1 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 燕山大学电气工程学院, 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
珍珠粉和珍珠层粉化学成分相似, 但是珍珠层粉的药用价值远低于珍珠粉, 并且珍珠层粉制备容易, 成本底, 常被不法商家用于冒充或掺入珍珠粉中流入市场, 谋取利益。 因此, 对珍珠粉掺伪鉴别和纯度检测具有重要的意义。 采用激光拉曼光谱结合深度学习研究珍珠粉掺伪快速鉴别和纯度分析。 将纯珍珠粉和珍珠层粉按一定比例混合, 制成珍珠粉质量百分数分别为0%, 25%, 50%, 75%, 80%, 85%, 90%, 95%与100%共9种纯度270个模拟掺伪珍珠粉样本。 然后对样本进行拉曼光谱采集, 参数设置如下: 分辨率为4.5 cm-1, 积分时间为3 000 ms, 激光功率为20 mW。 搭建了深度卷积生成式对抗神经网络(DCGAN)模型, 对样本拉曼光谱进行数据增强; 在此基础上, 结合K近邻(K-nearest neighbor)、 随机森林(random forest)、 决策树(decision tree)、 一维卷积神经网络(1D-CNN)4种分类器, 对纯度为85%, 90%, 95%与100%的小比例掺伪样本进行真伪鉴别分析; 同时, 结合一维卷积神经网络对9种纯度的珍珠粉掺伪样本建立纯度预测的定量模型。 结果表明: 基于DCGAN数据增强方法所生成的拉曼光谱, 与原始光谱相比, 在峰值信噪比和结构相似度两个评价指标上均明显优于传统数据增强方法; 在珍珠粉掺伪定性鉴别方面, DCGAN增强后的数据分别送入4种分类器, 对4种小比例掺杂样本的真伪鉴别正确率均达到100%; 在对9种掺伪纯度样本纯度检测方面, 对测试集样本, DCGAN-1DCNN方法所建纯度定量预测模型性能最优, 其决定系数R2为0.988 4, 预测均方根误差RMSEP为0.034 8, 一维卷积神经网络的损失值Loss为0.001 2, 定量模型拟合最好。 拉曼光谱结合DCGAN算法为珍珠粉掺伪鉴别及纯度检测提供一种快速简便的方法。 深度卷积生成式对抗网络的数据增强方法在光谱分析技术领域具有重要的研究意义和应用价值。
生成式对抗网络 拉曼光谱 深度学习 珍珠粉掺伪 一维卷积神经网络 Generative adversarial network Raman spectroscopy Deep learning Adulteration of pearl powder One-dimensional convolutional neural networks 
1 燕山大学信息科学与工程学院, 燕山大学海洋科学与工程研究院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 暨南大学, 暨南大学赤潮与海洋生物学研究中心, 广东 广州 510632
近年来, 我国沿海赤潮发生的次数和面积持续增加, 经济损失严重。 根据赤潮的毒性特点, 通常分为三类, 分别为无毒赤潮、 鱼毒性赤潮和有毒赤潮。 其中有毒赤潮产生的毒素主要是麻痹性贝毒, 其由于分布广, 毒性强成为危害最大的生物毒素之一。 根据麻痹性贝毒的摄入量不同, 人类误食染毒的贝类后, 身体各部位会出现刺痛或灼热的感觉, 然后全身麻痹, 严重者甚至在短时间内死亡。 近年来, 多地出现人类误食染毒的贝类后死亡的事件。 麻痹性贝毒的摄入量主要取决于产麻痹性贝毒藻的浓度, 因此, 对产麻痹性贝毒藻浓度的监测就显着尤为重要。 提出了用三维荧光光谱结合化学计量学方法建立产麻痹性贝毒藻定量分析模型。 首先, 利用F-4600荧光光度计采集微小亚历山大藻(Alexandrium minimum)、 链状裸甲藻(Gymnodinium catenatum)和太平洋亚历山大藻(Alexandrium pacificum)三种典型的产麻痹性贝毒藻类三维荧光光谱数据, 获取藻类样本的三维荧光光谱等高线图, 并进行图谱分析; 然后, 利用不同激发波长下的发射光谱数据建立产麻痹性贝毒藻三维荧光光谱的串行表示模型, 提取新的特征; 最后, 将新的特征数据分别作为粒子群优化最小二乘支持向量机算法(particle swarm optimization-least squares support vector machine, PSO-LSSVM)和偏最小二乘回归(partial least squares regression, PLSR)的输入, 建立产麻痹性贝毒藻的定量分析模型。 结果表明, 运用粒子群优化最小二乘支持向量机算法建立的产麻痹性贝毒藻的定量分析模型普遍优于偏最小二乘回归算法。 当激发波长选择460和530 nm, 发射波长选择650~750 nm作为PSO-LSSVM的输入数据, 建立的产麻痹性贝毒藻的定量分析模型效果最好, 结果显示Rc=0.999 9, RMSEC=0.017 1, Rp=0.949 2, RMSEP=0.291 0。 这体现出三维荧光光谱结合PSO-LSSVM定量分析模型可有效地监测活体产麻痹性贝毒藻的浓度数值, 为产麻痹性贝毒藻浓度检测提供了一种在线检测的新方法。
三维荧光光谱 产麻痹性贝毒藻 粒子群-最小二乘支持向量机算法 偏最小二乘法 Three dimensional fluorescence spectroscopy Paralytic shellfish poison producing algae Particle swarm optimization-least squares support vector machine Partial least squares regression 光谱学与光谱分析
2021, 41(11): 3480
1 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 燕山大学电气工程学院, 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
毒死蜱作为一种广谱高效有机磷杀虫剂, 在农业等领域被广泛使用。 但是, 环境毒理学研究发现, 毒死蜱可直接施于土壤中, 与土壤颗粒牢固结合, 几乎不会迁移或挥发, 而且水溶性低, 容易造成药物残留, 影响着农副产品食用的安全性, 对生态环境具有潜在的危险性, 许多国家对毒死蜱在农产品中的残留量有严格的规定。 因此, 检测毒死蜱残留的生态风险问题是当务之急。 表面增强拉曼光谱(SERS)技术具有快捷、 高效、 灵敏度高等优势, 已经成为光谱检测领域的热点研究技术; 密度泛函理论被广泛用于分子结构与性质的理论模拟计算及光谱分析。 基于表面增强拉曼光谱和密度泛函理论对杀虫剂毒死蜱的拉曼和表面增强拉曼光谱进行理论研究。 首先, 利用GaussView5.0对毒死蜱分子及加入银团簇基底的分子结构进行构型。 其次, 对毒死蜱分子采用6-31G基组, 并基于密度泛函理论进行结构优化, 利用Gaussian09模拟计算出其拉曼及表面增强拉曼光谱, 并确定拉曼光谱和SERS光谱峰值归属。 最后, 从频移量角度分析银团簇Ag2和Ag3对毒死蜱拉曼光谱的增强效应, 并进行频移量大小对比。 研究发现, 在两种尺寸银团簇作用下, 拉曼光谱在326, 463, 741, 781, 1 068, 1 294, 1 435和1 602 cm-1波数处的特征峰强度均有明显的增强, 且随着银团簇结构尺寸增大, 拉曼信号增强效果更为明显; 在不同银团簇增强作用下, 一些特征峰发生偏移, 其频移量与银团簇结构相关联, 在Ag2和Ag3银团簇增强下, 表面增强拉曼光谱在463, 741~781 cm-1波数处均产生了较大的频移, 其余特征峰波数处频移量较小, 均在20 cm-1以下, 毒死蜱分子分别与Ag2和Ag3入侵后的表面增强拉曼光谱进行对比, 频移方向有很好的一致性。 该研究结果为表面增强拉曼光谱技术在农药残留检测领域的应用提供了理论依据。
拉曼光谱 表面增强拉曼光谱 密度泛函理论 银团簇 毒死蜱 Raman spectroscopy Surface-enhanced Raman spectrum Density functional theory Silver clusters Chlorpyrifos 光谱学与光谱分析
2021, 41(11): 3462
燕山大学 信息科学与工程学院 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
显微热成像系统可观测、记录分析细微目标的温度变化过程, 在需要细微热分析的诸多方面有着广泛的发展前景。由于设备加工及工作过程中存在误差, 影响微扫描系统的精度, 使得微扫描系统扫描过程中偏离标准位置, 故采集得到的四幅低分辨力图像会存在误差, 最终影响显微热成像系统高分辨力图像的重建质量。为尽可能降低微扫描误差, 文章提出了基于局部梯度插值与预处理相结合的微扫描误差修正技术, 通过进行模拟仿真和实验证实该技术可以降低系统微扫描误差, 提高系统的空间分辨力。
显微热成像系统 微扫描 微扫描误差 空间分辨力 thermal microscope imaging system micro-scanning micro-scanning error spatial resolution
1 燕山大学电气工程学院, 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
2 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域, 但传统拉曼光谱分析过程中的预处理主要依赖人为经验, 光谱特征提取虽然能够降低信号维度, 同时也会造成部分光谱信息损失。 特性相近物质本身光谱相似度较高, 受到测量过程中环境干扰和分析过程中多种误差影响, 导致最终分类效果并不理想。 针对此问题, 提出基于一维卷积神经网络(one-dimensional convolution neural network, 1D-CNN)的拉曼光谱定性分类方法。 实验采集雌酮(Estrone)、 雌二醇(Estradiol), 雌三醇(Estriol)三种不同雌性激素粉末的拉曼光谱, 设计随机平移、 添加噪声和随机加权三种光谱数据增强方法, 构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试; 基于拉曼光谱数据特点提出一维卷积神经网络分类模型, 将光谱预处理、 特征提取和定性分类的全过程融为一体。 通过大量仿真实验, 优化所提出的神经网络模型超参数和训练过程并测试分类效果, 从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比, 评价模型性能。 实验结果表明, 本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类, 分类正确率最高可达98.26%, 分析过程中无需光谱预处理和特征提取步骤, 简化了光谱分析流程, 并能保留更多有效信息。 同时, 当模拟测量噪声强度达到60 dBW时, 传统方法分类正确率均明显出现不同程度明显降低, 卷积神经网络模型依然能够取得96.81%的分类正确率, 说明相比对传统拉曼光谱分类方法, 所提出方法受光谱测量噪声影响更小, 鲁棒性更强, 适用于分析更复杂现场测量的强噪声拉曼光谱信号。 该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。
拉曼光谱 深度学习 一维卷积神经网络 雌性激素 定性分类 Raman spectroscopy Deep learning One-dimensional convolution neural network Estrogen Qualitative classification 光谱学与光谱分析
2019, 39(12): 3755
1 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 燕山大学电气工程学院, 河北 秦皇岛 066004
提出基于四元数主成分分析的三维荧光光谱特征提取新方法, 并将其运用于品牌食醋溯源研究。 首先利用F7000荧光光谱仪测得不同品牌食醋样本的三维荧光光谱数据, 获取样本的等高线图和三维投影图, 并进行三维荧光等高线图分析; 然后利用激发波长分别为380, 360和400 nm下的发射光谱数据建立食醋三维荧光光谱数据的四元数并行表示模型, 对四元数荧光光谱矩阵进行四元数主成分特征提取, 并基于乘积运算、 模值运算和求和运算三种方法对提取出来的四元数主成分特征进行特征融合; 最后将融合特征作为K近邻分类器的输入, 得到不同食醋品牌的最优分类模型。 分别讨论三种不同特征融合方法和四元数主成分个数与最终模型分类正确率之间的关系。 针对四个不同食醋品牌120个样本的分析结果可得: 基于求和特征融合运算所得到的融合特征可以利用最少的特征数目, 建立最优的溯源模型, 样本预测集溯源正确率可达100%。 研究结果表明: 四元数主成分特征提取和特征融合方法能够并行表示三维荧光光谱数据所蕴含的丰富信息, 为三维荧光光谱数据分析提供新思路。
三维荧光光谱 食醋溯源 四元数主成分分析 特征提取 K近邻 Three-dimensional fluorescence spectra Vinegar brand traceability Quaternion principal component analysis Feature extraction K-Nearest Neighbors 光谱学与光谱分析
2018, 38(7): 2163
1 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
2 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
研究了一种基于模间干涉原理的微型椭芯保偏光纤的折射率传感特性。利用氢氟酸腐蚀的方法将椭芯保偏光纤制作成折射率灵敏的传感头，传感头可以根据控制腐蚀时间灵活控制其锥区结构。详细分析了保偏光纤内基模与一阶高次模模间干涉产生的双边瓣能量分布与被测折射率的关系，深入研究了锥区半径、工作波长对折射率灵敏度的影响。研究结果表明，光源波长为980 nm，折射率在1.39 附近时，半径为8 μm 的传感头折射率灵敏度能够达到-7.1/RIU (即归一化光强与RIU 之比，其中RIU 为单位折射率)。
折射率传感 椭芯保偏光纤 模间干涉 折射率灵敏度 包层腐蚀
燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛066004
研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。 选取汽油、 柴油、 煤油三种轻质石油类产品, 按照不同浓度比例配置成40个模拟混合溢油样本, 利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱; 采用不同预处理方法, 利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。 汽油、 柴油和煤油的最优预处理方法均为二阶导数方法, 分别在8 501.3～7 999.8 cm-1, 6 102.1～4 597.8 cm-1, 6 549.5～4 597.8 cm-1, 7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内, 预测模型的决定系数R2分别为0.998 2, 0.990 2和0.993 6; RMSEP值分别为0.474 7, 0.936 1和1.013 1; RPD值分别为25.126 9, 10.517 3和13.072 0。 实验结果表明: 利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度, 为海洋复杂溢油源的定量检测与分析提供有效手段。
近红外光谱 复杂溢油源 定量建模 偏最小二乘 NIR spectroscopy Complex oil spill source Quantitative analysis model Partial least squares 光谱学与光谱分析
2012, 32(12): 3203
1 燕山大学信息科学与工程学院光电子工程系, 河北 秦皇岛 066004
2 燕山大学电气工程学院生物医学工程系, 河北 秦皇岛 066004
提出一种海洋溢油近红外光谱特征提取与种类鉴别新方法。 海面溢油种类鉴别对现场应急处置方案的制定和可疑溢油源的追踪具有重要意义。 采用傅里叶变换近红外光谱仪测定汽油、 柴油、 煤油三类模拟海洋溢油样本的近红外光谱, 基于稀疏非负矩阵分解算法对光谱进行特征提取, 采用五重交叉检验, 对210个样本进行训练, 建立基于支持向量机的溢油光谱定性分析模型, 同时讨论非负特征基数目以及稀疏因子对分类正确率的影响； 利用训练好的分类器对90个未知样本进行鉴别, 识别正确率达97.78%。 所提出的稀疏非负矩阵分解结合支持向量机的近红外光谱定性分析方法, 识别正确率高, 模型泛化能力强, 具有很好的分类效果, 为海洋溢油的快速鉴别提供了新途径。
近红外光谱 海洋溢油 稀疏非负矩阵分解 支持向量机 NIR spectroscopy Spilled oil Sparse nonnegative matrix factorization Support vector machine 光谱学与光谱分析
2011, 31(5): 1250
燕山大学 信息科学与工程学院, 河北 秦皇岛 066004
为提高光电成像系统的空间分辨力, 提出了一种基于改进的频率域图像配准技术的超分辨力图像处理方法。首先利用改进的频域图像配准方法估算出低分辨力图像之间的微位移量, 然后采用Papoulis-Gerchberg超分辨力处理方法完成图像复原。利用不同重构方法进行了仿真及实验研究, 给出了评价参数。模拟和实际显微热图像的处理结果表明：该算法可使图像质量得到改善, 分辨的细节更多, 可有效地提高光电成像系统的空间分辨力；处理算法简单, 计算量小, 可实现快速处理。该算法还可应用于其他不可控光学微扫描成像系统中, 具有广泛的应用前景。
成像光学 光电成像系统 空间分辨力 图像配准 超分辨力 image optics photoelectric image system spatial resolution image registration superresolution
