基于高光谱技术的土壤水分无损检测

利用高光谱成像仪(光谱范围400～1 000 nm)对土壤含水率进行了无损检测。比较了208个土样不同天数下土壤含水率与光谱变化、不同质量含水量光谱的差异;对比分析了不同光谱预处理方法、不同方法提取特征波长、采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)与偏最小二乘回归(partial least squares regression,PLSR)建模,优选出最佳模型。结果表明：光谱曲线的反射率随着土壤含水率的增加而减小。当超过田间持水率时,光谱曲线的反射率会随着土壤含水率的增加而增大。对比分析了不同预处理方法,近红外波段优选出单位向量归一化预处理方法。采用无信息变量消除法(UVE)、竞争自适应加权采样(CARS)、β系数法、连续投影算法(SPA)方法提取特征波长为49,30,5和7。为了减少数据冗余,对UVE与CARS提取的特征波长进一步采用SPA方法进行特征提取,UVE+SPA,CARS+SPA提取特征波长数分别为5和8个。在此基础上,利用MLR,PCR和PLSR方法对400～1 000 nm范围的特征波长建立模型,对比分析不同建模效果,优选出β系数提取的特征波长的MLR模型。最优的特征波长为411,440,622,713和790 nm,最优模型的预测相关系数R_p=0.979,预测均方根误差RMSEP为0.763。因此,今后可采用不同波段对土壤含水率进行定量分析。     

高光谱技术结合特征波长筛选的牛肉品种多波段识别

利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术结合特征波长筛选方法对安格斯牛、力木赞牛、西门塔尔牛3个品种的牛肉进行鉴别研究,且测定肉样的色泽、嫩度、pH值以及水分、脂肪、蛋白质含量。根据不同波段光谱的特点,分别对原始光谱进行预处理,并利用SPA、IRF和IRF-SPA方法筛选特征波长,建立基于全波段及特征波长下的PLS-DA牛肉品种鉴别模型。结果显示:400～1 000 nm波段采用SNV-IRF-SPA-PLS-DA方法建立的模型最优,校正集与预测集准确率分别为98.56%和97.12%,900～1 700 nm波段采用SG-SPA-PLS-DA方法建立的模型准确率为94.09%和96.04%,说明不同波段高光谱对牛肉品种识别均有较好的效果;400～1 000 nm波段的识别准确率优于900～1 700 nm,说明3种牛肉在色泽纹理上的差异比成分含量显著。研究表明,利用高光谱成像技术结合特征波长筛选方法能够获得较好的牛肉品种鉴别效果。     

基于NIR高光谱成像技术的长枣虫眼无损检测

为了研究快速识别虫眼枣与正常枣的有效方法,利用特征波长主成分分析法结合波段比算法进行虫眼枣识别。首先,利用NIR高光谱成像系统采集130个长枣(50个正常、80个虫眼枣)图像,提取并分析不同类型长枣特征区域的平均光谱曲线,对970~1 670 nm范围内的光谱数据进行主成分分析,确定7个特征波长(990,1 028,1 109,1 160,1 231,1 285,1 464 nm)。然后,对长枣图像做主成分分析,选择PC2图像进行虫眼识别,虫眼与正常枣的识别率分别为67.5%、100%。为了进一步提高虫眼枣的识别率,采用波段比(R1231/R1109)对未识别的虫眼枣进行再次识别,识别率提高到90%。结果表明,基于NIR高光谱成像技术的检测方法对虫眼枣识别是可行的,同时也为多光谱成像技术应用于在线检测长枣品质提供了理论依据。     

Delayed range-gating super-resolution imaging lidar with high accuracy

We present a range-gating delayed detection super-resolution imaging lidar with high accuracy based on the signal intensities of three consecutive delay samples. The system combines the range and signal intensity information from multi-pulse detections to calculate the pulse peak position under the assumption of a Gaussian pulse shape. Experimental results indicate that the proposed algorithm effectively calculates pulse peak position and exhibits excellent accuracy with super-resolution. Accuracy analysis shows that accuracy is best improved by enhancing signal-to-noise ratio, strategically selecting samples, reducing pulse width, and appropriately choosing the delayed periods between samples.     

高光谱技术的羊肉品种多波段识别研究

利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术对宁夏地区滩寒杂交、盐池滩羊、小尾寒羊三个品种羊肉进行识别研究。针对不同波段光谱特点,分别优选出Baseline及SG卷积平滑光谱预处理方法,并运用连续投影算法(SPA)提取特征波长,结合线性判别分析(LDA)及径向基核函数支持向量机(RBFSVM)模型进行全波段及特征波长识别分析。结果表明不同波段高光谱对羊肉品种识别均获得较好效果,其中400～1 000 nm波段采用Baseline-Fullwave-RBFSVM及12个特征波长下准确率为100%与98.75%,900～1 700 nm波段采用Baseline-Fullwave-RBFSVM及7个特征波长下准确率为96.25%与87.80%;RBFSVM非线性分类准确率高于LDA线性判别结果,400～1 000 nm波段识别准确率优于900～1 700 nm波段,说明三种羊肉在色泽纹理上差异比成分含量显著,利用高光谱成像技术结合RBFSVM方法能够获得较优的羊肉品种识别效果。     

基于高光谱成像技术的不同时期番茄植株的快速无损判别研究

利用近红外高光谱成像技术对不同浓度盐胁迫下的番茄叶片进行了定性判别。采集192个叶片样本的平均光谱反射率数据,并对原始光谱数据分别进行多元散射校正（MSC）、标准正态化（SNV）、正交信号校正（OSC）、相关优化偏移（COW）4种预处理,建立了偏最小二乘回归（PLSR）模型。建模结果显示：OSC预处理光谱的建模效果最优。分别采用间隔变量迭代空间收缩法（iVISSA）、间隔随机蛙跳法（IRF）、遗传偏最小二乘算法（GAPLS）、竞争性自适应加权算法（CARS）、变量组合集群分析（VCPA）等方法提取特征波长,建立PLSR模型。结果表明：VCPA提取特征波长所建立的模型最优。将VCPA法提取的11个特征波长（945、975、990、1 002、1 005、1 067、1 204、1 326、1 595、1 642、1 660 nm）用于建立番茄叶片定性判别预测模型,最优预测模型的决定系数（R2P）与预测均方根误差（RMSEP）分别为0.917、0.456。该研究为在线监测植物长势提供了技术支撑。     

通过绝热过程实现任意一原子态的隐形传态(英文)

我们利用腔场和激光相互作用,提出一个冗余的、对消相干不敏感的方案,来传输任意一个三能级原子的态.由于原子自发跃迁和腔延迟作用会造成信息丢失,通过用部分绝热过程和适当的原子场耦合的设计,信息丢失能够被有效的抑制,此方案传送成功的几率是0.5,保真度是1.     

分光光度法测定空气中甲醛不确定度评定

采用分光光度法测定空气中甲醛,对测定结果的不确定度进行评定。采用酚试剂分光光度法测定空气中甲醛,分析测定过程中的各项不确定度来源,包括样品采集、标准工作溶液配制、标准工作曲线拟合、测定仪器以及重复测定等引入的不确定度,计算合成不确定度,最后获得相对扩展不确定度。当空气中甲醛质量浓度为0.0244~0.2218 mg/m^3时,测定结果在95%置信区间时的相对扩展不确定度为0.1172(k=2)。不确定度主要来源于A类不确定度和系列标准工作溶液制备、标准工作曲线拟合、水中甲醛溶液标准物质的稀释引入的不确定度。     

基于高光谱成像技术的长枣不同保藏温度的可溶性固形物含量检测方法

应用高光谱成像技术对不同保藏温度的灵武长枣的可溶性固形物含量进行预测模型建立。提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影法(SPA)选择特征波长,对4℃冷藏光谱提取13个特征波段(421,426,512,598,641,670,675,723,814,906,944,978,982 nm),对常温保藏光谱提取12个特征波段(425,507,555,598,673,680,685,718,809,910,954,978 nm)。对于MSC处理、MSC+SPA处理、Savitzky-Golay平滑处理和SNV 4种预处理方法,筛选出的最优预处理方法是冷藏采用MSC处理、常温采用MSC+SPA处理。对应这两种最优预处理方法,分别建立偏最小二乘法(PLSR)、支持向量机(SVM)、主成分回归(PCR)3种预测模型。在以上获得的6个预测模型中,得出冷藏、常温保藏的最优模型分别为MSCPLSR模型(R2C:0.852,RMSEC:0.940;R2P:0.857,RMSEP:0.894)和MSC+SPA-PLSR模型(R2C:0.872,RMSEC:0.866;R2P:0.787,RMSEP:1.007)。结果表明:利用高光谱成像技术,结合多种预测模型建立,能够测定不同保藏温度下的灵武长枣可溶性固形物含量,实现对灵武长枣准确快速的无损检测。     

一道课本概率习题 三种流行解法辨析

高中数学教材（人教A版）选修2—3第60页有这样一道习题： 题目 甲、乙选手比赛,假设每局比赛甲胜的概率为0．6,乙胜的概率为0．4,那么采用3局2胜制还是采用5局3胜制对甲更有利？你对局制长短的设置有何认识？