基于高光谱的工夫红茶发酵品质程度判别方法

发酵作为影响红茶品质形成的重要流程,发酵品质程度的判断主要基于人工经验,难以实现准确客观的评价.该研究主要针对于工夫红茶发酵工序,以不同发酵时序下的样品为对象,利用高光谱检测技术并结合化学计量学方法,对制备的不同发酵程度的样本进行无损检测和智能判别.首先利用高光谱成像仪(400～1000 nm)采集工夫红茶发酵样品的高...     

基于高光谱的颜色辨别方法研究（英文）

在颜色测量领域区分相似颜色的样品是非常困难的。测量颜色的准确性和高效性对于工业上的应用非常重要。提出了一种基于超光谱成像技术的色彩测量的方法,并设计制成原理样机系统。该系统能够快速准确的测量彩色样品的光谱,并在分析后可得丰富的颜色数据与颜色坐标。该方法克服了传统测色方法测谱不成像,成像不测谱的局限性。为了评估系统的性能,进行分析和实验:比较细分的每个波段的信噪比,并使用光谱匹配技术来比较彩色照相机和所设计的系统在颜色测量方面的优缺点。结果表明,本系统提供了一种更精确的颜色测量方法,可以有效地测试产品颜色的质量。     

基于高光谱图谱融合技术的黄桃损伤程度判别研究

黄桃含有丰富的营养物质,深受消费者的喜爱。但在加工运输的过程中极易受到碰伤,给果农和销售商带来极大地经济损失。以往利用高光谱技术检测水果碰伤,通常是仅仅利用光谱信息或者图像特征建立水果碰伤检测模型,很少将图谱融合用于水果碰伤的检测。光谱反射率容易受到外界杂散光的影响,会丢失一部分真实信息,图像包含的信息量较少,仅仅只靠几个特定波段的图像很难精准识别。因此,为了实现对黄桃碰伤程度的精准分类,从而可根据不同碰伤程度的黄桃制定不同的处理方式,减小经济损伤。提出一种利用高光谱的光谱信息结合图像特征建立模型来检测不同碰伤程度的黄桃。以180个黄桃作为实验样品,首先分别采集轻度、中度和重度碰伤黄桃的高光谱图像,在每个黄桃的碰伤位置选取100×100像素的区域作为感兴趣区域,利用ENVI4.5软件提取碰伤区域的光谱信息。然后采用主成分分析(PCA)算法对采集的高光谱图像进行降维处理,在前5个PC图像中最终选择PC1图像作为黄桃碰伤的主成分图像,根据PC1图像的权重系数曲线挑选出6个特征波长对应的图像作为特征图像,将平均灰度值作为黄桃碰伤的图像特征。最后,分别利用光谱信息、图像特征、光谱信息结合图像特...     

基于植被特征库的高光谱植被精细分类（英文）

目前,高光谱数据精细分类面临两方面问题:一方面,传统单纯利用光谱信息的分类往往难以满足各应用行业对精度的需求,另一方面,基于像元的分类结果受制于椒盐噪声,影响其有效应用。为此,提出了一种基于植被特征库构建与优化的高光谱植被精细分类策略。首先,从高光谱影像中的原始光谱特征出发,结合灰度共生矩阵和局域指示空间分析两类纹理特征,并有针对性地加入了对植被叶绿素、胡萝卜素、花青素和氮素叶面积指数等理化参量敏感的光谱指数特征,构建了完备的植被特征库,以提高植被类别间的可分性;进而对植被特征库进行光谱维优化,提出了基于类对可分性的光谱维优化算法,选择对各类对具有最高识别能力的特征波段,通过迭代使各类别间均达到较高的区分度,并利用最优索引因子法进一步降低数据冗余,以提高分类效率;在进行植被特征库空间维优化时,主要基于地物分布通常具有一定的空间连续性这一理论,提出了基于邻域光谱角距离的植被特征库空间维优化算法,以去除分类结果中的椒盐噪声,提高分类精度和分类图像平滑度。基于航空高光谱数据的植被精细分类验证表明,该方法可以显著提高分类精度,在作物品种识别、精准农业等方面将具有广泛的应用前景。     

基于高光谱图像的即食海参新鲜度无损检测（英文）

新鲜度是即食海参加工品质调控和贮藏品质监控的关键指标。针对感官评定和现有理化检测无法满足即食海参产品大批量、标准化、工业化生产问题,提出了一种基于高光谱图像的即食海参新鲜度快速无损检测方法,通过图像主成分分析和波段比运算相结合,优选特征波长和图像;依据海参腐败机理,建立图像纹理特征与即食海参新鲜度等级间的关联模型,实现即食海参新鲜度无损、快速评价。首先针对高光谱图像巨大的数据量展开降维研究。根据即食海参体壁光谱吸收特性,以具有明显化学吸收特征的波长(474和985nm)为分界点,获得包括全检测波段(400~1 000nm)在内的六个待处理波段,通过分段图像主成分分析实现待测波段的优选,利用权重系数和波段比图像运算,最终将686和985nm波段比图像确定为特征图像。面向特征图像的感兴趣区域(ROI),构建灰度共生矩阵(gray-level co-occurrence matrix,GLCM)、灰度梯度共生矩阵(gray-gradient co-occurrence matrix,GGCM)、改进的局部二元模式纹理描述子(local binary pattern,LBP),分别提取纹理参数作为输入,以挥发性盐基氮(total volatile basic nitrogen,TVB-N)检测为标准,建立经粒子群优化的BP神经网络(back propagation,BP)即食海参新鲜度判别模型,新鲜度等级判别准确率分别为90%,95%和80%。结果表明,即食海参高光谱图像灰度梯度共生矩阵的纹理特征用于新鲜度判别效果较好。为即食海参新鲜度快速无损检测方法研究和仪器开发提供了理论基础和数据支持。     

基于高光谱成像技术应用光谱及纹理特征识别柑橘黄龙病（英文）

讨论了基于高光谱成像技术光谱及纹理特征在识别早期柑橘黄龙病中的应用。使用一套近地高光谱成像系统采集了176枚柑橘叶片的高光谱图像作为实验样品,其中健康叶片60枚,黄龙病叶片60枚,缺锌叶片56枚。手工选取每幅叶片高光谱图像的病斑位置作为样品感兴趣区域(regions of interest,ROI),计算其平均光谱反射率,并以此作为样品的反射光谱,光谱范围为396~1 010nm。样品光谱分别经过主成分分析(PXA)及连续投影算法(SPA)进行数据降维,再结合最小二乘支持向量机(LS-SVM)分类器建立分类模型。相比原始光谱,由PCA选取的前四个主成分及SPA选取的一组最佳波长组合(630.4,679.4,749.4和899.9 nm)建立的模型拥有更好的分类识别能力,其对三类柑橘叶片平均预测准确率分别为89.7%和87.4%。同时,从被选四个波长的每幅灰度图像中提取6个灰度直方图的纹理特征以及9个灰度共生矩阵的纹理特征再次构建分类模型。经SPA优选的10个纹理特征值进一步提高了分类效果,对三类柑橘叶片的识别正确率达到了100%,93.3%和92.9%。实验结果表明,同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病的识别中显示了很大的潜力。     

基于Adaptive Elastic Net方法的近红外光谱建模技术（英文）

当近红外光谱信息远远大于样本量时,对光谱信息进行自动变量选择进而建立光谱与微量成分含量之间的稀疏线性模型重要且具有挑战性。针对聚苯醚生产过程中微量成分邻甲酚难以测量的问题,将变量选择方法 Adaptive Elastic Net用于建立近红外光谱与邻甲酚含量之间的定量校正模型,并将其模型性能与ElasticNet方法进行对比。在变量数目远远大于样本量的情形下,ElasticNet方法虽可以实现变量选择,但由于其系数估计不具备Oracle性质,使得模型的可解释性和预测精度受到影响,而Adaptive Elastic Net方法通过对L1惩罚项施加自适应权重从而很好的解决了上述问题并提高了模型性能。为了验证Adaptive Elastic Net方法的模型性能指标,用最终被选中的自变量数目来评价模型复杂度;利用复相关系数R~2来评价模型的可解释性,利用平均相对预测误差MRPE(mean relative prediction error)和预测相关系数Rp来评价模型的预测精度。Elastic Net方法建立的模型性能指标为:NSIV=529,R~2=0.96,MRPE=3.22%,Rp=0.97;Adaptive Elastic Net方法的性能指标为:NSIV=139,R~2=0.99,MRPE=2.00%,Rp=0.99。结果表明:Adaptive Elastic Net所建立模型的性能指标优于Elastic Net方法,可以得到更加简单且具有较强可解释性和较高预测精度的稀疏线性模型。     

基于二维相关红外光谱的鱼糜品质检测可行性分析（英文）

对二维相关光谱在鱼糜品质检测中的可行性进行了分析。利用二维相关技术结合中红外光谱技术对冻融处理后白鲢鱼糜蛋白二级结构变化进行了分析。在冻融次数和温度双重外扰的作用下对样品进行了分析。以冻融次数为外扰的二维相关光谱分析结果揭示了鱼糜蛋白二级结构的变化顺序:α-螺旋结构、分子内聚集的β-折叠结构→反平行的β-折叠结构→羰基结构;基于温度外扰的二维相关光谱分析结果表明:冻融处理1次和2次后鱼糜蛋白二级结构变化轻微。而冻融处理3次之后鱼糜蛋白二级结构已遭到严重破坏。结果分析还发现:外扰温度为45℃时,温度对羰基的影响比大大小于冻融循环对鱼糜蛋白二级结构的影响。以上结果说明二维相关光谱技术可以探测并直观的反应出鱼糜蛋白二级结构变化程度。如果能将这种变化程度量化,则可以利用该技术对鱼糜新鲜度等品质进行快速检测。     

基于模型的红外光谱温度预测及校正方法（英文）

温度校正是红外光谱定性定量分析中的一个关键问题,通过去除光谱数据中的温度效应,可以改善模型的线性度,从而提高模型的预测精度。通常的温度校正方法不仅需要记录训练集光谱的采集温度,而且需要记录测试集光谱的采集温度,这对很多实际应用中的光谱温度校正造成了困难。提出了一种基于模型的光谱温度预测及校正方法,通过训练集数据对光谱中的温度信息进行建模,利用模型的信息,从而能从测试集光谱数据中估计出采集温度,并进行光谱数据的温度校正,降低了温度校正方法对测试集光谱数据采集温度的依赖性。作为方法的验证,进行了两部分的实验:在第一部分的实验中,通过对十个浓度的水-乙醇二元混合物光谱数据的温度预测以及温度校正的实验,证明了本文方法的有效性;在第二部分的实验中,我们采用了Wulfert的经典温度校正方法 CPDS的实验数据和实验方案,对三元混合物的光谱数据进行温度预测以及温度校正,得到了不亚于CPDS方法的温度校正效果,同时也证明了该方法对三元混合物光谱数据的适用性。通过两部分的实验表明,在缺少测试集测量温度的情况下,提出的温度校正方法仍可对光谱数据进行有效的预测和校正,降低了温度校正方法对测试集数据的依赖性,从而提高了温度校正方法的适用性。     

基于视觉感知的光谱评估尺度（英文）

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。简单而直观的评价指标对颜色复现控制是必不可少。该指标需要同时表征复现颜色的光谱差和色度差。在研究光谱匹配评估的方法基础上,提出基于颜色视觉感知的三种光谱评估指标,通过加权人眼视觉匹配函数,实现颜色光谱差与色度的评估。通过孟塞尔颜色系统的光谱数据,该论文分析与验证三种视觉加权的评估指标的有效性。通过孟塞尔颜色系统数据,这些指标在CIELab均匀色空间中分布均匀而稳定,从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。实证结果表明,加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。     

基于熵学习机的恒星光谱分类（英文）

数据挖掘被广泛应用于恒星光谱分类。为了提高传统光谱分类方法性能,提出熵学习机(Entropybased Learning Machine,ELM)。在该方法中,熵用来刻画分类的不确定性。为了得到理想的分类结果,分类的不确定性应最小,基于此,可得ELM的最优化问题。ELM在处理二分类问题和稀有光谱发现等方面具有一定优势。SDSS中K型、F型、G型恒星光谱数据集上的比较实验表明:ELM在进行恒星光谱分类时,其分类性能优于k近邻(k Nearest Neighbor)和支持向量机(Support Vector Machine)等传统分类方法。     

光声光谱在蜂蜜品质鉴定中的应用（英文）

利用单光束光声光谱实验装置,分别测量了葡萄糖溶液、蔗糖溶液和蜂蜜溶液在可见光波段的光声光谱,并与分光光度法测得的数据进行了比较。上述溶液的光谱特征表明:不同种类的溶液,光谱背景强度和轮廓有明显差异。三种溶液的光谱在485和655nm处都有较强峰,但二者的强度比在不同溶液中有一定差异。另外,葡萄糖还在475,576和630nm处有特征峰;蔗糖在632nm处出现明显特征峰;这些光谱特征为鉴别天然蜂蜜中是否有葡萄糖或蔗糖掺假提供了依据。比较同种溶液的两种光谱发现:光声信号强度随波长的变化更灵敏,说明在物质成分检测中,光声光谱法具有更高的灵敏度。     

基于面阵CCD的高时间分辨瞬态光谱探测技术（英文）

为了提高CCD的扫描速率并将其应用于百纳秒级瞬态超快现象的探测,提出一种基于面阵CCD的高时间分辨的瞬态光谱测量方法,并对其进行了实验验证.该方法采用帧存储的工作思路,对面阵CCD的工作时序进行改进,以实现高时间分辨率的探测.LED脉冲光实验结果表明,探测帧频可达10Mfps,时间分辨率达到100ns,并且能够连续成像2 048次.该方法对扩展CCD在瞬态光谱检测领域的应用具有借鉴意义.     

利用基于互信息的不平衡分类方法识别稀有光谱（英文）

从海量恒星光谱中发现稀有光谱是天文学研究的重要课题之一。与一般光谱相比,稀有光谱数量较少,因此,传统分类方法无法正常工作。究其原因是这些方法不仅在分类决策时并未对稀有光谱予以更多关注,而且只关注分类的准确率。鉴于此,在总结当前分类方法的基础上,深入分析互信息与决策树之间的关系,提出基于互信息的代价缺失决策树。SDSS DR8中K型、F型、G型以及M型恒星光谱上的比较实验表明,与传统分类方法相比,所提方法能够较好地完成稀有光谱识别的任务。     

地面长波红外高光谱成像气体探测研究（英文）

报道了地面长波红外遥测的新进展,具体阐述了窗扫时空调制傅里叶光谱成像技术的实现过程。演示装置基于角锥反射镜Michelson干涉具,构成了空间调制干涉;采用了制冷型长波红外焦平面探测器组件,通过对数据立方体的采集、重组、基线校正、切趾、相位校正和傅里叶变换等处理,实现了长波红外波段高光谱成像。自研的CHIPED~(-1)长波红外高光谱成像原理实验装置的探测灵敏度指标噪声等效辐射通量密度NESR在单次采样时达到了5.6×10~(-8) W·(cm~(-1)·sr·cm~2)~(-1),与商品化时间调制干涉高光谱成像仪相当;反映了技术的先进性,并留有较大的改进空间。通过测试聚丙烯薄膜的透过率曲线,CHIPED~(-1)红外高光谱成像原理实验装置的光谱响应范围达到了11.5μm。文章还以室外高楼和乙醚气体的探测实验为例,研究了二维分布化学气体VOC的高光谱成像探测方法。在复杂背景和低试验浓度情况下,从同一波数的红外光谱切片上,观察不出乙醚蒸气的存在,但是进行了差谱处理后,可以清楚看到乙醚蒸气的空间分布。高光谱方法应用在有机蒸气VOC的红外探测领域,相对于宽波段热成像方法,具有灵敏度高、抗干扰能力强和识别种类多等诸多优势。     

高光谱偏振成像全Stokes参量获取新方法（英文）

考虑到现有Stokes参量获取方法测量速度慢、测量精度低、系统结构复杂等特点,提出了一种基于双液晶可调相位延迟器(liquid crystal variable retarder,LCVR)和声光可调滤波器(acousto-optic tunable filter,AOTF)的光谱偏振成像系统中全Stokes参量的新获取方法。从AOTF和LCVR的工作原理出发,介绍了系统的基本探测原理;根据偏振分析提出了快速获取全Stokes参量的新方法——该方法选取四个固定的LCVR控制电压,同时控制两个相同的LCVR对光波进行相位调制,得到四组(八个)两两相同的相位延迟量即可求得Stokes参量。此外,设计了能够稳定输出均方根为0~+8.72V连续可调方波的LCVR控制器,并对其进行定标,实现了不同波长下光波的精确调制。搭建实验样机,以偏振方向分别为0°,90°和45°的三个偏振片P_1,P_2,P_3作为偏振测量目标,测得了波长为632nm时的全Stokes参量图;以画有夹角为30°的红色、绿色、蓝色三色线条的实验板作为光谱测量目标,对400~750nm光谱范围的71个通道(光谱带宽为5nm)进行光谱成像,得到了与红色、绿色和蓝色的分析谱段范围相一致的光谱曲线。结果表明,该系统不仅可以快速准确地获取全部Stokes参量,而且系统结构简单、成像质量良好。     

基于近红外反射光谱的无损血糖分析（英文）

无损血糖监测是一种方便且无痛的血糖监测方法。目前,大部分的血糖检测方法都是有损的。提出了一种基于近红外反射光谱的无损血糖检测方法。近红外反射光谱是一种安全、简单并且有效的方法,被应用于很多领域。采用口服葡糖糖耐量试验来采集数据,用偏最小二乘回归方法来建模。使用市售血糖仪采指尖血作为参考值,同时用光谱仪提取手掌光谱,共取得42组样本。血糖浓度范围在5~12 mmol·L~(-1)。采用留一法交叉验证,获得所有数据的交叉验证的均方根误差为1.16mmol·L~(-1)。通过归一化和无关变量消除的预处理方法来减少噪声并消除一些额外因素,优化的均方根误差为0.79 mmol·L~(-1)。基于个人的数据进行建模,得到了远小于整体数据的结果:0.41 mmol·L~(-1)。该方法在个人血糖检测的市场化方面有广阔的应用前景。     

西北盐碱土理化性质的高光谱建模及预测（英文）

高光谱数据具有光谱分辨率高、波段连续性强、信息丰富等特点,在土壤信息的监测中得到广泛应用。利用高光谱遥感技术测定盐渍化土壤属性对灌区农作物的生长和农业可持续发展具有重要意义。采集玛纳斯河流域221个土壤样品,分别测定土壤电导率(EC)、有机质(SOM)和Na~+,Ca~(2+),Mg~(2+)三种离子浓度含量等土壤理化性质和光谱反射率曲线,并由三种离子含量得出钠吸附比值(SAR),采用逐步线性回归方法建立EC,SOM和SAR与原始光谱反射率(R)、标准正态变量(SNV)、归一化差异植被指数(NDVI)、倒数的对数(LR)、一阶微分(FDR)和去包络线(CR)等六种指标的模型。模型验证结果表明,相较其他五种变量的模型,以R为自变量的EC对数模型精度最高,相关系数为0.782,均方根误差为0.256。以NDVI为自变量的土SOM预测模型精度最高,相关系数为0.670,均方根误差为5.352。以FDR为自变量的SAR预测模型精度最高,相关系数为0.647,均方根误差为1.932。EC预测模型效果最好,SOM预测模型次之,SAR预测模型精度最低。最优模型中EC,SOM和SAR的敏感波长分别分布于395~1 801,352~1 144和394~1 011nm波段。由于土壤中各属性的差异和不同成分空间分布的变异性,对于不同土壤性质的建模和验证结果差异较大。本研究可为盐渍化土壤的高光谱遥感监测提供依据。     

生菜叶片绿度的高光谱判别方法研究

生菜叶片绿度在作物生理及品质感官评价中具有重要作用。结合目前高光谱检测与分析技术在植物生理信息监测中的应用现状,开展了基于高光谱技术的生菜叶片绿度判别方法研究,以此为叶菜品质感官评价的定量化及基于高光谱技术的多功能生理信息同步采集装置的开发提供必要的理论支撑。本文以生菜为研究对象,在三种不同光照强度下开展栽培试验。以叶绿素相对含量（SPAD）作为反应绿度的参数,获取生菜整个生命周期中的动态高光谱和SPAD数据,分析了高光谱曲线的变化规律,建立了高光谱与SPAD之间的关系模型。采用Savitzky-Golay卷积平滑(SG)方法对原始高光谱数据进行降噪,平滑后的数据分别与多元散射校正（MSC）,标准正态变量变换(SNV)和一阶导数(FD)三种预处理方法组合,采用竞争性自适应重加权取样法（CARS）和提取有效植被指数（VI）两种方法进行敏感波长提取,结合偏最小二乘（PLS）和最小二乘支持向量机（LSSVM）两种方法建模,以决定系数（R2）和均方根误差（RMSE）为评价指标,优选出最优绿度判定模型。结果表明：在10,20和30 d的生菜全生命周期内,不同光照强度下的高光谱曲线表现出总体变化趋势一致但反射率值不同的特征,在可见光450～680nm范围内,自然光照条件下的生菜高光谱反射率值要高于补光处理条件下的反射率值;而在近红外730～850 nm范围内,生菜叶片的高光谱响应特征恰好与可见光范围内相反。基于SG+FD预处理与CARS敏感波长提取方法的组合可实现叶绿素相对含量特征信息的最有效提取,提取的敏感波长占全波长的64.59%,与原始高光谱（1.25%）相比,提取的敏感波长数增加了63.34%。最终确定LSSVM方法为最优建模方法,基于SG+FD+CARS+LSSVM组合方法所建模型为最优生菜绿度判定模型,训练集R2_c=0.920 7,RMSEC=1.161 0,预测集R2_p=0.828 8,RMSEP=2.400 8,模型精度较高,可以实现生菜叶片绿度判别的目的。     

基于显微高光谱成像技术判别食源性致病菌种类的方法研究

如何实现对食源性致病微生物的早期快速检测是全球食品安全领域面临的挑战之一。传统的致病菌生化检测方法虽然准确性高,但是过程复杂、耗时漫长,易错过控制疫情爆发的窗口期。该研究提出一种基于暗场显微高光谱成像技术的检测方法,能够借助显微镜技术突破传统光谱成像的灵敏度和分辨率极限,并利用可见/近红外光谱为单个致病菌细胞添加高分辨率的图像和光谱信息。以空肠弯曲杆菌、大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌为检测对象,采用显微高光谱成像技术进行数字化表征和数据采集,结合双向长短期记忆网络(Bi-LSTM)算法对各致病菌细胞的图像和光谱数据进行建模分类。结果显示,显微尺度的致病菌光谱数据呈现可判别的分布规律,新采用的Bi-LSTM网络在光谱数据集中表现优异,在三种致病菌的分类任务中取得了91.0%的平均准确率,而传统的线性判别分类器(LDA)和支持向量机分类器(PCA-SVM)的平均准确率分别为80.1%和88.5%。但是,仅依赖光谱数据进行致病菌种类判别仍然存在较为严重的假阳性问题,尤其是在大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌的分类中存在错误分类。图像信息的加入则能够显著改善各分类的识别准确...