针对不同龋齿损伤程度有效表征问题, 探究一种光谱偏振无损低耗的检测方法, 作为对常规检测方法如化学分析法、 表面轮廓测定法、 显微放射照相术的有益补充。 牙齿龋齿损伤由脱矿溶解牙釉质与牙本质的钙与磷酸盐造成, 牙齿组织表面微观结构发生了不同程度的变化, 结构的变化导致其对光波散射特性与相位改变呈现不同程度的差异。 基于偏振光谱对观测样本表面微观结构敏感的特征, 不同龋齿损伤样本其表面微观结构变化与偏振信息强烈关联, 提出一种光谱偏振有效表征牙齿龋齿损伤度的方法。 分别选取450, 550, 670和860 nm四个不同观测光谱研究波段, 选择六个不同龋坏程度的实验样本, 选取偏振度参量描述不同牙齿样本的光谱偏振特性。 实验结果表明, 同一观测光谱波段随着牙齿龋坏程度的加深其偏振度表征参量呈现增加趋势, 同时, 对于同一观测样本450 nm光谱波段的偏振特性强于其他波段, 呈现观测光谱波段与其偏振特性负相关关系。 为进一步定量刻画偏振光谱与牙齿龋坏损伤等级的表征关系, 构建光谱偏振特征参量与不同损伤等级牙齿样本的指数关联数学模型, 通过数学模型解译其内在耦合关联。 为有效验证构建模型的稳健性, 对模型仿真预测结果与实测数据进行定量化验证, 选取和方差(SSE)、 模型确定系数(R-square)、 均方根(RMSE)等评价因子对构建的模型进行定量评判。 结果表明, 四个不同光谱波段的模型确定系数均接近于1, 和方差与均方根数值均较小, 且450nm观测光谱波段接近于0, 定量评价结果验证了构建模型的稳健性与有效性, 构建模型可有效解译不同龋齿样本与光谱偏振特征的耦合关联。 该研究内容有效扩展了牙齿龋齿检测方式, 揭示了光谱偏振可有效表征龋齿损伤, 发展了一种无损低耗的新型偏振光谱检测技术手段。
光谱偏振 龋齿 模型 定量评判 Polarization spectrum Dental caries Model Quantitative evaluation
1 聊城大学 环境与规划学院, 山东 聊城 252059
2 聊城大学 物理科学与信息工程学院, 山东 聊城 252059
3 聊城大学 计算机学院, 山东 聊城 252059
针对水下场景目标探测图像质量退化问题, 提出了一种自适应计算水体衰减系数暗通道融合多尺度Retinex(Multi-scale Retinex, MSR)的复原算法, 有效实现了水下目标的复原。通过搭建的水下成像测量装置, 借助成像系统获取水下模拟环境的探测图像, 对水下探测图像按照算法流程图逐步处理, 得到了有效复原水下目标辐射信息的图像。为客观评价算法的效果, 采用对比度、平均梯度与信息熵作为定量评价指标因子, 对该算法与常规三种算法进行了定量对比研究, 结果表明, 该算法处理结果各项定量评价指标因子均优于选取的对比算法。研究结果为水下目标探测提供了基础理论探索方法, 对水下目标探测实施开展具有一定的指导意义。
水下目标 暗通道算法 目标探测 定量评价 underwater target dark channel algorithm target detection quantitative evaluation MSR MSR 红外与激光工程
2020, 49(2): 0203012
田喜 1,2,3,4黄文倩 1,2,3,4李江波 1,2,3,4樊书祥 1,2,3,4张保华 1,2,3,4
1 北京农业智能装备技术研究中心, 北京 100097
2 国家农业智能装备工程技术研究中心, 北京 100097
3 农业部农业信息技术重点实验室, 北京 100097
4 农业智能装备技术北京市重点实验室, 北京 100097
通过波段比和阈值相结合的方法, 分别提取了玉米籽粒全表面结构和胚结构区域的1 000~2 500 nm近红外高光谱信息, 研究了玉米籽粒水分含量与胚结构区域光谱关系, 同时采用竞争性自适应重加权变量选择算法(CARS)、 遗传算法(GA) 、 连续投影算法(SPA)筛选特征波段, 建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果。 结果显示, 玉米籽粒水分含量与胚结构区域光谱关系显著, 随着水分含量的增加, 光谱反射值逐渐降低。 预测模型结果表明, 基于玉米籽粒胚结构区域光谱信息所建立的CARS-PLS, GA-PLS和SPA-PLS回归模型预测相关系数Rp分别为0.931 2, 0.917 6和0.922 7, 预测均方根误差(RMSEP)分别为0.315 3, 0.336 9和0.336 6, 所选取的特征波段数量分别为9, 14和6, 较基于全表面光谱信息所建模型的特征波段数量分别少了49, 12和24个, 且预测效果与采用全表面光谱信息无显著差别, SPA-PLS算法为基于玉米籽粒胚结构光谱信息的水分含量预测最高效模型。 提取胚结构区域所用光谱波段为1 197, 1 322和1 495 nm, 建立SPA-PLS回归模型所用特征波段为1 322, 1 342, 1 367, 1 949, 2 070和2 496 nm。 研究结果表明, 采用近红外高光谱技术进行玉米籽粒水分含量无损检测时, 提取玉米籽粒胚结构的图谱信息较全表面光谱信息更高效。
高光谱成像 玉米籽粒 胚 水分 无损检测 Hyperspectral imaging Maize kernel Embryo Moisture content Nondestructive determination 光谱学与光谱分析
2016, 36(10): 3237
1 北京农业信息技术研究中心, 北京市农林科学院, 北京 100097
2 安徽大学电子信息工程学院, 安徽 合肥 230039
3 农业部食物与营养发展研究所, 北京 100081
将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合, 对冬小麦地上鲜生物量进行预测, 提高了冬小麦地上鲜生物量无损检测精度, 试验获取苗期93个样本的冠层光谱和冠层图像, 中后期(拔节期、 抽穗期、 开花期、 灌浆期)200个样本的冠层光谱和侧面图像。 将光谱反射率作为光谱特征参数, 并通过图像处理提取小麦覆盖度作为图像特征参数, 建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型, 将冠层光谱反射率和小麦覆盖度作为多信息融合的输入, 利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。 结果表明, 在苗期和中后期, 将光谱信息和图像信息融合, 采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。 苗期基于信息融合所建立的PLS模型验证集R2为0.881, 其RMSE为0.015 kg; 中后期基于信息融合所建立的PLS模型验证集R2为0.791, RMSE为0.059 kg。 由此可见, 相比单一的光谱模型和图像模型, 图像信息和光谱信息融合之后, 充分提高了光谱信息和图像信息的利用率, 使模型的精度得以提高。
多信息融合 偏最小二乘回归 冠层光谱 机器视觉 冬小麦 生物量 Multi-information fusion PLS Canopy spectral Machine vision Winter wheat Biomass 光谱学与光谱分析
2016, 36(6): 1818
钱曼 1,2,3,4黄文倩 2,3,4王庆艳 2,3,4樊书祥 1,2,3,4[ ... ]陈立平 1,2,3,4
1 西北农林科技大学机械与电子工程学院, 陕西 杨凌 712100
2 国家农业智能装备工程技术研究中心, 北京 100097
3 农业部农业信息技术重点实验室, 北京 100097
4 农业智能装备技术北京市重点实验室, 北京 100097
西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。 为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测, 减小检测部位差异对预测模型的影响, 以“京秀”西瓜为研究对象, 分别采集赤道、 瓜脐和瓜梗三部位的漫透射光谱信息, 利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型, 并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。 结果显示, 相比于单一检测部位的模型, 混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。 同时, 利用CARS算法筛选的42个特征波长变量建模, 对三种检测部位预测集样本的预测结果分别为赤道RP=0.892和RMSEP= 0.684 °Brix, 瓜脐RP=0.905和RMSEP= 0.629 °Brix, 瓜梗RP=0.899和RMSEP= 0.721 °Brix。 模型得到了很大的简化, 且预测精度较高。 比较发现, 利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。 利用三种检测部位的西瓜样本建立的PLS混合预测模型, 结合CARS算法进行有效特征波长变量筛选, 可提高西瓜可溶性固形物预测模型的精度, 实现西瓜表面各部位可溶性固形物含量的准确预测, 减小检测部位差异对近红外光谱预测模型的影响。 结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。
小型西瓜 检测部位 近红外光谱 可溶性固形物 Mini watermelon Detective position Near-infrared spectroscopy Soluble solids content 光谱学与光谱分析
2016, 36(6): 1700
王超鹏 1,2,3,4,*黄文倩 2,3,4樊书祥 2,3,4张保华 2,3,4[ ... ]陈立平 1,2,3,4
1 西北农林科技大学机械与电子工程学院, 陕西 杨凌 712100
2 国家农业智能装备工程技术研究中心, 北京 100097
3 农业部农业信息技术重点实验室, 北京 100097
4 农业智能装备技术北京市重点实验室, 北京 100097
5 沈阳农业大学信息与电气工程学院, 辽宁 沈阳 110866
为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。
光谱学 高光谱检测技术 竞争性自适应重加权变量选择算法 玉米种子 正反面 含水率 激光与光电子学进展
2016, 53(12): 123001
1 安徽大学电子信息工程学院, 安徽 合肥 230039
2 北京农业智能装备技术研究中心, 北京市农林科学院, 北京 100097
氧化亚氮(N2O)的过量排放会对臭氧层造成破坏, 合理施肥和采取减排措施对减缓温室效应具有重要的现实意义。 本文利用FTIR光谱法研究了施肥和水分对白菜地土壤排放N2O的影响。 为了提高系统的灵敏度, 我们利用多个反射镜加长了光程。 通过比对施肥前后N2O红外光谱和NIST谱库N2O红外光谱, 最终选取2 160~2 225 cm-1作为定量计算N2O的特征波段。 研究发现, 施肥和水分能促进白菜地土壤N2O气体排放, 这为农田N2O的减排和减缓温室效应提供了理论依据。 最后, 还研究了施肥后土壤N2O的昼夜排放规律, 结果表明, N2O白天的排放量高于晚上, 通过和前人研究结果对比, 验证了此方法的可行性。 本文研究证实, 基于长光程的FTIR光谱法是一种测量土壤排放N2O气体规律的快速有效方法, 它可以对施肥后的白菜地土壤N2O气体排放进行测量, 相对其他传统测量方法具有高速、 简便等优势。
傅里叶变换红外光谱 土壤 氧化亚氮 气体排放 Fourier transform infrared Soil Nitrous oxide Gas emissions 光谱学与光谱分析
2015, 35(11): 3063
1 安徽大学电子信息工程学院, 安徽 合肥 230061
2 安徽师范大学原子与分子物理研究所, 安徽 芜湖 241000
采用激光诱导击穿光谱技术分析安徽怀远农亢农场土壤样品中微量元素Mn的含量分布情况。 实验中选取403.1 nm作为Mn元素的分析线为, 土壤中基体元素Fe作为内标元素, 选取的分析线为407.2 nm。 选取10个土壤样品分别用传统定标方法和内标法建立定标曲线, 并对4个待测样品浓度进行预测。 实验结果表明, 传统定标方法建立的定标曲线的拟合相关系数r为0.954, 检测限为93 mg·kg-1, 待测样品的测量相对误差最大为5.72%; 而采用内标法建立的定标曲线的拟合相关系数r为0.983, 测量的相对误差减小到4.1%, 检测限为71 mg·kg-1。 说明采用LIBS技术对土壤中微量元素Mn检测的可行性, 同时, 内标法一定程度上可提高测量的精确性。
激光诱导击穿光谱 土壤 锰元素 定量分析 Laser-induced breakdown spectroscopy Soil Manganese element Quantitative analysis 光谱学与光谱分析
2015, 35(6): 1715
1 安徽大学电子信息工程学院, 安徽 合肥 230601
2 安徽师范大学原子与分子物理研究所, 安徽 芜湖 241000
表面增强拉曼散射(SERS)技术具有快速、指纹效应与极低的检测限等优点, 被越来越多地应用到有害污染物、有毒物质、危险物质的检测与分析中。在SERS光谱的测量过程中, 易受基底、仪器、宇宙射线与测量环境等因素影响, 出现波动现象, 对后续的分析与检测造成较大的干扰。基于农药福美双SERS光谱数据, 尝试利用多种特征提取算法, 如主成分分析(PCA)、离散余弦变换(DCT)、非负因式分解(NMF) , 对光谱的主分量进行提取, 以减弱光谱数据波动对其后续的定量分析结果的影响。然后将提取后的分量分别结合线性回归算法——偏最小二乘法回归(PLSR), 非线性回归算法——支持向量机回归(SVR)建立定量模型。最后, 利用5-折交叉验证方法对比不同特征提取算法在不同类型的回归算法下的效果。通过实验验证可知, SVR对福美双溶液的分析精度要明显高于PLSR, 这主要是由于SERS光谱强度与被分析物浓度之间为非线性关系。同时针对两种类型回归算法, 特征提取算法都能明显地提升了分析结果, 主要是由于其提取了源数据的主体信息, 去除干扰信息。其中在线性回归中使用PCA效果最佳, 在非线性拟合中使用NMF结果最佳, 分析误差最好时可降低近3倍。最优回归模型(NMF+SVR)的交叉验证均方误差(RMSECV)为0.0455 μmol·L-1(10-6 mol·L-1), 达到国家对福美双的检测标准, 为农药快速检测提供一种新的方法。
特征提取算法 表面增强拉曼光谱 定量分析 福美双 Feature extraction algorithm SERS Quantitative analysis Thiram
北京市农林科学院北京农业智能装备技术研究中心, 北京 100097
采用光谱技术对水果进行定量或定性分析, 如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例, 从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择, 随后采用连续投影算法SPA对校正集样本进行优选, 获得98个特征样本, 针对优选后的变量/样本子集利用SPA算法作二次关键变量提取, 获得25个关键变量。为了验证CARS算法的性能, 蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样, 为了评估SPA算法在特征样本选择中的性能, 经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明, 两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能, 且MLR模型比PLS模型性能略优, r2pre, RMSEP和RPD分别为0.909 7, 0.348 4和3.327 8。
变量筛选 样本筛选 近红外光谱 草莓 可溶性固形物 Variable selection Sample selection Near-infrared spectra Strawberry Soluble solids content