科研产出
基于同步荧光技术的牛肉中掺杂猪肉鉴别方法研究
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：牛肉是我国重要的食用肉品类，近年来随着人们对牛肉需求的不断增加，将猪肉冒充或添加在牛肉中出售的现象也日益严重，亟需简单、快速的检测肉品掺假的方法。首先分析了牛肉和猪肉的三维荧光光谱特征差异，确定同步荧光的波长差；采用激发-发射固定波长差为160 nm的同步荧光光谱，对牛肉掺杂猪肉的情况进行了定性判别和定量分析。以测试集、验证集和预测集样本的判别正确率作为定性判别模型的评价指标；以相关系数（r）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）作为定量分析模型的评价指标。实验结果表明：牛肉和猪肉的三维荧光光谱有显著差异，牛肉在Ex/Em为270/320、 330/400、 350/500、 430/515和410/570 nm处有荧光峰，猪肉的三个荧光峰分别在Ex/Em为270/320、 330/400和430/515 nm处。设置同步荧光波长差为160 nm,能采集到牛肉的3个荧光峰，且其中两个位于峰顶。牛肉、猪肉、掺假肉SVM定性判别模型的校正集准确率为97.56%,预测准确率可达92.31%。对比了无处理、 MSC处理和SNV处理的牛肉中猪肉掺加量PLS预测模型，无处理的PLS模型最优，其rc、rp、 RMSEC和RMSEP分别达到0.978 6、 0.959 0、 0.059 7和0.092 7。基于同步荧光技术结合SVM和PLS的牛肉掺假猪肉定性判别和定量分析检测模型具有较高识别率和检测精度，可以较为准确、快速地检测牛肉中是否掺杂猪肉。
全文链接
请求原文
林地土壤溶解性有机质荧光光谱特征及与重金属相关性
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：溶解性有机质(DOM)是土壤有机质中最活跃的成分,影响重金属迁移、转化过程,研究两者间相关性对环境监测和污染评价具有重要价值.采集位于小兴安岭的黑龙江省茅兰沟国家级自然保护区内典型针阔叶混交林表层(0~30 cm)土壤,采用三维荧光光谱-平行因子分析法,揭示林地土壤DOM荧光光谱特征,并进一步分析DOM荧光组分与重金属含量间相关性.结果表明:林地土壤DOM荧光指数在1.468~1.635之间,平均值为1.531,其来源兼具自生源和外生源特征;生物指数在0.563~0.646之间,平均值为0.603,新近自生源贡献率低;腐殖化指数在4.607~8.993之间,平均值为6.491,腐殖化程度不高.林地土壤DOM荧光光谱中共识别出3类5种荧光组分,包括类腐殖质(紫外类富里酸C1和可见类富里酸C2)、类腐殖酸(胡敏酸C3)和类蛋白质(类酪氨酸C4和类色氨酸C5).类腐殖质占总组分和比例(60.12%)最大,显著高于类腐殖酸和类蛋白质,类腐殖酸占总组分和比例(11.25%)最小.C1、C2和C3间均具有明显正相关性,C5与其余4种荧光组分均成显著负相关.5种荧光组分与荧光指数间均具有显著的相关性,仅C5与荧光指数成正相关.林地土壤重金属含量空间分布具有较大差异,As与Cr,Cu、Ni与Zn,Hg与Pb均具有显著正相关性,Hg与Cu、Ni及Zn,Cr与Pb均具有显著负相关性.3类荧光组分与As、Cr和Pb的相关性均不显著,而均与Zn具有显著的相关性.同时,类腐殖质与Cu和Hg成显著相关,类腐殖酸与Cu、Hg和Ni显著相关,而类蛋白质与Ni显著相关.研究结果可为茅兰沟国家级自然保护区林地土壤环境监测提供基础数据,为小兴安岭典型针阔叶混交林土壤重金属污染评价提供参考依据.
全文链接
请求原文
高光谱图谱结合策略检测小麦单粒种子活力
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：小麦是我国主要的粮食作物，在国民经济发展中扮演至关重要的角色。种子是一切农业活动的基础，种子活力是种子最重要的评价指标之一，高活力的种子拥有良好的田间表现及耐储能力，因此准确鉴别小麦种子活力对我国农业生产具有重要意义。传统种子活力检测技术耗时、对操作人员要求高，且会对种子造成不可逆的损伤。以往利用高光谱成像技术检测种子活力，通常是针对种子批检测，且仅仅利用图像数据或光谱数据中的一种，很少将图谱数据结合用于单粒种子活力检测。为了更深入了解种子活力与光谱的内在联系，高光谱成像的小麦单粒种子快速无损检测研究颇具学术价值。以210粒经人工老化处理过的小麦种子(105粒有活力，105粒无活力)为研究对象，采集种子400～1 050 nm波段内的高光谱数据，随后进行标准发芽试验，确保高光谱数据与发芽实验结果一一对应，按照4∶2∶1的比例将数据集划分为训练集、测试集和真实数据集。利用竞争自适应重加权(CARS)算法选择特征波段，最终得到了30个特征波段，且所选特征波段对应了引起种子活力变化的蛋白质、淀粉和脂类等种子内部营养物质。为挑选出最优分类模型，对于全波段和特征波段光谱数据，利用训练集和测试集数据基于SVM、 KNN、 1DCNN和改进的ECA-CNN机器学习算法分别建立了小麦种子活力预测模型。结果表明，使用特征波段数据建立的模型性能均优于使用全波段数据建立的模型，其中使用特征波段数据建立的ECA-CNN模型性能最好，在避免过拟合的情况下，训练集整体准确率为99.17%,测试集准确率为80%。为避免建模过程对比较分类策略造成影响，利用真实数据集对比整体法和像素法两种分类策略。结果表明，像素法相比于整体法拥有更好的检测效果，整体准确率为86.67%,精确率为92.31%,召回率为80%,均优于像素法。该研究可为快速无损检测单粒小麦种子活力提供科学依据。
关键词： 高光谱成像 单粒小麦 活力 卷积神经网络 光谱特征 图像信息
全文链接
请求原文
叶片多理化参数的高光谱遥感与深度学习估算
《光谱学与光谱分析 》 2024 EI SCI 北大核心 CSCD
摘要：准确的植物叶片理化参数对于监测植物生长状况至关重要。随着深度学习技术的迅速应用，结合深度学习和高光谱遥感技术的植物叶片理化参数分析应用潜力巨大；然而，现阶段结合深度学习和高光谱遥感技术在植物多叶片理化参数的联合估算研究尚少。该研究旨在挖掘结合高光谱遥感技术和深度学习技术开展高精度的多植被叶片理化参数(叶绿素含量、类胡萝卜素含量、水分含量、蛋白质含量和碳基成分含量)联合估算的潜力。首先，通过利用新型PROSPECT-PRO辐射传输模型模拟分析，确定了多个植被叶片理化参数的敏感光谱区域，并设计了LeafTraitNet模型；然后，基于Lopex93数据开展LeafTraitNet模型训练和验证，取得了高精度的叶片参数估算结果。得到以下结论：(1)基于PROSPECT-PRO辐射传输模型辅助实测开展植被光谱特征选择十分必要；叶绿素(约434和约676 nm)和类胡萝卜素(约445 nm)两类色素的光谱吸收峰均主要位于可见光区域；然而，其与叶片光谱的相关系数绝对值最大的点却不是各自的吸收峰位置，这可能是因为叶绿素和类胡萝卜素对光谱吸收的相互影响。(2)水分的吸收峰主要位于950～2 500 nm范围内，这与叶片蛋白质和碳基成分的吸收区域重叠，因此削弱了后者的高光谱遥感估算精度。基于PROSPECT-PRO辐射传输模型和Lopex93数据集的叶片参数相关性分析结果表明，叶片水分含量与950～2 500 nm范围内叶片光谱反射率相关系数绝对值接近1,而叶片蛋白质和碳基成分含量与950～2 500 nm范围内光谱反射率相关系数较低。(3)三种传统统计回归方法和LeafTraitNet模型的叶片理化参数估算精度可以基于其估算总nRMSE而排序为：LeafTraitNet(总nRMSE=0.84) 关键词：
深度学习
高光谱遥感
叶片蛋白质含量
叶片叶绿素含量
叶片类胡萝卜素含量
全文链接
请求原文
基于改进的WOA-LSSVM樱桃番茄内部品质检测方法研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：基于近红外光谱技术与统计方法，提出了一种樱桃番茄内部品质快速、无损检测方法。首先采集样品的近红外光谱，采用多元散射校正（MSC）、 Savitzky-Golay卷积平滑（SG）、 Savitzky-Golay卷积一阶导数(SG 1st)、去趋势化（De-trending）、变量标准化（SNV）5种预处理方法消除光谱干扰，筛选出最佳预处理方法；然后采用连续投影算法（SPA）、稳定性竞争性自适应重加权算法（SCARS）、遗传算法（GA）,以及引入自动有序预测因子选择算法进行改进的遗传算法（IGA）4种特征波长提取方法减少变量冗余，选择最优特征波长提取方法；最后结合回归方法——将冯诺依曼拓扑结构、轮盘赌选择、锦标赛选择和自适应权重与鲸鱼算法相结合来对算法进行改进，采用改进的鲸鱼算法优化最小二乘支持向量机方法（IWOA-LSSVM）,与基于粒子群算法优化的BP神经网络方法（PSO-BPNN）和基于鲸鱼算法优化的最小二乘支持向量机方法（WOA-LSSVM）进行对比，分别建立樱桃番茄内部品质含量的预测模型。结果表明：樱桃番茄内部品质中的可溶性固形物（SSC）含量使用De-trending-IGA-IWOA-LSSVM模型效果最佳，其中校正集决定系数和预测集决定系数分别是0.917 2和0.866 7,校正均方根误差和预测均方根误差为0.542 3和0.768 2,预测相对误差达到2.592 9;维生素C（VC）含量使用SG-IGA-IWOA-LSSVM模型预测效果最准确，其中校正集决定系数和预测集决定系数分别为0.857 6和0.821 6,校正均方根误差和预测均方根误差分别是0.661 4和0.634 2,预测相对误差达到2.078 5。以上结果表明，采用近红外光谱技术与统计方法结合可实现对樱桃番茄内部品质的快速无损预测分析。
全文链接
请求原文
基于离散小波技术定量反演冬小麦叶片含水量的研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：受大田环境的影响,田间采集的冬小麦冠层光谱内含有大量与目标信息无关的噪声,这制约了高光谱数据对冬小麦植株信息的估测能力.为制约噪声信息对光谱信息的影响,探寻提升光谱对冬小麦植株水分供给信息估测能力的方法,通过野外地面实验获取大田冬小麦高光谱数据及其叶片含水量信息,采用离散小波算法处理分析高光谱数据,结合相关性分析算法、偏最小二乘算珐,定量分析 5 类小波基对离散小波算法分离光谱信息的影响规律,离散小波算法在分离可用光谱信息与噪声中的普适规律及小波基对信息分离的影响进行探讨,从而为田间光谱数据的处理与分析提供理论与方法支撑.结果表明:(1)与冬小麦含水量敏感的波段多分布于D1-D5 尺度,且敏感波段在各小波基内的分布区间相对一致,但波段位置与相关强度均存在一定差异,这表明小波基的选择能影响高频信息与冬小麦叶片含水量的相关强度与波段位置.(2)可用的光谱信息与噪声信息均随分解尺度的增加而呈先升后降的规律,噪声信息对高频信息估测能力的干扰强度随尺度的增加而降低,高频信息对冬小麦叶片含水量的估测能力随尺度的增加而降低.(3)模型的精度与稳定性是可用光谱信息与噪声信息综合作用的结果,其中基于meyer小波基的D5 尺度构建的估测模型为最优模型,其建模精度的R2=0.625、RMSE=1.562,验证精度的R2 =0.767、RMSE=1.828.本研究的结论可为基于离散小波算法的光谱处理与分析提供指导,并为受噪声影响较重的光谱信息的处理与分析提供一定参考,同时也可为我国西南、南部等全年水汽含量较高区域内或北方夏季作物叶片含水量的检测提供基础支撑.
全文链接
请求原文
利用光谱空间特征估算马铃薯植株氮含量
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：植株氮含量（PNC）是评价作物长势和营养状况的重要指标，快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明，仅采用影像的光谱信息估算作物的PNC存在饱和现象，该研究尝试采用植被指数（VIs）结合二维离散小波分解技术（DWT）提取的多个尺度的高频信息（HFI）构建一种光谱空间特征（VIs+HFI）,探究VIs、 HFI和VIs+HFI估算PNC的能力。首先，以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次，基于预处理的无人机影像，提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1～5尺度的HFI。然后，将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析，分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响，根据KMO检验结果对筛选的HFI进行主成分分析（PCA）降维处理。最后，采用岭回归和极限学习机（ELM） 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型，并进行评估。结果表明：（1）马铃薯各生育期，1～5尺度的HFI对估算PNC均有贡献。（2）以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。（3）马铃薯各生育期，以岭回归方法构建的PNC估算模型优于ELM方法。其中，以VIs+HFI为模型变量构建的PNC估算模型效果最优，5个生育期的建模R~2分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%; NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。
全文链接
请求原文
拉曼高光谱系统中线激光对不同筋度面粉的穿透深度研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：激光对面粉的穿透深度是利用拉曼高光谱技术有效检测面粉中添加剂的基础。在偶氮甲酰胺(ADA)顶部放置不同筋度且不同厚度的面粉制备双层样品，采集不同筋度面粉、 ADA、双层样品的拉曼高光谱图像。ADA拉曼特征峰对应的单波段图像结合阈值分割创建检测图像以识别ADA像素，根据识别结果计算线激光对不同厚度面粉层的穿透率。结果显示，ADA拉曼特征峰位于1 335 cm~(-1)处，以此波段灰度图像创建的双层样品检测图像中，线激光对2 mm不同筋度面粉层的穿透率均在99%以上，因此选择该厚度作为线激光对面粉的有效穿透深度。
全文链接
请求原文
基于离散小波-微分变换算法定量反演火龙果茎枝叶绿素含量的研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：作为一种仙人掌科植物,火龙果植株无叶,主要依靠肉质茎进行光合作用、蒸腾作用等生理功能,火龙果的肉质茎与常见绿叶类植物叶片在组织结构、形态等方面存在明显差异,且二者在植株冠层结构方面也存在明显差异,该差异会直接影响植株冠层光谱特征,进而影响基于与光谱技术的光合色素监测.为探寻提升火龙果茎枝叶绿素含量估测精度的方法,研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区,先采集火龙果茎枝光谱及光谱测定部位的组织,并采用乙醇萃取法测定此组织的叶绿素含量,然后选用传统数学变换、连续小波变换、离散小波变换、离散小波-微分变换方法分别处理分析光谱数据,并采用相关性分析算法提取、筛选敏感特征波段,最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型,分析结果如下:(1)采用离散小波-微分变换算法,高频信息与低频信息的峰、谷交替依次呈现,且可用信息分部具有较强的稳定性,可用信息随尺度的增加,曲线振幅加大、频率降低.(2)数学变换内的微分变换、连续小波变换、离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性,其中以离散小波-微分变换方法最优,经处理后光谱与火龙果茎枝叶绿素含量的决定系数最高可达0.565(位于H1分解尺度737.5 nm处).(3)离散小波-微分变换最能有效提升光谱对火龙果茎枝叶绿素含量的估测能力,并且基于离散小波-微分变换H2尺度构建的估测模型为最优模型,其验证精度的R2=0.769,RMSE=0.040,RPD=1.739.研究分析了四类光谱处理算法在提升光谱对火龙果茎枝叶绿素含量敏感性与估测能力方面的效果,表明离散小波-微分变换算法能有效提升光谱对火龙果茎枝叶绿素含量的估测能力,为火龙果茎枝叶绿素含量的无损估测提供了基础技术支撑.
全文链接
请求原文
两种近红外光谱仪的番茄可溶性固形物含量定量模型比较研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：以番茄可溶性固形物含量（SSC）的无损速测为例，分别采用线性渐变分光（LVF）、数字光处理（DLP）近红外光谱仪对大、小番茄采集近红外光谱数据；分别基于两种近红外光谱仪数据计算大、小番茄平均光谱及差谱，并比较两种近红外光谱仪所采集大、小番茄近红外光谱数据的特征；对两种近红外光谱仪的数据分别进行主成分分析（PCA），并比较了大、小番茄前3主成分的得分分布；按SSC梯度对数据进行分级，采用偏最小二乘（PLS）回归结合全交互验证算法分别基于两种近红外光谱仪数据建立番茄SSC定量校正模型。结果表明：（1）大、小番茄LVF近红外光谱的平均光谱及其差谱的光谱特征分别与DLP近红外光谱的平均光谱及其差谱的光谱特征相似。（2）大、小番茄LVF近红外光谱数据PCA前3主成分得分散点分离趋势不明显，而DLP近红外光谱数据PCA前3主成分得分散点基本上不具有分离趋势。（3）基于LVF近红外光谱数据所建各模型的相对预测性能（RPD）皆不低于2.11，其中标准化预处理所建模型具有最佳性能，模型维数（Nf）、校正测定系数（RC~2）、校正均方根误差（RMSEC）、交互验证测定系数(R~2CV)、交互验证均方根误差（RMSECV）、RPD、预测相关系数（RP）、预测均方根误差（RMSEP）分别为8、0.949 1、0.27、0.899 9、0.38、3.16、0.882 6、0.63；基于DLP近红外光谱数据所建各模型的RPD皆不低于1.60，其中标准化预处理所建模型具有最佳性能，Nf、RC~2、RMSEC、R~2CV、RMSECV、RPD、RP、RMSEP分别为5、0.823 5、0.49、0.728 6、0.62、1.94、0.788 4、0.80。该研究可为番茄SSC的无损快速测定以及果蔬品质无损快速检测的仪器选择与评价提供一定的参考。
全文链接
请求原文
