不同探测距离与角度下典型煤岩近红外光谱特征与定性分析

近红外波段的反射光谱测量较方便,不需对试样进行预处理,同时也适用于在线分析。为利用近红外光谱实现综放开采自动化放煤技术中的煤岩识别,从某矿井的综放工作面收集了炭质泥岩、砂质泥岩、砂岩、气煤4种典型的块状煤岩试样,综合考虑工作面后部刮板输送机的堆煤情况,在实验室利用光谱仪采集了常见探测距离(1.3, 1.4和1.5 m)与探测角度(10°, 20°, 30°, 40°和90°)下的4种典型煤岩的近红外漫反射光谱。通过对4种典型煤岩光谱特征分析,发现探测角度与距离对光谱曲线波形和吸收谷位置无明显影响,但明显影响光谱曲线的反射率。炭质泥岩、砂质泥岩、砂岩这3种岩样,均在1 400, 1 900和2 200 nm波段附近出现较明显的吸收谷,此外,砂岩与炭质泥岩在2 200 nm波段附近出现双吸收谷,气煤在近红外波段内的漫反射光谱曲线整体呈水平趋势,无明显的吸收谷。在1.3 m探测距离下,光谱曲线反射率随着探测角度的增大而增大;在1.4和1.5 m探测距离下,光谱曲线反射率随着探测角度的增大而减小。在10°, 20°和30°探测角度下,光谱曲线的反射率随着探测距离的增大而增大;在40°和90°探测角度下,光谱曲线的反射率随着探测距离的增大而降低。使用一阶微分(FD)、 Savitzky-Golay卷积平滑(S-G卷积平滑)、标准正态变量变换(SNV)这三种方法来增强光谱曲线吸收特征以及消除探测条件对煤岩漫反射光谱的影响,发现S-G卷积平滑在增强光谱吸收特征的前提下,还有效的消除了探测角度与高度对光谱曲线的影响。利用余弦相似度与皮尔逊相关系数两种模型分别进行煤岩定性分析,结果发现,基于S-G卷积平滑预处理后的余弦相似度模型分类效果最优,其正确分类率为100%。最佳预处理方法与定性分析模型的获得可以为在不同探测距离与探测角度下直接利用反射光谱的波形进行快速、定性地识别煤岩提供参考意义。     

基于可见光-近红外光谱的煤岩识别方法实验研究

以淮南矿区谢桥矿和潘二矿的煤和岩石样本为研究对象,通过地物光谱仪采集样本反射率光谱曲线,同时检测样本氧化物含量、水分、灰分及挥发分含量,将样本的反射率光谱曲线和样本成分含量分别作为自变量,样本类别“煤”和“岩石”两种矿物类型作为因变量,建立煤和岩石识别模型对煤和岩石进行二分类。该研究主要采用三种模型,分别为主成分分析结合支持向量机(PCA-SVM)、主成分分析结合BP神经网络(PCA-BP)模型和核主成分分析结合支持向量机(KPCA-SVM)模型。结果表明,基于可见光近红外光谱的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为95.5%,验证平均精度约为90.56%;基于样本成分的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为98.5%,验证平均精度约为95%。     

基于高光谱特征吸收峰的煤岩识别方法

煤炭是我国重要的自然资源,在工业和国民经济发展上起到重要的作用.在井下开采过程中,传统的人工识别煤岩界面采煤机切割煤岩效率较为低下,识别准确度较差,存在较多不确定因素.无人化逐渐成为未来井下开采的技术发展趋势.实现无人开采首先需要准确高效的确定煤岩界面,煤岩识别的算法将成为无人化设备的大脑.高光谱是近年来发展迅...     

典型伪装材料高光谱特征及识别方法研究

针对某些特定环境下,伪装目标和背景目标出现的“异物同谱”现象,传统的可见光及多光谱遥感伪装识别存在局限性,为此,将高光谱应用到典型伪装材料的特征分析与识别。以北方地区常用丛林迷彩伪装网为研究对象,利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱,通过光谱相似性度量和包络线去除处理,分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段,并基于近红外波段构建光谱比值指数RCI,用于识别绿色植被环境中的伪装目标,最后通过高光谱成像实验获取仿真伪装环境高光谱图像,并利用高光谱图像对识别效果进行验证。结果显示：(1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似,且反射率随浸水时间的增加而整体呈下降趋势;1 900 nm波段是伪装网反射光谱对含水量响应最为明显的波段,其光谱特征会因浸水处理而相似于植被,相似度从0.895提高到了0.939。(2)丛林迷彩伪装网和植被在可见光波段的相似度较高,光谱波动情况相似,但在近红外波段光谱特征差异明显。通过包络线统去除分析得出970, 1 190和1 440 nm波段附近处是丛林迷彩伪装网识别的敏感波段,且基于迷彩伪装网和各植...     

近红外光谱的不同牌号聚乳酸识别方法

塑料牌号是塑料生产公司根据原料性质、用途的差异而内部制定的编号。通过检测材料的物理化学性能能间接识别其牌号,但速度慢且具有破坏性。因此,利用了近红外光谱(near infrared spectroscopy, NIR)技术对不同牌号的聚乳酸(polylactic acid), PLA)进行识别。采用主成分分析法(principle component analysis, PCA)分别与马氏距离(mahalanobis distance, MD)、人工神经网络(artificial neural network, ANN)和支持向量机(support vector machine, SVM)结合的模型进行分析预测。在900～1 700 nm的波长范围,采用三种不同牌号的聚乳酸共90个样本的光谱进行建模,另取这3种牌号共90个样本进行识别,比较三种预测模型对PLA牌号的识别能力。结果表明,在对样品的光谱数据做主成分分析后,以验证集的前两个主成分做散点图,发现明显的聚类现象,以前9个主成分得分作为输入变量所建立的马氏距离判别、人工神经网络判别、支持向量机判别均能够对不同牌号的聚乳酸有效识别。最好的判别方法——马氏距离判别正确率能够达到98.9%。因此,近红外光谱能够对不同牌号的PLA进行无损、快速、准确的识别。     

典型块状煤的可见-近红外光谱特征研究

因可见-近红外波段反射光谱测试方便,仪器成本较低,适用于在线分析,为此针对煤在可见-近红外波段的反射光谱曲线特征规律及其产生机理进行了研究分析。从晋、鲁、宁、吉地区煤矿收集了无烟煤、烟煤、褐煤三大类型中的12种典型煤样,按煤阶从高到低具体包括无烟煤一号、无烟煤二号、贫煤、贫瘦煤、瘦煤、焦煤、肥煤、1/3焦煤、气肥煤、气煤、褐煤一号、褐煤二号,在实验室利用地物光谱仪采集了块状煤样在可见-近红外波段的反射光谱曲线。通过对光谱曲线特征分析,发现无烟煤的反射光谱曲线整体上趋于水平方向,吸收谷特征不明显,随煤阶的降低,光谱反射率、近红外波段光谱斜率整体上呈增加趋势,较明显的吸收谷特征增多且吸收强度增加,有13个较明显的吸收谷特征波段。通过X射线衍射分析（XRD）测定了煤样的碳材料结构和矿物成分,煤非晶质性分子结构的芳构化趋势对煤阶升高时光谱反射率降低、反射曲线趋于平缓起到主要作用。当煤阶降低时,以脂肪侧链为主的有机吸收基团的中红外波段基频在近红外波段的倍频和合频产生众多吸收叠加,绝大多数吸收谷特征不明显,相对较为明显的吸收谷产生在1 700和2 300 nm附近。同时含Fe等过渡金属的矿物、H₂O、粘土矿物等无机物成分也是煤反射光谱曲线吸收谷特征增多的因素。通过对实验煤样X射线荧光分析（XRF）和工业分析测定了煤样中Fe和Al等矿物元素成分含量和空气干燥基水分、灰分、挥发分、固定碳含量,得出煤反射光谱曲线的近红外波段光谱斜率与挥发分产率、固定碳含量分别呈正、负相关性。H₂O谱带吸收深度之和与内在水分含量线性相关性较好,Fe和Al含量与相关波段吸收谷深度之和基本呈线性关系,而主要由有机基团倍频和合频所产生的1 700和2 300 nm附近两处吸收谷深度之和与挥发分产率线性相关性较差。获得典型块状煤种的可见-近红外波段反射光谱特征,为煤矿区高光谱遥感以及煤光谱数据库的建立提供依据,也为直接利用可见-近红外波段的反射光谱曲线波形特征快速、低成本、定性地识别煤种类提供参考;同时对煤矿用煤炭探测光谱传感器的研制具有重要意义。     

典型煤的近红外反射光谱特征的方向性研究

高光谱遥感是煤矿区探测的有效方法,对于煤炭资源调查、矿区环境监测等具有重要意义,其中煤、矸石、植被、水体等被遥测物各个方向的反射光谱特征是煤矿高光谱遥感的基础,为此有必要针对典型煤的方向反射光谱特征进行研究.从我国不同矿区收集了无烟煤、烟煤、褐煤三大类煤中的4种典型煤样,4种煤样按煤阶由高到低顺序包括无烟煤一号、贫煤、...     

近红外光谱的通用聚苯乙烯牌号在线识别方法

在聚合物加工过程中,如果在同一生产线上混用不同牌号的原材料,可能会影响产品性能,降低产品合格率.然而采用传统方法识别相同类型不同牌号的聚合物往往耗时长且具有滞后性,目前还缺乏一种快速实时的牌号识别方法.因此,以5种不同牌号的通用聚苯乙烯(GPPS)为研究对象,利用自主开发的安装于挤出机上的在线近红外光谱测量系统,将近红...     

基于太赫兹时域光谱技术的煤岩识别方法研究

煤岩识别一直是制约煤矿无人化开采的关键问题之一。传统的人工采煤因为工作环境极其复杂,很难精准地找到煤岩的分界面,容易造成欠切割或过切割现象。太赫兹光谱技术作为一种无损探测技术,能够反映出被测物体的物理和化学信息,可以成为研究煤岩识别的有效方法。采用太赫兹时域光谱技术与多元统计法—聚类分析（CA）和主成分分析（PCA）相结合的方法来识别不同种类的煤岩。通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱,对其进行FFT等一系列数学计算可以得到各种样品的折射率、吸收系数以及介电常数。计算结果表明不同种类的煤岩在折射率、吸收系数上都存在差异。分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系,可以发现碳含量是影响其样品折射率大小的因素之一,灰分含量是影响其样品吸收系数大小的因素之一。聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分（PC1）得分都能反映煤岩样品之间的相似性和相异性,并且CA与PCA的结果保持一致。分别将各类样品在0.5～2.5 THz频率范围内的折射率、吸收系数与CA和PCA结合,组成太赫兹数据与煤岩之间的模型。分析表明：根据不同样品之间的相似性,两种模型中六种煤岩样品均被分为两类;在各种样品的吸收系数与CA-PCA组成的模型中,四种煤炭被聚集在一起,并且石英砂岩（GSR-4）具有很好的独特性：石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大,为219.03。由此可见采用太赫兹技术与多元统计方法结合,可以实现煤岩的准确识别,识别准确率可以达到100%。     

含反式脂肪酸食品近红外光谱快速无损识别方法研究

为满足食品中反式脂肪酸(TFA)的快检需求,提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱,应用毛细管气相色谱(GC)法测定食品中TFA的含量作为建模参考数据。根据食品中TFA含量将食品分为含TFA食品和无TFA食品。采用偏最小二乘判别(PLSDA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法(KNN)等有监督模式识别方法建立了含TFA食品的识别模型,并研究了不同光谱预处理方法和建模波段对模型性能的影响。研究结果表明,PLSDA和SVM两种方法可对含TFA食品进行识别 ,但PLSDA方法识别效果明显优于SVM方法。其中,使用与TFA相关波段,结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳,校正集和验证集识别准确率分别可达96.4%和88%,具有快速无损识别含TFA食品的可行性。这种方法不需脂肪提取和研磨等样品预处理,具有简单、快速、无需破坏样品等优点,非常适合现场或在线快速检测。     

单粒大豆的近红外光谱特征及品种鉴别研究

随着大豆生产及豆制品加工业的发展,大豆的品质育种已越来越被育种家所重视。传统的破坏性抽样检测方法已难以满足育种过程中早代材料的快速筛选要求。近红外光谱技术已在大豆品质检测中得到了广泛应用,但都是针对大量样本的,不能满足育种过程中对少量甚至单粒大豆品质检测的需求。文章采用AOTF近红外光谱仪对单粒大豆的漫反射光谱进行了研究。实验中测定了两个品种的大豆,分别是60粒"垦鉴豆43"和60粒"中黄13"。根据单粒大豆的近红外光谱,结合软独立建模分类法(SIMCA)建立定性分析模型,可准确鉴别大豆的品种。其研究中对"垦鉴豆43"和"中黄13"的识别正确率为100%。通过在不同部位多次测定单粒大豆的光谱,表明对于单粒种子的测定,光谱的准确获取及光谱的代表性是关键。大豆籽粒的表面形态对光谱扫描影响很大。对于表面光滑的大豆,光谱的重复性较好,而存在表面缺陷的种子,多次扫描得到的光谱存在明显差异。作为育种中快速筛选方法的需要,可在外观鉴定剔除表面缺陷的种子后,采用近红外光谱对内部成分进行检测,从而降低外部形态对光谱扫描的影响。     

基于XGBoost与可见-近红外光谱的煤矸识别方法

煤矸智能识别是实现综放开采智能化亟待研发的新技术;可见-近红外光谱技术具有环保、实时等优势,满足煤矸智能分选的要求。为解决基于可见-近红外光谱的煤矸识别问题,引入在数据科学竞赛中表现出色的极端梯度提升树（XGBoost）算法。搭建可见-近红外光谱实验平台采集来自山西西铭、陕西神木、内蒙古巴隆图煤矿的块状煤与矸石样品在370～1 049 nm波段的反射光谱;利用黑白校正、始末波段去除、SG卷积平滑和标准正态变量变换（SNV）对采集的原始光谱进行预处理,以减少光照不均、噪声以及光程差的影响。依据三个煤矿煤与矸石样品反射光谱的差异划分实验组和测试组,实验组差异微小,用于对比不同模型的性能,挑选最佳算法;测试组差异较明显,用于测试最佳算法在其他煤矿下的表现,检验算法对不同煤矿的适用性。在实验组的实验中,首先基于XGBoost算法建立煤与矸石分类模型,并引入常用的机器学习分类算法k近邻法（KNN）、随机森林（RF）、支持向量机（SVM）做对比,结果表明XGBoost的表现最佳,十折交叉验证的平均准确度（ACC₁₀）、分类准确度（ACC）与AUC值分别达到0.957 2,0.970 5与0.971 6,体现出较强的稳定性与分类能力。其次为降低数据维度减少模型运算量,使用递归特征选择（RFE）、连续投影算法（SPA）与竞争性自适应重加权算法（CARS）分别进行特征波长的选择并与上述四种分类算法结合构建简化分类模型,经测试RFE与XGBoost组合的简化模型表现最佳,ACC₁₀,ACC与AUC值分别为0.965 7,0.980 3与0.980 3且数据维度降至9,在降低数据维度的同时提高了模型的稳定性与分类能力。在测试组的实验中,基于优选出的XGBoost与RFE-XGB算法建立的模型,同样可以实现对其他矿区煤与矸石稳定精确地识别,且简化模型表现更好,与实验组结果一致。     

水分环境梯度下野鸭湖湿地典型植物光谱特征分析

湿地植物在生态水分、物质能量循环中起到重要作用,能够综合反映湿地的生境特征。分别选取典型沉水植物、浮水植物、挺水植物、湿生植物和中生植物,采用导数法和包络线去除法,分析不同水分环境梯度下植物的光谱特征和变化趋势。挺水植物、湿生植物和中生的反射率值最高,其次为浮水植物类型,沉水植物受到水体的强烈影响,反射率值最低。导数法能够将原始光谱曲线的变化趋势放大,呈现出更多的特征波段。光谱曲线在520和710nm附近达到增长最快点,并可作为区别沉水植物与其他植物类型的特征波段。挺水植物香蒲和湿生植物三叶鬼针草的绿峰值最高。依照水分环境由高到低变化,沉水植物、浮水植物和挺水植物的红边值逐渐上升,湿生植物和中生植物的红边值略低。包络线去除法将原始的光谱曲线转化成吸收曲线,吸收深度变化表现为沉水植物<浮水植物<挺水植物<湿生植物,而中生植物值要略低于湿生植物。除中生植物外,植物在500和675nm附近的吸收面积随着水分环境梯度的降低而升高。     

特征根回归法近红外光谱定量分析研究

本文以大豆样品为实验材料，研究了特征根回归法近红外光谱定量分析。用40个大豆样品的近红外光谱数据建立了测定大豆蛋白质含量的特征根回归模型，预测另外32个大豆样品的蛋白质含量，结果同PLS回归方法进行了比较，表明特征根回归模型可用于生物样品的近红外光谱定量分析。特征根回归法是对PCR建模方法改进的又一种化学计量学定量分析校正方法，该方法在对样品光谱提取主成份时考虑了待分析组分的作用，因此所建立的定量分析模型有好的分析效果。研究结果进一步表明，以样品近红外光谱建立定量分析模型，提取主成份时充分考虑被定量分析成份的作用是完全必要的。     

柑桔黄龙病的可见-近红外光谱特征

柑桔黄龙病是一种以木虱为载体的细菌病原,目前还没有行之有效的治疗方法,对世界柑桔产业构成了严重的威胁。探索快速检测柑桔黄龙病的方法,对该病的诊断、评估及进一步的控制都具有重要意义。该研究采用了快速、无损的光谱方法对该病害特征进行初步探索。实验针对健康及染病植株的叶片及冠层,分别在实验室条件及田间环境下测量了其可见-近红外光谱反射率,以分析寻找二者的光谱差异。对原始光谱数据进行了平滑、聚类平均等预处理,并求取了一阶微分以确定其红边位置(red edge position, REP)。为了应对一阶微分在REP处的多个波峰现象,采用了线性外插值法及拉格朗日插值法量化REP。研究结果显示,健康及染病样本的反射率在可见光、近红外具有明显的差异。相比于健康样本,染病样本因其呈现的黄化现象,使其反射率在可见光区较高;又因黄龙病菌会明显阻碍叶片对水分的吸收而使其反射率在近红外较低。REP同样显示了潜在的区分能力,其明显随着染病程度的加深逐渐向红波段移动。在染病程度差异较大的数据集中,REP平均值相差达20 nm;而在染病程度差异较小的数据集中,阈值分割法的分类精度也高达90%以上,且线性外插值法的分类精度略高于拉格朗日插值法。本研究成果为利用光谱技术快速无损检测柑桔黄龙病提供了可靠的理论依据。     

近红外光谱定性分析中的特征波长筛选研究

提出了一种以样品光谱类间相关系数之和最小为准则进行光谱波长逐步筛选的方法(stepwise selection basing on minimum sum of correlation coefficients, SMCC),以类间距离与类内距离和的比值最大化(符合分析者主观预期目标)作为定性分析中特征波长筛选效果的评价依据,并使用红塔集团提供的2012年17种不同类型工业分级烟叶作为试验样品,以验证筛选方法的有效性。研究表明,采用CO1分级烟叶光谱作为参照类别,筛选出10个特征波长点：采用特征波长计算得到的类内欧氏距离的平均值为采用全部波长计算得到的平均值的1.69倍,采用特征波长计算得到的类间欧氏距离的平均值为采用全部波长计算得到的平均值的3.70倍,采用特征波长计算得到的类间欧氏距离与类内欧氏距离和的比值的平均值为采用全部波长计算得到的平均值的2.21倍。特征波长的类间与类内欧氏距离和的比值增大,说明筛选出来的特征波长能更加有效的表达不同类间的远近关系以及同一类内的离散度,SMCC算法是一种有效的、可应用于近红外光谱定性分析中的特征波长筛选方法。     

砂岩的近红外光谱特征及其含水量反演

沉积岩石的强度往往会受到水的影响,含水量不同其影响程度也不相同。因此,沉积岩石的含水量测定对于后续评估其物理力学特性具有重要的价值。在岩石含水量测定方面,传统的方法往往费时、费力,而且破坏了工程结构的完整性。近红外光谱分析技术是一种非常有潜力的方法,具有实时、无损等优点。基于近红外光谱分析技术对砂岩的光谱特征以及含水量的反演进行了研究。首先,通过室内试验获取了砂岩试样不同饱和度的近红外光谱曲线;然后,对原始光谱曲线进行了异常曲线剔除以及一阶导数预处理,消除噪声、环境等因素的影响;其次,对R1（1 400 nm）和R2（1 900 nm）附近的两个吸收峰进行光谱特征变量提取以及归一化处理,消除量纲和域值的影响;接着,基于最大信息系数对提取的光谱特征变量进行分析和筛选;最后,基于筛选后的光谱特征变量采用自行搭建的BP神经网分类器对砂岩的含水量进行了反演。结果表明：（1）含水砂岩的近红外光谱吸收曲线在1 400和1 900 nm附近有着明显的吸收峰,位于1 400 nm附近的吸收峰,谱带比较宽缓,位于1 900 nm附近的吸收峰,谱带比较尖锐;随着含水量的增加,近红外光谱曲线在1 400和1 900 nm附近吸收峰的吸收强度也在增加,具有明显的正相关性,可作为砂岩含水量分析、反演的主要谱段。（2）根据计算的最大信息系数值,1 400 nm附近的峰高与含水量的相关性最强,同样1 900 nm附近的峰高与含水量的相关性最强;1 400 nm附近的峰面积、峰高和1 900 nm附近的峰高、峰面积、半高宽、右肩宽,共6个光谱特征变量,其最大信息系数值＞0.9,可作为BP神经网络反演砂岩含水量的特征变量。（3）利用最大信息系数筛选出1 400和1 900 nm附近两个吸收峰的特征变量进行BP神经网络建模,所建立的砂岩含水量反演模型训练集准确率为90.3%,测试集的准确率为83.9%,说明基于近红外光谱分析技术砂石含水量的反演方法是可行的。     

近红外光谱分析技术及发展前景

 近红外光（nearinfrared,NIR）是介于可见光（VLS）和中红外光（MIR）之间的电磁波,美国材料检测协会（ASTM）将波长780～2526nm的光谱区定义为近红外光谱区。近红外光谱主要应用两种技术获得:透射光谱技术和反射光谱技术。透射光谱波长一般在780～1l00nm范围内;反射光谱波长在1100～2526nm范围内。近红外光谱区（NIR）是由赫歇尔（Herschel）在1800年发现的。卡尔·诺里斯（KarlNorris）等人首先用近红外光谱区测定谷物中的水分、蛋白质。低谷     

基于物候特征的植物光谱识别方法研究

光谱分析对于植物识别特征与机理研究具有重要意义,长期以来在植被光谱的叶绿素吸收特征、水分吸收特征、红边效应、光谱波形参数提取、波形转换、以及植被叶面结构和化学组份对光谱的影响方面进行了大量研究,而在植物因季节变化引起的叶面结构、叶绿素、叶面积指数变化而产生的光谱变化研究较少。通过开展对不同生活型、叶面结构与大小、物候特征的11类植物季节生长过程的地物光谱观测,提取植物的归一化植被指数NDVI、包络线去除后的绿波段最大光谱吸收深度、红波段最大光谱吸收深度参数,对该参数时间过程曲线的均值、变幅、斜率进行分析,研究植物生长期和成熟期特征参数的植物光谱可分性研究。提出了植被光谱区分度的参数运算方法,利用该参数进行植被识别能力分析。结果表明：植物生长过程的光谱特征比成熟期的光谱特征更容易区分。在相同参数对比中,生长期植物区分度比成熟期区分度高出三个点。在植物生长过程中,总体上植被的季节变幅区分度>斜率区分度>均值区分度,而对于NDVI参数季节变化,植物季节斜率区分度最大。所以利用植物的季节NDVI斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅进行植物的识别效果最佳。     

用遗传算法快速提取近红外光谱特征区域和特征波长

提出了一种遗传区间偏最小二乘法(GA-iPLS),并用该方法快速提取苹果糖度近红外光谱的特征区域,在此基础上采用遗传偏最小二乘法(GA-PLS)提取苹果糖度近红外光谱的特征波长,进行苹果糖度预测。结果表明,整个光谱等分为40个子区间,遗传区间偏最小二乘法能快速寻找出5个特征子区间(第4,6,8,11,18号);在5个特征子区间的基础上用遗传偏最小二乘法继续优化,从中提取44个特征波长。建立在5个特征子区间和44个特征波长上的偏最小二乘法模型精度均优于全光谱偏最小二乘法模型,对预测集的预测相关系数提高了近10%;且模型得到了很大的简化,用于建模的主因子数减少了7个。这些结果表明,用这两种方法不但可以建立简洁、数据运算量少的模型,还可以快速地提取近红外光谱的特征区域和特征波长。