科研产出
基于全透射近红外光谱的西瓜不同部位可溶性固形物含量在线检测研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：可溶性固形物含量（SSC）是评价西瓜果肉品质优劣的关键指标。西瓜SSC在线检测模型的建立，可以实现西瓜品质按其SSC进行在线分级，满足不同人群需求，提高市场竞争力。以160个京美2K西瓜为研究对象，通过实验室自主研发的在线检测设备，采集了西瓜两种姿态的可见近红外全透射光谱数据，分别与西瓜不同部位SSC建立偏最小二乘回归（PLSR）预测模型，探究西瓜SSC在线检测的最佳姿态和检测部位。首先，分别定义西瓜不同部位SSC测量值为瓜蒂糖、中心糖、瓜脐糖和整果糖，在线检测的两种姿态分别定义为T1姿态和T2姿态。其次对比西瓜不同部位SSC,探讨西瓜SSC评价标准。然后去除光谱透射强度值较低且频率较高，包含大量噪声和无用信息的光谱数据，最终选取波长范围（671～1 116 nm）的光谱进行分析。采用卷积平滑（SGS）算法分别与多元散射校正（MSC）、单位矢量归一化（UVN）和标准正态变量变换（SNV）这3种算法相结合对两种姿态下的光谱数据进行预处理，随后对应西瓜不同部位SSC分别建立预测模型。通过对比不同模型的预测结果发现：使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好，而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好；T1姿态明显比T2姿态的光谱数据所建模型的预测效果好；对西瓜瓜蒂糖和整果糖的预测结果较好，瓜脐糖次之，中心糖最差。最后采用竞争性自适应重加权算法（CARS）分别对预测瓜蒂糖和整果糖的模型进行优化。其中，共挑选出81个波长点用于建立预测瓜蒂糖模型，106个波长点用于建立预测整果糖模型，两模型的预测集相关系数分别为0.881 0和0.875 8,均方根误差分别为0.866 7%和0.758 9%,不仅模型得到了简化，还提高了模型的预测精度。研究结果表明，西瓜不同姿态和对不同部位SSC预测的差异，会影响西瓜SSC在线检测和品质评价分级结果，应根据用户的实际需求进行模型选取和优化；为此，提出了糖度评价指数，为进一步开发西瓜SSC在线检测设备提供了技术支撑。
关键词： 近红外光谱 西瓜 可溶性固形物含量 在线检测 模型优化
全文链接
请求原文
基坑排水对城市内河水体溶解性有机质的影响研究
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：工程施工时基坑排水是保障基坑安全的必要措施,排出水进入城市内河,对内河及下游水生态安全产生影响.该研究采集哈尔滨市何家沟欧亚之窗公园段建筑工程施工过程中基坑排出水(W 1)、排水口上游100 m处(W2)、排水口处(W3)、排水口下游50 m处(W4)、排水口下游100 m处(W5)、排水口下游200 m处(W6)的水体样品,应用三维荧光光谱-平行因子分析方法,测定溶解性有机质(DOM)的荧光光谱特征,分析DOM的组成和来源,探究基坑排水对城市内河水体环境的影响.结果表明:内河水体腐殖化指数(HIX)在0.337~0.381范围内,腐殖化程度低,W1,W3~W6的HIX差异不显著,均显著低于W2,说明排水进一步降低了内河水体腐殖化程度.荧光指数(FI370)介于2.330~2.900范围内,生物指数(BIX)在0.897~1.140范围内,W1和W2的FI370和BIX均显著高于W3~W6,两者具有极强的自生源特征,说明排水使下游水体自生源特征降低.水体样品DOM中共识别出2类4种有机组分:可见类富里酸组分(C1)、类色氨酸组分(C2)、紫外类富里酸组分(C3)和类酪氨酸组分(C4),即类富里酸物质(C1、C3)和类蛋白物质(C2、C4),两者间成负相关关系.FI370与4种有机组分间均呈极显著的相关性,说明DOM组成简单.W2具有相对较高的DOM浓度,而排水口下游水体DOM浓度低,基本保持稳定.类蛋白物质在上游水体中占有相对较高的比重,在W4中,4种有机组分相对比重差异不显著,W5和W6类富里酸物质的相对比重有升高趋势,同样说明基坑排水导致内河水体自生源特征降低.除pH值升高外,下游水体样品溶解氧(DO)、总氮、总磷等理化指标含量均降低,pH值与类富里酸物质呈正相关,与类蛋白物质呈负相关,而DO、化学需氧量及水体养分指标与之相反.水体DOM有机组分与理化指标的相关性不同,可直接或间接影响DOM组成.因此,工程施工基坑排水可降低城市内河水体DOM浓度,改变了水体DOM组成.
全文链接
请求原文
高光谱成像的煤与矸石分类
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤与矸石分选是煤矿生产的必要工序,现有的人工分选与机械分选,存在效率低,易造成资源浪费以及环境污染等问题.鉴于可见/近红外高光谱成像具有分析速度快、样品无需预处理、无污染等诸多优势,旨在探讨基于可见/近红外高光谱成像对黑色背景下块状煤与矸石准确分类的可行性,并基于特征波长筛选算法简化模型,为构建多光谱煤与矸石分选系统提供理论参考.首先,搭建高光谱成像系统并采集山西西铭矿的85个煤样本与83个矸石样本在400~1000 nm(Vis/NIR)与1000~2500 nm(NIR)两个范围内的高光谱图像,基于图像处理方法去除背景信息,选取Vis/NIR范围内100×100像素和NIR范围内50×50像素区域内的平均光谱作为该样本在对应波段范围的一条光谱,重复10次,最终在两个波段各获得煤与矸石光谱850条和830条.其次,对光谱先后进行Savitzky-Golay卷积平滑和标准正态变量变换,以减少噪音和误差对光谱的影响.基于全波段光谱建立支持向量机(SVM),k近邻法(KNN),偏最小二乘判别分析(PLS-DA)三种模型,每个模型针对预测集的分类准确度均大于0.95,结果表明,基于煤和矸石的光谱信息可将二者区分.随后根据竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择的特征波长建立简化模型,综合考虑精度与成本等因素,在Vis/NIR范围内基于SPA筛选的3个特征波长所建立的SVM模型效果最好,不仅能有效减少波长数量,还能提高模型的分类效果,对应的灵敏度,特异度,准确度分别为1,0.9652,0.9833.基于判别模型与样本的平均光谱还可实现煤和矸石的分类可视化.研究结果对开发基于特征波长的低成本煤和矸石多光谱分选系统,实现煤矸快速、准确的无损检测具有借鉴意义.
关键词： 高光谱成像;煤;矸石;黑色背景;无损检测
全文链接
请求原文
基于多维随机森林的番茄灰霉病高光谱图像早期检测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：植物病害的自动早期检测对于作物精确保护至关重要.提出了一种基于多维光谱序列(multi-di-mensional spectral series,MDSS)和加权随机森林(weighted random forest,WRF)的番茄灰霉病早期诊断与鉴别方法.目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型,以期在肉眼明显可见叶面病斑前对作物病害实现诊断.将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天.试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像,提取感兴趣区域并计算平均光谱作为初始光谱数据,经筛选共得到(156×7)组有效样本.将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列,为增加维度间差异性,相邻原始光谱序列相减构成多维关联光谱序列.分别采用符号聚合近似估计(symbolic aggregate approximation,SAX)和符号傅里叶近似估计(symbolic Fourier approxi-mation,SFA)两种符号化方法将光谱序列离散成局部辨别性特征.基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型,实现病害早期检测.相应地,基于单维光谱序列(single-dimensional spectral series,SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较.试验结果显示,MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90% 以上识别准确率,在包含5个光谱序列维度测试集中得到最高99% 的识别准确率,较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点.另外受随机干扰的影响,SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%,MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98% 的较高检测水准,未过度回落.因此,提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测,并具有较强的鲁棒性,为染病初期的番茄灰霉病鉴别提供新思路.
关键词： 早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列
全文链接
请求原文
利用无人机高光谱估算冬小麦叶绿素含量
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义.以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参数,研究植被指数与红边参数估算SPAD的能力.先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析,再基于植被指数、植被指数结合红边参数,通过偏最小二乘回归(PLSR)方法估算SPAD,最后制作SPAD分布图验证模型的有效性.结果表明,(1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著);(2)单个植被指数构建的SPAD估算模型中,LCI表现最好(R2=0.56,RMSE=2.96,NRMSE=8.14%),红边参数中Dr/Drmin表现最好(R2=0.49,RMSE=3.18,NRMSE=8.76%);(3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳,优于仅基于植被指数构建的SPAD估算模型,同时,随着生育期推移,两种模型均在开花期达到最高精度,R2分别为0.73和0.78,RMSE分别为2.49和2.22,NRMSE分别为5.57% 和4.95%.因此,基于植被指数结合红边参数,并使用PLSR方法可以更好地估算SPAD,可以为基于无人机遥感的SPAD监测提供一种新的方法,也可为农业管理提供参考.
关键词： 冬小麦 叶绿素含量 植被指数 红边参数 偏最小二乘回归
全文链接
请求原文
交替光谱辐照对叶用莴苣营养元素水平的影响
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：在人工光型植物工厂中采用深液流水培法栽培叶用莴苣,依托光谱时空分布可精准调控的智能LED光源系统,应用电感耦合等离子体原子发射光谱技术(ICP-AES),研究了5 min,10 min,15 min,30 min,60 min,2 h,4 h和8 h等不同间隔的红、蓝光谱交替照射对叶用莴苣中K,P,Ca,M g,Fe,M n,Zn和Cu等8种营养元素吸收和累积的影响.结果表明:(1)与同时照射模式相比,所有的交替光谱处理均显著提高了叶用莴苣地上部生物量,其中鲜重提高幅度约为18.6% ~67.4%,干重提高幅度约为5.1% ~88.0%;所有的交替红蓝光谱照射下叶用莴苣体内Mg,Fe和Zn元素的植株累积量均得到显著(p<0.05)地提高;所有的红蓝交替光谱辐射处理均不同程度地降低了叶用莴苣植株中Ca元素含量.(2)间隔为5 min的红蓝交替光谱辐射下莴苣植株Fe元素含量显著高于其他任意处理,较其他处理增加了38.87% ~85.37%,高频次的红蓝光切换照射刺激了叶用莴苣植株对Fe元素的吸收.(3)红蓝交替光谱辐射有利于提高叶用莴苣的能量利用效率,与红蓝同时供光的RB处理相比,所有交替处理均显著提高了叶用莴苣的光、电能利用率,提高幅度分别约为34.3% ~87.5% 和34.6% ~87.9%;其中,间隔为4 h的红蓝交替光谱辐射下叶用莴苣植株的光、电能利用率均最大,分别为6.13% 和2.01%,除间隔为5和10 min的红蓝交替光谱辐射处理外的其他交替光谱处理下的植株光、电能利用率均与处理间最大值无显著性差异.(4)叶用莴苣对K和M g两种元素的吸收在红蓝光交替间隔为10 min,15 min,60 min及4 h等多个处理下呈现拮抗现象.(5)R/B(30 m)处理下叶用莴苣中P,Ca,Fe和Mn等四种元素的含量水平均呈现处理间最低水平,其中P和Ca元素含量水平显著低于对照.
关键词： 交替光谱 非连续光谱 ICP-AES技术 叶用莴苣 营养元素
全文链接
请求原文
对比变分自编码器的近红外光谱测量及其在液态样品检测中的应用
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：近红外光谱是热门的食品检测方法之一,对于这种高维光谱数据的分析常常需采用数据降维算法提取其中的特征,然而绝大多数算法都只能针对单个数据集进行分析.虽然已有基于对比学习的对比主成分分析成功应用于不同水果表面农残的近红外光谱检测中,但是该方法只能以线性的方式组合原有特征,特征提取效果存在局限性,并且需要调节对比参数来控制背景集影响,需要消耗更大的时间成本.cV A E(contrastive variational autoencoder)是一种基于对比学习和变分自编码器的改进算法,被用于图像去噪和RNA序列分析中,它仍然具备分析多个数据集的特点,同时因为组合了神经网络的概率生成模型而具备了提取非线性隐含特征的能力.将cV A E算法应用于近红外光谱分析,建立了准确的近红外光谱数据降维模型.在实际验证中,使用cV A E算法对购买的不同品牌和批次纯牛奶中掺假三聚氰胺进行检测.结果表明,使用VAE算法只能区分出不同品牌和批次的纯牛奶,而其中是否掺假三聚氰胺这一重要信息无法表现出来;而使用cV A E算法进行数据分析时,由于添加了背景数据集分离了无关变量,能够清晰的将有无掺假三聚氰胺的样本分类.这说明了,cVAE不仅具备了cPCA(contrastive principle component analysis)在近红外光谱数据降维中的优势,而且具备提取非线性特征的能力,同时不需要调节可变参数,能够更方便地建立近红外光谱降维模型.
全文链接
请求原文
小波分析的茶鲜叶全氮含量高光谱监测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：茶是世界上最受欢迎的饮料之一,而氮素(N)是影响茶叶品质的主要成分之一,因此快速准确地估算N素含量至关重要.由于测定N含量的化学方法繁琐耗时,利用高光谱对茶鲜叶中N含量进行预测,利用连续小波转换(CWT)提取的小波系数,探究CWT不同分解层数对于N素含量的估测能力,并讨论了不同波长选择算法所建模型的预测效果.首先,采集广东省英德市茶园的151个茶鲜叶样品高光谱数据,将获得的原始光谱通过卷积平滑(SG)、去趋势(Detrending)、一阶导数(1st)、多元散射校正(MSC)和标准正态变量变换(SNV)五种预处理方法进行预处理并作为参考.其次,采用连续小波对原始光谱进行初步处理生成多尺度小波系数,并进行相关性分析,分别利用连续投影算法(SPA)、竞争性自适应加权采样法(CARS)和变量组合集群分析(VCPA)方法进一步优化CWT变换后光谱数据的变量空间,最后,以特征变量为输入使用PLSR建立了N素定量监测模型,并对比不同尺度不同方法估算N素的效果.结果表明,连续小波分析方法可有效提升茶鲜叶光谱对N素含量的估测能力,明显优于常规光谱处理方法.经连续小波分解后,对茶鲜叶N素的预测能力随分解尺度的增加整体呈逐步降低的趋势,其中在1~6尺度连续小波变换后的光谱与茶鲜叶N素存在良好的相关性,表明小尺度的连续小波分解可有效应用于茶鲜叶N含量的监测.基于CWT(1)-VCPA方法建立的模型精度最高,且变量数相比于全波段减少了99.34%,其建模与预测R2达到0.95和0.90,相比于传统光谱处理方法,精度提升了11%,证明CWT-VCPA可以有效降低光谱维度并大幅提升模型精度.实现了茶叶N素含量的高效量化预测,为评估茶叶的其他成分提供了可靠技术参考.
关键词： 茶鲜叶 氮素 连续小波变换 高光谱 变量组合集群分析
全文链接
请求原文
TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：番茄叶片在感染病害后首先发生的是内在生理反应,肉眼无法观察到.叶片从被感染到出现肉眼可见病斑期间,称为叶片病害潜育期.为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断,对接种样本进行叶片编码、跟踪、采集所有编码叶片样本1~8d连续高光谱图像数据,建立番茄叶片样本时序高光谱数据集.采用跟踪的叶片样本出现肉眼可见病斑前几天同一位置区域的高光谱数据作为潜育期感兴趣区域进行检测分析.为了建立番茄叶片灰霉病潜育期诊断和不同病斑等级分类模型,采用基于教学优化算法(TLBO)优化极限学习机(ELM)的分类模型进行建模.通过TLBO算法优化ELM的输入权值和隐藏层的偏差,提高模型分类性能.利用高光谱成像系统在近红外高光谱波段388~1006 nm波段获取五个等级的感兴趣区域进行数据建模,共采样213个高光谱数据,其中,健康类(56个)、潜育期类(42个)、小病斑类(43个)、大病斑类(39个)和严重类(33个).通过对比不同的光谱预处理方法,采用效果最好的小波滤波变换(DWT)对样本数据中每类数据分别滤波.DWT滤波后,在610~840 nm波段间五个等级光谱曲线能区分明显,共包含91个波长,波长数量较多.因此,采用竞争性自适应重加权抽样法(CARS)对采用DWT预处理后的光谱数据在610~840 nm波段重复3次优选特征波长,合并去除重复项后得到9个特征波段:694,696,765,767,769,772,778,838和840 nm.最后分别选取全波段FC、610~840 nm波段、C A RS提取的9个特征波段建立3个分类模型FC-TLBO-ELM,DWT-TLBO-ELM,DWT-CARS-TLBO-ELM进行对比,其中DWT-CARS-TLBO-ELM检测精确度最高达100%,潜育期召回率100%,利用时间最短为0.0689 s,表明该模型可以实现番茄灰霉病潜育期高精度诊断和灰霉病病害程度高精度分类,为番茄灰霉病早期防治、精准施药提供理论依据.
关键词： 时序高光谱数据 灰霉病程度分类 潜育期诊断 极限学习机 教学优化算法
全文链接
请求原文
基于XGBoost与可见-近红外光谱的煤矸识别方法
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤矸智能识别是实现综放开采智能化亟待研发的新技术;可见-近红外光谱技术具有环保、实时等优势,满足煤矸智能分选的要求.为解决基于可见-近红外光谱的煤矸识别问题,引入在数据科学竞赛中表现出色的极端梯度提升树(XGBoost)算法.搭建可见-近红外光谱实验平台采集来自山西西铭、陕西神木、内蒙古巴隆图煤矿的块状煤与矸石样品在370~1049 nm波段的反射光谱;利用黑白校正、始末波段去除、SG卷积平滑和标准正态变量变换(SNV)对采集的原始光谱进行预处理,以减少光照不均、噪声以及光程差的影响.依据三个煤矿煤与矸石样品反射光谱的差异划分实验组和测试组,实验组差异微小,用于对比不同模型的性能,挑选最佳算法;测试组差异较明显,用于测试最佳算法在其他煤矿下的表现,检验算法对不同煤矿的适用性.在实验组的实验中,首先基于XGBoost算法建立煤与矸石分类模型,并引入常用的机器学习分类算法k近邻法(KNN)、随机森林(RF)、支持向量机(SVM)做对比,结果表明XGBoost的表现最佳,十折交叉验证的平均准确度(ACC10)、分类准确度(ACC)与AUC值分别达到0.9572,0.9705与0.9716,体现出较强的稳定性与分类能力.其次为降低数据维度减少模型运算量,使用递归特征选择(RFE)、连续投影算法(SPA)与竞争性自适应重加权算法(CARS)分别进行特征波长的选择并与上述四种分类算法结合构建简化分类模型,经测试RFE与XGBoost组合的简化模型表现最佳,ACC10,ACC与AUC值分别为0.9657,0.9803与0.9803且数据维度降至9,在降低数据维度的同时提高了模型的稳定性与分类能力.在测试组的实验中,基于优选出的XGBoost与RFE-XGB算法建立的模型,同样可以实现对其他矿区煤与矸石稳定精确地识别,且简化模型表现更好,与实验组结果一致.
关键词： XGBoost 可见-近红外光谱 煤矸石分选 黑色背景 无损检测
全文链接
请求原文
