1 北京工商大学人工智能学院, 北京 100048
2 北京工商大学中国轻工业工业互联网与大数据重点实验室, 北京 100048
电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法, 但在ICP-AES测量过程中, 由于温度漂移、 杂散光和仪器暗电流等原因, 光谱往往会存在一定程度的基线漂移, 导致元素光谱强度值的测量结果存在误差, 进而影响元素浓度的定量分析结果, 因此基线校正是ICP-AES分析法中的必要环节之一。 对传统光谱基线校正方法进行简要分析, 在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法; 首先验证了光谱信号中噪声的概率密度分布服从高斯分布, 然后对原始光谱进行预处理, 通过高斯滤波对光谱信号去噪; 然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标, 以非均匀B样条曲线作为基线模型, 以曲线的控制点序列C和内接点序列T作为评价函数特征参数, 建立ICP-AES光谱基线校正评价函数, 将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题; 最后简要介绍了差分进化算法的流程, 通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解, 即非均匀B样条曲线的控制点序列C与内接点序列T的取值, 并以此拟合相应的非均匀B样条曲线作为光谱基线, 实现对ICP-AES光谱的基线校正。 利用一组实测的ICP-AES光谱数据对本文提出的基线漂移校正方法进行验证, 实验结果表明, 提出的基于差分进化算法和非均匀B样条曲线的ICP-AES光谱基线校正方法能够准确地计算出非均匀B样条曲线的控制点序列C与内接点序列T, 并拟合出理想的光谱基线, 从而实现ICP-AES光谱的基线校正, 该方法能够克服非均匀B样条曲线在光谱基线校正领域应用的局限性, 为后续的元素含量定量分析提供了技术基础。
光谱基线 基线校正 差分进化算法 非均匀B样条 电感耦合等离子体 Spectral baseline Baseline correction Differential evolution algorithm Non-uniform B-spline Inductively coupled plasma
为了实现兰州百合关键营养物质蛋白质和多糖的快速无损检测, 在12 000~4 000 cm-1光谱范围内采集了59份兰州百合粉的近红外光谱(NIRS)。 首先运用SG、 Normalize、 SNV、 MSC、 Detrend、 OSC、 SG+1D、 SG+Normalize、 SG+SNV和SG+Detrend十种预处理方法对原始光谱数据进行处理, 确定蛋白质的最佳预处理方法为SG+Detrend、 多糖的最佳预处理方法为Detrend; 然后运用CARS、 SPA和PCA三种算法对预处理的光谱数据进行特征波长筛选, 确定蛋白质和多糖的最佳特征波长提取方法均为SPA算法; 最后采用PLSR法建立了兰州百合关键营养物质蛋白质和多糖含量的预测模型, 结果显示, 经过SG+Detrend_SPA处理所建立的蛋白质PLSR模型中, 预测集相关系数Rp为0.810 6, 预测集均方根误差RMSEP为1.195 3; 经过Detrend_SPA处理所建立的多糖PLSR模型中, 预测集相关系数Rp为0.810 9, 预测集均方根误差RMSEP为2.0946。 考虑到经典PLSR无损预测模型精度的限制, 在该研究中提出SOM-RBF神经网络无损预测模型。 首先利用SOM网络对数据样本进行聚类, 然后将得到的聚类类别数和聚类中心作为RBF网络的隐层节点个数和隐层节点数据中心, 以此来优化RBF的结构参数。 在建立的蛋白质SOM-RBF神经网络模型中, 预测集相关系数Rp为0.866 6, 预测集均方根误差RMSEP为1.038 5; 建立的多糖SOM-RBF神经网络模型中, 预测集相关系数Rp为0.868 1, 预测集均方根误差RMSEP为1.799 4。 比较PLSR和SOM-RBF两种模型对两种物质的预测结果, 确定了SOM-RBF神经网络模型为最优建模方法, 最终确定在蛋白质检测中, 最优模型为基于SG+Detrend_SPA_SOM-RBF建立的模型, 模型的预测集相关系数较PLSR高5.6%, 预测集均方根误差较PLSR低0.156 8; 在多糖检测中, 确定的最优模型为基于Detrend_SPA_SOM-RBF建立的模型, 模型的预测集相关系数较PLSR高5.72%, 预测集均方根误差较PLSR低0.295 2。 研究结果表明, 运用NIR和SOM-RBF技术可以实现对兰州百合关键营养物质蛋白质和多糖的快速无损检测, 为今后快速无损检测兰州百合营养物质提供理论依据。
兰州百合 蛋白质 多糖 近红外光谱 无损检测 SOM-RBF神经网络 Lanzhou lily Protein Polysaccharide Near infrared spectroscopy Nondestructive testing SOM-RBF neural network 光谱学与光谱分析
2022, 42(7): 2025
1 北京工商大学, 中国轻工业工业互联网与大数据重点实验室, 北京 100048
2 江西省农业科学院农业工程研究所, 江西 南昌 330200
为监测柑橘生长状况, 实现病虫害无损识别, 利用高光谱成像技术和机器学习方法进行柑橘病叶分类研究。 使用高光谱成像仪采集46片柑橘正常叶、 46片溃疡病叶、 80片除草剂危害叶、 51片红蜘蛛叶和98片煤烟病叶的高光谱图像, 在478~900 nm光谱范围内对每个叶片一个或多个发病区提取5×5的感兴趣区域(ROI), 将ROI内每个像素的反射率值作为光谱信息, 则一个ROI得到25个光谱信息样本, 最终五类叶片共得到13250个光谱样本。 利用随机法将全部样本划分为9 938个训练集和3 312个测试集。 分别采用一阶求导(1stDer)、 多元散射校正(MSC)和标准正态变换(SNV)三种方法对原始光谱信息进行预处理, 对不同预处理方法后的数据采用主成分分析法(PCA)提取特征波长。 1st Der预处理后得到7个特征波长, 分别是520.2, 689.0, 704.8, 715.4, 731.2, 741.8和757.6 nm; MSC和SNV预处理后得到7个相同的特征波长, 分别是551.9, 678.5, 704.8, 710.1, 725.9, 731.2和757.6 nm; 原始光谱得到7个特征波长, 分别是525.5, 678.5, 710.1, 720.7, 725.9, 757.6和762.9 nm。 分析PCA后的样本分布散点图可知, 正常叶片、 溃疡病叶片和红蜘蛛叶片样本有一定程度聚类, 除草剂叶片和煤烟病叶片样本有大量重叠, 仅依据PCA不能完成病虫害叶片的识别。 对全波段(FS)和PCA特征波长数据在不同预处理方法下进行支持向量机(SVM)和随机森林(RF)建模, 结果表明: 数据在1stDer预处理方法下识别效果最佳, 1st Der-FS-SVM模型总分类精度(OA)为95.98%, Kappa系数为0.948 2, 1st Der-FS-RF模型OA为91.42%, Kappa系数为0.889 2, 1stDer-PCA-SVM模型OA为90.82%, Kappa系数为0.881 6, 1stDer-PCA-RF模型的OA为91.79%, Kappa系数为0.894; 对PCA选择的特征波长数据建模, SVM和RF模型下识别率均达到84%, 全波段下模型识别率在88%以上, FS数据建模效果优于PCA特征波长。 研究结果表明, 高光谱成像技术结合机器学习方法进行柑橘叶片分类是可行且有效的, 为柑橘病虫害的无损准确识别提供理论根据。
高光谱成像 主成分分析 支持向量机 随机森林 Hyperspectral imaging Principal component analysis Support vector machines Random forest 光谱学与光谱分析
2021, 41(12): 3837
1 北京工商大学人工智能学院, 北京 100048
2 北京工商大学中国轻工业工业互联网与大数据重点实验室, 北京 100048
电感耦合等离子体原子发射光谱分析法（ICP-AES）已成为一种常规的元素分析方法, 但在ICP-AES分析过程中, 大多元素的分析谱线会受到背景或其他谱线的重叠干扰, 形成的光谱干扰严重影响了谱线分析的准确性, 所以在元素的分析过程中, 需要通过适当的光谱干扰校正方法才能得到合适的元素分析线。 根据光谱强度具有叠加性的特征, 利用谱图将谱线形状表示为Voigt线型函数加和的多峰谱线叠加模型, 以多峰谱线叠加模型与目标谱线的均方根误差构建多元函数作为评价函数的数学模型, 设计自适应粒子群优化（APSO）算法寻找分离谱线特征参数的最优解, APSO算法在标准PSO算法的基础上, 引入压缩因子同时使得种群参数惯性权重根据粒子个体适应度值自适应变化以及学习因子线性变化, 在算法迭代过程中协调粒子种群内全局搜索能力和局部开发能力, 保证算法有效且迅速收敛, 实现多峰谱线分离, 减少干扰谱线的影响从而得到更精准的元素分析线。 以ICP-AES检测器返回的含Pr元素溶液特征波长为390.844 nm和汞灯特征波长为313.183 nm两条谱线的光强AD采样值作为两组实测数据, 以两个Voigt线型近似函数构成的三种不同重叠程度的叠加合成曲线作为三组模拟数据, 在数据曲线上分别选取50个能够包含曲线全部特征参数信息的点作为数据点, 通过对上述五组目标数据点进行APSO算法处理, 结果表明APSO算法得到的多峰谱线叠加模型相关参数能够较准确地拟合出相应的目标数据曲线, 目标数据点与拟合曲线函数值相对误差较低, 算法表明能够有效扣除谱线重叠干扰, 同组目标数据经过多次算法处理, 选择最小的最优适应度值相应的特征参数向量作为Voigt线型函数相关参数, 以此拟合出的多峰谱线叠加模型曲线精准度越高、 相对误差越小。 这种算法具有良好的收敛性和适应性, 可应用于ICP-AES在元素定性、 定量方面的分析研究。
粒子群算法 多峰谱线分离 光谱干扰 Particle swarm optimization Multi-peak spectral line separation ICP-AES ICP-AES Spectral interference 光谱学与光谱分析
2021, 41(5): 1452
1 北京航空航天大学 仪器科学与光电工程学院，北京 100191
2 北京工商大学 计算机与信息工程学院 北京 100048
通过分析大气粒子对光线的多次散射作用，利用大气点扩散函数作为卷积核，基于暗原色图像复原理论，建立了基于多次散射的雾天成像模型，并以函数形状相似性为依据，利用广义高斯分布定量估计出大气点扩散函数核函数在图像域下的相关参数.针对传统暗原色理论以固定大小图像区域估计透射率的不足，提出了基于超像素分割获得景深一致的图像分块方案，通过区域合并，获得更为精准的天空检测效果；基于暗原色先验理论分别估计天空和非天空区域的透射率，并对天空区域的透射率进行修正，不但减少了天空色彩失真，同时也消除了复原结果的光晕现象.本文从主观和客观两个方面将所提出的去雾方法和其他算法进行了对比，结果表明，本文提出的去雾算法能够在较短的运行时间内获得对比度较高、细节信息丰富的去雾结果，具有较好的鲁棒性.
图像处理 图像增强 暗原色先验 多次散射 超像素 去雾 光晕现象 透射率 Image proceessing Image enhancement Dark channel prior Multiple scattering Superpixel Atmosphere point spread function Dehazing Halo effect Transmission
