高光谱成像鉴别玉米品种早期抗倒性

针对传统玉米品种抗倒性鉴别方法费时费力、时效滞后的问题,采用高光谱成像数据结合机器学习方法对9叶期的玉米品种抗倒性进行鉴别,并给出适于进行玉米品种抗倒性鉴别的种植密度和建模方法。试验设置了5 000,7 000和9 000株·亩-13个种植密度和6个典型的抗倒/不抗倒玉米品种,采集9叶期玉米顶叶的高光谱图像,使用目标区域分割的方式自动进行光谱图像反射率校正和目标光谱曲线提取。对采集的样本数据使用Kennard Stone算法划分样本训练集和测试集,用主成分分析法(PCA）和连续投影算法（SPA）提取光谱特征,建立了基于高斯核函数的支持向量机（SVM）模型并进行参数训练和优化。通过对不同种植密度下各特征提取方法的效果和各模型训练效果及其预测结果的对比,找到进行玉米抗倒性鉴别的最佳种植密度和建模方法。试验结果表明：在各种植密度下PCA方法对光谱特征的降维效果最为显著,而SPA算法选择的特征波长分布比较均匀、抗倒性分类特征比较明显;种植密度的增加对于玉米品种抗倒性的鉴别是有益的,在种植密度为7 000株·亩-1时,使用SPA-SVM方法建立的模型训练效果和预测结果最佳,此时模型对训练集数据的10折交叉验证正确率为97.40%,对测试集数据的预测正确率为98.33%。     

电弧及辉光微等离子体大气压取样的发射光谱研究

在线化学分析需要实现开放环境下的样品取样和电离/激发。相比于激光切削或者激光诱导击穿,大气压微等离子体系统结构简单,更利于小型化。因而基于大气压微等离子体的在线化学分析技术引起行业的广泛关注。为了确定合适的微等离子体源进行样品的在线元素检测,需要进一步了解各放电模式及工作参数下微等离子体的自身特性以及取样效果。该工作主要研究了电弧及辉光放电微等离子体在大气压下对样品铁取样发射光谱的特性。实现了在开放环境下对高熔点金属样品的在线检测,并发现电弧放电微等离子体与光谱分析源联用具有更高的取样效率。高采样效率的电弧放电微等离子体源为实现金属及难解离样品的检测提供了一种新的方法。同时,相较于传统的取样装置,避免了复杂的样品制备、样品传输过程。实验装置采取简单的针对板放电结构,分别利用高压脉冲电源、直流电源获得电弧放电和辉光放电。实验的结果表明,在放电功率近似相等的条件下,电弧放电产生的微等离子体对样品铁取样的光学发射谱中,样品元素的特征谱线占据主导地位,同时伴随有空气中氮气的谱线,而且铁离子(FeⅡ)谱线的相对强度显著高于氮气分子谱线的相对强度。而在直流辉光放电中,样品铁原子(FeⅠ)谱线相对强度非常不明显。由此说明,电弧放电产生的微等离子体具有更高的采样效率。放电在样品表面留下的溅射坑也得出了相同的结论。增加辉光放电电流到25 mA,发现样品元素铁的谱线仍然没有明显的增强。同时,也研究了采样间距对两种采样模式的影响。实验结果表明,间距对两种模式的采样光谱没有显著的影响。采用主要成分为铝的合金铝箔进行了上述对比实验,得出相同的结论,即电弧放电微等离子体更适合作为光谱分析源来实现对金属样品的实时快速检测。