1 温州大学生命与环境科学学院，浙江 温州 325035
2 浙江师范大学浙江省光信息检测与显示技术研究重点实验室，浙江 金华 321004
3 浙江金华广福肿瘤医院，浙江 金华 321000
4 温州大学化学与材料工程学院，浙江 温州 325035
5 温州大学电子与电气工程学院，浙江 温州 325035
针对呼出气一氧化氮（FeNO）体积分数的检测，使用了具有高灵敏度、高精度等特性的可调谐半导体激光吸收光谱（TDLAS）技术。利用直接吸收光谱（DAS）技术和波长调制光谱（WMS）技术对呼出二氧化碳（CO2）体积分数进行标定，并通过模拟两种气体信号来确定相关系数并完成FeNO体积分数反演。连续测量15 min气体体积分数，根据其变化实验和Allan方差曲线分析确定两种气体的参数，该系统中的CO2气体测量精度和探测极限分别为0.045%和5.4×10-3，一氧化氮（NO）气体测量精度和探测极限分别为1.1×10-9和3.4×10-9；通过反复置换CO2和NO的混合气体与氮气（N2）测量气体体积分数随时间变化情况来确定该系统响应时间为12 s；最后根据单次呼气周期曲线确定志愿者呼出气体中CO2和NO的体积分数。该研究为FeNO的在线检测提供实验依据。
生物技术 光谱学 二氧化碳 一氧化氮 临床应用 吸收光谱
温州大学电气与电子工程学院, 浙江 温州 325035
电线绝缘材料老化状态的准确评估有助于减少因电线绝缘老化引起的火灾, 该实验基于拉曼光谱检测平台及自行搭建的老化设备, 对13种电线绝缘材料(聚偏氟乙烯、 聚丙烯、 聚四氯乙烯、 尼龙、 亚大尼龙、 聚氨酯、 乳胶、 聚全氟乙丙烯树脂、 橡胶、 聚乙烯、 聚氯乙烯、 硅胶、 进口硅胶)进行加速温度老化以及加速紫外老化试验并定期检测, 温度老化10个时间段, 时间间隔为32 h, 每个老化时间15个样本数据, 获得温度老化的每种材料共150个样本光谱数据; 紫外老化13个时间段, 时间间隔16 h, 每个老化时间15个样本数据, 获得紫外老化的每种材料共195个样本光谱数据。 依据老化时间段, 温度老化分为10类, 紫外老化分为13类, 采用线性回归分类和支持向量机对原始光谱数据进行分类, 两种分类算法准确率均在80%以上的材料有尼龙、 聚氨酯、 特氟龙、 橡胶等, 但部分材料的分类准确率却低于70%, 在对原始光谱数据进行支持向量机分类时, 由于样本数量多以及光谱维度高, 支持向量机分类所需时间较长, 为进一步提升分类准确率以及分类速度, 对原始光谱数据进行迭代自适应加权惩罚最小二乘法、 五点三次平滑等预处理方法, 采用PCA压缩, 样本光谱维数从2 048维降至3维, 由于降维后的样本光谱维数小于样本数量, 无法满足线性回归分类要求, 故采用支持向量机进行分类, 经过预处理以及特征提取后, 数据的分类效果得到大幅度提升, 所有材料的温度老化、 紫外老化均获得90%以上的分类准确率, 支持向量机的分类速度亦得到大幅度提升, 其结果为电线绝缘材料老化状态的有效评估提供理论依据, 对预防因绝缘老化引起的事故提供技术支持。
电线绝缘材料 电线老化 拉曼光谱 特征提取 支持向量机 Wire insulation Wire aging Raman spectroscopy Feature extraction Support vector machine 光谱学与光谱分析
2022, 42(10): 3161
1 集美大学港口与环境工程学院, 福建 厦门 361021
2 温州大学机电工程学院, 浙江 温州 325035
3 温州大学电气与电子工程学院, 浙江 温州 325035
近红外光谱分析中多变量校准模型的建立依赖于校准建模的光谱样本。 然而, 近红外光谱测量环境的变化会导致同一被测物的光谱样本的偏移。 为了削减光谱偏移后重新建立校准模型的成本, 提出一种基于深度自编码器(DAE)的非线性光谱转移方法, 以端到端的形式实现不同测量环境之间的光谱转移, 避免已有的线性光谱转移方法在非线性偏移光谱时效果不佳的情况。 该方法在操作前不需要对光谱进行预处理和特征提取等操作, 可以实现原始光谱之间的转移, 是首个端到端的非线性光谱转移方法。 为了实现光谱空间的有效转移, 设计了一种基于条件概率和参数最大似然法的误差函数惩罚项, 结合梯度反向传播算法优化深度自编码的网络参数。 为了验证该方法的有效性, 引入两个公共的近红外光谱数据集, 分别是药片数据集和玉米数据集。 利用本方法进行光谱转移的过程主要有: 根据Kennard-Stone(KS)算法分别将两个数据集划分为校准集、 验证集和测试集； 用校准集中的光谱样本输入深度自编码器, 根据设计的误差函数求出误差, 并用反向传播法迭代训练网络参数, 直至模型最优； 将预测集样本输入训练好的DAE转移模型, 可以发现转移后的光谱与相应的目标光谱谱线基本重合, 这说明该设计的转移模型的有效性。 最后, 为了进一步验证本方法的优越性, 将该方法与经典的线性转移算法光谱空间变换(SST)和分段直接标准化(PDS)进行比较。 这三种算法得到的转移光谱分别作为测试样本, 输入已建立的偏最小二乘(PLS)多变量校准模型, 通过比较预测均方根误差(RMSEP), 可以发现该方法在多变量校准模型中的预测结果的均方根误差均小于SST和PDS, 分别提高了5.7%和10.1%, 表明由非线性深度自编码器转移的光谱样本具有高效和实用的特点。
近红外光谱 模型转移 多变量校准 深度自编码器 Near infrared spectroscopy Model transfer Multivariate calibration Deep auto-encoder 光谱学与光谱分析
2020, 40(7): 2313
1 温州大学激光与光电智能制造研究院, 浙江 温州 325000
2 温州大学机电工程学院, 浙江 温州 325035
3 温州大学数理与电子信息工程学院, 浙江 温州 325035
原位分析和在线检测是激光诱导击穿光谱(LIBS)技术的一大优势, 但是, 在野外环境中, 人们无法对样品进行统一预处理, 面对各种形态的待测样品如何保证LIBS的检测精度是函待解决的一大难题。 提出一种多谱线内定标的方法来解决上述问题, 即通过求解多条分析谱线的强度和与内标元素谱线的强度比值来建立定标曲线, 进而降低光谱信号波动带来的误差, 提高线性相关性和检测精度。 实验中以铅黄铜合金样品为例, 采用LIBS对厚度不一(最大变化值为±2 mm)的铅黄铜样品中的Pb元素进行了定量检测研究, 并分别采用传统定标法和多谱线内定标法对这种不规则样品进行校正和建立定标曲线。 实验发现, 对于不规则样品, 传统定标法的检测精度大大降低, 定标曲线没有明显的线性关系。 当采用单条谱线的内定标方法时, 定标曲线线性相关度大大提高, 校正决定系数达到0.724 89。 而采用多条谱线内标方法(考虑多条分析谱线的相对强度总和)计算发现, 当选取5条Pb谱线(Pb 261.42 nm, Pb 280.20 nm, Pb 368.35 nm, Pb 405.78 nm和Pb 520.14 nm)进行计算时, 定标曲线线性拟合度达到0.984 6, 由此可见该方法消除了样品不规则所带来的光谱强度波动误差, 显著提高了测量精度。 虽然继续增加分析谱线数目可以进一步提升线性相关度, 但是也会增加计算的复杂度, 所以选择合适的分析谱线是十分重要的。 此外, 通过多谱线内标法也能一定程度上消除基体效应和光谱干扰等影响, 是一种简单有效且具备普适性的数据处理方法。 当然, 该方法也存在一定的局限性(如样品成分分布极不均匀、 样品表面极不规则致使激光能量低于击穿阈值等), 不过通过调整和优化检测装置方案(例如增大激光能量、 增大聚焦光斑、 采用长焦距聚焦透镜等)可以更好的发挥该方法的优势。 该研究内容可以为LIBS原位检测和在线检测的应用提供一种新思路。
激光诱导击穿光谱 多谱线内定标 检测精度 在线检测 原位检测 Laser-induced breakdown spectroscopy Multi-line calibration method Detection precision On-line detection In-situ test 光谱学与光谱分析
2019, 39(10): 3159
温州大学 数理与电子信息工程学院, 浙江 温州 325035
为快速检测贝类重金属的污染, 采用激光诱导击穿光谱(LIBS)结合多模型共识策略来预测泥蚶重金属铜的含量.分析铜元素的LIBS特征谱线, 提取铜元素的特征峰强度、面积、峰强比等变量, 分别构建多元线性回归模型, 以及基于铜特征光谱区域信息构建偏最小二乘模型.在这些校正的成员模型预测残差向量间, 通过拉格朗日乘数法优化各成员模型的线性组合, 使共识模型的均方误差和最小, 从而获得各成员模型的最优权系数.经外部预测集的验证, 共识模型的预测结果优于任一成员模型, 预测均方根误差为20.641 mg/kg, 相关系数为0.835, 且预测偏差仅为-0.473, 表明LIBS技术结合共识模型能用于重金属的定量检测.
激光诱导击穿光谱 共识模型 水产品 重金属 定量检测 Laser induced breakdown spectroscopy Consensus model Aquatic product Heavy metals Quantitative detection
1 温州大学物理与电子信息工程学院，浙江 温州 325035
2 温州大学激光与光电子技术研究所，浙江 温州 325035
：为解决无线分集相干光接收机的自适应盲检测问题，提出了一种新的离散时间连续状态的网络输出反馈偏置型的复Hopfield神经网络用以解决多值QAM信号的盲检测问题。反馈电压偏置的引入即不脱离传统Hopfield模型，又能有效满足多值信号检测时所需的搜索空间变大的特殊要求。全文完成多值信号盲检测的优化问题构造和能量函数的映射，给出能量函数的证明、分析和它的约束条件，给出适用该问题的激活函数的基本特征，正确盲检测信号的权矩阵的配置方法。最后，通过详细的仿真结果展示和与其他算法性能对比进一步验证算法的有效性和优越性并指出算法所存在的问题和下一步的研究方向。
相干光通信 空间分集 输出反馈偏置 Hopfield网络 盲检测 coherent optical communication spatial diversity output-feedback-bias(OFB) Hopfield network blind detection
1 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310029
2 厦门大学物理系, 福建 厦门 361005
提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。 图像由MS3100-3CCD光谱成像仪获得, 光谱成像仪提供近红外（NIR）、 红色（R）和绿色（G）的３个波段的图像。 首先对原图像的NIR波段图像提取均方值, 然后应用离散余弦变换算法, 构造出８个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值, 最后应用支持向量机技术, 分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。 茶叶样本总共为240个, 训练和预测各为120个, 每种训练样本和预测样本各为20个。 结果表明经过8个滤波器处理图像的识别率为100%, 而没有经过滤波处理的纹理图像识别率只有73.33%, 说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术, 此实验同时也为茶叶的分类提供一种快速和无损的新方法。
多光谱成像仪 茶叶 纹理特征 离散余弦变换 支持向量机 Multi-spectral image Tea Texture feature Discrete cosine transform Least squares-support vector machine 光谱学与光谱分析
2009, 29(5): 1382
1 浙江大学 生物系统工程与食品科学学院,浙江 杭州 310029
2 厦门大学 物理系,福建 厦门 361005
提出了一种利用多光谱图像纹理特征进行大米分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它能够获取普通数码照相机所不能获取的信息。对3CCD近红外波段图像进行二层小波包分解,得到16个子频带,因为纹理图像的特征信息主要集中在中频,因此提取8个中频频带(带通频带)的熵值,并且作为支持向量机的特征值输入。最后应用支持向量机技术分别对有和没有经过小波包分解的NIR波段纹理图像的熵值进行建模,建模样本和预测模型各为80个,每种各为20个。对四种大米进行处理,结果表明,经过小波包分解的纹理图像的识别率达到了100%,而没有经过小波包分解的纹理图像的识别率只有93.75%,说明结合小波包和支持向量机进行多光谱图像的纹理识别是种非常有效的技术,同时也为大米的分类提供一种快速和无损的新方法。
多光谱成像仪 大米 纹理特征 小波包 支持向量机 3CCD multi-spectral imager Rice Texture feature Wavelet packet Support vector machine
1 厦门大学物理系, 福建 厦门 361005
2 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310029
提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见-近红外光谱特征波长的新方法(SA-LS-SVM)。该方法用LS-SVM作为识别器, 用识别率作为SA的目标函数, 提取合适的特征波长数以及对应的特征波长。3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA-LS-SVM, 主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理, 提取特征波长或主成分, 然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测。结果发现, SA-LS-SVM只需从751个数据光谱中提取4个特征波长, 就可以使三种品牌润滑油的识别率达到了100%, 而其他所有的方法发现预测率都达不到100%, 由此验证了SA-LS-SVM的优越性。实验结果表明, SA-LS-SVM不仅能有效地减少建模的变量数, 而且可以提高预测精度。
可见-近红外光谱分析 识别模型 模拟退火算法 最小二乘法支持向量机
