粘度是反映纸张纤维素分子聚合度和力学性能的重要指标, 实时、 准确地获取粘度含量对于珍贵纸质材料的修复和保护具有重要的意义。 然而, 传统的纸张粘度分析方法主要采用化学手段, 该化验过程耗时较长, 且会对纸张不可避免的产生二次损伤。 针对这一问题, 高光谱遥感凭借其丰富信息量、 实时、 无接触的特点, 是无损获取纸张粘度含量的有效途径。 首先, 在实验室获得不同老化程度的实验纸张测得其粘度含量, 采集纸张样本的光谱影像数据, 通过光谱降噪、 光谱变换和光谱信息扩展实现纸张高光谱数据的预处理, 建立不同老化程度下的纸张粘度含量光谱数据库, 分别构建不同光谱变换方式下的光谱差值、 比值和归一化指数, 再结合相关性分析筛选其中与粘度相关性最强的12种最优光谱指数, 最后将其作为自变量搭建关于粘度含量的回归模型, 通过模型精度对比来优选其中最能有效表征纸张粘度含量变化的光谱指数及模型。 研究结果表明: (1)相对于原始光谱而言, 经过光谱变换处理后提取的粘度高相关特征子集占比得到大幅提升, 同时其中的相关系数均值与中位数也得到提高; (2)通过光谱信息扩展后得到的光谱信息参量与粘度的相关性高于原本的光谱谱段, 且提取的12种最优光谱指数中大部分有扩展信息参量的参与; (3)不同光谱变换结果下提取的最佳光谱指数与粘度含量的相关性都在0.89以上, 由其中筛选得到的三种具备代表性的光谱指数都有效反映纸张粘度在400~500 mL·g-1时的变化情况; (4)纸张光谱经过对数一阶微分处理后, 由光谱积分(SI)和光谱吸收深度(SAD)构建的归一化指数与粘度相关性最大, 达到了-0.917, 由该指数建立的模型在训练集和测试集上R2分别为0.84和0.76, 其在测试集中MRE为0.089, RMSE为40.29 mL·g-1。 研究结果可为纸张粘度含量遥感反演提供科学的理论与技术支撑, 对纸质文物无损分析体系的构建具有重要参考意义。

常规的煤炭鉴别方法需进行繁琐的制样过程, 且需结合多种化学参数指标进行综合判定, 以得到较为准确的分析结果。 提出一种基于500～2 350 nm的可见-近红外全谱段光谱分析技术与多层感知器(multilayer perceptron, MLP)分类方法相结合的块状商品煤鉴别方法。 该方法具有非接触、 无前期制样、 无化学分析的优势, 可快速高效的获取煤炭的分类信息。 采用地物光谱仪采集煤炭原始光谱数据, 对噪声过大、 影响后续处理的谱段进行删除, 剩余部分采用小波阈值去噪法进行噪声去除。 将去噪后的数据分成三个数据集: 可见-近红外光谱(500～900 nm)数据集、 短波红外光谱(1 000～2 350 nm)数据集、 全谱段光谱(500～2 350 nm)数据集。 对以上三个数据集进行主成分分析, 将提取出的25个主成分输入多层感知器分类模型。 多层感知器模型由输入层、 隐藏层(两层)、 softmax分类器构成。 对三个数据集进行分类精度的对比, 并采用随机森林(random forest, RF)与支持向量机(support vector machine, SVM)两种分类算法进行进一步的验证分析。 结果表明: 对块状商品煤分类, 全谱段光谱分析技术由于数据信息量丰富, 能够得到更优的分类效果, 在训练样本数为132时, 采用MLP分类器的分类精度最高, 为9803%; 随机森林与SVM的分类结果验证了全谱段数据集的优越性与普适性。 该研究为煤炭的在线分析、 便携式煤炭检测仪器的研发提供了可靠的技术支持。