基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900～1700nm)成像技术对灵武长枣含水 量的无损检测进行了研究。通过900～1700nm 高 光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay 平滑处理后的光谱反 射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM )等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采 用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立R-PLSR、A-PLSR和KM-PLSR的长 枣 含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLS R模 型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R- PLSR、A-PLSR模型,决定系数(R²)和预测均 方根误差(RMSEP)分别为0.793、1.828。这表明,NIR 高光谱成像技 术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依 据。     

基于高光谱成像技术的小黄瓜水分无损检测

利用近红外高光谱成像技术对小黄瓜的水分进行无损检测研究。采用多元散射校正和 Savitzky-Golay 卷积平滑对900~1700 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘水分预测模型。结果表明,经过Savitzky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的小黄瓜水分校正和验证模型的相关系数和均方根误差分别为0.86,0.90 和0.111,0.156,优于全波段建立的模型。研究表明,采用高光谱成像技术对小黄瓜水分的无损检测是可行的。     

基于高光谱图谱融合技术的宁夏滩羊肉嫩度检测方法研究

利用可见/近红外高光谱图谱融合技术对宁夏滩 羊肉嫩度检测进行研究。通过高光谱系统(400～1000nm)采集了128个滩羊肉图像,对原始光谱结合偏 最小二乘回归(PLSR)模型进行多种光谱预处理研究,优选出S-G卷积平滑预 处理方法,采用PLSR的加权β系数提取9个特征波长,对比分析 全波段与特征 波长下的PLSR模型;同时提取出与羊肉嫩度相关的4个图像特征参数,建立基 于图像特征的多元线性回归(MLR)模型;在此基础上,融合特征波长与表面脂肪分布图像特 征 参数建立了羊肉嫩度的PLSR模型。结果表明,采用单一光谱数据下S-G卷积平 滑预处理结合特征波长建立的PLSR模型取得了较好预测效果,基于图谱特征 变量融合的PLSR模型相比于单一光谱模型效果更佳,预测集的相关系数和预测 均方根误差(RMSEP)分别为0.89和0.73,表明本文提出的方法 进行羊肉嫩度定量检测是可行的。     

基于高光谱成像技术的土壤盐分含量检测

利用NIR高光谱仪(光谱范围900~1700nm)对土壤含 盐量进行了无损检测,对比分析不同含盐量土壤的水分变化情况、不同时间下土壤光谱曲线 的差异。结果表明,随着土壤中含盐量的增加,土壤中水分蒸发情况受到的影响程度不同, 从而使得不同含盐量土壤的反射率存在明显的规律;在此基础上,对比分析了不同预处理方 法,优选出原始光谱;利用多元线性回归(multiple linear regression,MLR)、主成分回归 (principal component regression,PCR)与偏最小二乘回归(partial least squares regre ssion,PLSR)方法对900700 nm范围的特征波长建立模型,对比分析不同建模效果,优选β系数提取的特征波长的P LSR模型,特征波长为936、1016136、 1151186273395425458535642 nm,最优模型的预测相关系数为0.949,预测均方根误差为2.914 g/kg。因此,今后可采用 不同波段对土壤含盐量进行定量分析,为今后表层土壤含盐量遥感预测奠定基础。     

基于高光谱技术的长枣内外品质同时检测

采用近红外高光谱成像技术,对长枣表面轻微损伤 和果肉硬度进行无损检测。在970～ 1630nm波 长范围内对高光谱图像数据进行主成分分析(PCA),得到第3主成分图像最适合检测长枣表面 损伤。波段比(BR)算法中, 选取1387nm和1 229nm两个波段的图像进行比值运算, 采用 1455nm单波 段图像构建掩膜作用于比值图像, 最后对图像进行阈值分割和形态学变换完成损伤区域的特征提取。BR算法检测长枣轻微损 伤的准确率达 到91.5%。对反射光谱进行多元散射校正(MSC)后与长枣果肉硬度值进 行回归分析,选择相关系数较大的5个特 征波长作为BP神经网络输 入,建立果肉硬度预测模型。预测集相关系数R和均 方根误差(RMSEP)分别为0.904和15.163。研究结果表明,利用高光谱成像技术可以实现长枣内外品质同时检 测。     

高光谱成像技术检测冷却羊肉表面细菌总数

为了对冷却羊肉表面细菌总数进行无损检测,采用不同波段范围高光谱成像系统结合多种建模方法建立预测模型,进行理论分析和实验验证。分别在400nm~110nm和900nm~1700nm波长范围内获取冷却羊肉样本的高光谱图像信息,结合偏最小二乘和人工神经网络(反向人工神经网络和径向基人工神经网络)建立预测模型。结果表明,神经网络建模效果优于偏最小二乘;其中,径向基人工神经网络模型在400nm~1100nm和900nm~1700nm波长范围内相关系数分别为0.9872和0.9988,均方根误差分别为0.8210和0.2507,预测效果最好;而900nm~1700nm波长范围为最佳建模波长。这一结果说明利用高光谱图像技术对冷却羊肉表面细菌总数进行快速无损检测是可行的。     

高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(PartialLeast Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行该水样样本COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(Partial Least Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明针对该水样样本,利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行水样COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

高光谱技术在血迹分类识别中的应用

利用高光谱技术对血迹种类进行无损识别研究。采用小波变换技术对400~950 nm之间的原始光谱进行去噪处理,并对处理后的光谱进行特征波段选择,建立全波段和特征波长下的血迹种类识别模型。结果表明,利用特征波长与支持向量机(SVM)结合建立的血迹种类识别模型的识别准确率及识别时间分别为98%和0.2 s,优于全波段建立的模型。研究表明,采用高光谱技术对血迹种类识别是可行的。     

基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法

研究了基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法.全波段建立的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果.这两个模型的建模集和预测集的确定系数(r2c和r2p)均在0.98以上.采用连续投影算法(SPA)挖掘特征波长,最终选择了439 nm、443 nm、...     

基于SPA和PSO-LSSVM的可见-近红外光谱水质pH值检测

为了提高可见-近红外（Vis-NIR）光谱法检测水质pH值的精度和稳定性，基于连续投影算法（SPA）和粒子群优化-最小二乘支持向量机（PSO-LSSVM）建立了多元校正模型。采集60个不同pH值水溶液样品的Vis-NIR光谱数据，运用Savitzky-Golay卷积平滑和标准正态变量变换对原始光谱数据进行预处理。基于SPA筛选的特征波长和PSO算法自动优化LSSVM的建模参数，建立多元非线性校正模型。结果表明，相比于其他对比模型，SPA-PSO-LSSVM模型具有更高的精度与更优的稳定性，验证集的均方根误差为0.67、决定系数为0.91，剩余预测偏差为3.10。     

膝骨性关节炎的在体近红外光谱检测

根据关节软骨中水含量的变化,用近红外(NIR)光谱法在体无创检测膝骨性关节炎(KOA)。阐述了基于朗伯比尔定律的NIR光谱法检测KOA的原理。以6 month的成年家兔为实验对象,用Videman法获得KOA模型,多次采集正常兔膝和KOA兔膝的光谱,提取不同时间段所获得的光谱信息,计算得出了不同波长光强与828nm光强的比值,最后用线性拟合方法分析KOA兔膝的光谱信息。和正常膝关节相比,KOA膝关节的NIR吸收光谱增加,在983nm和995nm波长处变化明显。NIR光谱法在体无创检测KOA是可行的。本文的研究结果为NIR光谱法用于人KOA的临床检测提供了理论依据。     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

基于荧光光谱成像与聚类分析的鹿茸鉴别研究

提出应用荧光光谱成像技术对鹿茸饮片进行检测,以期为鹿茸真伪鉴别提供一种快速无损的检测方法。采用凝视式荧光光谱成像装置,对不同来源的13种鹿茸样品进行了荧光光谱成像分析,从各样品的光谱立方体中提取了其特征光谱曲线,并采用欧氏聚类分析方法对特征曲线进行解析。系统所用光源为中心波长254nm的窄带紫外光源,光谱分辨率为5nm,扫描范围为410~670nm,空间分辨率为4 000×4 000。光谱成像检测结果与作为对照实验的性状、显微鉴别结果一致,表明荧光光谱成像法可用于鹿茸的真伪鉴别,且方法简便和客观。     

可见近红外高光谱快速诊断番茄叶片含水量及其分布

基于可见近红外高光谱建立番茄叶片水分含量快 速诊断模型,对不同光谱处理及建模进行优选, 对水分含量分布进行可视化研究。结合阈值法采集不同生长期192个 番茄叶片感兴趣区域光谱信息进行预 处理比较,分析β权重系数法、连续投影算法(SPA)、无信息 变量消除(UVE)、竞争自适应加权算法(CARS) 及UVE-SPA、CARS-SPA组合方法特征波长优化方法,利用提取特征波长对多元线性回归(MLR)、主成分回 归(PCR)及偏最小二乘回归(PLSR)水分含量建模方法进行有效性评价,优化出最佳组 合模型,采用特征 图像光谱反射权重系数实现叶片含水量及其分布的可视化,解析叶片含水量光谱响应特性。 最终确立 Baseline为最佳波段预处理方法,全波段建模预测集相关系数R_p 达0.97;提取特征波长后,Baseline-CARS-MLR 为叶片水分含量预测最佳模型,预测集相关系数R_p为 0. 95,预测集均方根误差RMSEP为0.042。基于高光 谱成像技术快速评估叶片水 分含量具有一定优势,为活体番茄植株生长水分亏缺状况实时评估及智能化灌 溉技术提供理论依据。     

三维荧光光谱技术结合PLSR在鸭肉中西维因残留检测的应用

根据西维因水解物具有强荧光的特性,提出了利用三维荧光光谱技术结合偏最小二乘回归(PLSR)法测定鸭肉中西维因的残留含量。通过对样品的二维等高线光谱图分析,发现鸭肉和西维因的特征峰能明显区分开,在西维因-鸭肉体系中两者波峰分别位于300/365 nm和320/460 nm,再利用PLSR法建立鸭肉中西维因残留含量预测模型,其预测集中真实值与预测值的决定系数R2和均方根预测误差值Prms分别达到0.9883和3.103。结果表明三维荧光光谱技术结合PLSR法可用于鸭肉中西维因残留的测定,具有快速检测和预测精度高等优点,为鸭肉中农药残留检测提供了一种有效的手段。     

微型长波近红外物联网节点及实验研究

研制基于线性渐变滤光片和InGaAs焦平面的微型化物联网节点,实现长波近红外光谱数据的采集和无线传输,针对节点的波长范围、分辨率、波长准确性和波长稳定性等参数指标开展性能研究实验.实验结果表明,节点的波长范围为950~1 700 nm,光谱分辨率随波长增加而增大,约为峰值波长的1%,与滤光片特性相符,波长准确性优于1.3 nm,波长重复性优于0.1 nm,可以满足物联网中的近红外光谱分析应用需求.     

基于近红外特征波长提取与最小二乘支持向量机的白芷掺滑石粉定量研究

中药掺假不仅降低疗效而且严重危害身体健康, 本文利用近红外光谱分析技术对中药白芷中掺入滑石粉的含量进 行定量分析。仪器采用自主研制的近红外光谱仪,光谱范围为900～ 1700 nm,分辨率为4nm,采集181份白芷中掺 入了 滑石粉的样本光谱以及7份白芷中掺入了滑石粉和面粉的样本光谱,进行平滑和一阶求导预 处理的基础上,比较研究了 多种不同算法的建模效果,提出了采用移动窗口法(MW)结合遗传算法(GA)进行特征波长 优选,以最小二乘支持向 量机(LS-SVM)建立定量模型的分析方法,结果表明MW-GA能有效筛选波长,提高预测精 度,还用白芷中同时掺入了 滑石粉和面粉的多成分样本对模型进行了验证。MW-GA-LS-SVM与全光谱-PLS、MW-GA- PLS、全光谱-LS-SVM比较, 其性能最佳,在极大减少建模变量的同时,模型的验证集决定系数R²=0.995,校正均方根误差RMSEC= 0.42%,预测均 方根误差RMSEP=0.48%,表明MW-GA-LS -SVM建立的模型准确度高,为近红外光谱在中药成分快速定量分析应用提供了方法依据。