基于DS算法的玉米近红外定性分析光谱校正方法研究

从校正的角度出发,研究了近红外定性分析中模型稳定性问题。以13个玉米品种为研究对象,针对数据采集时间不同带来的模型失效问题,借鉴近红外光谱定量分析中两台仪器间模型传递的思想,将直接模型传递(Direct Standardization)算法用于校正同一仪器不同时间采集的光谱, 使得一次建立的品种鉴别模型,能用于其余时间测试数据的鉴别。首先采用Kennard/Stone算法在主光谱集中选取校正样品集,按照对应的编号从从光谱集中取出对应的数据,然后对校正样品集采用DS算法求取两组数据间的变换关系,再对剩余的从光谱集进行相应的变换得到适用于模型的光谱。实验中对比了校正样本数和模型校正位置对校正结果的影响,分别从品种定性鉴别准确性和校正前后主光谱数据和从光谱数据分布距离两方面分析了实验结果。结果表明,该方法能有效地解决同一仪器随着采样时间推移产生的光谱偏移现象,对采样时间不同的测试集均得到较高的识别率,提高了模型的鲁棒性和适用范围,由实验结果可见,校正位置处于特征提取之后时,校正效果最佳。     

红莲型杂交稻不育系珞红3A及其组合珞优8号的选育与利用

以保持系粤泰B为材料,用γ射线辐射处理,成功选育了红莲型杂交水稻新不育系珞红3A,并以珞红3A为母本,优良恢复系"R8108"为父本配组育成杂交中稻新品种珞优8号.珞优8号表现出分蘖力强、株型紧凑、茎秆粗壮、叶色浓绿、剑叶挺直、后期叶青籽黄等显著特点,在大面积生产示范中平均亩产达到700kg以上,米质达到国家二级优质米标准.     

抗褐飞虱两系杂交稻不育系Bph68S及其组合两优234的选育

利用优良两系不育系广占63-4S为母本人工去雄与具有高抗褐飞虱材料进行杂交,多代回交,结合分子标记辅助选择技术,成功选育出败育彻底、配合力强、并具有褐飞虱抗性的新不育系Bph68S,并利用Bph68S配组选育出抗褐飞虱杂交水稻新组合两优234.两优234生育期短(全生育期在128d左右)、优势强,稻米外观品质好、食味佳,主要理化指标达到国标三级优质稻谷质量标准;在2006年和2007年飞虱大发生年份表现出良好的抗性,田间未发现明显病害.     

玉米品种近红外光谱鉴别技术中的参数漂移问题研究

以13个玉米品种鉴别为研究对象,提出了一种解决光谱仪参数漂移问题的有效方法。使用同一台光谱仪分不同时间重复采集数据,用一天数据建模,其余测试,发现不同时间采集的数据有较大偏移,严重时正确识别率仅为7.69%。为此,提出一种有监督学习特征提取的多天联合建模方法,首先挑选具有代表性的多个时间段样本数据共同组成建模集,其次采用PLS+LDA特征提取算法,提取出与仪器参数漂移无关的品种特征信息, 然后采用BPR方法建立品种鉴别模型。实验结果表明,该方法对于不同时间数据的偏移均能有较好的校正效果,得到较高的识别率和稳定性。     

DPLS和SVM的掺假花椒粉近红外光谱定性鉴别

花椒是我国的八大调味料之一。目前花椒市场掺假现象较为多见,为实现掺假花椒粉的快速定性鉴别,采用了近红外光谱结合化学计量学方法进行了探讨。将麦麸粉、稻糠粉、玉米粉和松香粉以1 Wt/Wt.%的递增梯度分别掺入红花椒粉和青花椒粉中,制备掺假浓度范围为1~54 Wt/Wt.%的掺假花椒粉样品,以掺假花椒粉和纯花椒粉共462份样品依次采集其800~2 500 nm范围的漫反射近红外光谱。采用主成分分析法(PCA)对光谱数据进行分析,前3个主成分累计贡献率达98.72%,做出的得分图表明PCA法对掺假的花椒粉具有较好的区域划分。347份样本作为校正集,以特征谱区2 000~2 200 nm范围的257个采样点的光谱信号作为输入,采用判别偏最小二乘法(DPLS)和支持向量机(SVM)建立定性鉴别模型,经不同光谱预处理,对115份验证集样本进行预测,总体鉴别正确率在97.39%~100%之间,表明该方法是快速定性鉴别掺假花椒粉的一个有效手段。     

基于卷积神经网络的烟叶近红外光谱分类建模方法研究

卷积神经网络(CNN)在图像分类识别领域应用广泛,但其在近红外光谱分类中的研究还未见报道,对基于CNN的近红外光谱分类建模方法进行了研究。针对近红外光谱数据的特点,提出了一种改进的卷积神经网络建模方法,对CNN经典模型LeNet-5所做改进：①将方形矩阵卷积核改为适用于一维近红外光谱的向量卷积核;②简化网络结构,将LeNet-5结构中C5,F6及输出层改为单层感知机。同时,采用隔点采样的方法对近红外光谱降维,加快收敛速度;并对卷积核尺寸对建模结果的影响进行了研究。以我国东北、黄淮、西南三大烤烟产区的600个中部烟叶样本的近红外光谱为实验对象,建立烟叶产区分类NIR-CNN模型。该模型对训练集和测试集的判别准确率为98.2%和95%。实验结果表明,应用卷积神经网络可对近红外光谱数据准确、可靠地判别分类;烟叶产区NIR-CNN建模方法可为卷烟企业烟叶原料科学合理利用提供指导,为维护卷烟产品的质量稳定有重要意义;基于卷积神经网络的近红外光谱判别方法也可推广到其他农产品的分类应用中。     

不同高光谱特征参数区分马铃薯品种的优劣势分析

对马铃薯关键生育期的高光谱遥感图像进行特征提取和分析,提出了一种快速区分不同马铃薯品种的方法。以两个早熟和中熟马铃薯品种为研究对象,采集其块茎形成期、块茎膨大期和淀粉积累期的冠层反射光谱曲线,对实测反射光谱曲线进行Savitzky-Golay滤波平滑和一阶微分处理,以高光谱位置参数、振幅参数、面积参数、宽度参数和反射率参数为研究指标,根据21个高光谱特征参数的贡献率大小,评价了其区分不同马铃薯品种的优劣。结果表明：(1)同一类高光谱特征参数在不同生育期区分马铃薯品种的能力不同: 高光谱位置参数、宽度参数和反射率参数在块茎膨大期区分不同马铃薯品种的能力最强,淀粉积累期次之;高光谱振幅参数和面积参数在淀粉积累期的区分能力最强,块茎膨大期次之,五类高光谱特征参数在块茎形成期的区分能力均最差。(2)同一生育期5类高光谱特征参数区分马铃薯品种的能力也存在差异。在块茎形成期,五类高光谱特征参数的区分能力从强到弱依次为：反射率参数>振幅参数>面积参数>宽度参数>位置参数;在块茎膨大期和淀粉积累期,从强到弱依次为：面积参数>振幅参数>反射率参数>宽度参数>位置参数。综合能力从强到弱依次为：面积参数>振幅参数>反射率参数>宽度参数>位置参数。     

Fisher判别在气相色谱-质谱分析助燃剂燃烧残留物中的应用

为寻找一种用于火场助燃剂燃烧残留物鉴定的更为准确、有效的模式识别方法,对7种常见助燃剂在不同载体上的燃烧残留物样品及未知送检样品进行气相色谱-质谱（GC-MS）分析测试,通过特征组分分析鉴定出未知样品中含有汽油成分。同时运用Fisher判别及PCA（主成分分析）/Fisher判别联用两种判别方法对样本数据进行了分析处理,PCA/Fisher判别联用的结果表明送检样本中含有硝基油漆稀料成分,而仅使用Fisher判别的结果表明送检样本中含有93^#汽油。通过将两种分析方法所得结果与GC-MS特征组分分析的结果进行比对发现,Fisher判别能够对7种助燃剂燃烧残留物的样本实现更有效的分类,对未知样本的判别更为有效。该研究结果为火场助燃剂鉴定提供了新的数据分析手段。     

基于无机元素分析对地理标志五常大米鉴别技术的研究

五常大米是我国著名地理标志产品之一,品质高、产量低,导致制假售假的现象严重。为维护五常大米的品牌形象和消费者利益,急需一种有效鉴别五常大米的方法。应用电感耦合等离子体光谱及电感耦合等离子体质谱测定大米中无机元素含量,结合主成分分析(PCA)、Fisher判别、人工神经网络(ANN)对五常大米鉴别模型进行研究。结果表明：PCA法对样品的分类效果较差,采用Fisher判别和ANN则可准确识别五常地区的大米样品和其他地区的大米样品。Fisher判别法对校正集和验证集样品平均准确识别率分别为93.5%,而ANN法对同样的校正集和验证集样品的平均准确识别率为96.4%,优于Fisher判别法。可准确对五常大米进行鉴别,为该产品的地理标志保护提供了一种技术手段。     

低本底伽马能谱测量在沉积岩分类判别中的应用及其影响因素探讨

沉积岩中放射性元素铀、钍、钾的含量主要取决于岩石中泥质的含量,而泥质含量的高低是判别沉积岩类别的主要依据,因此,可以将铀、钍、钾的比活度或含量值作为判别沉积岩岩类的量化指标。利用低本底伽马能谱法测量岩石样品中铀、钍、钾的比活度或含量,可以快速、准确地进行岩类判别。由于放射性测量受样品几何形状、样品质量及其所含水分含量变化的影响,因此岩类判别的准确性会受到影响。通过理论探讨和实验验证,发现各待测核素特征峰计数率值与样品质量成线性关系, 且不同的能量区域、不同的岩性,线性关系系数与趋势拟合程度都是不同的;当样品的水分含量不超过10%(取样时,岩屑水分不超过10%)时,对测量结果的影响很小(变化值均在一倍均方差以内),因此,水分含量对低本底伽马能谱法判别沉积岩岩类的准确性不产生显著的影响,一般可以不予考虑。对陕西定边某油气勘查区钻孔岩屑样品进行判别试验,对实测数据进行质量校正后,利用铀、钍、钾道的“归一化”计数率值(即单位质量的计数率)只能粗略地划分不同沉积岩的大类,再以铀、钍、钾特征峰的合峰计数率建立综合判别模式,能够对岩类进行进一步细分,且判别准确度达到75%以上。