1 西北农林科技大学葡萄酒学院, 陕西 杨凌 712100 西北农林科技大学宁夏贺兰山东麓葡萄酒试验示范站, 宁夏 永宁 750104
2 西北农林科技大学葡萄酒学院, 陕西 杨凌 712100
研究旨在明确“赤霞珠（Cabernet Sauvignon, Vitis Vinifera L.）”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化, 构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型, 为葡萄园病害防治与管理提供理论参考和技术支持。 以酿酒葡萄“赤霞珠”葡萄叶片为研究对象, 分别采集了正常、 缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。 对比Savitzky-Golay卷积平滑（S-G Smoothing）、 移动平均平滑（MAS）、 标准正态变换（SNV）和多元散射校正（MSC）4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力, 确定最佳预处理方法。 采用连续投影法（SPA）筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量, 分别构建基于线性核函数（Linear）、 多项式核函数（Poly）、 径向基核函数（RBF）和二层神经网络核函数（Sigmoid）的支持向量机（SVM）模型, 以灵敏度（SEN）和准确率（CCR）为依据评估模型诊断性能, 形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。 S-G Smoothing预处理后的光谱信号的信噪比为110.58, 以其为校正集构建的缺磷胁迫诊断模型最佳, 因此确定其为最佳的预处理方法。 采用主成分分析（PCA）计算样本光谱贡献率, 以95%置信空间为依据检测数据集中的异常样本, 最终发现并剔除了22的离群点。 通过SPA筛选出402.6、 404.6、 409、 411.5、 539.4、 691.9、 729.9、 838.7、 1 011.9、 1 017.5和1 020.5 nm等11个反映“赤霞珠”葡萄叶缺磷胁迫的光谱特征波段, 作为缺磷胁迫快速无损诊断模型的输入变量。 通过对比分析上述4种核函数SVM的诊断结果, 以Linear为核函数构建的“赤霞珠”葡萄叶缺磷胁迫诊断模型能力最佳, 对正常叶片诊断的SEN为81.08%, CCR为100%; 对缺磷胁迫早期叶片诊断的SEN为100%, CCR为84.78%; 对缺磷胁迫末期叶片诊断的SEN为100%, CCR为100%。 该研究建立了基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法, 能够满足葡萄园病害防治与智能化管理的生产需求, 为酿酒葡萄智慧农业发展提供了技术参考。
酿酒葡萄 缺磷胁迫 可见光/近红外光谱 无损诊断 支持向量机 Enological grape Phosphate deficiency VIS/NIR spectroscopy Nondestructive diagnosis SVM 光谱学与光谱分析
2023, 43(12): 3719
中国农业大学信息与电子工程学院, 北京 100083
随着小康社会的全面建成, 居民对生活水平的要求已经从温饱过渡到高质量, 特别是对饮食安全问题尤为重视, 但是“变质肉”、 “掺假肉”、 “添加肉”和“注水肉”等食品质量安全事故频发, 已经严重威胁到了我国居民生命安全并阻碍了市场良性发展。 目前, 红肉质量检测主要依托复杂的理化实验完成, 对红肉产品具有强烈的破坏性, 仅适用于市场监管部门的抽查。 高光谱技术作为一种原位无损、 高通量、 快速的智能检测技术, 为解决传统检测方法在红肉生产销售全产业链中缺乏操作可行性提供了有效的技术手段, 可以极大的促进我国红肉质量安全监管体系的发展与健全。 综述了近几年国内外关于红肉质量高光谱无损检测研究的最新进展: 首先, 总结了基于高光谱无损检测技术构建红肉质量无损检测模型的优缺点, 其优势是具有图谱合一、 高分辨率等特性, 为模型多样性提供良好的数据基础; 其劣势是高光谱数据的冗余度高、 信噪比低、 非线性强, 对模型效率造成一定影响。 然后, 重点分析了红肉质量无损检测建模中关键算法的研究进展: (1)感兴趣区域一般通过手动获取, 感兴趣区域的自动分离方法是目前研究的重点之一; (2)光谱预处理算法主要通过观察光谱信号或根据建模效果反推选择, 目前还未形成标准通用的预处理算法; (3)综合红肉光谱和图像特征, 能够全面反映红肉的质量特性, 为建模提供了良好的数据基础; (4)线性模型的发展应用较为成熟, 稳定性较好, 但是面向复杂的红肉质量检测环境, 非线性模型的研究潜力更加良好。 最后, 通过综述近几年红肉质量的高光谱无损检测研究成果, 展望了未来的研究中, 提高算法自动化、 充分利用图谱信息、 加强非线性模型的应用将成为重点研究方向。
高光谱技术 红肉质量安全 特征融合 无损检测 Hyperspectral technology The red meat quality Feature fusion Non-destructive testing 光谱学与光谱分析
2022, 42(7): 1993
1 中国农业大学工学院, 北京 100083
3 西北农林科技大学葡萄酒学院, 陕西 杨凌 712100
近年来, 随着纳米科技、 聚合物材料和先进制造技术的发展, 以柔性传感器为代表的新兴柔性电子器件在可穿戴、 健康医疗、 物联网终端等领域发挥着越来越重要的作用。 作为柔性电子器件的载体, 柔性基底对传感器的机械可靠性和电学传感性能等方面有着重要的意义。 但由于其表面非极性键造成的高疏水性限制了功能性材料在其表面的沉积, 常常造成柔性基底层与电极层/敏感层之间不稳定的界面结合。 因此, 利用紫外臭氧处理对柔性基底表面改性受到了广泛的关注。 利用近红外光谱技术对柔性基底的紫外臭氧处理效果进行快速精准评估, 旨在从基团分子层面探究其改性效果, 在实际应用中是对传统依靠接触角测量评估方法的有效补充。 具体而言, 对四种常见的柔性基底材料聚二甲基硅氧烷(PDMS)、 聚萘二甲酸乙二醇酯(PEN)、 聚对苯二甲酸乙二醇酯(PET)和聚酰亚胺(PI)进行了1/2/5/10 min不同时长的紫外臭氧(UVO)改性处理, 并利用近红外光谱对其改性效果进行表征研究, 最后利用接触角测量方法对上述的表征结果进行了验证分析。 近红外光谱分析表明: 对于柔性PDMS基底, 紫外光能量不足以切断其中的甲基(—CH3)官能团和(—C—Si—)等化学键, 无法引入羟基、 羧基等亲水性基团。 对于柔性PEN和PET基底而言, 紫外臭氧处理的效果要优于柔性PDMS基底, 且对柔性PET基底的处理效果要优于柔性PEN基底, 其原因可能是PEN基底材料中萘环的双环结构具有很强的紫外光吸收能力, 阻隔了380 nm以下的大部分紫外线能量。 对于柔性PI基底, 紫外臭氧处理可以有效引入羟基(—OH)和羧基(—COOH)等活性基团, 且这些官能团的强度和数量随着处理时间的增加而增加, 从而在短时间内使得PI基底表面能增大、 接触角减小、 湿润性提高。 接触角测试结果验证: 紫外臭氧处理对于柔性PDMS基底处理效果不明显(接触角下降幅度为8.4%); 对柔性PET基底处理的效果(接触角下降幅度为39.6%)要优于柔性PEN基底的处理效果(接触角下降幅度为9.4%); 紫外臭氧处理的效果对柔性PI基底处理效果最佳, 接触角下降幅度达到了62.7%。
柔性电子 基底薄膜 紫外臭氧改性 近红外光谱 接触角 Flexible electronics Substrate films Ultraviolet ozone treatment Near infrared spectroscopy Contact angle 光谱学与光谱分析
2022, 42(6): 1867
1 中国农业大学信息与电气工程学院, 北京 100083
2 中国农业大学工学院, 北京 100083
3 石河子大学信息科学与技术学院, 新疆 石河子 832003
为提高生鲜羊肉储存期内(4, 8和20 ℃环境)挥发性盐基氮(TVB-N)的近红外光谱(NIR)检测的稳定性和准确性, 选取特征光谱和预测模型是关键步骤。 以121个羊肉样品为实验对象, 采集生鲜羊肉680~2 600 nm波段的近红外光谱。 以多元散射校正(MSC)、 标准正态变换(SNV)等散射校正方法, Savitzky-Golay卷积平滑(SGS)、 移动平均平滑(MAS)等平滑处理方法, 以及归一化(Normalization)、 中心化(Centering)、 标准化(Autoscaling)等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法(PLS)预测模型。 比较发现SGS处理的光谱建模效果最好。 利用蒙特卡洛采样(MCS)法及马氏距离法(MD)消除了羊肉光谱的5个异常数据。 运用光谱-理化值共生距离(SPXY)算法划分总样本的75%(87个)为校正集样本, 剩余29个为验证集样本, 利用竞争性自适应重加权法(CARS)、 无信息变量消除法(UVE)、 改进的无信息变量消除法(IUVE)和连续投影算法(SPA)提取特征光谱得到的波长个数分别为14, 713, 144和15。 将全光谱和4种方法提取的特征波长作为输入变量建立预测模型, CARS提取的波长所建立模型的性能优于UVE、 IUVE和SPA提取的波长所建立模型的性能, 表明CARS方法可以有效简化输入变量并提高预测模型的性能。 改进后得到的IUVE法相比于UVE法, 筛选出的波长数更少且模型性能有所提升。 以提取的特征波长建立PLS, 支持向量机(SVM)和最小二乘支持向量机(LS-SVM)预测模型, SVM模型得到最优的校正集预测结果, 其中CARS-SVM预测模型的校正决定系数($R_{C}^{2}$)和校正均方根误差(RMSEC)分别为0.939 1和1.426 7, 最优的验证集预测效果为LS-SVM预测模型得到, 其中IUVE-LS-SVM预测模型的验证决定系数($R_{V}^{2}$)和验证均方根误差(RMSEV)分别为0.856 8和1.886 2。 基于近红外特征光谱建立简化、 优化的生鲜羊肉储存期TVB-N预测模型, 为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。
近红外光谱 挥发性盐基氮 特征光谱 偏最小二乘法 支持向量机 Near infrared spectroscopy Total volatile basic nitrogen Characteristic spectra Partial Least Square method Support vector machine 光谱学与光谱分析
2021, 41(11): 3377
1 中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
2 中国农业大学工学院, 北京 100083
为了解决传统冷鲜牛肉品质检测技术的操作繁琐、 有不可逆破坏等问题, 提出采用高光谱与多参数融合的冷鲜肉品质检测方法。 以冷鲜牛肉品质作为研究对象, 提取冷鲜牛肉感兴趣区域(ROI)光谱并测量冷鲜牛肉的质构参数: 硬度、 弹性、 粘聚性、 胶着度、 咀嚼度、 回复性。 经参数精度比较, 筛选出粘聚性、 回复性作为建模参数。 分别采用Kennard-Stone和SPXY算法对原始光谱数据进行划分, 通过样本划分后所建模型的相关系数和相对标准偏差确定最优样本划分方法, 最终采用SPXY(sample set partitioning based on oint X-Y distance)算法对样本进行划分得到35个训练集和7个测试集。 在经过SPXY算法样本划分的基础上, 分别采用一阶微分(D1st)、 多元散射校正(MSC)、 标准正态变换(SNV)、 二阶微分(D2st)对高光谱数据进行预处理, 有效消除了光谱中的噪声, 提高信噪比。 使用连续投影法(SPA)提取光谱特征波长, 有效减小了全波段建模包含的大量噪声信息的缺点, 使模型精确度得到保障的同时提高了模型的运行速度。 最后, 分别采用偏最小二乘法(PLSR)和主成分回归法(PCR)构建冷鲜牛肉品质预测模型。 以粘聚性为参数时, SNV-SPA-PLSR模型性能最优, 模型预测相关系数为0.879 8; 以回复性为参数时, D2st-SPA-PLSR模型精度最高, 模型预测相关系数为0.880 6。 实验结果表明, 基于高光谱与多参数融合的冷鲜肉品质检测方法能够实现冷鲜牛肉品质快速检测。
高光谱 牛肉品质检测 质构参数 偏最小二乘法 Hyperspectral Beef quality detection Texture parameters Partial least square method 光谱学与光谱分析
2021, 41(8): 2572
1 中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
2 中国农业大学工学院, 北京 100083
3 中国农业大学动物科学技术学院动物营养国家重点实验室, 北京 100083
随着居民生活水平的提高和对健康饮食结构的重视, 羊肉作为一种高蛋白且低脂肪和胆固醇的畜肉, 需求量逐年上涨。 根据国家统计局统计, 2012年—2019年我国畜肉产业中羊肉产量占比从6.27%上升到9.02%。 研究提出了一种基于二次迭代Monte Carlo(MC)算法剔除异常样本的羊肉硬度定量检测PLSR模型。 采用GaiaSorter高光谱分选仪的Image-λ-V10E-H相机采集羊肉样品400~950 nm的高光谱数据, Image-λ-N17E相机采集羊肉样品900~1 650 nm的高光谱数据。 首先, 对比分析了S-G平滑、 二阶求导、 多元散射校正(MSC)、 标准正态变换(SNV)等光谱预处理方法在消除噪声影响, 提高光谱分别率等方面的能力, 选取最佳光谱预处理方法。 然后, 在第一次MC抽样中, 计算所有样本预测误差均值和标准差的平均值, 以该平均值的2.5~3倍作为可疑样本阈值, 3倍作为异常样本阈值; 剔除异常样本, 保留并标注可疑样本, 进行第二次MC抽样, 以样本预测误差均值和标准差的3倍值为阈值进行异常样本二次剔除; 对第一次MC抽样中标注可疑样本进行二次检测。 最后, 对比分析了基于全波长建立的偏最小二乘回归(PLSR)模型和基于回归系数法(RC)提取的特征波长建立的PLSR模型。 研究结果表明, 所提出的二次迭MC算法可以准确判别可疑样本是否为异常样本, 有效优化样本集, 为建模提供良好的数据基础。 以MSC作为光谱预处理算法基于400~950和900~1 650 nm两段高光谱数据建立PLSR模型的RP2分别为0.947 2和0.978 3, RMSEP分别为47.789 9和30.590 1 g, 优于其他三种光谱预处理算法。 另外, 基于900~1 650 nm建立的PLSR模型明显优于基于400~950 nm波长样本集建立的模型。 通过RC算法选取出羊肉硬度在400~950和900~1 650 nm波长范围的特征波长分别为14个(410, 438, 450, 464, 539, 558, 612, 684, 701, 734, 778, 866, 884和935 nm)和10个(915, 949, 1 085, 1 156, 1 206, 1 262, 1 318, 1 384, 1 542和1 580 nm)。 其中, 基于900~1 650 nm波长建立的PLSR模型的RP2为0.985 0, RMSEP为24.397 0 g, 为羊肉硬度预测的最佳模型。 结果表明, 所提出的融合二次迭代MC算法的PLSR模型可以有效预测羊肉冷藏过程中硬度特性变化趋势, 为羊肉品质无损检测相关研究提供参考。
可见-近红外光谱 二次迭代Monte Carlo 偏最小二乘回归模型 羊肉硬度 Visible-near infrared spectroscopy Twice iterative Monte Carlo PLSR Mutton hardness 光谱学与光谱分析
2021, 41(7): 2057
1 中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
2 山东省烟台市森林资源监测保护服务中心, 山东 烟台 264000
随着我国水产养殖业以及水产加工业的快速发展, 水产品在国民饮食结构中占比越来越大, 消费者对于水产品的质量要求也越来越高。 为了满足消费者对水产品的质量要求, 企业和市场需要在供应链的各个环节对水产品进行检验并公之于众。 因此, 迫切需要开发一种能够满足对水产品进行快速无损检测的技术。 光谱技术可以根据样品特征波长处的波谱特性推算出其物质性质与组分含量, 在水产品新鲜度检测、 有害物残留检测、 有害微生物含量检测、 质量分级、 掺假分析等方面具有巨大的应用前景。 对水产品品质检测中几种常用的光谱技术的优势和局限性等特点进行讨论和总结, 认为光谱检测技术与实验室传统理化检测方法相比具有快速、 无损、 测试重现度好, 精度高等优点, 这些特点使得在线实时检测水产品质量成为可能, 继而可以带来巨大经济效益。 但光谱检测具有前期投入高, 模型普适性差且需持续维护的缺点, 每种光谱技术也分别有各自的适用范围及局限性, 因此光谱技术在水产品品质检测中的应用有待进一步研究改进。 此外, 整理了国内外现有的相关研究文献, 对检测过程中常用的光谱数据预处理算法和预测模型进行讨论和评述, 重点阐述了水产品品质检测中的几种常用光谱预处理算法和光谱数据建模方法的特点和应用现状。 目前光谱技术在水产品品质检测中的应用主要处于实验室研究阶段, 尚未大规模应用于商品市场和消费市场, 根据上述分析展望了光谱技术在水产品品质检测中应用的发展方向, 认为建立统一、 标准、 高效的光谱检测模型库, 结合多个指标进行相关性分析, 并排除光谱采集过程中的环境干扰, 实现水产品品质实时在线检测是未来的技术发展趋势。
光谱技术 水产品品质 光谱数据处理 预测模型 Spectroscopy technology Aquatic product quality Spectral data processing Predictionmodel 光谱学与光谱分析
2021, 41(5): 1343
中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
土壤水分是影响农业生产的重要因素之一, 对农作物生长发育情况和最终产量起着关键的作用, 然而农业用水浪费现象普遍存在, 预计至2020年我国灌溉水利用系数仅为0.55, 远低于0.7~0.8的世界先进水平, 因此准确有效地判断土壤含水量丰缺情况对农业生产实践具有重要意义, 光谱技术利用物体特征谱线的不同, 能够同时获取目标的图像信息和光谱信息, 从而更直观地表达目标的特征, 从而精确、 快速、 无损地对土壤水分的含量进行动态的检测, 该技术极大地促进了农业的精准化、 智能化和现代化, 在土壤水分含量检测中占有重要地位。 文章综述了国内外土壤水分含量检测的最新文献, 对基于光谱技术的土壤水分含量检测的研究进展进行了系统地讨论, 分析了传统方法的不足, 并阐述了光谱成像技术的优势: (1)实时性; (2)无损性; (3)精确性; 及其在土壤水分含量检测中的局限性: (1)土壤的构造复杂; (2)泛化能力不足; (3)气候条件制约。 重点阐述了光谱在土壤水分检测中的三个关键技术: (1)光谱数据预处理技术, 重点对比了常见的预处理技术原理及其效果; (2)光谱特征提取技术, 对比了常见的特征光谱提取方法, 重点分析了土壤水分的敏感波段; (3)光谱建模技术, 重点对比了土壤水分含量检测的线性和非线性模型, 分析其原理、 应用范围及模型精度, 得出非线性模型将成为光谱技术在土壤水分含量检测的主流建模方法。 最后依据上述分析, 对光谱技术在土壤水分检测领域中的应用前景和研究趋势进行了展望: 一是要提高该技术的泛化能力和鲁棒性, 建立可用于多种土壤类型的水分检测模型; 二是要建立大范围区域并动态实时更新的土壤光谱数据库, 为提高模型精度做好数据基础。
光谱技术 土壤水分检测 光谱预处理 光谱特征提取 光谱建模 Spectral technology Soil moisture content detection Spectral pretreatment Spectral feature extraction Spectral modeling 光谱学与光谱分析
2020, 40(12): 3705
1 中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
2 中国农业大学信息与电气工程学院, 北京 100083
土壤是农业生产的基础, 通过土壤成分含量的测定分析可了解土壤营养成分供应的丰缺情况, 对农作物的生长有一定的影响, 因此土壤成分含量的检测逐渐成为国内外的研究热点。 多光谱技术利用物体的物理结构和化学成分的不同, 在同一条件下利用不同光的反射对物体进行照射得到对应光谱带上的不同反射率, 然后对获取的光谱数据进行分析, 辨别目标。 近年来, 多光谱技术的应用为土壤成分含量检测提供了一个新思路, 有助于土壤成分含量的精确检测, 有助于实现无损实时在线检测和精准农业。 综述了近6年来国内外多光谱技术在土壤成分指标土壤水、 有机质、 氮磷钾、 重金属及土壤盐分含量检测领域应用的相关文献, 分析了多光谱成像技术的特点, 简述了多光谱技术对土壤成分含量的检测过程, 重点阐述了多光谱技术在土壤成分含量检测中的研究进展, 并展望了多光谱技术在土壤成分含量检测中的未来发展趋势, 提出未来技术发展方向: 机器学习算法的无监督和监督模型能够分析不同实际测量环境下的数据, 减少土壤成分分布不均的光谱数据对建模结果的影响； 多光谱图像与全色图像相结合获取多光谱全色波段, 能够在多光谱土壤成分含量检测中提高预测模型的分析精度和准确度； 多光谱数据预处理过程中采用两种及两种以上算法相结合将使光谱数据处理更加有效。
多光谱技术 土壤成分 土壤成分分析技术 Multispectral technique Soil composition Soil composition detection technology 光谱学与光谱分析
2020, 40(7): 2042
中国农业大学信息与电气工程学院食品质量与安全北京实验室, 北京 100083
病害作为影响农作物生长的主要因素之一, 平均每年造成农作物产量损失高达12%以上。 病害不仅直接导致农作物产量减少, 而且也严重降低了农产品的品质, 甚至引发食品安全事故。 光谱成像作为一种融合图像处理和光谱学的信息获取技术, 能同时获取目标的图像信息和光谱信息, 从而更直观表达目标的特征。 光谱成像技术可以获得图像上每个点的光谱数据, 从而实现对作物病害的颜色、 形状和纹理特征及光谱特征的分析, 具有快速、 直观和无损等特点, 近些年在作物病害检测领域的应用取得了较大研究进展。 综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献, 分析了光谱成像技术的优势和局限性, 重点阐述了光谱成像作物病害检测中关键的第三个技术： (1）光谱图像分割技术, 重点分析了四种常见分割算法的优点和适用范围； (2）光谱特征和空间特征提取技术, 重点对比了空间特征、 光谱特征和二者加权组合对病害信息表达的准确性； (3）检测模型, 重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。 最后, 根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势, 为相关研究提供全面且系统的参考。
光谱成像技术 作物病害检测 光谱特征分析 模式识别 Spectral imaging technology Crop diseases detection Spectral characteristic analysis Pattern recognition
