Multiple homoclinic orbits for a class of the discrete p‐Laplacian with unbounded potentials

This paper is devoted to study the existence results of a sequence of infinitely many homoclinic orbits for the discrete p‐Laplacian with unbounded potentials without the Ambrosetti and Rabinowitz condition. The strategy of the proof for these results is to approach the problem using the mountain pass theorem, the fountain theorem, and dual fountain theorem.     

一种基于荧光信号的海面厚油膜评估方法

油膜厚度是海面溢油污染评估分析的一个重要指标,激光诱导荧光(LIF)技术是目前最有效的海面溢油探测技术之一,基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法,而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。鉴于此,提出一种基于LIF技术适用于较厚油膜的反演算法,该算法采用油膜荧光信号反演油膜厚度,推导了油膜厚度反演公式,并给出了基于该反演算法的油膜厚度评估方法。首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段,然后根据选取波段内每个波长的光谱数据反演油膜厚度,最后采用反演油膜厚度的平均值作为油膜厚度评估结果。研究了该算法的适用范围,给出了该算法有效评估范围最大值与测量相对误差的关系,并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。通过实验对本文方法进行了验证,选用原油和白油的混合油(1∶50)作为实验油品,以波长为405 nm的激光作为激发光源,采集波长范围为420～750 nm,采集了海水背景荧光和拉曼散射光光谱、实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。采用Otsu算法选取420～476 nm波段评估油膜厚度,在实验油品油膜厚度≤800 μm时,该算法对油膜厚度的评估具有较高的精度,平均误差为10.5%;在油膜厚度>800 μm时,平均误差为28.8%,评估误差较大且随油膜厚度的增加快速变大,该实验结果与利用测量相对误差和消光系数的分析结果一致。实验结果表明,该方法可以实现对海面较厚油膜厚度的有效评估,并可以根据测量相对误差和消光系数判断评估结果的有效性。     

互叶白千层不同部位油细胞分布及显微拉曼光谱研究

为避免复杂的制样提取过程,在天然状态下获得植物样品油细胞中精油的成分,用显微拉曼光谱仪,得到互叶白千层同一植株不同部位的油细胞的分布及油细胞中的主成分。对各部位的显微镜观察发现在软枝干中不存在油细胞或者很少,老叶中的油细胞没有新叶中的多。在老叶油细胞上获得的谱峰中,1 675和726 cm-1为4-萜烯醇的特征峰, 归属为C═C伸缩振动和环的变形振动;1 700和754 cm-1为γ-松油烯的特征峰,归属为C═C伸缩振动和环的变形振动;1 609 cm-1为α-松油烯的特征峰,归属为C═C伸缩振动;1 522,1 156和1 011 cm-1为β-胡萝卜素的的特征峰,分别归属为C═C伸缩振动、C-C伸缩振动和C-C面内摇摆振动。在新叶油细胞上获得的谱峰中,745 cm-1为顺香桧烯水合物的特征峰,归属为环变形振动;1 609 cm-1为α-松油烯的特征峰;1 525,1 160和1 008 cm-1为β-胡萝卜素的的特征峰;老叶与新叶油细胞中的主成分不完全相同,老叶中油细胞精油为γ-松油烯-4-萜烯醇-α-松油烯型,而新叶中油细胞中的精油为顺香桧烯水合物-α-松油烯型。老叶、新叶的共有物为：α-松油烯、β-胡萝卜素。β-胡萝卜素及顺香桧烯水合物为首次在互叶白千层中发现。利用该方法可迅速的确定植株油细胞的主成分,为互叶白千层精油提取提供有益参考。     

高光谱的刺五加黑斑病的早期检测研究

对感染黑斑病的刺五加叶片进行光谱特性研究,能为药用植物病害的早期筛选与精准治疗提供重要研究资料。实验目的,运用高光谱成像技术实现植物病害的自动监督分类与识别。实验过程,首先使用高光谱成像系统在可见光波段（380～960 nm）内采集刺五加黑斑病的叶片样本,光谱数据经过去除亮暗噪声和平滑预处理后,再经过主成分分析实现数据降维,继而运用基于不同核函数的支持向量机法建立分类模型,最后利用总体分类精度、Kappa系数等因子评价不同核函数对分类器性能的影响。根据叶片表面的特征将其分为四类样本：健康亮部、健康暗部、轻度病害和重度病害等。对比各类样本的光谱可知,刺五加的健康样本在540 nm波长存在一个明显峰值,在620～680 nm光谱曲线急剧上升;而病害样本的光谱反射率呈现缓慢且平稳的上升趋势,上述特征能够将图像空间上反射强度接近的健康亮部和严重病害完全区分开。经对比发现前四个主成分（PC1,PC2,PC3,PC4）在分类表达上存在差异,主要表现为PC1含有的信息多,能够较好地区分各类样本;PC2则出现健康亮部和严重病害的交叉混淆;PC3是对于PC2的补充,能基本完整地表达轻微病害;PC4的贡献率仅有0.19%,依然能够准确地识别严重病害。不同主成分分量在表达各类样本特征中存在的差异能够作为复杂样本分类的参考依据。对比四种核函数对支持向量机分类器性能的影响,结果显示线性核函数的识别过程受光强反射的影响较大,Sigmoid核函数的训练精度易受数据集大小的影响,在识别健康亮或暗,以及轻微病害上均存在一定的误差,多项式核函数与径向基核函数的效果较好,其中,多项式核函数的精度更高,为92.77%。研究表明,利用高光谱成像技术能够准确地识别刺五加的健康叶片和患病叶片,为实现自动诊断药用植物叶片病害提供新方法。     

微量原位水质总碱度在线检测新方法研究

为实现原位水质总碱度快速准确检测的需求,融合顺序注射分析（sequential injection analysis, SIA）与连续光谱检测法,设计了一种小型微量原位水质总碱度在线快速检测仪,系统主要通过设计滴定池将SIA和连续光谱检测法应用于总碱度自动化滴定检测流程,并对连续光谱检测法判断滴定临界值的新方法进行实验研究。基于国标总碱度检测中工业循环冷却水及地表水总碱度的测定标准,设计了原位水质总碱度检测流程,并以顺序注射技术为控制滴定流程基础,在连续光谱扫描测量溶液检测过程的条件下,使用酚酞和甲基橙作为指示剂,对水质总碱度进行滴定分析。通过连续光谱扫描对酚酞碱度及甲基橙碱度滴定过程进行监测,以吸光度曲线552 nm处峰值归零作为酚酞碱度滴定临界值判断条件;以吸光度曲线峰值由465 nm偏移至504 nm处作为甲基橙碱度滴定临界值判断条件;分析通过滴加不同剂量酚酞和甲基橙指示剂所得溶液吸光度曲线得出最佳指示剂用量分别为0.01和0.04 mL。该系统利用最小二乘拟合算法建立总碱度测定的回归模型,并对检测系统及检测流程进行优化,实验结果表明,水质总碱度在0.20~25.00 mmol·L-1范围内与盐酸消耗量线性相关,工作曲线拟合系数≥0.994 2;测定总碱度重复性相对标准偏差（RSD）为0.207%~1.151%;废液量≤16 mL;最低检出限为0.03 mmol·L-1;样品加标回收率在97.2%~102.3%之间;与国标法对比实验结果无明显差别。利用连续光谱检测法判断滴定临界值的新方法对于提升水质总碱度检测仪的技术性能具有重要意义,可适用于系统网格化监控地表水、循环冷却水、养殖循环水等多种监测应用平台。     

基于荧光光谱的轻质油乳化物油水比估测研究

海面溢油在其风化迁移过程中,会形成不同溢油乳化物,对海洋环境造成极大危害。科学量化溢油乳化物,有助于溢油污染应急处理和灾损评估。已有对溢油乳化物展开的研究由于缺乏系统的实验数据、理化与光学参数,尚不清楚不同类型油水乳化物的精细光谱响应特征与变化规律,无法给出不同类型溢油乳化物光谱与海水表层油水比的数据关系。通过轻质油乳化物的室内实验,采用激光诱导荧光技术手段,从不同类型,不同表层油水比的溢油乳化物荧光光谱响应差异和变化规律入手,以乳化柴油相关数据作建模样本,乳化煤油相关数据作验证样本,开展统计分析,并分别设计了油包水、水包油两种类型下的表层油水比估测模型。数据处理过程中,为了消除LIF系统本身对接收到的荧光信号强度的影响,利用水的拉曼散射信号对乳化液的荧光信号进行归一化处理,将两者的比值作为后续的分析数据。具体数据研究表明：油包水型乳化溢油的荧光峰值对数和表层含水率对数之间可建立非线性回归模型;水包油型乳化溢油的荧光峰值和表层含水率之间也可建立非线性回归模型。非线性拟合相关系数均在0.9以上,即模型具有较高质量,且模型中的实际系数依赖于不同油种,不同的特征荧光峰。由此可见,不同乳化油种的不同特征荧光峰与表层油水比之间虽具有相同的变化趋势,但变化的程度有所不同。在此基础上,采用参数查找表的方式,建立了轻质油乳化物油水比的估测方法,可根据荧光相对强度最后反演得到表层油水比。该方法在一定程度上可对海面轻质油乳化物实现有效量化,为将来海面溢油乳化物更加实时准确的定量分析提供理论基础和依据, 也为海面溢油污染应急处理提供技术参考,因此具有重要研究意义和实用价值。     

高光谱数据的刚竹毒蛾虫害程度检测

刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系,提取冠层光谱中与虫害紧密相关的特征波长、指数以及光谱参数等,利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。分别以原始光谱的400～508,586～693和724～900 nm处的波长、包络线去除光谱的400～756 nm之间的特征波长、9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量,构建判别函数。收集300组毛竹叶片虫害样本数据,随机划分为210组建模集与90组验证集,根据检测精度、Kappa系数以及判定系数R2作为检验标准,对建立的判别函数进行效果评价与对比。结果表明,以原始光谱、去包络线光谱、冠层指数、光谱参数为自变量建立的Fisher判别函数的检验精度分别为：84.4%,81.1%,79.7%,78.7%;Kappa系数分别为：0.79,0.74,0.74,0.76;R2分别为：0.89,0.88,0.88和0.85。由此可知,Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力,而且基于冠层原始光谱建立的判别函数检测效果最佳。根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。检测结果为：上湖两个样区的竹林以健康为主。洋门两个样区虫害程度以中度和重度为主。因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性,该方法可为虫害检测的探究提供参考,为基于冠层遥感虫害检测贡献理论支撑。     

三维荧光光谱结合稀疏主成分分析和支持向量机的油类识别方法研究

石油污染的出现,导致生态环境遭到破坏。因此,油类识别方法的研究对于环境的保护具有重要意义。采用荧光光谱法获得石油光谱数据,并对其进行预处理,再通过降维方法来提取特征信息,最后利用模式识别算法进行分类,从而可以实现对油类的定性分析,因此研究一种更高效的数据降维方法以及识别分类算法极其重要。基于三维荧光光谱技术,利用稀疏主成分分析（SPCA）对FS920光谱仪测得的荧光光谱数据进行特征提取,再利用支持向量机（SVM）算法对提取的特征数据进行分类识别,获得了一种更加高效的油类识别方法。首先,利用海水和十二烷基硫酸钠（SDS）配制成浓度为0.1 mol·L-1的胶束溶液,将其作为溶剂配制柴油、航空煤油、汽油以及润滑油各20种不同浓度的溶液;然后,利用FS920光谱仪测得样本溶液的三维荧光光谱数据,对得到的光谱数据进行预处理;最后,对预处理后的数据分别利用SPCA和主成分分析（PCA）进行特征提取,再利用SVM和K最近邻（KNN）两种模式识别算法对特征向量进行分类,最终得到四种模型PCA-KNN,SPCA-KNN,PCA-SVM以及SPCA-SVM的分类结果。研究结果表明,由四种模型得到的分类准确率分别为85%,90%,90%和95%,其中,在同种分类算法中,利用SPCA进行特征提取得到的分类准确率均比PCA的准确率高5%,因此可知,SPCA的稀疏性具有突出主要成分的作用,在提取光谱特征时能够减小非必要成分的影响,并且载荷矩阵的稀疏化可以去除变量之间的冗余信息,优化降维特征信息,为后续分类提供更有效的数据特征信息;在同种特征提取算法下,利用SVM算法进行分类得到的分类准确率均比KNN算法得到的准确率高5%,表明SVM算法在分类中更具有优势。因此,本文利用三维荧光光谱技术结合SPCA和SVM算法,实现了对石油的准确识别与分类,为今后对石油污染物的高效检测提供了新思路。     

隐性字迹的快速光谱显现与高光谱分类技术研究

擦除、密写、掩盖等隐性字迹的快速、无损显现与检验是法庭科学文件检验领域的研究难点。当前多采用切换多波段光源与滤光片的方法对隐性字迹进行显现,但对隐性字迹显现的光谱学机理分析较少,因此隐性字迹的显现效率与检验成功率均不高。为提高擦除、密写、掩盖三类隐性字迹的显现效率与检验精度,通过测量字迹的激发与荧光光谱、反射与透过光谱、微观形貌,对其显现机理与快速显现方法进行深入研究。并且基于液晶可调谐滤光器（LCTF）的高光谱成像技术与支持向量机（SVM）分类算法,提出一种对隐性字迹同时显现与分类的快速检验方法。晨光与百乐可擦笔字、荧光密写笔、柠檬汁均可在365 nm长波紫外光激发下发出较强荧光,其中可擦笔和柠檬汁的荧光波长为716 nm左右,荧光密写笔荧光波长为447 nm。此外,采用254或365 nm波长对柠檬汁隐性字迹进行紫外反射成像也可有效显现柠檬汁字迹。掩盖字迹的研究中发现,在700～2 500 nm红外波段,走珠笔、记号笔、可擦笔字迹透过率在60%以上,而中性笔字迹透过率在20%以下。因此,采用近红外波段850 nm成像有效显现了百乐走珠笔所覆盖的晨光中性笔字迹。同时,采用LCTF高光谱相机对三类隐性字迹在400～720 nm范围进行步长为5 nm的高光谱成像,并通过SVM分类算法对图像中不同笔迹成分进行同时显现和分类,分类总精度达99.284 4%,Kappa系数达0.959 1。以365 nm波长光源作为激发光进行光致发光成像可有效显现擦除与密写字迹。由于不同墨迹在近红外波段反射率差异较大,近红外成像可以有效显现掩盖字迹。基于LCTF高光谱成像的SVM分类技术可实现不同类别隐性字迹的同时显现与分类,并且有较高的显现效率与分类精度。     

PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测

马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式（光源与光纤探头位于分级线果盘左右两侧）,采集470个马铃薯（其中健康薯234个、黑心薯236个）的透射光谱图,建立偏最小二乘判别模型（PLS-DA）,并利用主成分分析（PCA）与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯（650～900 nm范围内）,但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线（ROC）下面积（AUC）值为0.994 2,黑心薯识别总正确率能够达到97.16%,RMSE_CV和RMSE_P分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长（658,705,716,800,816和839 nm）组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。