1 北京大学口腔医学院·口腔医院牙周科, 国家口腔疾病临床医学研究中心, 口腔数字化医疗技术和材料国家工程实验室, 口腔数字医学北京市重点实验室, 北京 100081北京大学口腔医院第二门诊部, 北京 100101
2 中国科学院空天信息创新研究院, 北京 100101中国科学院大学, 北京 100049
3 中国科学院空天信息创新研究院, 北京 100101天津中科谱光信息技术有限公司, 天津 300392
4 北京大学口腔医学院·口腔医院牙周科, 国家口腔疾病临床医学研究中心, 口腔数字化医疗技术和材料国家工程实验室, 口腔数字医学北京市重点实验室, 北京 100081
牙周炎是牙齿周围软硬组织的一种感染性、 破坏性疾病, 主要临床表现为牙周袋的形成, 临床附着丧失以及牙槽骨吸收。 可见近红外光谱技术具有无创、 快速检测等优势, 在医学领域得到了较为广泛的应用。 利用可见近红外光谱技术检测重度牙周炎牙龈组织内含氧血红蛋白和脱氧血红蛋白含量。 本研究纳入5名健康对照者和5名重度牙周炎患者, 采集健康者20个位点和重度牙周炎20个位点龈缘、 龈缘下4 mm及龈缘下7 mm的牙龈组织光谱(400~1 700 nm), 研究发现含氧血红蛋白与脱氧血红蛋白分别在544和576 nm处表现出明显光谱吸收特征。 对原始光谱数据进行包络线去除分析, 并计算含氧血红蛋白和脱氧血红蛋白的相对吸收深度。 结果表明重度牙周炎牙周袋内的含氧血红蛋白和脱氧血红蛋白含量均显著高于健康组(p<0.05), 而重度牙周炎深牙周袋内不同深度位置其含氧血红蛋白和脱氧血红蛋白含量无统计学差异。 研究结果可反映重度牙周炎与健康牙龈组织中血氧含量差异, 为可见近红外光谱技术应用于牙周炎患者牙龈组织中含氧血红蛋白和脱氧血红蛋白含量的无创检测提供科学依据。
可见近红外光谱 无创检测 牙周炎 含氧血红蛋白 脱氧血红蛋白 Visible near-infrared spectroscopy Periodontitis Noninvasive detection Oxygenated hemoglobin Deoxyhemoglobin 光谱学与光谱分析
2023, 43(8): 2563
1 中国科学院遥感与数字地球研究所, 北京 100101
2 中国科学院大学, 北京 100049
有机污染物是水体污染的主要来源, 水体有机污染程度可通过化学需氧量(COD)指标综合表示。 与传统复杂专业的化学检测手段相比, 遥感技术因具有快速、 实时、 非接触、 大面积等独特优势而广泛用于水体水质监测, 包括叶绿素、 悬浮物和黄色物质等生色参数的定量反演。 然而目前对于水体COD这一重要水质参数的遥感反演报道不足, 这主要是因为影响COD浓度的有机污染物复杂多变、 光谱响应机理尚不明晰。 通过测量实验室配比的不同浓度COD标准液及野外实际水体的可见-短波红外反射光谱(350~2 500 nm), 分析了水体COD的光谱响应特性。 研究发现, 随着COD浓度增加, 水体反射光谱在可见-短波红外范围内整体逐步上升, 但在540~580和1 000~1 060 nm波段范围内光谱响应快速增强, 表现出—OH伸缩振动的三级倍频和—CH伸缩振动与变形振动的合频吸收特征。 利用上述敏感谱段与全谱段分别对实验室COD标准液和野外实际水体建立偏最小二乘(PLS)回归模型, 其中, COD标准液模型反演精度: (1)敏感谱段, R2=0.972, RMSE=39.629 mg·L-1; (2)全谱段, R2=0.961, RMSE=46.639 mg·L-1; 实际水体模型反演精度: (1)敏感谱段, R2=0.798, RMSE=32.037 mg·L-1; (2)全谱段, R2=0.658, RMSE=48.332 mg·L-1。 结果表明, 不管是COD标准液还是实际水体, 基于敏感谱段的COD反演模型精度均优于基于全谱段的反演模型。 研究可为水体COD遥感反演提供重要的理论与技术支撑。
光谱特征分析 高光谱遥感 遥感建模 COD COD Spectral characteristics analysis Hyperspectral remote sensing Remote sensing modeling
中国科学院遥感与数字地球研究所, 北京 100101
葡萄酒市场的迅猛发展, 大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。 假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌, 也会对人体产生一定的伤害。 葡萄酒中掺水掺伪是制造假酒的最常见的手段, 因此, 对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。 相比于传统的感官鉴定法、 理化指标分析检验方法, 具有快速、 高效、 无需破坏样本、 非接触性等独特优势的可见-近红外光谱分析技术, 更加适合于葡萄酒品质的快速检测。 为了快速、 准确的检测葡萄酒掺水问题, 基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI), 并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。 首先采用长城解百纳葡萄酒(CC)、 张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本, 分别提取相同量的葡萄酒作为实验对象, 掺入比例为0%(未掺水的纯葡萄酒), 4%, 7.7%, 11.1%, 14.3%, 17.2%的蒸馏水, 获取样本共18份; 另外对长城葡萄酒加大掺水比例, 分别掺入比例为0%, 20%, 40%, 60%, 80%, 90%的蒸馏水, 获取样本数为6份, 共获得24份掺有不同比例蒸馏水的葡萄酒样本。 然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据, 并对葡萄酒样本的原始光谱数据进行S-G滤波、 特征波段选择、 包络线去除等特征增强预处理; 通过分析预处理后的葡萄酒样本的可见-近红外光谱特征, 选取能反映葡萄酒掺水程度的837 nm处稳定的吸收特性, 构建了葡萄酒掺水的光谱吸收深度指数(DI)。 为了提高光谱吸收深度指数DI的稳健性, DI指数中光谱反射率的值均采用837 nm附近微小邻域均值进行计算。 最后采用二次多项式拟合方法, 给出了基于DI指数的葡萄酒掺水量的反演估算模型。 选用长城解百纳葡萄酒在837 nm处微小邻域内光谱吸收深度指数DI值, 同时选择长城葡萄酒样本中的七个样本作为模型预测集, 另外4个样本作为测试集, 对该葡萄酒掺水量的反演估算模型进行验证分析。 实验结果表明, 采用二次多项式拟合方法, 该模型结果的精度R平方高达0.999 2, 且该模型的估算值与真实值的平均相对误差为0.042 5, 表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。 光谱吸收深度指数DI构建简单, 且能够反映不同品牌的葡萄酒的掺水稀释程度。 研究结果可为低成本、 手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据, 进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。
葡萄酒 掺水 光谱分析 光谱吸收深度指数 无损检测 Wine Distilled water blending Spectral analysis technology Spectral absorption depth index Nondestructive detecting
1 中国科学院遥感与数字地球研究所, 北京 100101
2 福州大学空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350000
3 湖南师范大学资源与环境科学学院, 湖南 长沙 410081
4 中国科学院大学, 北京 100049
猪肉是我国居民最主要的消费畜肉产品, 其在储藏、 运输、 加工等环节易受酶、 微生物等作用腐败变质, 导致新鲜度下降。 冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全, 是消费者购买猪肉最为关心的指标之一。 及时、 快速、 准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。 相比于传统的理化检验方法, 可见-近红外光谱分析技术具有快速、 高效、 无损、 非接触等独特优势, 适合于食品安全的快速检测, 光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。 然而目前研究大都基于统计方法进行光谱建模, 模型缺乏物理意义, 适用性差, 阻碍了该技术的应用推广。 通过分析不同新鲜程度猪肉的可见-近红外光谱特征, 利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性, 构建了猪肉新鲜度光谱特征指数(FI); 通过模拟不同光谱分辨率与信噪比水平, 进一步探索了FI指数对光谱检测设备性能的敏感性。 研究表明, FI指数构建简单, 物理意义明确, 能够较好指示猪肉的新鲜程度; 且该指数对光谱仪的性能要求并不严苛: 只要在760 nm及附近波段, 光谱分辨率优于10 nm, 信噪比不低于45, 即可较好反映猪肉新鲜水平。 研究结果可为低成本、 手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据, 有望在食品安全快速检测领域得到推广应用。
光谱分析技术 光谱特征指数 无损检测 猪肉新鲜度 肌红蛋白 Spectral analysis technology Spectral feature index Non-destructive detection Pork freshness Myoglobin
1 中国科学院遥感与数字地球研究所, 遥感科学国家重点实验室, 北京 100101
2 中国科学院大学, 北京 100049
藻类水华爆发已成为影响内陆水体生态环境的重要因素。 遥感能够提供实时的大范围观测, 在水华监测中起到越来越重要的作用。 遥感植被指数已广泛应用于藻类水华监测中, 通过对研究区植被指数图像进行阈值分割, 能够反映不同子区域内的藻类爆发程度; 然而阈值分割法的结果只能反映某一时间点(图像获取时)的藻类爆发状况, 无法表征长时间内藻类的变化。 相比于单个时间点的植被指数, 植被指数时间谱(时谱)包含藻类的物候信息, 能够更加全面准确地反映藻类的长时间变化。 目前, 植被指数时间谱还尚未应用到水华相关研究中。 选取2001年—2013年太湖区域的MODIS NDVI数据, 构建年度NDVI时谱数据, 利用(support vector machine, SVM)方法对每年的太湖蓝藻水华爆发强度进行分类, 将太湖重度、 中度和轻度蓝藻水华爆发的区域以及水生植物的区域提取出来, 得到其空间分布和面积; 并从2007年的时谱数据中抽取了8个时间点的NDVI图像, 利用传统阈值分割法提取太湖重度、 中度和轻度蓝藻水华爆发的区域, 将结果与2007年时谱数据分类的结果进行对比。 结果表明: 所提出的方法能够更加全面准确地对太湖蓝藻爆发强度进行分类, 通过NDVI时谱曲线提供的丰富物候信息可准确区分蓝藻与水生植被区域。 本研究有望为准确掌握和预测藻类水华的爆发趋势及强度提供有效手段。
时谱 太湖 蓝藻水华 支持向量机 监测 MODIS MODIS Lake Taihu Algal bloom Temporal spectra Support vector machine Monitor 光谱学与光谱分析
2016, 36(5): 1406
1 遥感科学国家重点实验室, 中国科学院遥感应用研究所, 北京100101
2 中国科学院大学, 北京100049
矿物丰度含量的精确分析是高光谱遥感技术定量分析中的难点。 将化学领域的比值导数光谱算法进行总结, 将其引入遥感反射率光谱分析, 提出了基于线性光谱混合模型的比值导数光谱解混模型, 并利用石膏和绿帘石粉末混合物进行了模型的精度分析。 实验结果表明, 矿物粉末混合物在不同波段其光谱混合特性有所不同, 其中部分波段有较强的线性混合特征。 采用部分强线性混合波段进行光谱解混, 可以取得比全波段解混算法更好的结果。 比值导数法光谱解混模型简洁, 可以得到高精度的矿物成分反演结果, 对于固定端元组成的混合光谱定量分析有较大潜力。
高光谱 光谱解混 比值导数法 线性光谱混合模型 Hyperspectral Spectral unmixing Derivative of ratio spectroscopy Linear mixture model
1 中国科学院遥感应用研究所, 遥感科学国家重点实验室, 北京100101
2 中国科学院研究生院, 北京100049
基于自主研制的地面成像光谱辐射测量系统(field imaging spectrometer system, FISS), 利用获取的可见/近红外波段成像光谱数据进行鲜猪肉和解冻猪肉的识别研究, 同时对鲜猪肉的新鲜度在类别和等级上分别进行识别研究。 通过最小噪声分离变换和一阶微分处理, 消除数据高频随机噪声和基线偏移, 改善多重共线性, 运用Wilks’lambda逐步法选择特征波长, 采用Fisher线性判别函数建立判别分析模型。 运用选择的前8个波段建立模型, 对鲜猪肉和解冻猪肉的识别即可高达99%; 运用选择的前6个波段, 鲜猪肉新鲜度类别总体正确识别率达到98%; 运用28个波段, 鲜猪肉新鲜度等级的总体正确识别率为93.6%。 研究结果表明, FISS在肉类食品品质识别分类方面具有较高的应用潜力。
地面成像光谱辐射测量系统 成像光谱技术 猪肉品质识别 光谱分析 FISS Imaging spectroscopy Pork quality discrimination Spectral analysis 光谱学与光谱分析
2011, 31(8): 2187
1 中国科学院遥感应用研究所, 遥感科学国家重点实验室, 北京100101
2 中国科学院研究生院, 北京100049
利用自主研制的地面成像光谱辐射测量系统(field imaging spectrometer system, FISS)获取了14种典型牛奶样品的高光谱图像数据, 并基于此做了牛奶品种识别研究。 首先剔除2个异常样品, 对剩余12种牛奶样品随机取样, 共取1 200个像元样本; 为消除高频随机噪声和基线偏移, 改善多重共线性, 对所有样本做移动平均平滑和一阶微分预处理, 再运用逐步回归法选择的特征波长建立牛奶多类判别分析模型。 结果表明, 对12种牛奶样本混合识别, 总体判别精度高达95.5%, 其中蒙牛、 伊利和光明三种原味酸奶的总体正确识别率为88.3%; 对这三种原味酸奶构成的样本子集单独识别, 其总体正确识别率为88.7%。 这说明FISS能够用于牛奶品种识别研究, 还发现为实现有针对性的牛奶品种鉴别, 同类型不同厂家生产的牛奶最好单独识别, 这不仅能减少模型变量, 提高模型运算效率和稳定性, 也能提高判别的总体精度。
成像光谱技术 遥感应用 品种识别 地面成像光谱辐射测量系统(FISS) Imaging spectroscopy Remote sensing application Varieties discrimination FISS