浙江警察学院刑事科学技术系, 浙江 杭州 310053
毒品的快速检测在抑制毒品的传播, 打击毒品犯罪方面有着举足轻重的作用。 表面增强拉曼光谱(SERS)技术具有指纹识别、 检测速度快、 样品用量少、 无损伤等众多优点而受到了关注, 其特点特别适合于公安机关现场快速检测执法。 本文利用金纳米粒子溶胶作为增强试剂对拉曼光谱进行增强, 制作1 μg·mL-1的苯丙胺、 氯胺酮、 芬太尼、 海洛因、 可卡因和甲基苯丙胺六种溶液, 毒品溶液、 增强试剂、 NaCl溶液的体积比为20:6:5混合, 取30 μL混合溶液滴在载玻片表面, 在空气中自然挥干后待检。 每类毒品溶液各制作5个样本, 每个样本随机采集10个点的拉曼光谱数据。 6种毒品溶液拉曼光谱数据共300组, 随机选择60组拉曼数据作为训练集, 利用训练集数据对模型进行训练。 其余240组数据作为测试集, 测试模型的分类效果。 经过预实验比较, 实验选择波长为785 nm激光作为激发光源, 采用50×物镜, 激光强度为3.0 mW, 曝光时间为0.2 s, 扫描次数为1 000次, 选取400~1 700 cm-1波段测试研究。 采用Savitzky-Golay方法对拉曼数据进行平滑降噪, 采用airPLS方法进行基线校正, 完成数据的0-1归一化。 利用主成分分析法、 方差筛选法、 遗传选择算法、 互信息法对数据降维处理, 通过支持向量机、 随机森林、 人工神经网络和最近邻四种算法分别进行建模训练, 并利用测试集数据测试模型分类效果, 重复10遍取平均准确率。 结果表明, 拉曼光谱数据经过PCA降维后, 选取5个主成分, 各分类器准确率都在95%以上。 另外三种波段选择方法中, 遗传选择算法结合SVM分类器准确率较高, 遗传选择算法筛选出的5个拉曼波段的组合, 分类准率已达到95%以上, 25个拉曼波段组合时, 准确率达到99%。 遗传选择算法作为波段选择算法, 不仅可以降低拉曼光谱采集数据的维度, 而且可解释性更强, 有更重要的意义, 为毒品的快速检测技术提供参考。
表面增强拉曼 毒品 分类模型 SERS Drug classification Classification model 光谱学与光谱分析
2022, 42(4): 1168
天津大学电气自动化与信息工程学院，天津 300072
模型压缩可以有效地促进卷积神经网络在资源受限设备上的部署。作为一个研究热点，滤波器剪枝已经受到了从学术界到工业界的广泛关注。滤波器剪枝的本质是对重要滤波器进行选择和保留。然而，现有的研究主要集中在静态滤波器和局部滤波器的选择上，压缩后的模型仍然存在一定的冗余。基于此，提出了一种自适应动态滤波器剪枝方法，该方法通过引入一个激活权值生成模块来生成每个滤波器的激活值。将模块嵌入各种经典网络中，来动态评估卷积层中所有滤波器的重要性，并自适应地选择能提取更丰富信息的滤波器来重构剪枝后的网络。在CIFAR-10和AUC数据集上使用不同卷积神经网络进行了实验，所提方法在CIFAR-10数据集上与目前几种主流的剪枝方法相比具有更优越的性能。在AUC数据集上进行剪枝前后压缩70%左右计算量的情况下，准确率下降不超过0.3个百分点。在不同网络上的实验证明了该方法在不同模型上的泛化能力。
机器视觉 深度学习 卷积神经网络 滤波器剪枝 分类模型 模型压缩 激光与光电子学进展
2022, 59(24): 2415003
1 甘肃农业大学草业学院, 甘肃 兰州 730070
3 甘肃省草原技术推广总站, 甘肃 兰州 730070
宁夏盐池县荒漠草地属于中温带干旱气候, 由于过度利用出现不同程度的退化, 退化指示种比重增大, 造成不同荒漠草地群落组成差异也很大, 如何区别不同荒漠草地植物, 并据此对退化指示种进行动态监测是了解荒漠草地退化程度的关键。 目前随机森林(RF)、 支持向量机(SVM)与K-邻近(KNN)分类模型被广泛应用于森林植物和农作物的遥感分类, 并取得了较好的分类识别效果, 但针对草地尤其是荒漠草地植物的分类识别研究较少。 因此使用ASD地物光谱仪于7月在宁夏盐池二步坑、 冯记沟、 高沙窝、 麻黄山不同荒漠草地采集了32种植物作样本获得442条光谱进行光谱特征分析。 筛选出7个植被指数: 归一化植被指数705(NDVI705)、 绿通道植被指数(GNDVI)、 光化学植被指数(PRI)、 土壤调节植被指数(OSAVI)、 可视化气压阻抗指数(VARI)、 植被衰减指数(PSRI)和归一化水指数(NDWI)作为随机森林模型(RF)、 支持向量机(SVM)模型、 K-邻近(KNN)模型的原始变量, 对32种荒漠草地植物进行分类识别, 并通过分类模型精度的比较筛选较优模型。 结果表明: (1)不同植物光谱反射率均符合绿色植物特征, 但各植物原始光谱不同波段之间存在明显差异, 植物原始光谱水分吸收波段差异明显, 且有红边蓝移现象; (2)RF, SVM和KNN三个分类模型对32种植物的分类精度分别达到了0.98, 0.94和0.98, 识别效果较好, 但3种分类模型均对白莲蒿与北芸香、 虫实与甘草发生了误判; (3)随机森林模型重要性指标中NDWI与PRI为区分荒漠草地植物的关键指标, 说明荒漠植物冠层水分与类胡萝卜素含量是影响荒漠草地植物光谱分类的重要因素。 试验利用随机森林模型(RF)、 支持向量机(SVM)与K-邻近(KNN)分类方法, 建立了主要植物的分类模型。
高光谱 荒漠植物 分类模型 植被指数 Hyperspectral Desert plants Classification model Vegetation index
血痕的种属鉴别在刑事技术和检验检疫等领域有重要的实践意义, 拉曼光谱技术为血痕种属鉴别提供了思路。 实验采集人血及猪、 鸡、 鸭、 牛、 鼠5种动物的血样并获取其拉曼光谱, 采用Savitzky-Golay方法平滑降噪, airPLS方法进行基线校正, 选取100~1 700 cm-1波段进行实验。 训练集有600组数据, 测试集有300组拉曼光谱数据。 第一部分实验对比了PLS-DA, LDA, PCA+LDA, SVM和PCA+SVM等方法, 测试集准确率分别为84.0%, 49.3%, 78%, 83.0%和85.7%, 验证了降维算法结合SVM分类器的有效性。 第二部分采用互信息算法、 遗传算法和等间隔组合三种波段选择算法, 结合SVM分类器做对比实验, 结果显示互信息结合SVM算法的分类准确率最优, 在选择波段数为50时, 测试集准确率达到86.0%。 在波段选择数为300时, 三种波段选择算法结合SVM分类器的准确率都达到93%左右, 大幅高于传统分类方法。 实验结果表明, 采用波段选择算法进行光谱降维, 可以有效的提高算法的准确率和鲁棒性, 同时使拉曼光谱种属鉴定的可解释性更强。 波段选择算法确定了血痕鉴别的关键波段位置, 对设计用于执法的便携式拉曼系统也有重要意义。
血痕 拉曼光谱 分类模型 波段选择 Blood stain Raman spectrum Classification model Band selection 光谱学与光谱分析
2021, 41(10): 3137
1 四川大学 电子信息学院，四川 成都 610065
2 上海交通大学 电子信息与电气工程学院，上海 200240
3 北京百度网讯科技有限公司，北京 100085
分布式视频编码(DVC)与传统视频编码之间的转码为移动终端设备之间的低功耗视频通信提供了一种有效的实现思路。以DVC与HEVC转码为研究对象，利用DVC解码端信息，针对高效视频编码(HEVC)中复杂度极高的编码单元(CU)划分过程进行复杂度优化研究。在DVC解码端提取与CU划分相关的纹理复杂度、运动矢量及预测残差3种特征信息；在HEVC编码端基于朴素贝叶斯原理建立CU快速划分模型，模型生成后便可以通过输入特征信息对当前CU划分进行快速决策，避免大量率失真(RD)代价计算过程。实验结果表明，本方案在编码比特率略有上升的情况下大幅缩短了HEVC编码时间，平均下降幅度达到58.26%，且几乎不影响视频质量。
分布式视频编码 高效视频编码 朴素贝叶斯 分类模型 CU 快速划分 Distributed Video Coding High Efficiency Video Coding naive Bayes classification model CU fast partition 太赫兹科学与电子信息学报
2020, 18(2): 235
江南大学物联网工程学院, 物联网应用技术教育部工程中心, 江苏 无锡 214122
针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显著目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显著目标与背景。
机器视觉 显著性检测 边缘残差块 三分类模型 多尺度空洞卷积 激光与光电子学进展
2019, 56(15): 151502
1 中国海洋大学 信息科学与工程学院, 山东 青岛 266100
2 青岛农业大学 理学与信息科学学院, 山东 青岛 266109
3 山东烟草研究院有限公司, 山东 济南250101
近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络(DBN)的理论改进并引入光谱特征学习中, 解决高维特征间非线性关系的学习问题, 采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值; 并结合支持向量机(SVM)建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明: DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系, 由该算法构建的模型具有良好的特征学习能力和分类识别能力, 而且在稳健性、各类别的灵敏度和特效度也更优。
深度信念网络 近红外光谱 特征学习 分类模型 deep belief network near infrared spectral feature learning classification model 红外与激光工程
2019, 48(4): 0404001
1 重庆大学软件学院, 重庆 401331
2 重庆大学新型微纳器件与系统技术国家重点学科实验室, 重庆 400044
3 重庆大学化学化工学院, 重庆 401331
多物种血液鉴别对于进出口检验检疫、 刑事侦检以及野生动物保护等领域尤为重要。 传统的血液鉴别方法, 在鉴别时常常会对血液样本造成破坏, 而Raman光谱作为一种振动光谱可获得物质分子振动、 转动信息, 进而分析物质组成, 为无损血液鉴别技术提供了可能。 目前, 已经有基于Raman光谱进行血液鉴别的报道, 但存在如下两个问题: 单一物种样本数量较少, 易导致模型欠拟合; 均采用线性分类模型, 忽略了光谱中非线性因素的影响, 降低了模型的分类性能。 因此, 将支持向量机沿用至Raman光谱血液鉴别中, 克服了线性模型只能为光谱中线性关系建模的缺点, 有效地吸收了Raman光谱中的非线性关系, 实现了对人、 犬及兔血液的三分类。 实验通过激发波长为785 nm的海洋Raman光谱仪测得共326例样本数据(人110例、 犬116例、 兔100例), 利用Savitzky-Golay平滑滤波、 加权最小二乘多项式拟合基线以及矢量归一化等方法对Raman光谱数据进行预处理, 并选择2/3的样本数据作为校正集用于模型训练, 余下1/3作为测试集用于盲测。 与线性分类模型对比实验结果显示, 该模型的校正集分类正确率达100%, 盲测集分类正确率达9352%, 均优于线性分类模型。 实验结果表明, 基于支持向量机的分类模型可以用于Raman血液光谱鉴别, 具有重要的研究价值和广泛的应用前景。
血液 Raman光谱 分类模型 支持向量机 Blood Raman spectrum Classification model Support vector machine
华北电力大学能源动力与机械工程学院, 北京 102206
针对润滑脂分类, 提出了基于布谷鸟搜索的红外光谱波段筛选方法, 有效剔除了易受噪声等环境影响的红外光谱区域、 实现了对庞大光谱数据进行特征选择和降维处理、 通过筛选光谱最优波段建立了更加准确高效的润滑脂分类模型。 以三类不同稠化剂润滑脂的红外光谱数据为研究对象, 采用主成分分析法(PCA), 对不同波段的红外光谱数据进行压缩, 以提取的红外光谱主要成分作为输入, 润滑脂稠化剂类别作为输出, 通过布谷鸟搜索法(CS), 对主要成分权重和分类核参数进行准确度寻优训练, 建立分类识别预测模型。 对所建立的模型再进行分类准确性测试, 得到模型测试结果准确度, 建立红外光谱波段和测试准确度之间的联系, 得到润滑脂最优类别识别模型和最优分类波段。 对所建立的模型再进行分类准确性测试, 结果显示: 经过布谷鸟搜索法训练加权后的主要特征呈现明显聚类现象, 可以得到分类核, 实现对润滑脂种类的准确识别; 在搜索过程中提供了区分不同润滑脂的推荐波段和特征峰, 使对润滑脂的正确鉴别概率由全波段建立分类模型的94.44%提高到筛选后特征波段建立分类模型的100%, 并减少了运算时间、 提高了搜索运行效率。
红外光谱 润滑脂 布谷鸟算法 分类模型 Infrared spectra Lubricating grease Cuckoo Search Classification model 光谱学与光谱分析
2017, 37(12): 3703
1 吉林大学地球科学学院， 吉林 长春130061
2 吉林大学地球探测科学与技术学院， 吉林 长春130061
3 吉林大学计算机科学与技术学院， 吉林 长春130012
由于某些矿物， 特别是与成矿作用有关的热液蚀变矿物的光谱特征差异较小， 更受到矿物混合光谱等因素的影响， 导致大多数光谱识别方法对一些光谱特征相似的矿物极易出现混淆和误判现象。 因此， 针对矿物光谱的“同物异谱”、 “同谱异物”现象， 提出了一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法。 通过对白云母、 高岭石， 这两种光谱特征相近的典型蚀变矿物的实验测试、 分析， 并与光谱角匹配、 二进制编码、 光谱特征拟合等同类方法进行对比， 结果表明该方法能够充分地利用吸收特征波谷位置、 吸收特征深度、 包络线斜率等多种矿物光谱识别属性特征， 进而将不同种类的矿物更明显地予以区分， 具有较高的分类识别准确率。
高光谱遥感 矿物识别 分类模型 朴素贝叶斯 Hyperspectral remote sensing Mineral identification Classification model Naive bayes
