为了解决食品生产加工场所的卫生检查地点不固定、检测效果受环境因素影响大等问题，根据不同种类食品残留物在紫外光照射下产生不同波长荧光的特性，采用荧光成像技术和分块大津算法，开发了一种能够协助现场检测员进行视觉卫生检查的手持式荧光成像设备。利用3种常见材料表面(木制案板、不锈钢板、聚乙烯塑料板)对奶粉(体积分数为50%、33%、20%、10%、2%)和菠菜残渣(体积分数为50%、33%、25%、20%、10%)进行了实验验证。结果表明，该系统可以协助检测员进行卫生安全检查，不同体积分数菠菜残渣在3种材料表面检出率为100%，不同体积分数奶粉残留物在木制案板和不锈钢板表面检出率为100%，在聚乙烯塑料板表面，除体积分数为2%的奶粉残留物部分检出外，其余体积分数奶粉残留物均能有效检出。该研究为食品加工场所手持式卫生检测设备开发提供了参考。
成像系统 残留物检测 荧光成像技术 食品安全 现场可编程门阵列 分块大津算法 image systems detection of residues fluorescence imaging technique food safety field-programmable gate array block Otsu algorithm
1 江南大学 轻工过程先进控制教育部重点实验室，江苏 无锡 2422
2 无锡市创凯电气控制设备有限公司，江苏 无锡 14400
陶瓷基板是电子器件的重要基础材料，利用机器视觉技术结合深度学习策略实现陶瓷基板的瑕疵检测对保证产品质量具有重要的意义。增加成像设备的视场以实现多个陶瓷基板的同时成像，可以显著提高陶瓷基板的检测速度；但也带来了图像分辨率的降低，并最终导致瑕疵检测精度的降低。针对上述问题，本文提出了一种基于知识蒸馏的低分辨率陶瓷基板瑕疵自动检测方法。该方法利用YOLOv5框架分别构建了教师网络和学生网络，基于知识蒸馏思想将教师网络获得的高分辨率图像特征信息指导学生网络的训练，以提高学生网络对低分辨率陶瓷基板图像的瑕疵检测能力；同时，在教师网络中引入基于Coordinate Attention （CA）注意力思想的特征融合模块，使得教师网络学习到的特征同时适应高分辨率图像信息和低分辨率图像信息，从而能较好地指导学生网络的训练；最后，引入基于Gradient Harmonizing Mechanism（GHM）的置信度损失函数，以提高瑕疵的检出率。实验结果表明，本文基于知识蒸馏的陶瓷基板瑕疵检测方法对于224×224分辨率输入图像的污渍、异物、多金、缺瓷以及损伤这五类瑕疵检测的平均准确率和平均召回率分别达到了96.80%和90.01%，相比于目前主流的目标检测算法，本文算法取得了更好的检测结果。
陶瓷基板 瑕疵检测 YOLOv5 知识蒸馏 ceramic substrate defect detection YOLOv5 knowledge distillation 光学 精密工程
2023, 31(20): 3065
江南大学物联网工程学院轻工过程先进控制教育部重点实验室，江苏 无锡 214122
利用蒙特卡罗模拟和光密度算法评估线扫描成像系统对被测样品内部缺陷的检测性能。首先，引入三维体素分割方法，实现对内部缺陷不规则组织边界的精细划分，以改善传统蒙特卡罗方法难以准确模拟复杂组织的光学传输问题；分析了仪器参数对光子在组织内部的穿透深度、探测器的探测深度和表面漫反射率的影响，确定了最佳的参数配置；最后，利用光密度算法评估了系统对不同大小和深度缺陷的检测性能。仿真结果表明，在光源入射角为15°、光源-探测器距离为1 mm的条件下，线扫描成像检测系统能够兼顾光子探测深度和表面反射率；对于大（a=2 mm，b=3 mm，c=1 mm）、中（a=2 mm，b=2 mm，c=1 mm）、小（a=2 mm，b=1.5 mm，c=1 mm）三种尺度的椭球体缺陷，系统的缺陷深度检测限分别为3.5 mm、3 mm、2.7 mm。本研究结果为面向水果等农产品内部缺陷检测的线扫描成像系统的参数优化和性能评估提供了理论依据。
线扫描成像系统 蒙特卡罗模拟 内部缺陷 光密度算法 水果 激光与光电子学进展
2023, 60(12): 1215005
江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室, 无锡 214122
为了解决由于油桃表面颜色特征复杂所带来的早期机械损伤难以检测问题, 提出了一种基于偏振成像技术的早期损伤检测分类模型。采用分焦平面偏振成像方法一次性获取油桃在4个偏振方向下的偏振图像, 利用双线性插值和低照度增强(LIME)对偏振图像进行预处理, 以提高运行实时性并降低水果曲率变化的影响; 提取偏振图像中像素的颜色特征和灰度共生矩阵(GLCM)特征, 分别用于训练两个最小二乘支持向量机(LSSVM)分类模型; 通过理论分析和实验仿真, 最后利用两个分类模型的串联(color-LSSVM→GLCM-LSSVM model)实现了油桃机械损伤的早期检测。结果表明, 该分类器模型对油桃正常和损伤区域的检测精确率达到95.68%,召回率达到93.29%。分焦平面偏振成像技术在深色系水果的早期损伤无损检测领域具有良好的应用前景。
成像系统 偏振成像 机械损伤 无损检测 油桃 最小二乘支持向量机 imaging systems polarization imaging mechanical bruise non-destructive detection nectarines least squares support vector machine
光学 精密工程
2022, 30(13): 1631
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
利用光谱技术实现农产品、 食品品质无损检测的实质是建立样本光谱信息与样本品质参数之间的机器学习模型。 为了获得具有良好泛化性能的机器学习模型, 通常需要大量的标记样本, 然而, 获取样本的光谱信息相对容易, 但标注样本品质参数的过程往往涉及到大量的时间和经济成本, 并且具有破坏性。 主动学习是一种减少训练集有标记样本数量的方法, 通过选择最有价值的样本进行标记, 而不是随机选择。 因此, 主动学习能够控制向训练集添加哪些样本, 模型不再是被动地接受用于建模的样本。 在分类任务中已经提出较多关于主动学习的算法, 但回归任务中的研究却相对较少, 且现有的用于回归任务的主动学习算法大多是有监督的, 即需要少量有标记样本训练初始模型。 本文提出了一种基于无监督主动学习方法的训练样本选择策略。 该方法首先通过层次凝聚聚类对无标记(标准值)光谱数据集进行多样性划分, 获得不同的聚类簇; 然后通过局部线性重建算法在每个聚类簇中选择最具代表性的样本构成训练样本集, 最后基于训练集构建模型。 利用两个年份三个品种苹果的近红外光谱数据, 构建了其可溶性固形物含量和硬度的偏最小二乘预测模型, 用于验证所提出方法的有效性。 实验结果表明: 所提出的方法要优于已有的样本选择策略, 可以有效地提高模型精度, 减少在模型训练中的破坏性理化实验。 同时, 与随机采样(RS)、 Kennard-Stone算法(KS)、 光谱-理化值共生距离算法(SPXY)这三种光谱领域常用的样本选择算法相比, 该研究所提出的方法表现出了最佳的性能, 基于所提出的无监督主动学习算法选取200个样本作为训练集所建立的可溶性固形物含量预测模型的预测均方根误差相对于其他三种算法降低了2.0%~13.2%, 硬度预测模型的预测均方根误差相对降低了1.2%~15.7%。
光谱 品质检测 主动学习 训练样本选择 Spectroscopy Quality detection Active learning Training sample selection
1 江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
2 无锡市创凯电气控制设备有限公司, 江苏 无锡 214400
载波芯片(COC)是光发射次模块的重要组成部分,随着芯片制造工艺的进步,COC向着微型化、高密度的方向发展,缺陷的种类变得更加复杂多样,基于传统图像处理方法的光学检测技术已无法满足COC多类别缺陷检测的需求。为此,将YOLOV3网络引入到COC的典型缺陷(崩口、定位柱破损以及波导污渍)检测。针对波导污渍缺陷目标较小,且不同类型缺陷之间尺度变化较大的问题,改进了原有YOLOV3的特征提取网络,兼顾目标的多尺度特性设计了4个检测尺度,并通过增强特征融合来改进多尺度检测;利用K-means方法对数据集进行聚类分析,选取优化的初始先验框。实验结果表明,本文基于改进YOLOV3的COC缺陷检测方法YOLOV3-COC对于COC崩口、定位柱破损以及波导污渍这三类缺陷检测的准确性达到97.4%。
图像处理 图像识别 载波芯片缺陷检测 目标检测 YOLOV3 光发射次模块 激光与光电子学进展
2021, 58(12): 1210002
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
利用拉曼光谱进行混合物组分定量分析一直是分析化学领域的一大难题。 针对现有的基于机器学习(如支持向量回归机、 偏最小二乘)的混合物定量分析方法存在的训练样本难以获得、 模型推广性能差的问题, 提出了一种基于拉曼光谱谱峰强度最小二乘拟合的已知混合物组分直接定量分析方法。 该方法首先采集已知混合物及其各组分的拉曼光谱, 利用连续小波变换和惩罚最小二乘法相结合的方法对采集的拉曼光谱进行去噪、 基线校正等预处理。 通过斜率比较法将预处理后的拉曼光谱分为多个光谱子区间, 将各子区间的拉曼光谱看作是多个Voigt函数的线性叠加, 并利用levenberg-marquardt-fletcher(LMF)算法求解获得各谱峰的位置、 强度、 半高宽等表达系数。 根据各组分参考光谱的谱峰位置, 确定各组分对混合物光谱中每个谱峰的贡献度。 依据朗伯-比尔定律中拉曼光谱的谱峰峰强与其所对应的浓度的正比关系, 建立超定方程; 最后利用最小二乘法拟合该超定方程得到各组分对应的系数, 从而获得各组分的体积浓度。 利用乙醇、 乙腈、 丙酮、 环己烷、 二丙酮醇、 丙二酸二乙酯六种组分配置了10种三元混合物(每种三元混合物9个体积浓度比), 采集了90组混合物及6种组分的拉曼光谱数据。 在混合物及其组分参考光谱测量条件(功率和积分时间)相同情况下, 所有组分的相关系数(r)均在0.96以上, 均方根误差(RMSE)小于6%, 剩余预测偏差(RPD)均大于2.5; 在混合物及其组分参考光谱在不同测量条件下, 各组分的r均大于0.93, 最大RMSE为7.94%, RPD均大于2.0, 证明了算法具有良好的准确性和鲁棒性。 所提出的方法能够实现对三组分混合物的快速、 准确的直接定量分析, 为混合物的定量分析提供了一种有效的途径。
拉曼光谱 混合物组分 定量分析 拉曼谱峰强度 Voigt函数 Raman spectroscopy Mixture component Quantitative analysis Intensity of Raman spectral peak Voigt function 光谱学与光谱分析
2020, 40(11): 3599
1 江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
2 北京卓立汉光仪器有限公司, 北京 101102
构建已知纯净物光谱数据库,计算待识别混合物光谱与数据库中各纯净物光谱的相似度,是利用拉曼光谱技术进行混合物成分分析的常用策略。受测量仪器性能及待测混合物所含成分相互干扰的影响,待识别混合物中所含物质成分的光谱与数据库中对应的纯净物光谱相比会有不同程度的失真,从而给基于纯净物光谱数据库的组分鉴别带来极大困难。针对这一问题,提出了一种使用已知混合物光谱数据来改善混合物成分识别精度的方法。首先利用纯净物拉曼光谱谱峰的位移和半峰全宽信息,将已知混合物的光谱谱峰与其所含有的具体物质对应;然后基于谱峰拉曼位移、半峰全宽和谱峰强度分别构建纯净物、已知混合物和待识别混合物的特征参数,并利用模糊隶属度函数计算待识别混合物光谱与纯净物光谱、已知混合物所含物质光谱的相似度;最终根据光谱相似度确定待识别混合物中含有的疑似组分。基于204种纯净物和8种已知混合物光谱数据库,对81种混合物进行了识别,结果表明:所提方法可降低由光谱失真导致的相似度计算误差,提高识别准确率;相比于纯净物数据库搜索策略,本文方法的识别精度由76.34%提高到了92.83%。
光谱学 拉曼光谱 混合物成分识别 相似度计算 已知混合物 模糊隶属度函数 中国激光
2020, 47(11): 1111001
1 江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
2 北京卓立汉光仪器有限公司, 北京 101102
提出了一种基于拉曼光谱的混合物组分识别新方法。对混合物的拉曼光谱进行背景校正和去噪处理,利用Voigt函数对拉曼谱峰进行拟合,获取其谱峰的拉曼位移、半峰全宽及强度作为混合物特征参数向量,通过与数据库纯净物特征向量进行相关性分析,实现混合物组分的有效识别。构建了由18种纯净物拉曼光谱数据构成的标准组分数据库,并对6种混合物进行了组分识别实验。实验结果表明,所提方法的识别准确率达到100%。
光谱学 拉曼光谱 组分识别 相关性分析 重叠峰分解 特征向量 激光与光电子学进展
2019, 56(8): 083004
