人们对鱼类的品质追求越来越高, 因此对于开发水产养殖中鱼类重要参数脂肪含量的检测显得愈发的重要, 传统的检测方法虽然经过许多研究人员的修改和改进, 但仍然存在费时费力, 需要专业的人员培训存在一些问题。 光谱技术也存在仅使用整条鱼片作为预测样本, 缺乏普遍性, 整个鱼片的成分分布不均匀, 采样时间过长等导致图像质量不高等问题, 该研究通过MCR-ALS算法重建后的数据和图像的增益效果, 评估了采用近红外高光谱成像技术预测并实现鲑鱼片重要参数（脂肪）可视化的可行性。 首先将购买的新鲜三文鱼按照背面和腹部切块分割, 每条三文鱼制作成20个样本, 共100个样本, 其中75个样本用于校正集, 25个样本用于预测集。 用高光谱成像系统采集三文鱼样本的光谱数据, 再通过索氏提取器测定三文鱼脂肪的含量, 并建立其理化值样本, 然后通过MCR-ALS对光谱数据进行重构, 发现重构后的光谱有效信息随着组分推荐评分上升, 通过连续投影算法（SPA）选择特征波长, 并建立最小二乘支持向量机（LS-SVM）模型评估两种预测效果（原始和重建数据）。 MCR-ALS-SPA-LS-SVM的预测精度最高, Rp=0.955 5, RMESP=1.650 5, RPD=3.389 9; 采用MCR-ALS和未处理的模型对鱼片脂肪进行视觉图像预测, 大大减少了噪音的输入, 有效还原了鱼片的轮廓, 并且令鱼的脂肪条纹更加的清晰, 图像质量更优。 进一步分析聚类图像, 通过不同成分的主成分贡献和相同成分的主成分贡献比, 发现类别为20种时, 样品与背景簇存在干扰, 然而采用少量的簇类分析发现, 仅5和10个种类即可完整描绘出整个样品的轮廓, 对于光谱强反应物质存在很好的聚类效果, 具有简化模型的可能。 无论是数据还是图像, 令人满意的预测结果证实了近红外高光谱成像用于鲑鱼脂肪定量和视觉图像预测的可行性, 并且算法的优化大大缩短了检测时间, 为实时在线检测创造了更好的条件。

土壤养分直接关系到作物产量与品质状况, 然而传统化学方法检测存在化学试剂消耗大、 耗时费力等问题, 不能满足精细农业的需求。 快速获取土壤养分信息是发展精细农业、 绿色农业的关键, 想要了解土壤肥力状况, 必须先了解有机质和总氮的含量状况。 许多研究表明, 长波近红外光谱被广泛应用于土壤检测领域, 然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。 以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区, 根据2×2网格法采集了深度为10～30 cm的棕壤、 红壤和水稻土三种最为典型的土壤样品共180份。 经过研磨、 风干等处理后用四分法均匀划分为两份, 用于测定样品光谱信息和理化信息。 将土壤样品按照2∶1(120∶60)划分为建模集和预测集。 考虑到首尾端波段噪声较大, 故去除325～349和1 051～1 075 nm波段, 将350～1 050 nm波段用于光谱分析。 通过连续投影算法(SPA)筛选出有机质12个特征波长点, 总氮11个特征波长点, 考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系, 建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究, LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ2。 研究结果表明: (1)土壤的光谱反射率随波长增加反射率升高, 反射率曲线中460、 550、 580、 740和900 nm处有较为明显的吸收特征。 (2)从PLSR模型和LS-SVM模型结果分析可知, 非线性模型LS-SVM具有更好的预测精度, 分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。 (3)通过连续投影算法筛选的特征波长提高了模型精度, 优化了模型运行效率。 SPA-LS-SVM模型是所有模型中最优的预测模型, 其中有机质模型的R2pre为0.884 7, RMSEp为0.104 8, RPD为2.945 0, 总氮模型的R2pre为0.901 8, RMSEp为0.010 4, RPD为3.191 1。 (4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量, 并且达到较好的预测效果。 可见/近红外光谱在土壤检测领域具有巨大潜力。

土壤肥力通常由有机质、 总氮、 速效磷、 速效钾等含量决定。 这些物质的含量通常采用可见/长波近红外光谱(visible/near-infrared spectroscopy, Vis/NIRS: 350～2 500 nm)进行研究, 可见/短波近红外区域(visible/shortwave near-infrared spectroscopy, Vis/NIRS: 325～1 075 nm)的研究却非常罕见, 将可见/短波近红外光谱结合机器学习算法来测量土壤养分具有巨大潜力。 选取了南昌市新建区和吉安市安福县的四个村庄作为样品获取地点, 通过2×2网格法选取对角区的10～30 cm深度的土壤样本, 其中水稻土120份(水稻土1和水稻土2), 棕壤60份、 红壤60份。 样品经过研磨、 风干等处理后用四分法均匀划分为两份, 用于测定样品光谱信息和理化信息。 将获取的光谱数据去除325～349和1 073～1 075 nm的噪声波段, 然后采用S-G卷积平滑结合一阶导数进行预处理。 将预处理后的光谱数据进行主成分分析(PCA), 根据主成分分析得到的得分图(PC1: 98.44%, PC2: 3.5%, PC3: 0.14%)显示出样品存在明显聚类现象且在二维空间内相互可分, 样品存在明显聚类现象, PCA可以在一定程度上合理解释不同土壤样品的光谱特征差异。 将预处理后的光谱数据建立全波段主成分回归(PCR)和偏最小二乘回归(PLSR)模型, 通过PCA和PLSR对光谱数据降维, 提取出3个主成分因子(PCs)和9个潜在变量(LVs), 建立非线性反向传播神经网络(BPNN)和最小二乘支持向量机(LS-SVM)模型。 通过比较PCR、 PLSR、 BPNN和LS-SVM方法对Vis/SW-NIRS及对OM、 TN、 P、 K的预测精度, 得出以下结论： (1)LS-SVM-LVs模型在所有土壤性能方面都优于PCR、 PLSR、 BPNN-PCs、 BPNN-LVs和LS-SVM-PCs模型; (2)LS-SVM-LVs模型对OM和N的预测精度最高, 这是在NIR区域具有光谱响应的特性; (3)采用Vis/SW-NIRS测定土壤矿质养分P和钾, 具有不同的准确性, 这是由于光谱活性成分的共变。 根据本研究取得的结果, 建议采用LS-SVM-LVs分析作为预测土壤性质(OM、 TN、 P和K)的最佳模型方法。 然而, 还需要进一步的研究来深入解释在近红外区域不具有直接光谱响应的土壤特性的测量。 该研究成果可以为当地的精细农业的发展提供理论与技术参考。

重金属污染一直影响着人们的健康生活, 如镉, 铅和铜等的污染, 故而土壤重金属的快速检测和如何预防, 一直受各国学者关注和研究。 传统土壤重金属检测方法(如原子吸收光谱法、 X荧光光谱法等)样品预处理复杂, 分析成本较高, 易形成样品的二次污染, 不能满足快速分析的要求。 激光诱导击穿光谱(LIBS)是一种典型的原子发射光谱, 它是基于分析物质中原子和离子受激发而发射的特征谱线信息, 进而研究物质成分的分析方法。 LIBS技术能够快速检测任何状态(固、 液和气态)物质元素的成分和含量, 被看作是未来化学检测和快速绿色分析领域的新兴技术。 LIBS技术具有对样本简单预处理(或不需要处理)、 多元素同步分析、 远距离测量、 适用性广等优势, 被广泛用于生活生产的各个领域, 已成为近年来国内外学者广泛关注和研究的热点之一。 在农业信息快速感知的大背景下, 以激光诱导击穿光谱技术为技术手段, 以土壤重金属铅元素为研究对象, 运用理论分析和数学建模相结合, 建立了多种基于单变量定标曲线的土壤重金属铅检测模型, 并进行了模型验证。 自制15个已知的铅元素浓度梯度的谱线土壤样本, 在获取了土壤LIBS数据之后, 对其进行预处理对比, 建立了基于谱峰强度、 谱峰积分、 洛伦兹拟合强度三种定标曲线模型, 对土壤中铅元素含量进行定量分析, 得出基于三种定标曲线模型对土壤中铅元素含量的预测决定系数R2分别为0.918 0, 0.910 1和0.914 3, 三种定标曲线分析方法的预测结果都较好, 说明了LIBS结合单变量定标曲线法对土壤中铅含量的检测可靠性高。 最后选取部分样本数据进行验证, 结果较好。 研究结果为研发便携式农田土壤污染物检测技术与装备提供技术支撑, 也为农田精准管理和科学施肥奠定基础。

采用高光谱成像技术对鱼新鲜度进行检测研究。 首先, 提取鱼样本感兴趣区域(region of interest, ROI)光谱, 分别采用竞争性自适应重加权算法(CARS), 连续投影算法(SPA)和遗传算法(GA)提取特征波长, 三种算法分别得到57, 31和66个特征变量, 采用最小二乘支持向量机和SIMCA作为分类模型, 将57, 31和66个特征变量作为LS-SVM和SIMCA模型的输入变量建立分类模型, 基于SPA-LS-SVM和CARS-LS-SVM模型预测集识别率分别达到了98%和96%, 而采用SIMCA建立的模型取得了较差的预测结果, GA-SIMCA, SPA-SIMCA和CARS-SIMCA模型预测集识别率都只是达到了52%。 结果表明, LS-SVM作为分类模型优于SIMCA模型, SPA和CARS选择的特征波长, 不但可以简化模型, 还可以提高模型的预测精度, 采用高光谱成像技术可以有效检测鱼的新鲜度, 并能准确检测出鱼不同冻融次数和冷冻时间。

真菌感染是柑橘的一种常见病害, 是柑橘腐烂的主要因素, 自动化检测出柑橘真菌感染可以有效提高柑橘的商品价值和市场竞争力。 运用高光谱成像技术对真菌感染柑橘腐烂部位的缺陷特征进行了快速识别检测。 基于ROI提取柑橘真菌感染光谱曲线, 对光谱矩阵进行主成分分析, 分析权重曲线后得到4个特征波段, 分别为615, 680, 710和725 nm, 然后对这4波段组合分别做主成分分析, 通过分析权重曲线提取到615和680 nm两个特征波段, 基于这两个特征波段做主成分分析, 以第2主成分图像为基础识别柑橘真菌感染部位, 识别率达到了100%。 高光谱成像技术可用于快速检测柑橘真菌感染引起的腐烂缺陷, 为开发水果分级和缺陷检测等相关仪器设备的研究提供了理论方法和依据。

快速测量十六烷值对检测柴油品质及控制炼制工艺具有重大意义。 首先对采集到的381份柴油样品进行近红外可见光谱波段全光谱扫描, 利用小波分析（WT）对原始数据进行去噪声处理, 应用竞争性自适应重加权算法（CARS）进行特征波长选择, 将CARS提取的22个特征波长输入至LS-SVM预测模型, 决定系数r2为0723, 预测均方根误差RMSEP为1878%。 结果表明, 使用WT-CARS变量选择算法获取光谱特征波长, 结合LS-SVM建模, 可以快速、 准确的测量柴油中的十六烷值, 为进一步实现柴油十六烷值的在线检测以及其他性能参数的快速测定奠定了基础。

提出了一种利用高光谱成像技术检测三文鱼水分含量并实现其可视化的新方法。 采集不同水分含量的共100个鱼肉样本的高光谱图像, 并提取样本感兴趣区域(ROI)的平均光谱。 75个样本用于建模集, 采用连续投影算法对原始光谱提取特征波长, 利用提取的特征波长替代原始光谱, 采用PLS建立预测模型, 对25个预测集样本的水分含量进行预测, 预测决定系数(R2)为0.904, 预测均方根误差(RMSEP)为1.169%, 获得了满意的预测精度。 最后, 用所建模型对预测集图像上每个像素点的水分含量进行预测, 利用Matlab语言编程, 三文鱼肉表面不同部位的水分分布采用不同颜色表示, 进而实现三文鱼肉水分含量的可视化。 结果表明, 高光谱成像技术与化学计量学结合可以准确预测鱼肉的水分含量, 与图像处理方法结合可以实现预测时间的可视化, 能形象、 直观地展示出鱼肉的水分含量分布情况, 为实现水产品加工的自动化奠定了基础。

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。 采集浙江省文城地区农田土壤样品近红外光谱数据, 土壤样品数为394个。 为简化模型, 采用遗传算法结合连续投影算法挑选出18个特征波长建模, 应用偏最小二乘回归建立有机质预测模型, 建模集的决定系数为081, 均方根预测误差为022, 剩余预测偏差为231, 预测集的决定系数为083, 均方根预测误差为020, 剩余预测偏差为245。 研究发现, 遗传算法结合连续投影算法在简化模型同时, 模型的预测评价指标同采用全谱波长建模并没有明显降低。 因此, 遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。