微区无损分析可提供物质组成元素的原位分布信息, 以揭示物质形成条件、 元素动态分布过程与相互作用机理、 生物代谢作用等。 文章报道了实验室型微区X射线荧光(μXRF)光谱仪的研发和元素生物地球化学动态分布过程研究结果。 μXRF光谱仪采用15 μm光斑的聚束毛细管X射线透镜为激发源, 选用分辨率为135 eV的硅漂移探测器(SDD), 样品和探测器间角度可调, 使之可进行异型样品如地质样品的原位分析, 利用五轴自控实现样品时空四维元素分布测定。 利用该μXRF光谱仪测定了矿物-生物膜间的元素迁移和玉米种发芽过程中的元素分布, 发现(1)生物膜可吸附、 富集毒性元素铅, 是重金属的重要汇集地, 最大富集系数1.7。 (2)生物膜是金属从固态矿物相经水相进入生态系统的重要途径。 (3)在玉米种子中, 可检测到K, Ca, Mn, Fe, Cu, Zn和Pb。 Zn主要在胚乳中分布, 胚中有少量Zn存在; 在胚乳和胚中存在微量Fe; 胚乳中存在微量Pb, 胚中未观测到Pb。 (4)经含Pb溶液浸泡发芽后, K在玉米种中胚和胚乳中部分富集, Fe分布在种皮和胚乳中, Cu和Zn主要在胚乳中分布; Pb主要在胚根、 胚轴和胚芽中分布, 且Pb在新生根中高度富集。 研究表明, 在种子萌发阶段, Pb等毒性元素可被植物滞留于根部, 制约了其向地上部的转移, 从而揭示了植物对毒性元素的耐受机制。
微区X射线荧光 生物膜 玉米 解毒与耐受机制 微量元素 毒性元素 铅 Microscopic X-ray florescence spectrometry Elemental distribution Biofilms Maize seeds Germination Pb 光谱学与光谱分析
2017, 37(4): 1003
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
高光谱图像技术是在种子识别领域广泛应用的农产品品质无损检测方法。 特征信息的充分提取和最优波段的选择是影响高光谱图像技术种子鉴选在线应用的关键因素。 目的在于利用联合偏度算法选择高光谱图像的最优波段, 用于开发在线的种子分级系统。 论文利用高光谱图像采集系统获取10类共960粒玉米种子在438～1 000 nm（共219个波段）波段范围内的高光谱图像, 并提取了种子高光谱图像的平均光谱、 图像熵特征。 利用联合偏度算法选择了高光谱图像的最优波段, 分别建立了基于平均光谱、 图像熵、 平均光谱和图像熵联合特征条件下的支持向量机种子分类模型, 比较不同特征下分类模型的识别精度。 实验结果表明: 无论是全波段分类模型, 还是建立在最优波段基础上的分类模型, 利用平均光谱和图像熵联合特征获得的分类精度均高于平均光谱和图像熵两种单一特征模型。 在10个最优波段条件下, 联合特征分类模型的识别精度达到了96.28%, 比光谱均值和图像熵的识别精度分别提高了4.30%和20.38%, 也高于全波段联合特征识别模型的93.47%。 利用联合特征建立玉米种子分类模型时, 基于联合偏度的波段选择算法的分类精度要高于无信息变量消除法、 连续投影算法和竞争性自适应重加权算法。 该研究为种子高光谱图像识别技术的在线运用提供了可行的途径。
玉米种子 高光谱图像 波段选择 联合偏度 支持向量机 Maize seeds Hyperspectral image Wavelength selection Joint Skewness Support vector machine
江南大学轻工业过程先进控制教育部重点实验室, 江苏 无锡 214122
种子纯度反映种子品种在特征特性方面典型一致的程度,提高种子纯度检测的准确性和可靠性对保证种子的质量具有重要的意义.高光谱图像技术可以同时反映种子的内部特征和外部特征,在农产品无损检测中已经得到广泛应用.利用近红外高光谱图像实现农产品无损检测的实质就是建立光谱信息与农产品品质参数之间的数学模型关系.但光谱信息易受环境、时间的影响,当待测样本的产地或者年份发生改变时光谱信息也随之改变,导致建立的模型的稳定性变差、泛化能力减弱.针对这一问题,采用主动学习算法选择具有代表性的待测样本,最终以添加最少最优的样本数来扩大原模型的样本空间,从而实现模型的快速更新,提高模型的稳定性,同时与基于随机选择算法(RS)和Kennard-Stone算法(KS)的模型更新效果进行比较.实验结果表明:在不同样本集划分比例下(1∶1,3∶1,4∶1),利用主动学习添加40个新样本更新后的2010年的玉米种子纯度检测模型对2011年新样本的预测精度由47%,33.75%,49%提高到98.89%,98.33%,98.33%;利用主动学习添加56个新样本更新后的2011年的玉米种子纯度检测模型对2010年新样本的预测精度由50.83%,54.58%,53.75%提高到94.57%,94.02%,94.57%;同时基于主动学习算法的模型更新效果明显优于RS和KS.因此基于主动学习算法实现玉米种子纯度检测模型的更新是可行的.
近红外高光谱图像 主动学习 玉米种子 模型更新 纯度检测 Near infrared hyperspectral image Active learning Maize seeds Model update Purity detection 光谱学与光谱分析
2015, 35(8): 2136
江南大学轻工业过程先进控制教育部重点实验室, 江苏 无锡 214122
将局部学习算法引入到种子的近红外高光谱图像最优波段选择中，并建立偏最小二乘判别分析分类预测模型，实现少波段条件下的玉米种子的快速鉴选。实验共采集了6 类样本共720 粒的玉米种子在874~1734 nm 波段范围内的256 幅近红外高光谱图像，利用局部学习算法获得波段的特征权重，并依据特征权重选择了最优波段。实验结果表明局部学习算法可有效获取最优鉴选波段，在13 个最优波段条件下，对6 组玉米种子可以获得平均纯度为95.97%的鉴选结果，为实现玉米种子的快速鉴选提供了一个合适的技术途径。
光谱学 局部学习 近红外高光谱 玉米种子 偏最小二乘判别分析 波段选择 激光与光电子学进展
2015, 52(4): 041102
1 首都师范大学 物理系，北京 100037
2 北京市农林科学院玉米研究中心，北京 100081
利用太赫兹时域光谱(THz－TDS)测试技术及透射式太赫兹逐点扫描成像技术分别对几种玉米种子DNA和胚的样品进行了光谱和成像测量；利用空间图样成份分析(component spatial pattern analysis)方法对得到的THz像进行识别运算。实验结果表明，几种样品在THz波段都有不同的吸收特性，但都没有明显的吸收峰，不能利用“特征指纹谱”进行识别。用基于THz扫描成像的空间图样成份分析方法能很好地实现不同玉米种子DNA样品的鉴定和识别。与现有的THz图像识别方法相比，这个方法只需要THz像的实验数据和样品的吸收谱信息，不需要样品的其它特征。这项研究为进一步利用THz成像技术实现无损检测、安全检查、质量监测等提供了依据，具有实际应用价值。
太赫兹成像 玉米种子 胚 空间图样成份分析 terahertz imaging DNA DNA maize seeds embryo component pattern analysis
