1 江苏大学电气信息工程学院, 江苏 镇江 212013
2 江苏科技大学经济管理学院, 江苏 镇江 212100
三七是一种传统的中药材, 具有较高的药用价值。 目前市场上中药售假的现象屡见不鲜, 许多不法商贩将三七支根或剪口粉末假冒主根粉末销售, 严重损害了消费者的利益。 利用高光谱技术结合多元分析方法实现三七不同部位粉末的快速无损鉴别。 通过高光谱成像系统分别采集了三七剪口、 须根和主根粉末在400~1 000 nm范围内的高光谱图像, 共300个样本。 采用Savitzky-Golay（SG）平滑结合标准变量变换（SNV）的方法对高光谱数据进行去噪和消除因散射引起的光谱差异。 为了移除光谱变量中的重迭和冗余信息, 利用竞争自适应重加权采样（CARS）算法和本文提出的一种考虑了变量间交互作用的二进制竞争自适应重加权采样（BCARS）算法进行特征波长选择。 最后分别建立了基于全光谱、 CARS和BCARS特征波长的支持向量机（SVM）和极端梯度提升（XGBoost）分类模型。 结果表明, BCARS-XGBoost模型的分类效果最优, 训练集和测试集的分类准确率分别为100%和99.33%。 与CARS相比, BCARS所选择的特征波长数量较少, 有助于多光谱系统和便携式仪器的开发。 利用高光谱技术结合BCARS-XGBoost模型鉴别三七不同部位粉末是可行的。
高光谱 三七 极端梯度提升 特征波长选择 Hyperspectral imaging Panax notoginseng XGBoost Feature wavelength selection 光谱学与光谱分析
2023, 43(7): 2027
河南科技大学食品与生物工程学院, 河南 洛阳 471023
利用高光谱成像技术(HSI)采集了300个不同贮藏时间的番茄高光谱图像, 在所界定的有效波段中提取特征波长的基础上, 构建了番茄贮藏过程中品质变化的马氏距离监测模型, 实现了番茄贮藏过程中的品质变化监测。 首先, 采用多元散射校正(MSC)结合Savizky-Golay卷积平滑(SG)方法对高光谱原始数据进行了预处理, 以消除基线漂移及噪声信号等影响。 其次, 基于光谱曲线在不同波段范围的变化趋势, 并结合全波段下Wilks Λ最小值对应主成分在各个波长下的权重系数定义了可凸显番茄贮藏过程中品质变化的有效波段。 随后, 分别在全波段和有效波段采用连续投影算法(SPA)、 竞争性自适应加权算法(CARS)和Wilks Λ统计量融合主成分分析3种筛选特征波长的方法进行特征波长的提取, 通过对比分析3种方法提取的特征波长数量, 指出了基于 Wilks Λ统计量融合主成分分析可以有效降低数据维度, 简化运算过程。 接着对基于 Wilks Λ统计量融合主成分分析在全波段和有效波段筛选出的主成分进行分析, 指出了在有效波段基于Wilks Λ统计量融合主成分分析进行特征波长的提取可以很好地避免冗余信息对有效信息的掩盖作用, 还可以进一步降低数据维度。 最后, 对分别以贮藏第1日和番茄腐败临界日为监测基准日构建番茄贮藏过程中品质变化的马氏距离监测模型的优缺点进行了分析, 指出以贮藏第1日为监测基准日构建的模型更具有有效性和可靠性。 研究结果表明: 基于Wilks Λ统计量融合主成分分析提取的特征波长个数为最少(5个), 且筛选出的主成分能够有效地表征番茄贮藏过程中品质变化的差异性。 为利用高光谱成像技术监测番茄贮藏过程中的品质变化提供了一种有效的特征波长提取方法。
高光谱成像技术 特征波长提取 Wilks Λ统计量 贮藏 番茄 马氏距离 Hyperspectral imaging technology Feature wavelength extraction Wilks Λ statistic Storage Tomato Mahalanobis distance
1 黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学电气与信息学院, 黑龙江 大庆 163319
润滑油是农业机械正常作业的必要物资, 农业机械发动机工作的动力性、 安全性、 经济性以及寿命与润滑油状况有着紧密联系。 污染浓度作为油液的综合评价指标, 常规的实验室检测耗时长、 成本高, 所以开发高效的润滑油污染浓度检测技术具有重要意义。 提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法, 同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大, 结果再现性低等缺点, 提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。 该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量, 将其作为RF算法中的初始变量集, 消除初始变量集的随机性对结果再现性的影响。 另一方面通过对变量按被选概率值由大到小正向排序后, 从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型, 选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长, 消除RF算法所提取的特征波长数量的不确定性。 利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据, 选用三种不同的预处理方法分别对原始光谱进行处理, 确定最佳的预处理方法为变量标准化(SNV)。 在此基础上通过RF, IRIV和IRIV-RF三种算法分别对全谱进行特征波长选择, 并建立PLSR模型。 通过对全谱-PLSR, RF-PLSR, IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度进行比较, 结果表明, 经过IRIV-RF算法提取特征波长后所建立的PLSR模型预测精度最高, 预测相关系数(Rp)为0.965 7, 预测均方根误差(RMSEP)为9.0584, 显著提升了预测精度与运行效率, 降低模型复杂程度。 IRIV-RF是一种有效的特征波长选择算法, 研究证明了近红外光谱联合改进的IRIV-RF算法检测农机润滑油污染浓度的可行性, 为鉴定润滑油品质提供了一种新的思路。
特征波长选择 随机蛙跳 迭代信息保留变量 农机润滑油 污染浓度 近红外光谱 Feature wavelength selection Random frog Iteratively retains informative variables Agricultural lubricating oil Pollution concentration Near-infrared spectroscopy 光谱学与光谱分析
2022, 42(11): 3482
河南科技大学食品与生物工程学院, 河南 洛阳 471023
为实现苹果在贮藏过程中有效的腐败预警, 提出一种基于高光谱图像灰度值均值融合方差的二维高光谱信息表征方法, 并构建了苹果样本的巴氏距离(BD)预警模型。 首先, 为获得有效的光谱信息, 对高光谱图像的感兴趣区域(ROI)进行了选择; 同时, 为减少噪声影响, 通过对比分析6种光谱信息的预处理方法, 最终采用Savitzky-Golary(SG)平滑方法, 分别对均值和方差表征的两种光谱信息进行全波段(371.05~1 023.82 nm)光谱曲线降噪处理。 其次, 为获得特征波长, 从降噪后的光谱曲线中运用连续投影算法(SPA)结合样本色调角和失水率2个理化指标, 提取了高光谱图像共同的特征波长, 分别得到了两种表征方式下的7个(均值表征)和8个(方差表征)特征波长。 然后, 通过分析样本色调角随贮藏天数变化的折线图, 确定了图中发生明显转折的数据点所对应的贮藏日期, 并结合样本贮藏期间实际观察的情况, 初步界定第21贮藏日为样本腐败的基准日。 另外, 依据苹果样本表皮叶绿素特征吸收波长(675 nm左右), 绘制出平均光谱反射值变化趋势图, 发现趋势图在第21日升至最高点, 吻合色调角的分析结果, 这表明样本确实从第21日开始腐败。 因此, 第21贮藏日对应的特征波长可用来建立腐败基准日的光谱信息表征向量。 最后, 分别建立基于均值表征、 方差表征及二者相融合表征下的光谱信息巴氏距离腐败预警模型。 结果表明: 基于均值融合方差的光谱表征信息所建立的预警模型相较于它们各自建立的预警模型, 波动性进一步减弱, 可更好地反映苹果样本在贮藏过程中接近腐败的程度。 因此, 融合灰度值均值和方差的光谱表征信息更能全面的表征苹果贮藏过程中的品质变化, 模型预警的稳健性及泛化能力更强, 为利用高光谱图像信息对苹果贮藏进行腐败预警提供了新思路。
苹果 腐败预警 高光谱 特征波长 预警模型 二维表征 Apple Spoilage early warning Hyperspectral Feature wavelength Early warning model 2D information representation 光谱学与光谱分析
2022, 42(7): 2290
黑龙江八一农垦大学电气与信息学院, 黑龙江 大庆 163319
在近红外光谱的建模预测分析中, 数据的冗余及共线性会严重影响模型的预测精度和稳健性。 特征波长选择是提高定量分析预测精度的一种有效方法。 随机蛙跳(RF)是一种依据不同的变量具有不同的被选择可能性的特征波长选择算法, 近年来在特征波长提取方面展现良好的性能。 该方法通过多次迭代, 计算每个变量被选择的概率, 以优选概率高的变量为特征波长。 但由于其初始变量集V0的产生是随机的, 具有较大的不确定性, 可能会包含无用或干扰信息, 难以保证初始信息的有效性, 使得迭代次数过大, 运行时间过长。 故而提出一种改进的联合区间随机蛙跳(Si-RF)特征波长选择算法, 通过联合区间偏最小二乘法(SiPLS)对全谱进行变量初选, 此时得到的波长对目标变量变化最为敏感, 将其作为RF的初始变量子集, 以解决RF运行时间较长、 效率较低的问题。 另一方面, RF在选择特征波长时, 选择被选概率值大于阈值的变量为特征波长, 但对概率值阈值的设定无理论依据, 易受人为因素影响。 通过对变量按被选概率值降序排列后逐次增加一个波长建立多元线性回归(MLR)模型, 以验证均方根误差(RMSEV)值最低时的变量子集为特征波长, 以找到预测精度最高点所包含的波长, 提高预测精度。 针对上述两点进行改进, 将其应用于一组土壤样本近红外光谱数据集, 进行特征波长选择后, 建立MLR模型, 与RF-MLR及全谱-PLSR模型的预测精度进行比较。 结果表明: RF经过10 000次迭代, 优选出10个波长点, 建立的MLR模型的预测均方根误差(RMSEP)为1.6276; 而改进后Si-RF只需进行1 000次迭代, 优选出17个波长点, 其MLR模型的RMSEP减小到0.818 4, 大大提升了预测精度, 提高运行效率。 相较于全谱, 也极大的提高了预测精度, 简化模型的复杂度, 证明改进的Si-RF是一种有效的特征波长选择算法。
近红外光谱 特征波长选择 多元校正 随机蛙跳 联合区间偏最小二乘 Near-infrared spectroscopy Feature wavelength selection Multivariate calibration Random frog Synergy interval partial least squares 光谱学与光谱分析
2020, 40(11): 3451
1 齐鲁工业大学（山东省科学院）海洋仪器仪表研究所, 山东省海洋监测仪器装备技术重点实验室, 国家海洋监测设备工程技术研究中心, 山东 青岛 266100
2 中国海洋大学信息科学与工程学院, 山东 青岛 266100
光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法, 对消除环境等干扰具有重要的作用。 以往文献主要对比研究不同的光谱数据变换方法, 光谱特征波长提取方法的对比研究以及二者的组合研究较少。 为了获取适宜的光谱预处理方法, 提高潮间带沉积物氮的最小二乘支持向量机（LSSVM）模型精度, 研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响, 以期实现潮间带沉积物氮的精确预测。 研究结果表明, 多元散射校正（MSC）或标准正态变换（SVN）光谱变换方法提高了光谱与氮含量的相关性, 最高相关系数分别达到0.69和0.71; 并且提高了LSSVM模型的预测精度, 模型的预测R2和RPD分别为0.88, 0.87和2.78, 2.69。 无信息变量消除（UVE）特征波长提取方法也提高了LSSVM模型的预测精度, 模型预测R2和RPD分别0.89和2.70。 但是, UVE提取的特征波长并不都与氮含量具有高相关性。 此外, 组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法, 也提高了模型预测精度, 但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。 研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。
光谱数据变换 光谱特征波长提取 光谱预处理 潮间带沉积物 Spectral data transformation Spectral feature wavelength extraction Spectral pretreatment Intertidalite sediment 光谱学与光谱分析
2020, 40(8): 2409
1 武汉轻工大学机械工程学院, 湖北 武汉 430023
2 武汉轻工大学食品科学与工程学院, 湖北 武汉 430023
3 武汉百信环保能源科技有限公司, 湖北 武汉 430023
该文主要研究激光近红外光谱分析技术结合化学计量学方法对稻米油掺伪进行定性-定量分析。 分别将大豆油、 玉米油、 菜籽油、 餐饮废弃油掺入稻米油中, 按照不同质量比配置189个掺伪油样, 利用激光近红外光谱仪采集光谱; 对采集的稻米油掺伪图谱数据进行多元散射校正(MSC)、 正交信号校正 (OSC)、 标准正态变量变换和去趋势技术联用算法(SNV_DT)三种不同预处理并与原始数据进行比较。 采用连续投影算法(SPA)对经过预处理的光谱数据进行特征波长提取, 应用支持向量机分类(SVC)方法建立稻米油掺伪样品的定性分类校正模型, 选择网格搜索算法对模型参数组合(C, g)进行寻优, 确定最优参数组合。 另采用后向间隔偏最小二乘法(BiPLS)和SPA对预处理后的光谱数据进行特征波长提取, 分别应用偏最小二乘法(PLS)和支持向量机回归(SVR)建立掺伪油含量的定量校正模型, 并选用网格搜索算法对SVR模型参数组合(C, g)进行寻优, 建立最优参数模型。 研究表明, 建立的SVC模型预测集和校正集的准确率分别达到了95%和100%; 对比SVR和PLS方法建立的数学模型对稻米油中掺杂油脂的含量的预测, 两种方法均能够实现含量预测, SVR模型的预测能力更好, 相关系数R高于0.99, 均方根误差(MSE)低于5.55×10-4, 预测精度高。 结果表明, 采用激光近红外光谱分析技术可以实现稻米油掺伪的定性-定量分析, 同时为其他油脂的掺伪分析提供了方法。
稻米油 近红外光谱技术 定性-定量 特征波长 偏最小二乘法 支持向量机 Rice bran oil near infrared spectroscopy Qualitative-Quantitative Feature wavelength Partial least squares Support vector machine 光谱学与光谱分析
2015, 35(6): 1539
中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031
针对藻类荧光光谱解析中常见的信息冗余和光谱相关性问题，基于偏最小二乘（PLS）的方法,提出了区间蒙特卡罗偏最小二乘(IMC-PLS)方法，有效地解决了特征波长的选取问题。根据特征色素荧光峰位置预选出特征区域，综合利用了此特征区域内单个波段的信息和不同的随机波段组合对于模型的贡献，基于荧光光谱的三线性特点，联合了发射波长和激发波长的信息。研究结果表明，与无信息变量消除算法(UVE)相比，IMC-PLS反演4种藻类浓度得到的平均相对标准偏差分别降低了0%、34.3%、55.9%、30.5%，选择出的特征波长数和运算时间分别减少了80.1%、81.3%，IMC-PLS方法有效地解决了实时监测问题，也为离散三维荧光光谱仪器的研制提供了理论支持。
光谱学 特征波长 区间蒙特卡罗偏最小二乘回归 无信息变量消除 荧光光谱 藻类
1 北京农业智能装备技术研究中心, 北京100097
2 国家农业智能装备工程技术研究中心, 北京100097
3 贵州大学电气工程学院, 贵州 贵阳550025
为了提高杂草识别的准确性和快速性, 利用光谱反射率差异区分作物与杂草。 首先利用SG卷积求导法与多元散射校正法的不同组合对原始光谱数据进行预处理, 然后利用主成分分析法（PCA）对各类植物进行聚类分析, 并根据主成分分析结果中各个最佳主成分对应的载荷图, 提取对各类植物识别敏感的特征波长, 最后以特征波长为输入变量, 用簇类的独立软模式（SIMCA）分类法对各类植物进行分类识别。 甘蓝与杂草的分类结果表明, 在1阶3次51点SG卷积求导法加上多元散射校正法（MSC）的最佳预处理基础上, 根据主成分分析中前3个主成分, 提取到23个特征波长, 以它们为输入变量, 利用SIMCA方法进行分类时, 建模集和预测集的识别率分别达到98.6%和100%。
主成分分析 特征波长 杂草识别 多元散射校正 聚类 Principal component analysis Feature wavelength Weed identification Multiplicative scatter correction Clustering 光谱学与光谱分析
2013, 33(10): 2745
