1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
3 北京化工大学信息科学与技术学院, 北京 100029
油类污染严重威胁到自然环境及人类健康。 因此, 识别和处理油类污染非常重要。 由于三维荧光光谱能够表征石油的荧光特征, 故一般利用三维荧光光谱法检测溶液中存在的油类污染物。 但油类的三维荧光光谱数据维度较高且直接分析的难度较大, 因此可以利用数据降维方法提取原始油类样本的光谱特征, 并利用所得到的光谱特征对样本进行识别。 基于此, 利用二维线性判别分析(2D-LDA)对油类样本进行特征提取, 研究提取的不同样本光谱特征的差别, 将得到的光谱特征作为K最近邻(KNN)分类的输入, 得到相应的分类结果。 首先, 分别配制四种不同的油类(柴油、 汽油、 航空煤油、 润滑油)样本各20个, 共计得到80个油类样本; 然后, 利用FS920光谱仪采集所有油类样本的三维荧光光谱数据; 其次, 对采集到的光谱数据进行预处理, 去除光谱中散射的干扰并标准化; 最后, 利用2D-LDA算法对样本进行特征提取, 利用KNN算法进行分类, 并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。 研究结果表明, 2D-LDA提取特征的分类效果优于PCA。 利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%, 而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。 表明两类光谱相对于三维荧光光谱具有互补性, 将发射和激发光谱特征相结合能够更好地对样本进行分类。 而利用PCA对测试集识别的准确率仅为85%, 表明2D-LDA对三维荧光光谱数据的特征提取效果更好。 与PCA相比, 2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征, 使得同类样本尽可能接近, 不同样本尽可能分离。 因此, 2D-LDA具有使降维后的数据更容易被区分的特点, 故其鲁棒性好。 该研究为油类的降维识别提供了一种参考。
三维荧光光谱 二维线性判别分析 主成分分析 K最近邻 Three-dimensional fluorescence spectra Two-dimensional linear discriminant analysis Principal component analysis K nearest neighbor 光谱学与光谱分析
2021, 41(8): 2505
油类污染日渐频繁, 给人类健康及生态环境造成了严重的威胁。 因此, 研究有效的油类识别方法对保护生态环境具有重要意义。 三维荧光光谱技术是识别油类最有效的分析手段之一, 利用二阶校正方法对三维荧光光谱数据进行解析, 然后利用模式识别对二阶校正方法解析结果中的浓度得分矩阵进行分类, 可以实现对未知样本的定性识别。 然而, 此类方法在对未知样本进行分类识别的过程中, 只应用了浓度得分矩阵, 其本质上只是利用样本所含化学成分的相对含量差异对未知样本进行了分类。 并没有利用具有定性意义的载荷矩阵, 即没有从样本所含化学成分本身实现对样本的定性。 基于此, 将重构的三维荧光光谱和偏最小二乘判别分析(PLS-DA)相结合, 提出了一种针对油类样本的辨识方法。 首先, 利用四种油类(汽油、 柴油、 航空煤油和润滑油)在不同的背景环境下(纯净水、 自来水、 河水及海水配制的十二烷基硫酸钠溶剂)配制了80个油类样本; 然后, 利用FS920荧光光谱仪采集样本的三维荧光光谱数据, 并对该数据进行去散射及标准化预处理; 其次, 利用Leverage值识别并删除其中的异常光谱, 并利用平行因子分析算法(PARAFAC)对剩余的光谱进行重构; 最后, 通过PLS-DA建立重构三维荧光光谱的分类模型; 并将重构与未重构的三维荧光光谱分别建立的分类模型进行了对比。 分析结果表明, 三维荧光光谱经过重构后, 可以将四种油类的正确分类率分别从原来的100%, 50%, 60%和20%提高到100%, 100%, 100%和100%, 表明重构的三维荧光光谱具有更加明显的类内特征。 重构三维荧光光谱所建立的分类模型的灵敏度(SENS)、 特异性(SPEC)及F分数分别为100%, 100%和100%, 表明所建立的模型具有稳健及可靠的分析结果。 该研究中, 重构三维荧光光谱利用了PARAFAC解析结果中的浓度得分矩阵及载荷矩阵, 所建立的PLS-DA分类模型不仅从化学成分相对含量的差异而且从化学成分本身对样本进行了定性识别, 所得结果更加具有说服力。 该研究为油类识别提供了一种可靠的方法。
重构三维荧光光谱 油类识别 Reconstructed 3D fluorescence spectrum PARAFAC PLS-DA Oil identification PARAFAC PLS-DA 光谱学与光谱分析
2020, 40(12): 3789
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 Department of Telecommunications and Information Processing, Ghent University, B-9000 Ghent, Belgium
3 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
4 北京化工大学信息科学与技术学院, 北京 100029
海上溢油已成为全球环境污染的重要问题之一, 溢油严重破坏了海洋生态的平衡, 并导致人类健康受到危害。 因此, 研究高效的溢油检测方法对保护海洋生态环境具有重要意义。 三维荧光光谱技术因能获得溢油的“指纹”图谱而成为溢油鉴别领域的有效分析手段, 其与平行因子分析算法相结合获得了良好的溢油鉴别效果。 但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围, 且其对预估计组分数敏感, 组分数选择是否准确直接影响最终定性定量结果, 这些问题都会对油类检测造成使用上的限制。 油类组分极为复杂, 其中各组分间不存在统一的线性浓度范围, 其相互之间还受到荧光猝灭效应的影响。 直接对未经稀释的油类样本进行光谱数据采集, 所获得的三维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异, 导致对三维荧光光谱数据进行解析的平行因子分析算法不再适用。 但组分的种类及含量相近的油样其光谱特征相似度较高, 并且随着特定组分及其含量的改变, 其光谱形状的变化规律也较为明显。 基于此, 将三维荧光光谱和数字图像识别相结合, 提出一种针对混合油类样本的辨识方法。 首先, 利用五种矿物油(汽油、 柴油、 航空煤油、 机油和润滑油)配制三类混合油样本, 其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成; 然后利用FS920荧光光谱仪获取样本的三维荧光光谱数据, 并对该数据进行求导及灰度化预处理, 进而得到三维荧光导数光谱灰度图; 其次提取样本三维荧光导数光谱灰度图的颜色、 纹理和形状等数字图像特征; 最后, 通过Fisher判别分析建立样本的分类模型, 采用逐步回归建立混合油样本各组分相对体积的定量模型。 分类模型对三类混合油样本的分类及识别效果良好。 所建立的定量模型的线性相关性R大于0.99, 显著性检验p值小于0.05。 研究结果表明, 三维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。 该研究为海面溢油检测提供了一种简单、 可靠的识别方法。
溢油检测 三维荧光光谱 数字图像识别 Fisher判别 逐步回归 Oil spill Three-dimensional fluorescence spectra Digital image recognition Fisher discriminant Stepwise regression 光谱学与光谱分析
2019, 39(11): 3407
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
3 北京化工大学信息科学与技术学院, 北京 100029
石油作为重要的能源和工业原料, 在造福人类社会的同时, 其引起的环境污染问题日益严重。 因此针对混合油液的快速、 准确检测成为鉴别溢油来源和保护生态环境的重要内容。 石油类物质一般由具有较强荧光特性的芳香烃成分及其衍生物组成, 荧光光谱分析技术以其灵敏度高、 分析速度快和受风化影响程度小等优点成为了混合油液检测的重要手段之一, 并与二阶校正和三阶校正的各类算法相结合取得了较好的成分鉴别和浓度预测效果。 但二阶校正算法普遍存在对噪声的容忍能力弱和对组分数敏感、 收敛速度慢等不足, 限制了在实际混合油液检测中的应用。 针对上述存在的问题, 将三维荧光光谱技术和交替加权残差约束四线性分解(AWRCQLD)算法相结合, 提出一种用于混合油液检测的新方法。 首先以乙醇作为溶剂, 将航空煤油和润滑油按不同浓度比配制7个校正样本、 4个预测样本和3个空白样本; 然后利用FLS920荧光光谱仪采集拟进行成分检测的混合油液在不同实验温度条件下共42个样本的荧光光谱数据, 并通过空白扣除的方法消除散射的干扰; 再利用核一致诊断法和残差分析法估计出最佳的组分数; 最后分别利用AWRCQLD算法、 4阶平行因子(4-PARAFAC)算法和二阶校正算法解析样本的荧光光谱数据, 做出混合油液样本的定性鉴别和定量预测。 研究结果表明, 经AWRCQLD算法解析后得到的航空煤油预测样本的回收率为96.7%~102.7%、 预测均方根误差为0.015 mg·mL-1; 润滑油预测样本的回收率为96.9%~101.7%、 预测均方根误差为0.009 mg·mL-1; 在不同实验温度条件构建的四维响应数阵能够更为准确地测定出航空煤油和润滑油的组分浓度, 其回收率更高和预测均方根误差更小, 满足准确定量分析的要求; AWRCQLD算法在航空煤油和润滑油样本的荧光光谱严重重叠的情况下, 较之二阶校正算法和4-PARAFAC算法, AWRCQLD算法更能够体现出三阶校正算法所具有的优势, 综合预测能力更强, 达到了对混合油液进行快速检测的目的。 该研究提供了一种不依赖于“物理和化学分离”的快速、 准确的对混合油液进行检测的“数学分离”方法, 为石油类混合油液检测提供了必要的技术支持。
三维荧光光谱 三阶校正 交替加权残差约束四线性分解 混合油液检测 Three-dimensional fluorescence spectroscopy Third-order calibration Alternating weighted residue constraint quadriline Mixed oil detection 光谱学与光谱分析
2019, 39(10): 3129
燕山大学测试计量技术及仪器河北省重点实验室， 河北 秦皇岛 066004
基于黑体辐射原理的蓝宝石光纤温度传感器，测温范围为800～2000 ℃,响应时间在10-2 s数量级，可进行恶劣环境下瞬态高温的高精度测量，近年来得到了较广泛的应用。蓝宝石光纤温度传感器的非线性制约和影响传感器的精度和稳定性。为了解决测量中存在的非线性问题,首先分析了蓝宝石光纤温度传感器的测温原理和非线性产生机理；其次结合蓝宝石光纤温度传感器的非线性特性，设计了基于分段线性插值和样条插值的线性化算法，并用Matlab编写了线性化程序以及相关的信号处理程序。实验结果表明，该方法能很好地实现对蓝宝石光纤温度传感器的线性化。
信号处理 线性化 插值算法 蓝宝石光纤
燕山大学测试计量技术及仪器河北省重点实验室， 河北 秦皇岛 066004
应用激光诱导荧光技术测量水中溶解有机物含量，具有检测速度快，灵敏度高等优点，而实际测量中荧光光谱受到激光发射光，瑞利散射和拉曼散射等因素的不同程度影响，难以建立荧光强度与有机物浓度的准确关系。在分析激光诱导荧光光谱特征的基础上,利用误差逆向传播(BP)神经网络对复杂非线性映射关系的强大逼近能力，对上述各影响因素进行综合处理，从而建立光谱的荧光强度与有机物浓度之间对应关系。通过对已知浓度有机物溶液的测量，用得到的荧光强度有机物浓度样本对BP神经网络进行精确训练，实现对水中溶解有机物浓度的测量。实验表明，以上方法可以实现对水中溶解有机物含量的准确测量。
信号处理 激光诱导荧光 有机物浓度 荧光光谱 逆向传播(BP)神经网络
