园艺作物病害的多光谱组合分类

选取设施园艺作物黄瓜的主要病害为研究对象,利用窄带滤光片型多光谱成像系统,获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。采用多光谱图像分类技术中的距离分类器、相关系数分类器和BP人工神经网络分类器,将不同病害类型对应的16个波段的反射率看作线性波谱,对210个多光谱数据样本进行识别分类,目的是探讨一个能有效识别黄瓜植株常见病害的多光谱组合分类器。实验结果表明,将人工神经网络和距离分类器有效组合,不仅分类性能明显优于单个分类器的性能,而且能够充分发挥各个分类器的特性,对园艺作物病害进行快速、准确、实时的无损检测。     

多光谱成像技术诊断植物病虫害的人工神经网络模型

为了实现可靠的植物病虫害诊断,提出把人工神经网络和多光谱成像技术结合的方法,并将该方法用于常见的三种黄瓜病害的识别研究。在此基础上,实验采用窄带多光谱成像技术获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。利用BP网络对病斑样本的光谱信息进行学习分类。和14通道训练结果比较,增加850nm的近红外通道和全色通道,使网络的训练时间缩短、预测能力提高。实验结果表明,这种方法对植物进行快速、准确和非破坏性诊断提供可靠的技术支持。     

可见/近红外光谱分析技术鉴别转基因番茄叶

用可见/近红外光谱（Vis-NIR spectrum）漫反射方式对转基因番茄叶和非转基因番茄叶进行了快速、无损的定性分析。实验共对68个样品（转基因38个,非转基因30个）进行分类,用TQ 6.2.1光谱分析软件中集成的判别分析（Discriminant analysis）和偏最小二乘回归法（PLS）建立校正和预测模型。研究对比了不同光谱预处理方法（微分处理和多元散射校正（MSC））对分类结果的影响。实验结果发现用判别分析较最小二乘法判别结果较好,用InGaAs检测器获得的光谱经MSC后的分类结果最好,分类正确率为89.7％（转基因番茄叶86.8％,非转基因番茄叶93.3％）。结果表明VIS-NIR可以作为一种快速的无损检测方法鉴别转基因和非转基因番茄叶。     

基于多光谱成像技术的水稻叶瘟检测分级方法研究

实时、可靠的植物病害检测是进行科学的植物喷药作业的基础,也是精确农作的关键技术之一。目前水稻稻瘟病害检测鉴定方法存在着专业知识要求高、花费大、效率低等缺点。文章提出了利用包含绿、红、近红外三波段通道的多光谱成像技术对水稻叶瘟病进行检测。研究目的是建立能够快速、准确分析稻叶瘟病情的检测模型,实时过滤掉背景噪声、自然枯叶等干扰因素,实现对水稻生长状况进行及时、有效、非破坏性检测。研究表明,利用多光谱成像技术提取水稻叶面及冠层图像信息,可以快速有效地检测稻叶瘟病情。通过实验建立的稻叶瘟病情检测分级模型,对于营养生长期的水稻苗瘟的识别准确率为98%,叶瘟的识别准确率为90%,为实施科学的稻叶瘟防治提供了决策支持。     

基于短波红外成像光谱仪的矿石光谱测量

为了实现对不同矿物成分的识别,研制了一台用于矿石光谱分析的短波红外成像光谱仪,并基于此台仪器获取了多种矿石的图像信息和光谱信息。阐述了设计原理,并对整个系统的光学设计结果进行了成像质量分析。采用单色准直光法对该系统进行了测试,得到各光谱通道的中心波长以及光谱分辨率等光谱性能参数,测试结果显示,该仪器光谱分辨率优于10 nm,满足应用需求。利用研制出的成像光谱仪对岩石样品进行了实验,并对获得的光谱曲线进行了光谱分析。实验分析结果表明,该仪器具有良好的性能,能够较为准确地判断不同矿石。设计的短波红外成像光谱仪具有高分辨率、结构简单、小型化、重量轻等优点,便于机载成像,有益于其在地质勘探领域的应用。     

高光谱成像的油菜和杂草分类方法

利用高光谱成像技术结合化学计量学方法对油菜中的杂草进行分类识别。采用近红外高光谱技术,通过正态变量变换(SNV)、去趋势化(De-trending)、多元散射校正(MSC)、移动平均平滑法(MA)、多项式卷积平滑法(SG)、基线校正(baseline)及归一化(normalize)算法对光谱数据进行预处理,采用主成分载荷(PCA loadings)、载荷系数法(x-LW)、回归系数法(RC)、连续投影算法(SPA)分别进行特征波长提取,采用偏最小二乘判别分析(PLS-DA)、极限学习机(ELM)和支持向量机(SVM)建立分类模型。结果表明,基于De-trending 预处理,通过PCA loadings,x-loading weights及SPA特征波长提取方法,基于极限学习机ELM算法建立的模型取得了最优的分类效果,建模集和预测集的分类精度均达到100%,另引入平均分类精度的指标,发现不同试验时间下,模型分类精度变化不大,表明应用近红外高光谱成像技术对油菜和杂草进行分类是可行的。     

微型快照式窄带多光谱成像宫颈癌筛查方法

白光阴道镜图像对比度较低,不利于医生鉴别不同病变程度组织,也不利于自动化宫颈癌筛查。利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性,与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反,利用快照式多光谱窄带成像来加速光谱图像获取过程,提升不同病变程度组织之间灰度对比度同时,降低后续图像分析处理算法难度,实现对宫颈组织病变类型高帧率自动化分类。首先,使用微型快照式窄带多光谱摄像方法,在血红蛋白的两个强吸收峰(415±10)和(525±10) nm、一个反射带(620±10) nm和一个背景波段(450±10) nm共四个波段对宫颈组织进行快照式零时差获取四幅窄带光谱图像。而后,对所获取的光谱图像进行简单代数加减,以生成突显病变组织的融合图像,提高不同病变程度组织之间的对比度。最后,使用欧式距离分类算法,对光谱融合图像中不同病变级别进行分类,建立计算机辅助宫颈癌筛查方法。创新点在于实现了高帧率计算机辅助光学病理诊断方法。分别采用临床常规白光阴道镜及微型快照式窄带多光谱摄像对宫颈癌手术切下的新鲜组织进行彩色图像及光谱融合图像的高帧率采集,并使用同一个欧式距离分类算法对两种图像进行自动分类,分类结果都以组织病理诊断作为标准来计算正确率。通过对比两种分类结果正确率来检验光谱融合图像相对于彩色图像是否提升对比度,及其是否可以实现与组织病理诊断(金标准)结果一致的诊断。欧式距离分类算法对光谱融合图像分类准确率接近100%,远高于对白光阴道镜图像约50%的准确率。多位临床医生对基于微型快照式多光谱摄像头光谱融合图像的计算机自动分类结果表示接受。微型快照式窄带多光谱成像方法能有效提升光谱融合图像获取帧率及不同病变程度组织之间灰度对比度,能有效快速地将宫颈组织划分为与组织病理诊断结果一致的病变类型。由于诊断客观、无创伤、结果立等可得,该方法将有助于实现落后地区宫颈癌筛查的普及以及图像导航下的宫颈癌精准治疗手术。     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。     

光谱及成像技术在果蔬损伤检测研究中的应用现状与展望

果蔬在收获、运输、贮藏、分拣、包装和销售过程中均会遭受不同程度的挤压、碰撞或摩擦,从而造成果蔬损伤,如挤伤、开裂、擦伤等外部损伤,同时,在生长过程中会产生黑心、水心、褐腐、霉心等内部损伤。果蔬损伤初期特征不明显,外观与正常果实基本无异,然而随着时间的推移,损伤组织恶化扩散,最终导致整个果实腐烂变质,又进而接触感染其他果实,造成周边甚至整箱果蔬病变,对果蔬产业造成巨大的经济损失。果蔬采后损伤检测方法多种多样,其中人工检测最为简单常用,但是该方法不仅耗时耗力,容易造成错判和漏判现象,而且无法实现肉眼不可见的皮下或内部损伤检测。近年来,随着计算机技术的快速发展,越来越多的无损检测技术被广泛应用于果蔬损伤检测,其中最为常用的当属光谱和成像技术。光谱成像技术通常结合图像处理、光谱分析、化学计量学方法、统计分析等手段,利用损伤果蔬和正常果蔬的图谱信号差异实现损伤检测,具有无损、快速等优点,能解决人工检测耗时耗力且准确率低的问题。在此主要概述了8种光谱及成像技术（近红外光谱、拉曼光谱、荧光光谱、高光谱成像、空间频域成像、核磁成像、X射线成像和热成像）在果蔬损伤检测的最新研究进展,包括检测原理及其技术特点,总结分析了各技术在果蔬损伤检测方面的应用情况,并展望未来发展趋势,以期为果蔬损伤无损检测提供借鉴与参考。     

高光谱成像技术在彩绘文物分析中的研究综述

彩绘文物是文化遗产研究的重要内容之一。目前,许多的化学、光谱以及数字成像等分析技术应用于彩绘文物研究中,其中,高光谱成像技术集光谱分析与成像技术为一体,具有无损、快速成像以及"图谱合一"的特点。其技术特点使得高光谱成像技术在非接触、无样本的条件下对彩绘文物进行无损研究,既可以获得彩绘文物的整体形貌特征,还可以深入分析彩绘文物的光谱特征,是高光谱成像技术相比于其他彩绘文物研究方法的独特优势。利用高光谱成像技术研究彩绘文物分为数据采集、数据分析以及数据应用三步,其中数据分析与数据应用是研究的主要内容。通过对高光谱成像技术在彩绘文物中的相关研究成果进行总结归纳,其数据处理方法主要包括高光谱数据降维、光谱特征参量化、光谱解混合以及分类方法四个方面,并分别描述了四类处理方法的主要功能、常用方法和已有案例。从具体应用方向上,可归纳为视觉增强、隐含信息挖掘、保护监测和颜料分析四类,具体描述了四类应用方向所涵盖的内容以及所解决的问题。最后对相关研究中存在的挑战和发展前景进行了总结和展望。     

多光谱荧光图像技术检测农药残留

多光谱成像技术是一种结合传统的二维成像技术及光谱技术的新兴无损检测技术。本文利用有机磷农药的荧光特性,结合多光谱成像技术和荧光激发技术,研发了叶片农药残留快速检测的多光谱荧光成像系统。结果表明,在190~300 nm的紫外光激励下,配置好的有机磷农药氧乐果会在440 nm附近产生显著的荧光发射,并且荧光发射光谱峰值与农药浓度具有良好的线性关系。滤光片可置换的多光谱成像系统研发以及实验检测结果为开发实时在线的农药残留快速无损检测系统提供了技术保障和理论依据。     

Advances in multispectral and hyperspectral imaging for archaeology and art conservation

Multispectral imaging has been applied to the field of art conservation and art history since the early 1990s. It is attractive as a non-invasive imaging technique because it is fast and hence capable of imaging large areas of an object giving both spatial and spectral information. This paper gives an overview of the different instrumental designs, image processing techniques and various applications of multispectral and hyperspectral imaging to art conservation, art history and archaeology. Recent advances in the development of remote and versatile multispectral and hyperspectral imaging as well as techniques in pigment identification will be presented. Future prospects including combination of spectral imaging with other non-invasive imaging and analytical techniques will be discussed.     

Multispectral imaging with a confocal microendoscope

The concept of a multispectral confocal microscope for in vivo imaging is introduced. To demonstrate the concept we modified a slit-scan fluorescence confocal microendoscope incorporating a fiber-optic catheter for in vivo imaging to record multispectral images. The system was designed to examine cellular structures during optical biopsy and to exploit the diagnostic information contained within the spectral domain. Preliminary experiments were carried out in phantoms and cell cultures to demonstrate the potential of the technique.     

Nondestructive testing of external defects on Nanguo pear

In view of the common pests and diseases and irregularly shaped fruits of Nanguo pear, this paper fused the spectral information and image features to realize the rapid nondestructive testing and recognition of the external defects on Nanguo pear by hyperspectral imaging technology. Backpropagation neural network and support vector machine model was established to identify external defects, which are commonly used in classification and pattern recognition. The testing results show that recognition effect of support vector machine is better than backpropagation neural network. Among them, the recognition accuracy of fruits damaged by insects and rotten fruits of Nanguo pears reaches 100%. This study provides a theoretical basis for developing online grading system and quality detection of Nanguo pear based on multispectral imaging technique.     

Brain MRI lesion load quantification in multiple sclerosis: a comparison between automated multispectral and semi-automated thresholding computer-assisted techniques

Brain magnetic resonance imaging (MRI) lesion volume measurement is an advantageous tool for assessing disease burden in multiple sclerosis (MS). We have evaluated two computer-assisted techniques: MSA multispectral automatic technique that is based on bayesian classification of brain tissue and NIH image analysis technique that is based on local (lesion by lesion) thresholding, to establish reliability and repeatability values for each technique. Brain MRIs were obtained for 30 clinically definite relapsing-remitting MS patients using a 2.0 Tesla MR scanner with contiguous, 3 mm thick axial, T1, T2 and PD weighted modalities. Digital (Dicom 3) images were analyzed independently by three observers; each analyzed the images twice, using the two different techniques (Total 360 analyses). Accuracy of lesion load measurements using phantom images of known volumes showed significantly better results for the MSA multispectral technique (p < 0.001). The mean intra-and inter-observer variances were, respectively, 0.04 ± 0.4 (range 0.04–0.13), and 0.09 ± 0.6 (range 0.01–0.26) for the multispectral MSA analysis technique, 0.24 ± 2.27 (range 0.23–0.72) and 0.33 ± 3.8 (range 0.47–1.36) for the NIH threshold technique. These data show that the MSA multispectral technique is significantly more accurate in lesion volume measurements, with better results of within and between observers’ assessments, and the lesion load measurements are not influenced by increased disease burden. Measurements by the MSA multispectral technique were also faster and decreased analysis time by 43%. The MSA multispectral technique is a promising tool for evaluating MS patients. Non-biased recognition and delineation algorithms enable high accuracy, low intra-and inter-observer variances and fast assessment of MS related lesion load.     

用于植物病虫害诊断的多光谱成像系统

准确重建被测目标的颜色信息对实现可靠的植物病虫害诊断具有十分重要的意义。文章提出把多光谱成像技术应用于植物病虫害诊断,所采集的多光谱图像可以从光谱维和图像维反映被测目标的特征信息。在此基础上,实验采用16个窄带滤色片、单色面阵CCD、积分球混合光源照明和标准观测环境建立了能进行适时、无损检测的多光谱成像系统。并利用该设备对Macbeth色卡中8个色卡进行光谱和颜色重建,重建的结果与光谱辐射度计的测量结果进行了比较。通过对光谱匹配角度和CIE标准色差分析,证明这种多光谱成像系统能够准确、稳定地重建出目标的光谱信息和颜色信息。     

一种可实时化的多光谱图像融合系统

在多光谱摄影和光电成像技术基础上，本文提出了一种可实时化的多光谱图像融合系统。与多光谱摄影相比，不仅可实现多光谱实时化摄像，而且光谱响应进一步向近红外延伸，并引入图像处理技术。实验表明：这种技术对于增加系统的识别能力具有明显的作用，可进一步构成不同用途的新型多光谱图像融合系统。     

光场多光谱相机像方远心镜头光学设计

光场多光谱成像技术具有能够同时获取目标二维空间信息和光谱信息的能力,利用光谱信息可以实现目标的分类和识别。为了快速、便捷地获取空间目标的完整光谱信息,实现目标表面光谱信息的真实记录,基于光场多光谱成像原理,采用光谱分光滤光片阵列分光实现主透镜系统入瞳孔径的分割,设计了一款应用于光场多光谱相机的像方远心镜头光学系统。光学系统具有宽波段400 nm~1 000 nm,焦距为240 mm,F数为4,全视场15.52°。像质评价与系统公差分析结果表明:设计的光场多光谱相机的像方远心镜头可以满足实际加工以及正常使用要求。