基于成像光谱技术的作物杂草识别研究

杂草识别是变量喷雾和物理方法精确除草的前提。利用自主设计的地面成像光谱系统在自然环境下获取了胡萝卜幼苗以及马齿苋、牛筋草和地锦等杂草在380～760 nm波长区间的高光谱数据,通过对数据归一化消除光照条件的影响之后,运用逐步法进行波段选择,采用Fisher线性判别方法对杂草与胡萝卜幼苗进行了识别。结果表明,当把每种杂草都作为一类加以精细区分时,运用选择的8个波段建立模型对杂草和胡萝卜幼苗的识别率达85%左右;当把杂草整体作为一类与胡萝卜幼苗进行区分时,运用选择的7个波段识别率高于91%。同时为了设计低成本的杂草识别系统,通过穷举法选择最优的2和3波段组合,其中最优3波段组合对杂草胡萝卜幼苗的识别能力与逐步法选择的5个波段相当,整体识别率达89%。此外发现,红边波段对杂草有着显著的识别能力。     

苗期作物和杂草的光谱分析与识别

田间杂草信息是指导变量喷洒除草剂的依据,利用光谱特征识别杂草的方法在实时性方面具有明显的优势。本文利用傅里叶变换红外(FTIR) 光谱法测量并分析了小麦、小藜和荠菜等几种杂草在700～1 100 nm波长范围内的反射率,再运用SPSS统计软件进行判别分析。先把原始数据进行压缩和标准化处理,然后运用逐步判别分析法寻求特征波长点,最后以选定的特征波长点为变量建立判别模型进行判别分析。统计分析的结果表明: 运用选定的特征波长点建立判别模型识别小麦和杂草的正确识别率达到了97%;在680～750 nm“红边”附近的特征波长点较为显著;在一定范围内,正确识别率随着特征波长点个数的增加而增加。本研究选定特征波长点,选择适当的滤光片,并配合黑白摄像机对小麦和杂草进行了多光谱图像采集和分析。     

基于可见-近红外光谱分析的圆白菜与杂草识别研究

杂草的自动识别是实现作物草害精准施药的基础。利用ASD光谱仪采集两个品种的圆白菜及稗草、狗尾草、马唐、牛筋草和小藜等五种杂草在350～2 500nm波段内的冠层光谱反射率。根据光谱曲线特征,在不同波段内对数据进行不同程度的压缩,以提高运算效率;利用不同参数设置的Savitzky-Golay(SG)卷积平滑求导和多元散射校正方法(MSC)的不同顺序组合对光谱去噪,然后结合主成分分析法(PCA)提取主成分,建立模型,最后利用簇类的独立软模式(SIMCA)分类法对各种植物进行分类,并比较分类结果。试验结果显示利用MSC与3阶5次21点SG相结合的方法对光谱数据预处理后,运用PCA提取前10个主成分作为分类模型的输入变量,取得了100%的分类正确率,能够快速无损地识别圆白菜与几种常见杂草。     

基于光谱分析技术的黄瓜与茎叶识别研究

为了能够快速实时地识别温室中的黄瓜,研究了黄瓜和其茎叶的近红外反射光谱特性。利用近红外光谱仪在室内共采集138个样本(黄瓜46个,茎46个,叶46个)的反射光谱,进行Savitzky-Golay平滑后,抽取光谱中的108个样本作为校正集,采用偏差权重法选择信息量较大的光谱波段690~950 nm进行研究。在主成分分析(PCA)的基础上,结合马氏距离建立识别模型,剔除了7个异常样本。用剩余的101个样本进行偏最小二乘法建模,对校正集之外的30个样本进行预测。结果显示预测值和实际值的相关性达0.994 1,正确识别率达100%。说明黄瓜、茎和叶的近红外反射光谱特性之间有一定差异,可以用近红外光谱技术进行鉴别,为黄瓜识别提供了一种新的方法和思路。     

基于光谱和神经网络模型的作物与杂草识别方法研究

利用光谱技术来识别作物与杂草是精细农业中一个非常重要的研究内容,但光谱数据中含有大量冗余数据,如何预处理以及建立识别模型,是决定识别准确率的关键。利用在325～1 075 nm波段的光谱识别了三种杂草（牛筋草、凹头苋、空心莲子草）与大豆幼苗。在幼苗生长的第三周与第六周分别采集杂草与作物的光谱,共378个样本。用其中的250个光谱样本,包括第一期和第二期采集的光谱样本,在采用db12小波经过三层分解后,将其小波系数作为输入数据建模,构造了一个径向基函数神经网络。然后,利用余下的光谱样本检验该模型的识别能力。结果表明,该模型对作物与杂草光谱具有极强的识别能力,只有3个第二期的牛筋草样本被判断为空心莲子草,其余的样本全部正确识别。这个结果表明,采用可见/近红外光谱识别大豆幼苗与三种伴随生长的杂草是可行的,同时也说明,随着作物的生长阶段的不同,其光谱的变化不会影响到种类识别。     

基于荧光光谱法的钞票识别技术

以光栅光谱仪为基础,光电倍增管作为探测器,运用VC++语言设计了计算机采样界面,形成了荧光光谱分析的钞票识别光电系统。在紫光灯激发下,对钞票进行了荧光光谱特性分析,设计了基于荧光光谱分析的钞票识别光学系统、光电信号的检测和信号处理系统。测试结果表明：真假币的荧光光谱曲线有着明显的区别,它们的峰值分别为545nm和525nm。设计的荧光光电系统灵敏度高,可靠性好。     

FT-NIR光谱分析技术测定烟草中总氮、总糖和烟碱

应用傅里叶变换近红外（FT－NIR）光谱分析技术测定近1000个具代表性的烤烟样品的近红外光谱数据，采用PLS1数学方法建立了测定烤烟中总氮、总糖和烟碱含量的数学模型。通过对模型进行数理统计检验，在显著性水平为5％的条件下，其测定结果与流动注射分析（FIA）技术测定的结果对比，两者不存在显著性差异。该分析技术已应用于现场快速测定烟草中总氮、总糖和烟碱的含量，结果令人满意。     

光谱分析技术在作物生长信息检测中的应用研究进展

获取作物的相关生长信息可以预测作物的生长和健康状态,是实现作物生产管理智能化的基础。植物的生长信息获取技术主要包括利用其电学特性、光学特性和机器视觉技术等,随着光谱技术的发展,近红外光谱技术、多光谱技术和高光谱技术在作物生长信息的获取应用上开始大量应用,并显示了其分析速度快、效率高、成本低、无需制备样品等优点,已成为一种快速、无损的现代分析技术。文章介绍了国内外运用光谱分析技术在作物生长信息获取上的研究情况,并分析了该技术应用于作物生长信息获取时尚存在的问题和今后的研究方向,提出了进行作物生长实时、智能化管理的必要性,需要加快研制相关的光谱自动分析设备,提高作物生长信息获取的速度,最后指出了结合机器视觉技术、红外成像技术、光谱分析技术等多种技术进行作物生长多种信息获取是未来发展的趋势。     

基于可见光光谱分析的黄瓜白粉病识别研究

白粉病是黄瓜常见病害之一,传播速度极快,严重时可造成黄瓜大量减产,对其进行快速准确识别,对黄瓜白粉病诊断和防治具有重要意义,应用可见光谱技术,结合主成分分析和支持向量机算法,实现对黄瓜白粉病的快速识别。配制白粉病菌孢子悬浮液,并人工接种于科研温室内的黄瓜叶片上,以诱发黄瓜白粉病,待白粉病有一定面积暴发后,利用海洋光学USB2000+型便携式光谱仪对黄瓜叶片光谱信息进行采集,利用五点取样法采集样本,在5个检查点,每点选取2株黄瓜进行调查,每株选取4枚感病叶片,每枚叶片随机选取5个感病区域进行光谱采集,共计采集200个感病叶片光谱样本,同样采集200个健康叶片样本作为对照。通过Ocean Optics Spectra-Suite软件采集漫反射标准白板信息和光谱仪暗电流实现光谱仪校正,调节积分时间、扫描次数以及平滑度等参数来实现光谱曲线平滑处理,以有效抑制光谱噪声,对光谱特征进行分类识别,去掉首尾噪声较大的波段,保留光谱的可见光波段进行研究,最终选取450~780 nm波段范围作为研究对象。利用主成分分析对所研究波段范围内的高维光谱数据（947维）进行降维处理,根据主成分的累计贡献率,选取前5个主成分作为分类模型的输入,以白粉病和健康叶片的判别结果作为输出,利用支持向量机算法,通过对样本的分类学习训练构建黄瓜白粉病和健康叶片的分类识别模型,随机选取120个样本作为训练集用于分类模型构建,其余80个样本作为测试集用于模型检验,并通过选取不同的核函数来获得最优模型。利用混淆矩阵对分类识别模型的准确率进行评价,当选取径向基核函数时,分类识别模型对黄瓜健康叶片和白粉病叶片的识别准确率最高,分别为100%和96.25%,总准确率为98.125%,具有较高的准确率。结果表明,利用可见光光谱信息并结合主成分分析和支持向量机算法,可以实现对黄瓜白粉病的快速准确识别,为黄瓜病害诊断提供了方法和参考依据。     

结合光谱图像技术和SAM分类法的甘蓝中杂草识别研究

杂草自动识别技术是实现变量喷洒、精准施药的关键,更是制约其实现的瓶颈,因此,准确、快速、无损地实现杂草自动识别已成为精准农业的一个重要研究方向。利用高光谱成像系统采集甘蓝幼苗及小藜、稗草、牛筋草、马唐和狗尾草等五种杂草在1 000～2 500 nm波长区间的高光谱图像数据,在ENVI中经过MNF变换对数据降噪、去相关,并将波段维数从256维降到11维,通过提取感兴趣区域获得标准光谱,最后利用SAM分类法识别甘蓝与杂草,光谱角弧度阈值为0.1弧度时,分类效果良好。在HSI Analyzer中选择训练像元获得标准光谱后,利用SAM分类法识别甘蓝与杂草,并利用人工分类图与SAM分类图比较定量度量杂草的识别正确率,结果表明,当参数设置为5点平滑、0阶导数和7度光谱角度时,分类效果最佳,杂草识别率为80.0%,非杂草类识别率为97.3%,总体识别率为96.8%。应用光谱图像技术与SAM分类法相结合的方法进行杂草检测,充分利用了光谱和图像的融合信息,该方法应用空间的分类算法来建立光谱判别方法的训练集,在像素级别上考察光谱矢量之间的相似性,融合了光谱和图像两者的优势,同时兼顾了准确性和快速性,并且在整场范围内(行间和行内)改善杂草检测范围,为农业精确管理中需要植物精准信息的应用领域提供了相关的分析手段和方法。     

基于双边倾斜傅里叶干涉具的激光光谱探测技术研究

为了在不改变静态傅里叶干涉具尺寸的基础上提高光谱分辨率,设计了双边倾斜傅里叶干涉具及等光程条纹展宽的方法。通过计算分析双边倾斜傅里叶干涉具空间产生光程差与传统干涉具光程差的关系,得到在整个干涉具尺寸不变的条件下,光谱分辨率提高到9.1 cm-1,比同尺寸静态傅里叶干涉具提高了近8倍,并且不会因干涉条纹混叠而造成无法采集。采用BK7材料加工制成双边倾斜傅里叶干涉具,用6种不同波长的激光照射分析干涉条纹,实验结果显示干涉条纹会因反射位置增大而导致探测波长较长的激光时中心波长偏大,根据其满足线性变化的规律,拟合可知每1nm的激光波长变化造成0.021 1 nm的增大误差,经过标定后平均误差与传统干涉具接近,同时可以有效地提高静态干涉系统的光谱分辨率。     

尖-板电晕放电光谱分析

电晕放电是高电压设备中的一种典型的具有危害性的物理过程。对其物理机制进行分析,以及对其进行早期检测以便预防其发展,有助于提高电力绝缘系统的使用寿命和安全可靠程度。本文建立了一套高灵敏度的光谱分析系统,对空气中几种不同放电条件下的电晕放电进行了光谱分析。结果表明,电晕放电光谱由连续谱、谱带和谱线三部分组成。此外,光谱在红外区、可见光区和紫外区的辐射具有不同的特征,辐射强度随具体放电条件的变化规律也各不相同。与文献中的结果进行比较,发现各种条件下的电晕放电的可见光区辐射强度一般都比较弱,而紫外区与红外区辐射的强弱则与具体的放电条件有关。     

运用傅里叶变换对差分吸收光谱的解析

利用差分吸收光谱技术原理,设计了相应的差分吸收光谱监测装置,对环境中存在两种主要污染气体SO₂和NO₂进行了监测。在对所测光谱进行分析时,提出了用傅里叶变换的信号分析方法来解析上述两种气体的吸收光谱。在光谱分析过程中,主要包括光谱信号的去噪处理和慢变化的拟合两大步骤。差分吸收光谱仪所测到的原始光谱经傅里叶变换后,频谱中的低频部分对应的就是原始光谱中的慢变化部分,而噪声谱主要集中在变换后频谱的高频部分,所以可以通过截取一定频率段的频谱后再通过逆傅里叶变换来去除气体吸收光谱中的慢变换部分和噪声部分,进一步处理后可以得到气体的差分吸收光谱,从而反演计算出对应的气体浓度。通过分析比较,该方法是一种新的差分吸收光谱解析方法,可以更好地拟合出原始光谱中的慢变化部分,与此同时,在去除噪声影响,提高信噪比方面有很好的作用。     

基于马赫-泽德干涉具的激光光谱探测技术研究

实时、可靠地探测敌方来袭激光的类型和特征参数是激光告警的主要任务。相干探测技术依靠激光的相干性探测其信息,是较有效的探测技术之一。为了探测来袭激光光谱信息,设计了一种激光探测与光谱实时测量装置。该装置以相干探测技术和傅里叶光学与光信号处理为基础,使用实心小型静态马赫-泽德干涉具作为相干探测元件,它能有效地抑制背景光,无机械扫描部件,光谱检测速度快,可探测纳秒级窄脉冲激光信号;用高速DSP芯片和多通道帧减技术进行实时信息处理,实现背景噪声去除、激光探测和光谱测量。测试结果表明,运用马赫-泽德干涉具和多通道帧减技术,能实现脉冲激光探测,提高测量精度;可探测激光脉冲宽度为10 ns,波长测量误差小于10 nm。     

基于光谱分析与角度斜率指数的植被含水量研究

植被含水量是植被生长状态的重要指示因子,是农业、生态和水文等研究中的重要参数,其诊断对于监测自然植被群落的干旱状况、预报森林火灾等都具有重要意义。通过对植被光谱反射率与植被含水量的相关性分析,发现植被波谱不同波段的光谱反射率与植被含水量的相关性差异很大,其中可见光红光波段(620～700 nm)、近红外波段(800～1 350, 1 600～1 950, 2 200～2 400 nm)的光谱反射率与植被含水量具有较好的相关性,选取了660,850,1 630和2 200 nm的光谱反射率作为RED,NIR,SWIR1和SWIR2的波段值来建立角度斜率指数;分析了植被含水量与角度斜率指数的关系,将角度斜率指数(SANI,SASI,ANIR)作为反演植被含水量的参量,建立植被含水量与角度斜率指数之间线性回归模型。通过对近红外角度指数ANIR改进,提出了近红外角度归一化指数NANI(near infrared angle normalized index)与近红外角度斜率指数NASI(near infrared angle slope index),建立植被含水量与NANI和NASI之间线性回归模型,结果显示：NANI与Palacios-Orueta等提出的角度斜率指数(SANI,SASI,ANIR)相比有一定的优势,模型可决系数R2从原最高0.791提高到0.853,RMSE也从原最小0.047降低到0.039。确定了NANI为反演植被含水量的最佳角度斜率指数,并建立了植被含水量反演模型。该研究主要创新点：在前人研究成果基础上,通过对原角度斜率指数的改进,提出了NANI和NASI角度斜率指数,使其在植被含水量反演上具有更高的精度。     

面向高保真印刷的特征光谱提取与匹配方法研究

快速、准确的进行光谱重建是高保真印刷复制研究的难点。针对多个基色参与复制造成颜色在光谱表征和油墨配比之间转换模型复杂的问题,提出了一种用于高保真印刷的特征光谱提取和匹配方法。该方法利用光谱的导数变换对印刷基色油墨的特征光谱波段进行了筛选和提取,在此基础上提出了特征光谱的多阈值编码算法;针对高保真印刷中的分区判断问题,利用导数平均特征光谱表示各分区特征,并通过目标光谱与各分区的导数平均特征光谱的光谱匹配算法,解决了高保真印刷中的分区判断问题。实验结果表明,提取的特征光谱波段能够显著代表各个基色的光谱特征,基于特征光谱的色彩转换模型精度高于基于全波段的色彩转换模型;光谱匹配算法在判断分区上达到了很高的精度,极大的提高了效率,具有较高的实用性。     

用多种谱仪技术研究环氧丙烷点火的微观特性

利用OMA(光多通道分析系统)谱仪和单色谱仪技术研究了环氧丙烷冲击点火的微观特性.OMA谱仪观察到O,CH2O,C2,CH,CH3O,CO2,H2O等许多中间产物和最终产物.利用三台单色谱仪和压力传感器确定环氧丙烷冲击点火后这些产物出现的顺序并确定了它们的点火延迟时间和临界条件.     

基于光谱表示和独立成分分析的混合颜料成分分析方法

在混合颜料成分分析中,反射光谱法通过计算相似性来判断基本颜料种类,容易受多种基本颜料的影响,造成分析结果不准确。将光谱表示为信号,结合独立成分分析,提出一种基于光谱表示和独立成分分析的混合颜料成分分析方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料的光谱信息;随后,通过计算基本颜料光谱与已知颜料光谱的相似性,确定基本颜料种类;最后,逆用Kubelka-Munk混色公式就可以得出基本颜料的比例。我们采用蒙赛尔色卡光谱制作模拟数据,分别进行正常/扰动情况下三种色卡光谱混合信息的成分分析试验,以及从8种色卡光谱中选择若干种混合后的成分分析实验。分离出的光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.72%,最大相似比可以达到99.95%,得出的基本颜料比例与混合时的比例基本相同。实验结果表明本方法适用于混合颜料成分分析。