基于近红外光谱的柔性基底紫外臭氧改性效果表征研究

近年来,随着纳米科技、聚合物材料和先进制造技术的发展,以柔性传感器为代表的新兴柔性电子器件在可穿戴、健康医疗、物联网终端等领域发挥着越来越重要的作用。作为柔性电子器件的载体,柔性基底对传感器的机械可靠性和电学传感性能等方面有着重要的意义。但由于其表面非极性键造成的高疏水性限制了功能性材料在其表面的沉积,常常造成柔性基底层与电极层/敏感层之间不稳定的界面结合。因此,利用紫外臭氧处理对柔性基底表面改性受到了广泛的关注。利用近红外光谱技术对柔性基底的紫外臭氧处理效果进行快速精准评估,旨在从基团分子层面探究其改性效果,在实际应用中是对传统依靠接触角测量评估方法的有效补充。具体而言,对四种常见的柔性基底材料聚二甲基硅氧烷(PDMS)、聚萘二甲酸乙二醇酯（PEN）、聚对苯二甲酸乙二醇酯（PET）和聚酰亚胺（PI）进行了1/2/5/10 min不同时长的紫外臭氧（UVO）改性处理,并利用近红外光谱对其改性效果进行表征研究,最后利用接触角测量方法对上述的表征结果进行了验证分析。近红外光谱分析表明：对于柔性PDMS基底,紫外光能量不足以切断其中的甲基（—CH₃）官能团和（—C—Si—）等化学键,无法引入羟基、羧基等亲水性基团。对于柔性PEN和PET基底而言,紫外臭氧处理的效果要优于柔性PDMS基底,且对柔性PET基底的处理效果要优于柔性PEN基底,其原因可能是PEN基底材料中萘环的双环结构具有很强的紫外光吸收能力,阻隔了380 nm以下的大部分紫外线能量。对于柔性PI基底,紫外臭氧处理可以有效引入羟基（—OH）和羧基（—COOH）等活性基团,且这些官能团的强度和数量随着处理时间的增加而增加,从而在短时间内使得PI基底表面能增大、接触角减小、湿润性提高。接触角测试结果验证：紫外臭氧处理对于柔性PDMS基底处理效果不明显（接触角下降幅度为8.4%）;对柔性PET基底处理的效果（接触角下降幅度为39.6%）要优于柔性PEN基底的处理效果（接触角下降幅度为9.4%）;紫外臭氧处理的效果对柔性PI基底处理效果最佳,接触角下降幅度达到了62.7%。     

基于DEA-Malmquist方法珠江-西江经济带城市化效率及影响因素

运用DEA-Malmquist方法和R/S分形法测度了珠江-西江经济带2005-2015年城市化效率及演进趋势,再采用面板数据Tobin模型对城市化效率的影响因素进行分析.结果表明,2005-2010年珠江-西江经济带城市化效率大幅下降是由规模效率下降引起的,而2010-2015年城市化效率上升主要由纯技术效率和规模效率同时上升导致;2005-2015年该经济带城市化效率整体呈现波动上升态势且未来呈继续增长的趋势,上升的主要原因是有效的技术进步变化;影响因素方面分析,城市人口密度、政府作用和第三产业对城市化效率的影响为正向,其中城市人口密度的影响明显大于后两者,外商投资对城市化效率影响为负,但影响不显著.     

TiSiN/Ag纳米多层涂层的抗菌及摩擦学性能研究

采用多弧离子镀技术,在Ti-6Al-4V合金表面沉积TiSiN/Ag纳米多层涂层和TiSiN涂层,研究沉积涂层的结构、抗菌及摩擦学性能.利用X射线衍射仪(XRD),X射线光电子能谱仪(XPS)和透射电子显微镜(TEM)表征涂层的成分和结构,用纳米压痕仪测试涂层的硬度.采用Rtec往复式摩擦磨损试验机对涂层在海水环境中的摩擦学性能进行研究,评价了涂层对大肠埃希氏菌和枯草芽孢杆菌的抗菌性能.结果表明:与TiSiN涂层相比,TiSiN/Ag多层涂层表现出较低的摩擦系数;两种涂层在海水中磨损率远小于Ti-6Al-4V基底,其中,TiSiN/Ag多层涂层比TiSiN涂层在海水环境中表现出较低的磨损率;对TiSiN/Ag多层涂层进行24 h抗菌试验后,该涂层对大肠杆菌和枯草芽孢杆菌的抑菌率分别达到99.98%和100%.     

“赤霞珠”葡萄叶片缺磷胁迫的VIS/NIR光谱快速无损诊断方法

研究旨在明确“赤霞珠(Cabernet Sauvignon, Vitis Vinifera L.)”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化,构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型,为葡萄园病害防治与管理提供理论参考和技术支持。以酿酒葡萄“赤霞珠”葡萄叶片为研究对象,分别采集了正常、缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。对比Savitzky-Golay卷积平滑(S-G Smoothing)、移动平均平滑(MAS)、标准正态变换(SNV)和多元散射校正(MSC)4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力,确定最佳预处理方法。采用连续投影法(SPA)筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量,分别构建基于线性核函数(Linear)、多项式核函数(Poly)、径向基核函数(RBF)和二层神经网络核函数(Sigmoid)的支持向量机(SVM)模型,以灵敏度(SEN)和准确率(CCR)为依据评估模型诊断性能,形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。S-G Smoothing预处理后的光谱信号的信噪...     

红肉质量的高光谱无损检测研究进展分析

随着小康社会的全面建成，居民对生活水平的要求已经从温饱过渡到高质量，特别是对饮食安全问题尤为重视，但是“变质肉”、“掺假肉”、“添加肉”和“注水肉”等食品质量安全事故频发，已经严重威胁到了我国居民生命安全并阻碍了市场良性发展。目前，红肉质量检测主要依托复杂的理化实验完成，对红肉产品具有强烈的破坏性，仅适用于市场监管部门的抽查。高光谱技术作为一种原位无损、高通量、快速的智能检测技术，为解决传统检测方法在红肉生产销售全产业链中缺乏操作可行性提供了有效的技术手段，可以极大的促进我国红肉质量安全监管体系的发展与健全。综述了近几年国内外关于红肉质量高光谱无损检测研究的最新进展：首先，总结了基于高光谱无损检测技术构建红肉质量无损检测模型的优缺点，其优势是具有图谱合一、高分辨率等特性，为模型多样性提供良好的数据基础；其劣势是高光谱数据的冗余度高、信噪比低、非线性强，对模型效率造成一定影响。然后，重点分析了红肉质量无损检测建模中关键算法的研究进展：（1）感兴趣区域一般通过手动获取，感兴趣区域的自动分离方法是目前研究的重点之一；（2）光谱预处理算法主要通过观察光谱信号或根据建模效果反推选择，目前还未形成标准通用的预处理算法；（3）综合红肉光谱和图像特征，能够全面反映红肉的质量特性，为建模提供了良好的数据基础；（4）线性模型的发展应用较为成熟，稳定性较好，但是面向复杂的红肉质量检测环境，非线性模型的研究潜力更加良好。最后，通过综述近几年红肉质量的高光谱无损检测研究成果，展望了未来的研究中，提高算法自动化、充分利用图谱信息、加强非线性模型的应用将成为重点研究方向。     

可见光谱图像联合区间的黄瓜白粉病分割与检测

黄瓜白粉病是黄瓜病害中爆发频率较高的一种,传播速度极快,常常导致产量降低,无法获得预期的经济效益。特别是在病害爆发严重的年份,黄瓜减产量高达20%。提出了一种基于可见光谱图像联合区间的偏最小二乘回归判别模型（SI-PLSR）,用于黄瓜白粉病无损检测。采用Canon EOS 800D和Ocean Optics USB2000+光纤光谱仪采集了200个黄瓜白粉病感病叶片的可见光谱图像和反射率曲线。首先,采用基于小波降噪和H分割的分水岭分割算法从实时采集的黄瓜白粉病感病叶片可见光谱图像中提取目标叶片;其次,通过高斯拟合优化的Otsu算法分割目标叶片的可见光谱图像,获取白粉病病斑;然后,对350~1 100 nm全波段光谱反射率曲线建立偏最小二乘回归模型并计算交叉验证均方根误差RMSE_CV,同时将全波段等分为20个子区间,分别建立偏最小二乘回归模型,选取RMSE_CV小于全波段反射率曲线建模RMSE_CV的子区间组成联合区间;最后,将光谱联合区间与白粉病病斑分割结果融合建立SI-PLSR模型。从实验结果可知,感病目标叶片的提取成功率高达94.00%,200幅感病叶片可见光谱图像中成功提取188幅,其中157幅目标叶片的完整性参数高于95%,31幅目标叶片完整性参数在90%~95%之间。188幅目标叶片的病斑分割结果显示,平均错分率为5.81%,其中平均False negative为1.55%,平均False positive为4.26%。对20个子区间分别建立偏最小二乘回归模型发现,第5,6,7,11,12,13和19子区间的RMSE_CV值小于全波段光谱反射率曲线建模的RMSE_CV值,说明这7个子区间的光谱信息对白粉病的判别有较大的贡献,这与呈现波峰的470~520,530~580和700~780 nm波段相对应,因此选取这7个子区间的光谱反射率曲线建立联合区间。对联合区间建立SI-PLSR模型,其主成分数为7,校正集和验证集的相关系数和标准误差分别是0.975 2,0.907 3和0.919 5,1.091。与全波段PLSR模型相比,SI-PLSR的相关系数更接近于1,且标准误差更小。结果表明,所提出的SI-PLSR模型有效去除了可见光谱数据中冗余信息,加强了模型的稳定性,可以实现对黄瓜白粉病的快速无损准确识别,为黄瓜病害诊断提供了方法和参考依据。     

基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究

以黄瓜叶部病害作为研究对象,基于可见光谱反射率差异识别黄瓜叶部病害,研究基于SVM的黄瓜叶部病害识别预测模型。采用小波变换进行数据预处理;选取Otsu、边缘分割法和K均值聚类三类分割方法进行病斑分割,比较错分率和运行时间,K均值聚类方法更适合黄瓜叶部病斑分割;提取纹理、颜色和形状特征参数,共15个特征参数;通过交叉验证选择最优参数c和g,对核函数参数进行优化处理,并通过比较线性核、多项式核、RBF核等不同核函数情况下SVM的正确识别率,确定RBF核SVM模式识别方法能够更精准地识别黄瓜叶部病害。并将基于SVM与另外两种常见的黄瓜叶部病害识别方法,BP神经网络和模糊聚类进行比较,结果表明,基于SVM的识别模型对霜霉病的正确识别率为95%,白粉病和褐斑病的正确识别率均为90%,平均诊断正确率为92%;该模式识别方法识别效果最佳,运行时间最短,为基于可见光谱的黄瓜病害识别模型提供参考。