基于近红外高光谱技术和特征波谱分析方法的竹类判别研究

竹叶含有丰富的功能性成分,具有良好的抗氧化、调节血脂、抗癌、保护心脑血管等功效,在食品和药品等领域具有较高的应用价值,但不同品种的竹叶其功能性成分差异较大。传统对于竹类品种的鉴别主要是通过观察竹叶大小、纹理、竹枝分枝和竹竿高度等,效率低且错误率较高,因此,快速准确的区分不同品种的竹叶,是竹类资源开发和加工过程中的重要任务之一。采用近红外高光谱(900～1 700 nm)技术对我国不同产地的12种竹叶进行鉴别分析。用主成分分析(PCA)对竹叶进行聚类分析,应用主成分因子中X-loading(XL)和random frog(RF)算法进行特征波段的提取,分别得到6条(931,945,1 217,1 318,1 473和1 653 nm)和12条(1 052,1 140,1 163,1 177,1 180,1 193,1 230,1 241,1 477,1 483,1 629和1 649 nm)特征波段,并基于全波段(238条波长)及采用以上算法所得的特征波段建立最小二乘-支持向量机(LS-SVM)判别分析模型,其识别率分别为99.17%(全波段),95.83%(XL算法),95.83%(RF算法)。最后,采用受试者工作特征曲线(receiver operating characteristic curve, ROC curve)对LS-SVM模型的判别效果进行验证,结果表明,曲线下面积(AUC)均在0.98以上,说明近红外高光谱结合LS-SVM可以很好地实现竹类的鉴别分析,这为竹叶的食用和药用价值的开发利用提供理论参考。     

应用激光诱导击穿光谱对土壤中多元素同时定量分析

土壤元素的丰缺是对土壤养分检测、农业按需种植和科学施肥的依据,是精准农业农情信息感知技术检测的关键点,更为农业生态、高效和优质生产提供理论指导。该研究运用激光诱导击穿光谱(LIBS)技术结合定标曲线法和偏最小二乘回归(PLSR)方法对土壤中的Al,Fe,Mg,Ca,Na和K多种元素同时进行定量分析。利用LIBS检测仪获取了五种标准土壤样品(国家编号： GBW07446,GBW07447,GBW07454,GBW07455和GBW07456)的LIBS数据之后,将每种土壤的多条谱线平均处理来消除试验误差。通过分析所获取的土壤LIBS谱线信息,选取了Al,Fe,Mg,Ca,Na和K元素的特征分析谱线和分析光谱区间,并利用谱线的峰值信息和分析光谱区间内的单个或多个谱峰的积分信息(峰面积)与对应元素浓度拟合并建立定标曲线。结果表明,基于谱峰的峰面积建立的定标曲线的线性关系优于利用峰值信息建立的定标曲线(Fe除外)。同时,针对所选的分析光谱区间和元素的浓度信息,运用PLSR建立定量分析模型,其结果明显要优于定标曲线的分析精度,这也表明LIBS技术结合化学计量学分析在未来光谱化学分析领域有很大应用前景。研究的结果不仅为现代农业的土壤养分空间分布检测和农田精准施肥技术的应用起指导作用,还为田间使用的便携式LIBS土壤检测仪的开发奠定了理论基础。     

应用高光谱图像光谱和纹理特征的番茄早疫病早期检测研究

提出了应用光谱和纹理特征的高光谱成像技术早期检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取380～1 030 nm范围内71个染病和88个健康番茄叶片的高光谱图像,同时采用主成分分析法(PCA)对高光谱图像进行处理。选取染病和健康叶片感兴趣区域(region of interest, ROI)的光谱反射率值,同时分别从前8个主成分的每幅主成分图像的ROI中提取对比度(Contrast)、 相关性(Correlation)、 熵(Entropy)和同质性(Homogeneity)4个灰度共生矩阵的纹理特征值,再通过PCA和连续投影算法(SPA)结合最小二乘支持向量机(LS-SVM)构建番茄叶片早疫病的早期鉴别模型。建立的6个模型中,采用光谱反射率值的LS-SVM模型对番茄叶片早疫病的识别率最高,达到100%。结果表明,应用高光谱成像技术检测番茄叶片早疫病是可行的。     

基于高光谱成像技术的山楂损伤和虫害缺陷识别研究

采用高光谱成像技术（420～1 000 nm）对山楂的缺陷（表面的损伤以及虫害区域）进行识别研究。共采摘了134个样品,包含损伤果46个、虫害果30个、损伤及虫害果10个和完好果48个。考虑到山楂的花萼、果梗与损伤、虫害的RGB图像有相似的外观特征,容易造成误判,利用高光谱成像系统采集了损伤、虫害、完好、花萼和果梗五个区域一共230个山楂样本的高光谱图像,并提取相应的感兴趣区域（region of interest, ROI）,得到了样本的光谱数据。使用标准归一化（standard normalized variate, SNV）,卷积平滑（savitzky golay, SG）,中值滤波（median filter, MF）,多元散射校正（multiplicative scatter correction, MSC）方法进行光谱预处理,建立偏最小二乘（partial least squares method, PLS）判别分析模型,结果表明经过SNV预处理后的预测结果较好。最后选取SNV作为预处理方法。应用回归系数法（regression coefficients, RCs）从全波段中提取10条特征波段（483,563,645,671,686,722,777,819,837和942 nm）,利用Kennard-Stone算法将各类样本按照3:1的比例随机分成训练集（173个）和测试集（57个）,并对其建立最小二乘支持向量机（least squares-support vector machine, LS-SVM）判别模型,山楂缺陷的正确识别率为91.23%。然后,运用主成分分析（principal componentanalysis, PCA）进行10条敏感波段下单波段图像的数据压缩,分别采用“sobel”算子和区域生长算法“Regiongrow”识别出86个缺陷山楂样本的边缘与缺陷特征区域,得出单损伤、单虫害和损伤及虫害样本的识别率分别为95.65%,86.67%和100%。研究结果表明：采用高光谱成像技术可以对山楂的损伤、虫害、花萼和果梗进行定性分析和特征识别,该研究为山楂的缺陷无损检测提供了理论参考。     

嵌入式数字视频实时采集技术研究

激光通信的视频采集需要嵌入式标准化接口的实时数字采集,采取FPGA+SAA7111A的架构来实现系统的实时化、小型化、标准化和模块化。FPGA作为控制器,经I2C总线对视频解码芯片SAA7111A进行初始化。设计了两个读写互斥的存贮单元,分别用来存贮所采集的奇场和偶场数据,并专门设计了一个用于和图像处理单元通信的标准握手接口;为减小传送数据流量,对采集后的图像进行了提取和预处理。通过反复试验仿真,基于FPGA的整个图像采集方案可行,能够在图像采集处理系统中得以应用。     

移相干涉测量术及其应用

为了对移相式数字干涉仪在光学元件测量中的应用有全面了解，介绍了移相干涉术的基本原理。结合激光数字波面干涉仪，阐述移相干涉术的四步重叠平均算法、压电晶体移相器(PZT)的结构、3 PZT的组合方法、移相器的标定误差和非线性误差的校正方法、波面相位解包的自适应种子算法、波面相位的评价指标等内容。结合移相数字波面干涉仪，叙述了移相干涉测量技术在普通光学元件、红外光学元件、大口径光学元件、非球面光学元件等测量中的应用并指出了应用过程中的注意事项。最后明确指出光干涉技术正沿着高相位分辨率、高空间分辨率、宽波段和瞬态高速测量的方向发展，并将会在瞬态波前测量、微机械的微结构动态分析等方面有着越来越广泛的应用。     

NO,NO_2超精细LMR谱的观测

采用内腔CO激光磁共振光谱方法和微机数据采样系统,观测到了NO,NO_2分子的超精细激光磁共振(LMR)谱,简述了测量原理,给出了实验结果。     

LCD投影系统光学引擎的计算机仿真分析

光学引擎是决定LCD投影系统色度、光度品质的核心部件之一。根据投影系统光学引擎的结构特点，结合色度学原理，利用光路追踪法编制了光学引擎的色度、光度仿真分析软件。仿真分析软件具有双向功能：对引擎的光学系统可进行色度光度计算，并可根据色度、光度指标优化光学引擎结构。将仿真与实际的光学引擎进行了对比实验，得到多组投影视场的色坐标对比数据，最后用软件优化了一个光学引擎，得到该引擎结构的优化数据。实验结果表明：该软件可提高光学引擎的设计效率。     

学生自主设计实验方案提高高三实验复习效率

为了活跃高三学生的思维和提高高三学生的动手能力,笔者在物理教学实践中通过探索性实验,提出了“运用已学过的物理知识设计测定重力加速度的方案”。结果学生打破常规,灵活而又多方位,大胆而又富有创造性地提出了近20种方案。本文将能够较好实现的方案进行整理,归纳如下。     

基于中红外光谱分析技术的香菇产地识别研究

采用中红外光谱分析技术对香菇产地进行识别研究,并将相关向量机(relevance vector machine,RVM)算法应用于中红外光谱判别分析之中,取得了较好的效果。通过采集香菇粉末的中红外透射光谱,去除光谱噪声明显部分,对剩下的3 581~689cm-1透射谱线采用多元散射校正(multiplicative scatter correction,MSC)进行预处理,并基于预处理谱线建立了香菇产地识别的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、簇类独立软模式分类(soft independent modeling of class analogy,SIMCA)、K最邻近算法(K-nearest neighbor algorithm,KNN)、支持向量机(support vector machine,SVM)、RVM模型等五种判别分析模型。所有模型的识别正确率均高于80%,KNN,SVM和RVM判别分析模型取得了相近的结果,建模集和预测集识别正确率高于90%。基于全谱的PLS-DA模型的加权回归系数,利用加权回归系数法选取了6个特征波数,并基于特征波数建立了PLS-DA,KNN,SVM和RVM模型。基于特征波数的PLS-DA模型的建模集和预测集识别正确率均低于80%,而KNN,SVM和RVM模型的建模集和预测集的识别效果相近,且都高于90%。基于全谱和特征波数的模型中,RVM算法表现出较好的效果,识别正确率优于90%。结果表明,基于中红外光谱技术能用于香菇产地的识别,特征波数的选择以及RVM算法可以有效的用于中红外光谱判别分析中。本文成功将中红外光谱用于香菇产地识别研究,为香菇品质以及其他农产品品质分析提供了一种新的想法,具有实际意义。