实时光谱识别是目前干涉式成像光谱仪领域研究的热点问题之一, 其难点在于复原光谱数据量大及对识别算法的实时性要求高。基于FPGA器件设计了一种基于光谱角匹配(SAM)算法的干涉式成像光谱仪多通道实时光谱识别系统。该系统将多个不同的参考光谱分别存储在其对应通道的存储器中, 根据SAM算法实时计算输入光谱与各通道参考光谱之间的光谱角, 通过对各通道输出的光谱角进行比较而实现光谱的实时识别。仿真结果表明, 系统在Xilinx芯片XC7A100TFGG484-2上对复原光谱进行实时有效识别的运行频率可达100MHz。系统以流水线方式运行, 具有速度快、体积小、便于升级等优点, 为干涉式成像光谱仪实时光谱识别的工程实现提供了一种有效的技术途径。

快速准确的识别突水类型和突水来源对煤矿安全开采具有重要意义, 激光诱导荧光(LIF)技术在检测中具有快速性和灵敏性, 将LIF应用于煤矿突水的检测, 再结合模式识别算法, 可快速识别出突水来源。 目前用于识别水样光谱的算法过于依赖预先建立的水样光谱数据库, 当突水水源不在该库中时, 易引发误识别。 无监督学习算法DBSCAN在聚类时不需样本集的标签和类别信息, 能降低对未知类别的误识别, 因此把DBSCAN算法用于突水的激光诱导荧光光谱识别, 并将MVO用于DBSCAN的参数寻优, 省去繁琐的人工参数寻优过程。 实验中, 从谢桥煤矿采水点获取四个水样, 利用像素为2 048的USB2000+光谱仪采集水样的荧光光谱, 每种水样采集30组光谱数据。 首先, 利用无监督学习算法自动编码器(AE)对原始光谱数据降维, 以减少光谱数据中冗余信息对聚类的影响, 设计的AE的结构是介于浅层和深层之间的多层网络模型, 可将原始光谱数据降到2维; 为使降维模型具有稀疏性, 在传统的AE算法中加入一个Dropout层, 由实验可知, 加入Dropout层后的降维模型具有较快的收敛速度。 将多元宇宙优化(MVO)算法用于DBSCAN参数寻优, 在参数寻优过程中, DBSCAN对降维后的水样光谱识别率最高为97.5%, 此时参数所对应的取值范围为［0.023 66 0.040 65］; 为验证AE对水样光谱数据降维的有效性, 把归一化后的未降维的光谱数据用于DBSCAN聚类识别, DBSCAN对原始水样光谱的识别率最高为95%, 比降维后的后水样光谱识别率低了2.5%, 结果表明, 使用AE降维光谱数据, 可提高DBSCAN对不同光谱的识别率。 最后, 用监督学习算法K最近邻(KNN)识别降维后的水样光谱, 将识别结果和无监督学习算法DBSCAN的识别结果对比, 其中训练集选用三种水样, 测试集使用四种水样; 在测试集中, 监督学习算法只能准确地识别训练集所包含的水样类别, 但把训练集没有的类别全部识别错误, 而DBSCAN能准确的识别出训练集中没有的水样光谱。 非线性降维算法AE能实现对高维的水样光谱数据降维, 把MVO-DBSCAN用于煤矿突水水源的LIF光谱识别, 可有效降低因矿井水源光谱数据库建立不完备而引起的误识别。

采用自主设计的光纤飞秒激光器、高速光学延时扫描机构、太赫兹发射和探测模块, 成功研制国内首台便携式实时太赫兹光谱仪工业产品(型号: mini-T)。光谱宽度覆盖0.1~7 THz, 频谱分辨力9 GHz, 波形采样速率达到500 Hz, 动态范围优于70 dB, 支持透射式、反射式和衰减全反射3种测量模式。采用高度集成的一体化设计方案, 整机尺寸仅300 mm×200 mm×120 mm, 质量仅7 kg, 支持内置锂电池工作(连续工作时间约2.5 h)。本产品能够在10~40℃环境温度范围内正常工作, 并且具有良好的振动稳定性, 可满足工业现场测量条件对太赫兹光谱仪实时性、便携式、环境适应性和可靠性的苛刻要求。

为了提供基于拉曼光谱鉴定帕拉米韦三水合物的需要,本文通过微区拉曼光谱仪检测了帕拉米韦三水合物标准化学对照品的自然拉曼光谱,利用密度泛函方法计算了两种帕拉米韦三水合物同分异构体的理论拉曼光谱。提出了特征频率取样的拉曼光谱识别函数,并根据实验结论对理论光谱进行校正,得到了与实验匹配度较高的帕拉米韦三水合物的理论拉曼光谱。最后分析了实测光谱特征峰位的振动模式。

本文提出一种植物油色的谱识别新方法.该方法突破了传统的三刺激值测色模式,提出了用光谱特征及非固定的场景模式,替代三刺激值及其固定的CIE测量模式,建立了良好的判别函数,适于植物油色的客观检验与定级.结果令人满意.