科研产出
化学氮肥有机替代条件下黑土DOC荧光光谱特征
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：有机无机肥配施是实现土壤培肥、减少无机肥施用的有效措施.为探讨黑土区有机肥替代无机肥(氮肥)对土壤溶解性有机碳(DOC)含量及结构的影响,本研究采用有机肥不同比例替代化学氮肥,分析土壤DOC的含量及荧光光谱特征.结果表明,M(100% 有机替代化学氮肥)处理土壤DOC显著高于其他处理,其含量为325.97 mg·kg-1.与CK(不施肥)处理相比,各施肥处理荧光峰各波长均有不同程度蓝移,各处理土壤DOC的荧光指数(FI)分布在1.54~1.59范围内,腐殖化指数(HIX)均小于0.85,表明DOC来源受自生源和陆生源共同作用的影响,土壤腐质化程度均较低.平行因子分析法分析识别出3个荧光组分,分别为2个腐殖质类组分(富里酸类物质和腐殖酸类物质)及1个类蛋白组分(类酪氨酸蛋白质物质).各施肥处理3个组分荧光强度均高于CK处理,其中M和M2 N2(25% 有机替代化学氮肥)处理下土壤DOC总荧光强度较高,C3组分荧光强度以M2 N2处理最高,土壤DOC中3个有机组分的相对比重以荧光组分C1最高,接近50%,表明该地区土壤中小分子物质占有较大比例,施肥能够提高土壤腐质化程度,有利于土壤DOC固定,合理的有机肥配施化学氮肥能增加DOC的有效性,提升土壤供肥能力.
全文链接
请求原文
基于可见光谱和改进注意力的农作物病害识别
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费.为提高农作物病害识别的准确率且避免深层网络的使用,该研究将注意力机制引入农作物病害识别领域,提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型,设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet.利用卷积层代替全连接层设计参数量较少的残差网络(ResNet),然后利用SMLP、归一化结构(Batch Normalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res),其中SMLP由全局池化和多层感知机组成,建立各通道间依赖关系.多层感知机使用三层网络结构,将全局特征的通道维度提升至两倍,然后对其通道维度进行两次降维,恢复至原始维度,减少了全局特征损失.SMLP_Res可对通道中的病害特征重校准,减少对识别任务无效的冗余信息,最后构建农作物病害识别模型SMLP_ResNet,在减少模型层数同时提高其识别率.使用两个不同难度的多种植物和病害混合的公开数据集AI Challenger 2018和Plant Village验证本文模型.实验结果表明,SMLP_ResNet模型在18、50和101层时达到了较高的识别率,其中SMLP_ResNet18模型效果最佳,在两个数据集中的病害识别率分别为86.93% 和99.32%.SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络,还高于其他研究者提出的模型的准确率,且模型权重大小为48.6 MB,仅约为AlexNet网络权重的五分之一,能够在模型参数量较小的情况下实现较高的病害识别率.从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征,其背景信息以及叶片健康部位的权值较小.该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别,提高了对叶片病害区域的辨识度,减少了背景等冗余特征的影响,适用于面向多种农作物不同病害下的高精度识别.
全文链接
请求原文
对比主成分分析的近红外光谱测量及其在水果农药残留识别中的应用
《光谱学与光谱分析 》 2020 EI SCI 北大核心 CSCD
摘要：近红外光谱(NIR)分析具有测试方便、不破坏样本、响应快速等优势,但是,由于在谱带分布和结构分析中存在着许多复杂因素,使得在提取特征光谱信息时存在许多困难。现阶段,虽然已经有多种光谱数据降维方式被广泛使用,但是这些传统的数据降维方式都有一个局限性,就是数据的降维仅仅针对于一个数据集,当数据集中有多个关键因素形成干扰时,数据降维和分类的结果往往不是很理想,得不到想要分析的信息。这一问题造成了在分析近红外光谱时建立的数据降维模型极差,无法正确的对样品进行预测分类。对比主成分分析(contrastive principle component analysis, cPCA)是一种基于主成分分析(PCA)的改进算法,起源于对比学习,并应用于基因组信息解析。cPCA算法的优势就是能够将一个数据集中的降维推广到两个相关联数据集之间的降维,从而能够得到数据集中的关键信息。将cPCA算法应用于近红外光谱处理中,建立了准确的近红外光谱数据降维模型。在实验验证中,使用cPCA算法对不同类型水果(苹果和梨)表面农药残留进行分析。结果表明,在对不同类型的水果进行农药残留分析时,使用PCA算法进行数据降维只能区分出不同的水果类型,而水果表面是否喷洒农药这一关键的特征信息并不能分析出来;而使用cPCA算法进行数据降维分析时,由于对背景光谱的约束作用,能够清晰的将有无喷洒农药的样本分类。这说明了, cPCA在近红外光谱数据降维中有着明显的优势,解决了近红外光谱数据降维模型中数据集受限和特征信息的提取问题,进而建立准确的近红外光谱数据降维模型。
全文链接
请求原文
溶液阴极辉光放电结合标准加入法和背景去除法分析水溶液中的Ca和Mg
《光谱学与光谱分析 》 2020 EI SCI 北大核心 CSCD
摘要：溶液阴极辉光放电发射光谱法易受水体样品中的基体效应影响,而且对于实际水体样品组份相对复杂,含有多种元素,受基体效应干扰更加明显,导致金属元素浓度预测精度降低。为了减少溶液阴极辉光放电发射光谱法中水体样品基体效应的影响,常常利用定量分析方法对金属元素进行分析。这些定量分析方法中,标准加入法尤其适合于待测物质基体效应较为显著或者含有干扰物质等情况,然而标准加入法容易受到背景信号的干扰,使测量结果产生误差,因此在进行标准加入法之前需要消除光谱数据的背景干扰。最简单的谱线干扰消除法是离峰校正法,此法扣除线峰左右两侧的背景强度值,以达到消除背景干扰的目的;小波变换法同样也适用于消除背景干扰,并且具备普适性,利用此法对小波进行多尺度分层,而后对小波低频系数进行处理,获得校正后的数据。在独立开发的溶液阴极辉光放电发射光谱系统上,利用基于标准加入法的离峰校正法和小波变换法对水溶液样品中Ca和Mg含量进行预测。实验结果比较发现,基于传统的标准加入法,测得5, 10和20 mg·L~(-1)浓度的Ca样品的相对误差分别为157.0%, 105.1%和47.0%, Mg的相对误差分别为20.1%, 3.1%和2.8%。然而,结合标准加入法和离峰校正法后, Ca的相对误差分别降低至15.4%,-8.8%和3.3%, Mg的相对误差分别降低至14.5%, 0.1%和0.8%。采用小波变换算法消除背景干扰后的标准加入法, Ca元素的相对误差分别降至13.2%,-7.6%和-1.4%, Mg的相对误差分别降至13.4%,-0.4%和0.5%。结果表明,离峰校正法和小波变换法结合标准加入法测量Ca和Mg的准确度显着提高,两种方法能有效地消除背景干扰,降低基体效应,使预测精度升高。其中,小波变换法结合标准加入法可用于多种类型的背景校正场合,无需选择合适的背景校正点,而且预测精度更高,相比离峰校正法具有一定的优势。
关键词： 溶液阴极辉光发射光谱法 金属元素检测 标准加入法
全文链接
请求原文
SPXY算法的西瓜可溶性固形物近红外光谱检测
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：可溶性固形物(SSC)是一种综合参数,主要包括糖、酸、纤维素、矿物质等成分,对评价果实成熟度和品质具有重要意义,影响果实口感、风味及货架期。西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、贮藏及运输过程中西瓜内部品质监控具有十分重要的意义,有助于提高西瓜生产效益和市场竞争力。在西瓜可溶性固形物含量的快速无损近红外光谱检测中,近红外漫透射的方式所需光源的能量大,同时大功率透射会对水果的内部品质产生影响;采用近红外漫反射方式的研究较少,但漫反射采集所需的能量小,有助于实现仪器小型便携化,成本低,同时避免透射引起的水果品质变化。以小型西瓜为研究对象,利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、瓜脐、赤道部位的近红外反射光谱,在976, 1 186和1 453 nm附近有明显的吸收,利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。首先,采用光谱-理化值共生距离(SPXY)算法对西瓜不同检测部位的样品集进行划分,以可溶性固形物含量为y变量,光谱为x变量,利用两种变量同时计算样品间距离,以保证最大程度表征样本分布,有效地覆盖多维向量空间,增加样本间的差异性和代表性,提高模型稳定性。将西瓜样品划分为51个校正集和15个预测集,校正集样本的SSC含量涵盖了预测集样本的SSC含量范围,且变异系数均小于9%,样品集划分合理,有助于建立稳健可靠的预测模型。其次,对比分析西瓜瓜梗、瓜脐、赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度,结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高,预测效果较好,预测集相关系数为0.629,预测集均方根误差为0.49%。对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题,一方面与光谱的采集方式有关,另一方面与西瓜的产地、品种、成熟期等因素引起的其性状上的差异有关。在模型建立过程中根据实际情况确定西瓜的检测部位。最后,为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度,采用光谱预处理方法进行优化,结果得出经标准归一化预处理后,建立的偏最小二乘回归预测模型效果最佳,预测集相关系数为0.864,预测集均方根误差为0.33%,模型相关性较好,预测精度得到了很大提升。研究结果表明,近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量,为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。
关键词： 小型西瓜 近红外反射光谱 SPXY算法 检测部位 可溶性固形物
全文链接
请求原文
主要抗生素的太赫兹光谱检测与分析研究进展
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：抗生素具有治疗各种细菌感染或致病微生物感染类疾病的作用,获得主要抗生素的吸收特性可对抗生素添加进行有效的定性定量监测和控制,在医药、畜牧和水产业等领域都有重要意义和使用价值。太赫兹光谱技术作为一种无损、高效、便捷的新型光谱探测技术,在国防安全、信息通信、材料、环境生物医学、农业和食品安全等领域有良好的应用前景。文章介绍了太赫兹时域光谱技术(THz-TDS)检测系统的组成结构和工作原理,综述了现阶段太赫兹时域光谱技术在常用抗生素方面检测与分析的主要研究进展,重点归纳了β-内酞胺类、氨基糖苷类、四环素类、喹诺酮类、大环内脂类和磺胺类等主要抗生素的太赫兹定性识别与定量分析研究,给出了太赫兹时域光谱技术在主要抗生素检测方面的研究潜力和存在问题,为太赫兹技术未来用于主要抗生素定性定量快速检测仪器设备研发提供参考。
全文链接
请求原文
太赫兹技术在农产品品质检测中的研究进展
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：农产品质量安全日益受到关注。由于传统检测方法存在耗时长、操作复杂、消耗大量溶剂、成本高等问题,因而迫切需要开发快速无损检测技术。在电磁波谱中位于微波和红外辐射之间的太赫兹波,因其所处波段的特殊性,使其具有了瞬态性、高穿透性、宽带性、相干性和低能性等一系列特性,太赫兹技术可以有效反映有机生物分子的结构和性质,作为物质"指纹"谱,该技术逐渐应用于有机生物分子的定性、定量分析,在近红外光谱、拉曼光谱、X射线等众多光谱类快速无损检测技术中成为一种极具竞争力的新兴检测技术。首先介绍了太赫兹波特点,太赫兹光谱及其成像技术原理;其次,在其基础上总结了太赫兹数据处理一般流程及其主要步骤中的常用分析方法,着重对定量、定性分析步骤中模型搭建方法、评估方法、评估指标进行了阐述;再次,讨论了近几年来太赫兹技术在农产品品质检测中的几个关键领域应用和研究进展,具体包括农药残留、抗生素、毒素等微量有害物质检测,掺假、转基因和外源异物的鉴别以及农产品内部营养成分含量预测等;最后,系统探讨了太赫兹技术在农产品品质检测领域尚需解决的问题,以此为导向总结需要进一步加强的研究方向,并对太赫兹技术在农产品品质领域未来发展作出展望。已有研究文献表明太赫兹技术在农产品品质检测领域的有效性。尤其,对非极性物质不敏感的特性,使其对已包装农产品的品质检测与评估具有得天独厚的优势。随着机器学习、强化学习等信息科学技术发展,一方面进一步加强太赫兹数据分析技术研究,通过数据自主学习,从数据角度揭示科学规律,构建精度更高、运算开销更小、实时性更强、泛化能力更好的分析模型;另一方面从分子振动理论出发,结合化学、物理学知识,研究太赫兹光谱特性的形成机理,并将获取的先验知识应用于分析模型的构建,通过数据与机理二者有机结合,提高太赫兹光谱分析软实力。未来硬件系统开发上以便携、低成本、灵敏度高为目标,最终实现太赫兹技术应用从实验室研究阶段逐渐走向商用工程化应用。
全文链接
请求原文
联合光谱-空间信息的短波红外高光谱图像茶叶识别模型
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：茶叶种类识别和等级划分的实践意义重大。成像光谱技术较传统检测、识别手段具有图谱合一及快速无损等优势。获取了君山银针、无锡白茶、信阳毛尖、和六安瓜片4种外观相近的线条形茶叶的短波红外(1 000～2 500 nm)高光谱图像。首先利用最小噪声分数(MNF)和非参数权重特征提取(NWFE)将高维高光谱数据投影到低维子空间,然后用单因素方差分析(ANOVA)重新评估投影特征的可分性并选择对茶叶识别较为有效子空间,同时考虑到"光谱和特征"能较好地表征物质反射属性,将选择的投影子空间MNF_1, MNF_2, MNF_4, MNF_6, MNF_8, NWFE_1, NWFE_2,及"光谱和特征"一起作为光谱特征集并用SVM分类器获得光谱特征下像元的分类结果。另一方面,利用图像本质分解(IID)算法将高光谱图像的光谱分解为自身反射光谱R与阴影成分S;在均质性较优的光谱范围(1 006～1 900 nm)按照光谱距离对R求取梯度图像并用分水岭算法实现了图像空间分割,得到空间相关度较高的分割子块。最后,将像元分类和图像分割结果进行融合,具体:在每个图像分割子块中,重新统计像元分类结果并按照最大投票法对整个子块的类别进行赋值,也即联合光谱-空间信息的茶叶识别模型。结果表明,构建的模型对4种茶叶的识别结果较为满意,在仅为约1%水平的训练样本下,茶叶的总体分类精度达94.3%, Kappa系数为0.92。该模型还较好地克服了茶叶光谱的"同物异谱"现象,并期待方法对实践生产具有指导意义。
全文链接
请求原文
基于紫外-可见光谱国标Ⅰ级水净化系统的设计与实现
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：国家标准规定的Ⅰ级水是分析实验室常用的试验用水,为快速、准确的实现纯水水质分析,为分析实验室设备自动化、智能化提供科学依据,采用全波段(200～900 nm)紫外-可见光谱分析技术,设计了基于紫外-可见光谱国标Ⅰ级水净化系统(NSGI-WPS)。该系统以树莓派为核心控制器,光谱探测器、电导率传感器为采集模块,改良的硅钼蓝分光光度法为可溶性硅测定方法,实现了对分析实验室用水254 nm吸光度、电导率和可溶性硅含量的同时在线检测。在痕量硅含量的测定试验中,为了消除噪声干扰对试验的影响,系统采用Savitzky-Golay平滑去噪法对光谱进行预处理,通过窗口宽度和多项式次数的不同组合形式,获得了80组平滑后的光谱数据,将其分别与0.004, 0.006, 0.008, 0.010和0.012 mg·L~(-1)硅标准溶液浓度进行一元线性回归分析后,得到单波长吸光度与硅标溶液浓度的相关光谱。试验结果表明,当窗口宽度为17,多项式次数为2时,相关光谱的特征峰宽度最宽,特征峰区间为796～824 nm,特征峰峰值所处波长与平滑后的显色溶液吸收光谱峰值波长一致。通过比较不同硅标准溶液的显色溶液吸收光谱分布,发现硅标液浓度与吸收光谱呈线性正相关,因此,试验选取812.638 nm为最优特征波长。为了建立可溶性硅含量与显色溶液吸光度的关系模型,以加入的硅标准溶液浓度为横坐标x, 812.638 nm处显色溶液的吸光度为纵坐标y,绘制了其工作曲线,曲线的决定系数R~2=0.999 6,表明了模型具有较强的拟合能力。此外,编写的NSGI-WPS系统管理软件实现了参数的实时处理和自动控制,对未达到分析实验室国标Ⅰ级水用水规格的纯水通过反渗透(RO)、连续电去离子技术(EDI)、混合床离子交换树脂和紫外光氧化等技术处理,实现了对纯水的严格控制。通过对比分析自来水、Ⅲ级水、Ⅱ级水在净化前后各参数变化,发现净化后各参数数值下降显著,其中,电导率最高下降幅度可达99.94%,各参数的相对平均偏差均小于2%。试验结果表明,基于紫外-可见光谱分析法的NSGI-WPS系统具有净化能力强、准确性高、鲁棒性好等优点,经过检测、分析和净化后的纯水满足分析实验室国标Ⅰ级水用水要求。本文为紫外-可见光谱分析法在纯水净化系统中的应用做出了探索性研究。
全文链接
请求原文
基于高光谱的番茄叶片斑潜蝇虫害检测
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：番茄植株在生长过程中受病虫害的侵染,将导致番茄减产和种植户的经济效益降低,该研究用高光谱技术结合化学计量学方法,实现了番茄叶片斑潜蝇虫害的快速识别。搭建了简易的高光谱成像系统,包括光源单元、高光谱图像采集单元和数据处理单元,用该系统获取番茄叶片的高光谱图像,对高光谱图像进行校准,并从每一幅图像中提取光谱信息。分别采用了光谱角匹配(SAM)分析方法和光谱红边参数判别分析(DA)方法识别番茄叶片斑潜蝇虫害。在SAM分析中,对高光谱数据进行了归一化预处理,以消除多余信息,增加样品之间的差异。比较了以不同番茄叶片样品的反射光谱作为测试光谱时,虫害识别效果的差异,当以受到斑潜蝇侵染的番茄叶片的平均反射光谱作为测试光谱时,虫害识别的正确率较高,达到96.5%。在光谱红边参数判别分析中,从光谱数据中提取了红边位置、红边振幅、最小振幅、红边面积、红谷位置和红边振幅/最小振幅6组红边信息,利用判别分析方法建立番茄叶片斑潜蝇虫害的判别模型,比较了距离判别、Fisher判别、Bayes判别分析方法的判别效果,使用距离判别分析建模的判别正确率最低,判别正确率为88.0%,使用Fisher判别分析建模的效果最佳,判别正确率为96.0%。研究结果表明,采用高光谱技术识别番茄叶片斑潜蝇虫害具有可行性。
全文链接
请求原文
