1 江苏大学电气信息工程学院, 江苏 镇江 212013
2 江苏科技大学经济管理学院, 江苏 镇江 212100
三七是一种传统的中药材, 具有较高的药用价值。 目前市场上中药售假的现象屡见不鲜, 许多不法商贩将三七支根或剪口粉末假冒主根粉末销售, 严重损害了消费者的利益。 利用高光谱技术结合多元分析方法实现三七不同部位粉末的快速无损鉴别。 通过高光谱成像系统分别采集了三七剪口、 须根和主根粉末在400~1 000 nm范围内的高光谱图像, 共300个样本。 采用Savitzky-Golay(SG)平滑结合标准变量变换(SNV)的方法对高光谱数据进行去噪和消除因散射引起的光谱差异。 为了移除光谱变量中的重迭和冗余信息, 利用竞争自适应重加权采样(CARS)算法和本文提出的一种考虑了变量间交互作用的二进制竞争自适应重加权采样(BCARS)算法进行特征波长选择。 最后分别建立了基于全光谱、 CARS和BCARS特征波长的支持向量机(SVM)和极端梯度提升(XGBoost)分类模型。 结果表明, BCARS-XGBoost模型的分类效果最优, 训练集和测试集的分类准确率分别为100%和99.33%。 与CARS相比, BCARS所选择的特征波长数量较少, 有助于多光谱系统和便携式仪器的开发。 利用高光谱技术结合BCARS-XGBoost模型鉴别三七不同部位粉末是可行的。
高光谱 三七 极端梯度提升 特征波长选择 Hyperspectral imaging Panax notoginseng XGBoost Feature wavelength selection 光谱学与光谱分析
2023, 43(7): 2027
强激光与粒子束
2023, 35(4): 041003
1 福州大学地理与生态环境研究中心,福建 福州 350108
2 福州大学环境与安全工程学院,福建 福州 350108
3 福州大学数字中国研究院(福建),福建 福州 350108
4 福建省资源环境监测与可持续经营利用重点实验室,福建 三明 365004
5 空间数据挖掘与信息共享教育部重点实验室,福建 福州 350108
6 福州大学信息与通信工程博士后科研流动站,福建 福州 350108
高光谱图像具有波段连续、 维数高、 数据量大、 相邻波段相关性强的特点, 可为地物分类提供更为丰富的细节信息。 但是, 数据中存在大量冗余信息与噪声, 在图像分类中如直接利用其所有波段特征而不进行有效分析与选择, 将会导致较低的计算效率和较高的计算复杂度, 分类精度亦可能随着波段维数增加而出现先增后减的“休斯(Hughes)现象”。 为快速地从高达数十个甚至数百个波段的高光谱图像中提取出具有较好识别能力的特征子集, 从而避免“维度灾难”, 将过滤式ReliefF算法和封装式特征递归消除算法(RFE)相结合, 构建了ReliefF-RFE特征选择算法, 可用于高光谱图像分类的特征选择。 该算法根据权重阈值, 利用ReliefF算法快速剔除大量无关特征, 缩小并优化特征子集的范围; 利用RFE算法进一步搜索最优特征子集, 将缩小范围后的特征子集中与分类器关联性小、 冗余的特征进行递归筛选, 进而得到分类性能最佳的特征子集。 采用Indian pines数据集、 Salinas-A数据集与KSC数据集等3个标准数据集作为实验数据, 将ReliefF-RFE算法的应用效果与ReliefF和RFE算法进行对比。 结果显示, 在3个数据集中, 应用ReliefF-RFE算法的高光谱图像分类平均总体精度(OA)为92.94%、 F-measure为92.81%, Kappa系数为91.94%; ReliefF-RFE算法的平均特征维数是ReliefF算法的37%, 而平均运算时间则是RFE算法的75%。 由此表明, ReliefF-RFE算法能够在保证分类精度的同时, 克服过滤式ReliefF算法无法有效减小特征之间冗余以及封装式RFE算法时间复杂度较高的缺陷, 具有更为均衡的综合性能, 适用于高光谱图像分类的特征选择。
高光谱图像 特征选择 ReliefF算法 RFE算法 ReliefF-RFE算法 Hyperspectral image Feature selection ReliefF algorithm RFE algorithm ReliefF-RFE algorithm 光谱学与光谱分析
2022, 42(10): 3283
1 重庆交通大学, a.机电与车辆工程学院
2 重庆交通大学, b.航空学院, 重庆 400000
3 c.绿色航空技术研究院, 重庆 401000
4 绿色航空能源动力重庆市重点实验室, 重庆 401000
针对四旋翼无人机轨迹跟踪控制中非线性、欠驱动、强耦合、多变量的控制难点问题, 提出了一种基于扩张状态观测器的串级全局快速终端滑模控制策略, 该控制策略使得系统具有快速感知并实时消除内外干扰的功能, 而且能保证系统在有限时间内迅速收敛到平衡状态。此外, 通过Lyapunov理论证明了控制系统的稳定性。仿真实验证明, 在四旋翼无人机模型中考虑了电机动态特性、外部干扰并避免了姿态角小扰动假设的情况下, 所提控制算法能够提高系统的鲁棒性能, 保证无人机的轨迹跟踪精度。
四旋翼无人机 轨迹跟踪 滑模控制 扩张状态观测器 quadrotor UAV trajectory tracking Sliding Mode Control (SMC) Extended State Observer (ESO)
空军工程大学航空等离子体动力学重点实验室,陕西 西安 710038
利用光电二极管采集熔池辐射信息,深入挖掘熔池辐射信号中的工艺及过程稳定性信息。基于统计学分析方法研究了不同层高、不同基板位置、不同扫描线角度等过程因素对熔池辐射信号的影响,分析了熔池辐射信息与热积累、烟尘遮蔽等物理现象之间的内在联系,建立了“信号-过程因素-物理机制”之间的对应关系。结果表明,熔池辐射强度均值随层高的增加有明显升高趋势;顺、逆风向的熔池辐射强度波形呈“左偏”、“右偏”形状特征;不同位置的熔池辐射强度差异明显;扫描线角度是否沿着样件摆放方向明显影响强度均值。其典型规律表明这些特征可以作为质量监控的重要参考。
激光技术 激光粉末床熔融 光电二极管 过程因素 熔池辐射强度 中国激光
2022, 49(14): 1402206
1 中国科学院光电技术研究所自适应光学重点实验室,四川 成都 610209
2 中国科学院大学,北京 100049
实际自适应光学控制系统中存在的时间延迟,导致校正器生成的校正面形与实际的波前畸变不匹配,产生校正滞后误差。基于大气冻结湍流假设,提出了一种基于运动估计的波前畸变预测方法,来补偿时间延迟带来的影响。方法具体采用模板匹配算法,根据参考帧和当前帧的波前复原图像进行大气湍流运动方向估计,然后对当前帧进行移动处理来实现对下一帧图像的预测。通过采用不同采样频率、不同横向风速度的仿真数据对比,评估预测方法的适用范围,讨论回溯帧数对预测效果的影响。也与采用最小递归二乘(RLS)模式预测方法的预测效果进行比较。仿真结果显示,在波前复原图像变化趋势较为明显的情况下,即横向风对大气湍流变化影响占主导地位时,方法表现更好,使得在天气较为恶劣的情况下仍能保持更佳的预测效果。最后使用实际天狼星观测数据对预测方法进行验证,整体仍保持预测效果。
自适应光学 湍流预测 运动估计 波前校正 adaptive optics turbulence prediction motion estimation wavefront correction
江苏师范大学物理与电子工程学院, 江苏 徐州 221116
腔增强吸收光谱技术具有实验装置相对简单、灵敏度高、环境适应性强等特点, 是高灵敏吸收光谱技术的重要分支之一, 在其应用过程中, 腔镜反射率是影响其测量准确性的重要因素。 利用2.0 μm可调谐二极管激光器作为光源搭建了一套腔增强吸收光谱测量系统, 使用两片反射率为99.9%的高反镜作为腔镜, 以CO2气体在5 001.49 cm-1处的吸收谱线作为研究目标, 对两种简单实用的腔镜反射率标定方法进行了对比研究。 第一种标定方法利用已知程长多通池作为参考池, 通过测量谐振腔和多通参考池的输出吸收信号, 比较二者的吸收率推导出腔增强系统中的有效吸收路径, 然后通过镜片反射率和有效吸收路径的关系对腔镜反射率进行标定; 第二种标定方法根据理想气体状态方程得到气体分子数密度, 并结合数据库中的谱线线强值, 实现了对腔镜反射率进行标定。 结果表明, 方法一中积分腔与参考池测得信号的积分吸收面积之比为10.5, 经过多次测量并计算得到积分腔的有效吸收路径与镜片的反射率分别为302.65 m和99.85%, 得到大气中CO2气体的浓度为0.037 3%, 与实际大气CO2的含量相符合, 验证了此方法的准确性; 该方法的优点是不受样品浓度影响, 但因引入新的参考池, 需要两池中气体的压强和温度都保持一致, 此方法适用于开放式的腔体结构。 方法二中测得大气中CO2分子位于5 001.49 cm-1处吸收光谱, 并结合大气中CO2气体的分子数密度N为9.099×1015 molecule·cm-3, Hitran数据库中该条谱线线强为3.902×10-22 cm·molecule-1, 计算得到镜片反射率约为99.84%; 此方法优点是结构相较前一种方法更简单, 但需要已知被测气体的分子数密度, 因此在配置气体的过程中浓度、压力的误差会影响腔镜反射率的标定。 由此可见两种镜片标定方法均可精确实现对腔镜反射率的标定, 根据两种方法的特点, 在实际应用中可选取相应适合的方法作为参考。
光谱学 腔增强吸收光谱 腔镜反射率 标定方法 Spectroscopy Cavity enhanced absorption spectroscopy Mirror reflectivity Calibration method 光谱学与光谱分析
2021, 41(9): 2945