科研产出
随机森林算法的水果糖分近红外光谱测量
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：近年来,有关水果糖分等内部品质的近红外光谱测量方法研究很多,并有部分商业化仪器问世。但由于近红外光谱复杂多变,模型的传递性较差,往往所建模型只能针对特定品种甚至特定产地的水果。随机森林(RF)是一种基于决策树的集成算法,通过对分类回归树(CART)模型的集成来提高预测精度。相对于偏最小二乘法(PLS),多元线型回归法(MLR)等方法,随机森林回归方法对非线性数据的解析能力较强。考虑到RF模型的随机性,通过调试决策树数量(ntree)和分裂变量数目(mtry)等变量来进行模型优选。尝试使用随机森林对不同种类的水果(苹果、梨)糖分进行预测。实验表明,对于同一种类的水果,随机森林和PLS的建模和预测结果均较好。但对于不同种类的水果,随机森林明显增加了模型的预测能力,将建模R~2由PLS的0.878提高到了0.999,将建模的RMSEC由0.453降低到了0.015。经过独立的预测集样品对最优RF模型进行检验,预测R~2由PLS的0.731提高到为0.888,预测RMSEP由1.148降低到0.334。随机森林在对多种水果糖分预测时,具有明显的优势。这一研究证明了随机森林有望应用于多种水果糖分的近红外光谱测定,进而解决模型的普适性和传递性问题。
全文链接
请求原文
能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬（英文）
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：利用X射线荧光光谱检测土壤重金属砷、锌、铅和铬元素的含量。通过分析仪器检出限和准确度,得出仪器适用性良好。然后,利用二维相关同步光谱获得重金属元素的X射线荧光光谱能谱范围和变量数,得出铅元素的能谱范围分别为10.380～10.740和12.435～12.900keV,砷元素的能量范围是10.380～10.740和11.610～11.880keV,铬元素的能量范围是5.310～5.520和5.805～6.015keV,锌元素的能量范围是8.520～8.805和9.555～9.630keV,铅、砷、铬和锌的变量数分别为57,44,30和26。最后,根据获得的能谱范围,采用偏最小二乘回归方法建立重金属元素的X射线荧光光谱定量分析模型,得出砷元素的模型性能最佳,其次是铅、锌和铬,预测相关系数都高于0.92。研究表明,利用二维相关光谱获得的能谱范围有助于提高模型的预测性能和便携式X射线荧光光谱检测仪器适用于土壤重金属的原位监测。
关键词： X射线荧光光谱 土壤重金属 二维相关同步光谱 偏最小二乘回归
全文链接
请求原文
能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬（英文）
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：利用X射线荧光光谱检测土壤重金属砷、锌、铅和铬元素的含量。通过分析仪器检出限和准确度,得出仪器适用性良好。然后,利用二维相关同步光谱获得重金属元素的X射线荧光光谱能谱范围和变量数,得出铅元素的能谱范围分别为10.380～10.740和12.435～12.900keV,砷元素的能量范围是10.380～10.740和11.610～11.880keV,铬元素的能量范围是5.310～5.520和5.805～6.015keV,锌元素的能量范围是8.520～8.805和9.555～9.630keV,铅、砷、铬和锌的变量数分别为57,44,30和26。最后,根据获得的能谱范围,采用偏最小二乘回归方法建立重金属元素的X射线荧光光谱定量分析模型,得出砷元素的模型性能最佳,其次是铅、锌和铬,预测相关系数都高于0.92。研究表明,利用二维相关光谱获得的能谱范围有助于提高模型的预测性能和便携式X射线荧光光谱检测仪器适用于土壤重金属的原位监测。
关键词： X射线荧光光谱 土壤重金属 二维相关同步光谱 偏最小二乘回归
全文链接
请求原文
连续小波变换定量反演土壤有机质含量
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：以北京市东部地区96个潮土土样的土壤参数及对应光谱数据为数据源,采用连续小波多尺度分析处理与分析。首先将土壤光谱进行初步处理,生成小波系数,其次将土样的有机质含量与小波分解系数开展相关性分析,提取特征波段,最后采用特征波段建立预测耕层有机质含量的模型。结果表明:经连续小波处理后,光谱对耕层有机质含量的预测能力明显优于传统光谱变换技术;经连续小波分解后,对土壤有机质含量的预测能力随光谱分辨率降低呈先降后升再降的趋势;连续小波分析算法可提升土壤光谱对有机质含量的估测能力,与土壤高光谱反射率相比,基于连续小波变换的土壤有机含量最佳的精度提高19%;由于光谱分辨率为80nm建立的模型精度较高,其R~2达到0.632,这表明在连续小波算法下,光谱分辨率较低的宽波段数据可用于土壤有机质含量的监测。
全文链接
请求原文
基于分数阶微分算法的大豆冠层氮素含量估测研究
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0~2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合——最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII,MTCI,DCNI,NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明:(1)在0~2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI0.8(R725,R769)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI0.7(R548,R767)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与0阶微分RSI0(R725,R769)相比建模集决定系数(R2C)和预测集决定系数(R2P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI0.7(R548,R767)建立的大豆CNC预测模型与VOG II相比R2C和R2P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.14688;(4)基于0.7阶微分比值光谱指数RSI(R548,R767)建立的大豆LNC预测模型较优,其R2C为0.748 4,R2P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。
关键词： 冠层氮素含量 高光谱数据 植被指数 分数阶微分算法
全文链接
请求原文
基于叶绿素荧光光谱和反射光谱的甜瓜种子品种鉴别
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：甜瓜的品种多样,富含多种营养成分,甜瓜种子品种不纯将对甜瓜生产造成一定危害,研究采用种子的叶绿素荧光光谱结合反射光谱的分析方法鉴别甜瓜种子品种,以甜瓜品种"一特白"、"一特金"、"京蜜7号"、"京蜜11号"、"伊丽莎白"为研究对象。构建了甜瓜种子品种鉴别光谱系统,包括激发光源单元、光谱数据采集单元和数据处理单元,使用该系统获取不同品种甜瓜种子的光谱数据。对光谱数据分别进行一阶导数(first derivative,FD),Savitzky-Golay(SG)平滑,FD结合SG平滑预处理。采用主成分分析(principal component analysis,PCA)方法降低光谱数据的维数,提取主成分。使用两种不同分组方法将样品按照3∶1的比例分为训练集和验证集,并分别采用Fisher判别和Bayes判别分析方法建立甜瓜种子品种的判别模型。本文比较了仅使用叶绿素荧光光谱与使用叶绿素荧光光谱结合反射光谱建立判别模型的判别结果,结果显示,使用叶绿素荧光光谱结合反射光谱建模的判别结果优于仅使用叶绿素荧光光谱建模的判别结果,Fisher判别分析和Bayes判别分析的验证集样品品种的判别正确率均达到98.0%。研究结果表明,采用叶绿素荧光光谱结合反射光谱鉴别甜瓜种子品种具有可行性。
全文链接
请求原文
应用近红外高光谱成像技术检测面粉中偶氮甲酰胺
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：高光谱成像技术不仅可以获得样品的图像信息,每个像素点还包含了光谱信息,因其信息量丰富的特点已在食品安全检测方面得到了应用。该研究应用近红外高光谱成像技术检测面粉中偶氮甲酰胺。分别采集纯偶氮甲酰胺、纯面粉和面粉中10种不同浓度偶氮甲酰胺混合样品的高光谱图像。通过比较纯偶氮甲酰胺和纯面粉的平均漫发射光谱,找到两者区分度较大的4个吸收波段:1 574.38,2 038.55,2 166.88和2 269.91nm。采用二阶导数对样品图像中的像素点光谱进行预处理,通过光谱角制图、光谱相关角和光谱相关性度量三种光谱相似性分析方法对混合样品中的偶氮甲酰胺像素和面粉像素进行检测。结果表明,预处理后的平均光谱不能有效检测面粉中偶氮甲酰胺;单像素点光谱结合光谱相似性分析实现了混合样品中偶氮甲酰胺像素和面粉像素的分类;分类结果的验证显示了偶氮甲酰胺像素和面粉像素的正确分类。研究结果为利用高光谱技术检测面粉中添加剂提供了方法支持,为食品中掺杂物的检测提供参考。
关键词： 高光谱成像 面粉 偶氮甲酰胺 光谱相似性分析 分类
全文链接
请求原文
一种面向土壤重金属含量检测的X射线荧光光谱预处理方法研究
《光谱学与光谱分析 》 2018 EI SCI 北大核心 CSCD
摘要：土壤重金属的污染影响着农作物的产量和质量。传统的土壤重金属检测方法步骤繁琐、检测费用高且速度慢。利用X射线荧光光谱(XRF)分析技术检测土壤中重金属含量,具有处理简单、现场、快速、无损等优点。由于土壤背景复杂,包含大量噪声和无关信息,建立XRF校正模型前,对光谱的预处理能有效的去除不相干信息,保留有用信息,对XRF预测模型的精度有重要影响。主要研究光谱预处理方法对重金属含量预测模型精度的影响。首先,采用向前间隔偏最小二乘(Fi PLS)作为校正模型,对比了无预处理、去趋势处理(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、小波去噪(WT)、SNV+DT、卷积平滑(SG)+一阶导数、卷积平滑(SG)+二阶导数等7种不同预处理条件下的土壤重金属模型的检测精度。初步结果表明,多元散射校正预处理方法效果较好,与原始光谱相比,相关系数r从原始的0. 988提高到0. 990,预测均方根误差RMSEP、相对误差平均从原来的20. 809和0. 166分别降低到19. 051和0. 121。其次,在多元散射校正预处理方法的基础上,针对多元散射校正方法以线性表达式描述非线性关系的局限性,提出了局部加权线性回归多元散射校正(LWLRMSC)和偏最小二乘多元散射校正(PLSMSC),并比较了它们的建模效果。LWLRMSC是基于加权思想,在预测一个点的值时,选择适当的核函数和权重分配策略进行预测点的线性回归,来解决简单线性回归的欠拟合状况; PLSMSC是基于PLS建模思想,考虑了自变量和因变量的最大相关性,来减少拟合误差及失真问题。结果表明,PLSMSC具有最佳的预处理效果,五种重金属Cu,Zn,As,Pb,Cr预测值和实际值的R分别为0. 989,0. 973,0. 991,0. 989和0. 986,RMSEP分别为8. 805,58. 360,7. 671,12. 549和20. 851,相比于传统的MSC方法不仅在精度方面有大幅度的提升,且具有更好的泛化性能,能消除光谱噪声,提升有效信息贡献度,为土壤重金属含量预测模型选取合适的预处理方法提供了理论支撑。
关键词： XRF 预处理 土壤重金属 偏最小二乘回归 向前间隔偏最小二乘
全文链接
请求原文
CoAl_2O_4/蜂窝陶瓷催化剂的制备及其催化臭氧化性能
《无机化学学报 》 2017 SCI 北大核心 CSCD
摘要：采用涂覆法制备了CoAl_2O_4/蜂窝陶瓷催化剂。利用X射线衍射、N_2吸附-脱附和透射电镜等方法对所制备的催化剂进行了表征,并分析了其催化臭氧化降解对苯二酚的效能。结果表明,CoAl_2O_4/蜂窝陶瓷的晶相属于典型的尖晶石结构,具有较大的比表面积、孔容和孔径,分别达到77 m~2·g~(-1)、0.001 7 cm~3·g~(-1)和3.9 nm。CoAl_2O_4/蜂窝陶瓷催化臭氧化对苯二酚的去除率高达81.2%,COD去除率可达47.7%。在叔丁醇存在的条件下,对苯二酚的去除率显著下降,说明CoAl_2O_4/蜂窝陶瓷催化臭氧化遵循羟基自由基机理。
关键词： 催化臭氧化 对苯二酚 CoAl2O4/蜂窝陶瓷 羟基自由基
全文链接
请求原文
拉曼高光谱成像系统中光在奶粉层的穿透深度研究
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：拉曼高光谱成像技术不仅可以获取样本的空间分布信息,图像上每个像素点还包括了完整的光谱信息,因其信息量丰富的特点已在食品安全检测方面得到了应用。本研究探索拉曼高光谱成像系统中光在奶粉层中的穿透深度,以及采集参数和奶粉类型对穿透深度的影响。实验选取均匀奶粉层样品放置于厚度为5mm的三聚氰胺样本之上,检测奶粉层厚度为0.8~4.0mm时的三聚氰胺特征峰强度,以此评估光在奶粉层中的穿透性和信号衰减情况。结果显示当奶粉层厚度一定时,随着激光功率变大,拉曼特征峰值随之增加,此外更长的曝光时间也可以使拉曼信号得到增强。在激光功率不小于2 W且曝光时间不小于500ms时,光在全脂奶粉层的穿透深度可达4mm。奶粉层厚度在0.8~4.0mm范围内,穿透奶粉层的拉曼信号随着奶粉层厚度增加呈指数式衰减。在激光功率为8W、曝光时间为1 000ms的条件下,光在全脂、低脂和脱脂奶粉层的穿透深度均达到了4mm。在相同测量厚度下,通过脱脂奶粉层接收的拉曼信号弱于通过全脂和低脂奶粉层接收的拉曼信号强度。研究结果为拉曼高光谱检测中奶粉样品的前处理提供了有益参考。
全文链接
请求原文
