，准确且快速识别矿井突水水源类型对于矿井的安全生产起到关键性作用。激光诱导荧光(LIF)光谱技术识别矿井突水水源，有效避免了常规的水化学法需要测定多种化学参数，水源识别时间过长的缺点。提出一种间隔偏最小二乘法(iPLS)与粒子群联合支持向量分类算法(PSO-SVC)相结合的方法，iPLS算法常应用于光谱波段优选和模型的回归分析，PSO-SVC则在机器学习领域有着重要的应用，激光诱导荧光技术具有快速的时间响应、测量精度高等特点，iPLS和PSO-SVC算法运用于光谱图和光谱数据的分析，进而可以对突水水源类型识别分类。首先，用淮南矿区采集到的7种(每种水样30组)共210组荧光光谱数据进行实验，对老空水、灰岩水、灰岩水和老空水不同体积比混合水样的激光诱导荧光光谱图的差异性进行分析。比较了留出法和Kennard-Stone样本划分方法所得到的PSO-SVC模型分类准确率，采用留出法得到的训练集水样(140组)和测试集水样(70组)作为实验样本。其次，用iPLS算法将全光谱波段依次按10～25波段区间进行等分，选取划分区间的RMSECV(交叉验证均方根误差)值小于全光谱波段RMSECV值(阈值)的波段作为特征波段，结合光谱图对比分析了划分10和14个子区间的建模结果，发现通过直接观察得到的特征波段与iPLS算法筛选出的特征波段存在误差。最后，在不进行去噪、降维等预处理条件下，根据iPLS划分不同区间数的评价指标统计数据，选取划分11个区间所筛选出具有561个波长点的410.078～478.424和545.078～674.104 nm特征波段范围数据作为PSO-SVC模型的输入，以iPLS结合PSO-SVC算法筛选出的特征波段与全光谱波段、直接观察得到波段建模准确率相比，训练集与测试集的分类准确率高达100%，PSO寻优到的最佳惩罚系数c为1.367 0，核函数参数g为0.576 2。从实验结果可以看出，利用iPLS进行荧光光谱的特征波段筛选是切实可行的，提取出的特征波段能充分反映出全光谱波段的有效信息，为激光诱导荧光光谱技术用于矿井突水水源精准在线识别的研究提供了理论依据。     

利用拖线阵运动特性的阵形估计方法

有效估计阵形是提高机动条件下拖线阵声呐探测性能的关键,流体力学类阵形估计方法稳定性和可靠性欠佳,导致其难以应用于工程实际,该文针对此问题提出一种基于拖线阵运动特性的阵形估计方法。利用稳态振荡响应公式计算拖船回转机动时拖线阵稳态阵形特性,将转向机动过程中阵上各点运动状态划分为若干阶段,进而依据偏微分方程特征线理论计算各阶段的分界时刻,探究阵上相邻两点的沿阵切线方向差变化规律,最后通过计算当前阵上各点的沿阵方向实现阵形估计。计算机仿真和海上实验数据验证表明算法可行且有效,与传统的流体力学类阵形估计方法相比具有更高的稳定性和更好的工程应用前景。