山东理工大学农业工程与食品科学学院, 山东 淄博 255000
使用便携式近红外（901～1 650 nm）和可见光（400～900 nm）光谱仪结合多变量分析方法无损检测水稻水分含量, 选用100种不同品种的水稻并采集其光谱信息, 其中粳稻52种, 籼稻34种, 糯稻14种。 采用GB 5009.3—2016中的直接干燥法测定每种水稻样本的水分含量。 利用蒙特卡洛偏最小二乘法（MCPLS）剔除水稻样本中的异常值, 基于近红外和可见光光谱的数据集分别剔除8个和4个异常值。 采用基于联合X-Y距离的样本划分法（SPXY）按照3: 1的比例划分样品, 近红外和可见光数据集分别得到69、 72个校正集和23、 24个预测集。 采用正交信号校正（OSC）、 多元散射校正法（MSC）、 去趋势变换（De-trend）、 标准正态变换（SNV）、 基线校正（Baseline）、 Savitzky-Golay 卷积导数（S-G导数）、 标准化（Normalize）、 移动平均平滑(moving average)、 Savitzky-Golay卷积平滑处理法（S-G平滑）共9种算法对原始光谱数据进行预处理, 基于近红外和可见光光谱的OSC、 SNV和OSC、 Moving average预处理效果较好, 进行后续模型的处理。 选择特征波长以减小光谱信息冗余并提高模型检测效果, 基于近红外和可见光光谱的最佳波长选择方法分别为连续投影算法（SPA）和竞争性自适应重加权算法（CARS）, 分别保留15, 39个特征波长。 之后, 建立偏最小二乘回归（PLSR）、 主成分回归（PCR）模型。 结果表明, 基于近红外和可见光光谱的最优模型分别为SPA-PLSR和OSC-CARS-PCR, 其预测集相关系数（R2P）, 预测集均方根误差（root mean square error forprediction, RMSEP）和预测集归一化均方根误差（normalized root mean square error, NRMSEP）分别为0.810 3、 0.802 1, 0.412、 0.388和3.62%、 3.34%。 基于近红外光谱的SPA-PLSR模型预测效果更好, 鲁棒性更高, 预测效果好于可见光光谱。 本研究验证了便携式近红外和可见光光谱仪快速、 无损检测水稻中水分含量的可行性, 为水稻收获、 贮藏等过程水分含量的测定提供技术支持, 为后续便携式光谱仪的开发提供参考。
近红外光谱 可见光光谱 水稻 水分含量 便携式 快速检测 Near-infrared spectra Visible spectra Rice Moisture content Portable Rapid detection 光谱学与光谱分析
2023, 43(7): 2059
山东理工大学农业工程与食品科学学院, 山东 淄博 255000
采用近红外高光谱成像技术对大豆水分含量进行快速无损检测, 实现大豆水分含量可视化。 采集了96个不同品种大豆样本在900~2 500 nm的高光谱图像, 采用直接干燥法测量每个大豆样品的水分含量。 利用系统自带的HSI Analyzer软件提取图像感兴趣区域(ROI)的平均光谱信息, 代表样品的光谱信息。 利用SPXY算法划分样品校正集和预测集, 并保留938~2 215 nm波段范围内的光谱数据。 采用移动平滑(moving average)、 S-G平滑、 基线校正(baseline)、 归一化(normalize)、 标准正态变量变换(standard normal variate, SNV)、 多元散射校正(multiple scattering correction, MSC)、 去趋势(detrending)共7种光谱预处理方法, 发现Normalize方法处理后的PLSR模型效果较好。 为了去除光谱冗余信息, 简化预测模型, 采用连续投影算法(SPA)、 竞争性自适应加权算法(CARS)、 无信息消除变量法(UVE)提取特征波长, 其中SPA, CARS和UVE三种算法优选出14, 16和29个波长, 分别占总波长的6.5%, 7.4%和13.4%。 分别对938~2 215 nm波段光谱和特征波长建立预测模型, 并将效果较优的模型与Normalize方法结合。 建立的14种预测模型效果相比较, 发现SPA算法筛选的特征波长建模预测效果较好, 并优选出Normalize-SPA-PCR模型, 模型的和值较高, 分别为0.974 6和0.977 8, RMSEP和RMSECV值较低, 分别为0.238和0.313, 模型的稳定性和预测性较好, 可以对大豆水分含量进行准确预测。 将Normalize-SPA-PCR模型作为大豆水分含量可视化预测模型, 计算高光谱图像每个像素点的水分含量, 得到灰度图像, 对灰度图像进行伪彩色变换, 得到大豆水分含量可视化彩色图像。 对预测集的24个大豆品种进行可视化处理, 发现不同水分含量大豆的可视化图像颜色不同, 水分含量变化对应的颜色变化较为明显。 结果表明, 高光谱成像技术结合化学计量学可以准确快速无损预测大豆水分含量, 实现大豆水分含量可视化, 为大豆收获、 贮藏加工过程中水分含量检测提供了技术支持。
高光谱成像技术 水分含量 大豆 无损检测 可视化 Hyperspectral imaging Moisture content Soybean Non-destructive detection Visualization 光谱学与光谱分析
2022, 42(10): 3052
光子学报
2021, 50(12): 1210003
1 山东师范大学信息科学与工程学院, 山东 济南 250358
3 山东理工大学农业工程与食品科学学院, 山东 淄博 255000
4 4. School of Engineering, Cardiff University, Cardiff, CF24 3AA, United Kingdom
苹果的可见光谱目标的高效、 精准识别是实现果园测产或机器自动采摘作业的关键, 由于绿色目标果实与枝叶背景颜色较为相近, 因此绿色苹果的识别成为新的挑战。 再由于果园实际复杂环境因素影响, 如光照、 阴雨、 枝叶遮挡、 目标重叠等情况, 现有的目标果实识别方案难以满足测产或自动采摘的实时、 精准作业需求。 为更好地实现果园自然环境中绿色目标果实识别问题, 提出一种新的核密度估计优化的聚类分割算法(kernel density clustering, KDC)。 新算法首先利用简单的迭代聚类(simple linear iterative cluster, SLIC)算法将目标图像分割成不规则块, 集结小区域内近似像素点组成超像素区域, 计算单元由像素点转变为超像素区域, 有效降低数据复杂度, 且SLIC算法简化图像数据时可有效避免目标果实轮廓模糊; 基于超像素构造R-B区域均值和G-B区域均值的二维特征分量, 建立针对聚类分析的青苹果颜色特征空间。 然后借助密度峰值聚类中心计算绿色苹果图像每个数据点的局部密度和局部差异度, 为解决分割边界模糊问题, 在计算过程中利用核密度估计计算局部密度, 确保局部密度在不同复杂场景中的清晰准确表达, 以更精准找出被低密度区域分割的高密度区域, 实现任意形状的聚类。 最后以局部密度和距离构造寻找聚类中心的决策图, 该研究采用双排序算法实现聚类中心的自动选择, 完成目标果实的高效分割。 新算法通过SLIC算法获得图像的超像素区域表示, 数据点的局部密度通过核密度估计得到, 大幅降低算法的计算量, 实现目标图像的高效、 精准分割。 为更好地验证新算法性能, 实验采集多光照、 阴雨等环境下的遮挡、 重叠等复杂目标图像, 以分割效率、 分割有效性、 假阳性、 假阴性等指标进行评价, 通过对比k-means聚类算法、 meanshift聚类算法、 FCM算法和DPCA算法, 该研究提出的新算法分割性能均最优。
绿色果实 图像分割 密度峰值聚类 核密度估计 Green fruit Image segmentation Kernel density estimation Density peak clustering 光谱学与光谱分析
2021, 41(9): 2980
河南大学计算机与信息工程学院, 河南 开封 475001
为了提高多聚焦融合技术中融合图像系数间的相关性,增强区域信息丰富度,提出一种基于熵率分割和多尺度分解的多聚焦图像融合方法。利用多尺度分解后边缘和细节信息保存在高频子带这一特征,通过模值比较和一致性检测,可以更好地保留图像的细节;同时结合低频子带与熵率分割,把图像中相近的信息系数分到同一个区域中,再根据区域空间频率和能量融合图像,提高系数间的相关性,使得融合图像边缘过渡更加自然;最后,对图像进行逆变换得到融合结果图。实验结果表明,本文方法在主客观评价中都具有较好的表现,能够得到较好的融合效果,适用性高。
图像处理 图像融合 熵率分割 多尺度分解 空间频率 激光与光电子学进展
2018, 55(1): 011011
1 雅安职业技术学院, 四川 雅安 625000
2 四川农业大学信息工程学院, 四川 雅安 625014
针对信息安全领域隐写技术存在的感知失真过大和图像源压缩率高造成误差率高的问题, 设计了一种基于Karhunen-Loeve transform (KLT)优化的图像隐写术。通过迭代聚类算法求解协方差矩阵与聚类平均值,对相关数值 进行调整分割图像,引入KLT算法压缩图像数据,用最低有效位代替加密数据来隐藏数据,提 取信息时采用反向线性变换运算及原始像素矩阵获得有效的隐藏图像信息。结果表明,与常用 算法相比该方法提取的图像有较高容量、较大信噪比及较小数据失真。
信息安全 图像隐写术 Karhunen-Loeve变换 最低有效位 容量 information security image steganography Karhunen-Loeve transform least significant bit capacity
为了设计激光标记数字振镜控制系统, 采用数字信号处理器芯片作为数字控制板的主处理器, 使用具有高传输速率和支持热插拔的通用串行总线进行上位机与数字控制板的通信; 标记图形的数据处理算法由具有高速运算能力的数字信号处理器完成, 复杂可编程逻辑器件芯片完成控制信号的时序控制和输出, 使用传送差分信号的RS-485总线进行控制系统与数字振镜和激光器的通信, 根据理论分析和参量模拟, 得到了对数字振镜的转动角度和激光器功率的高精度控制。结果表明, 该系统可以实现实时、高速、高精度的激光标记。
激光技术 激光标记 数字振镜 数字控制系统 laser technique laser marker digital galvanometer digital control system
Author Affiliations
Abstract
State Key Lab of Modern Optical Instrumentation, Department of Optical Engineering, Zhejiang University, Hangzhou 310027
We propose a two-color scheme of atom waveguides and one-dimensional (1D) optical lattices using evanescent wave fields of different transverse modes around an optical micro/nano-fiber. The atom guide potential can be produced when the optical fiber carries a red-detuned light with TE01 mode and a blue-detuned light with HE11 mode, and the 1D optical lattice potential can be produced when the red-detuned light is transformed to the superposition of the TE01 mode and HE11 mode. The two trapping potentials can be transformed to each other for accurately controlling mode transformation for the red-detuned light. This might provide a new approach to realize flexible transition between the guiding and trapping states of atoms.
130.2790 Guided waves 140.3510 Lasers, fiber Chinese Optics Letters
2008, 6(2): 02112
