1 南京林业大学林业资源高效加工利用协同创新中心, 江苏 南京 210037
2 南京林业大学机械电子工程学院, 江苏 南京 210037
我国南方丘陵山区大面积种植油茶果, 而目前油茶果的采摘期主要根据节气和经验来判断, 过早和过晚采摘油茶果皆会带来经济损失。 旨在探索高光谱成像技术准确鉴别油茶果成熟度的可行性, 应用波段范围为400~1 000 nm的高光谱成像(HSI)系统采集了不同成熟度油茶果共480个样本的高光谱数据。 基于SNV、 SNV-detrend、 SG、 一阶导和二阶导5种不同预处理建立PLS-DA和PSO-SVM判别模型。 选择最优预处理数据进行特征波长筛选, 发现相比于SPA, CARS筛选特征波长建立的简化模型性能更优, CARS-PLS-DA和CARS-PSO-SVM模型预测集分类准确率为92.5%和89.2%, Kappa系数均超过0.86。 采用颜色矩的方法提取高光谱图像中颜色特征值结合特征波长建立PLS-DA和PSO-SVM组合模型, 发现仍是经CARS筛选特征波长建立的模型性能最优, 其中CARS+颜色-PLS-DA和CARS+颜色-PSO-SVM模型预测集分类准确率分别为94.2%和93.3%。 特征波长融合颜色特征值的组合建模比单一特征波长建模分类效果好, 预测集分类准确率分别提高了1.7%和4.1%。 CARS+颜色-PLS-DA模型显示出最佳预测性能, 其Kappa系数为0.923 1。 研究表明利用高光谱成像技术结合化学计量学方法可用于油茶果成熟度检测, 为实现快速、 无损、 准确鉴别油茶果成熟度提供了科学依据。
高光谱成像 油茶果 成熟度 颜色特征值 Kappa系数 Hyperspectral imaging Camellia oleifera fruit Maturity Color features Kappa coefficient 光谱学与光谱分析
2023, 43(11): 3419
拉曼光谱具有简单、 快速、 原位、 微区、 无损、 高分辨率和高灵敏度等优点, 可以分析物质的成分与分子结构信息, 是开展地质研究的有力工具。 通过回顾近年来拉曼光谱的研究进展, 结合实际的油气地质研究工作及分析测试经验, 对拉曼光谱在油气地质研究中的应用进行总结, 并讨论现阶段应用过程中存在问题及未来的发展方向。 拉曼光谱在油气地质中的应用主要分为三个方面: (1)矿物与流体包裹体分析, 可以确定成岩-成藏流体类型及组成、 成岩-成藏作用过程, 包括岩矿鉴定、 流体包裹体中流体体系分析、 水-岩相互作用过程研究、 地质样品同位素研究等; (2)不同类型有机质成熟度分析, 可以用于恢复热史、 油气成藏期次约束; (3)流体包裹体压力恢复, 可以研究油气藏的形成与演化过程。 主要方式为利用流体包裹体中气体的拉曼特征峰位移变化量、 气体溶解度恢复流体包裹体内压及捕获压力。 在实际油气地质研究中, 多种因素制约拉曼光谱的定量/半定量应用, 主要包括: 地质样品复杂性与特殊性、 样品处理方式、 拉曼测试参数与测试环境、 拉曼光谱数据处理与分析方式。 拉曼光谱分析测试流程标准化、 挑选和制备校准标样; 拉曼光谱与冷热台、 水热金刚石压腔(HDAC)、 高压可视反应腔(HPOC)、 扫描电镜(SEM)、 电子探针(EPMA)等仪器联用, 开展复杂体系原位、 实时、 不同温压条件下测试, 是进一步将拉曼光谱应用到油气地质中的研究方向。
拉曼光谱 油气地质 流体包裹体 有机质成熟度 压力恢复 Raman spectroscopy Petroleum geology Fluid inclusion Organic matter maturity Pressure recovery 光谱学与光谱分析
2022, 42(9): 2679
南京林业大学信息科学技术学院,江苏 南京 210037
针对油茶籽采收过程中缺乏判断其成熟度的依据,导致茶油的质量和产量不佳等问题,提出一种基于中红外和远红外光谱数据融合检测油茶籽成熟度的方法。采用傅里叶变换红外光谱仪测试了在不同成熟阶段,不同含油率油茶籽的中红外和远红外光谱数据,利用不同特征提取方法(主成分分析法、连续投影算法、无信息变量消除法)对原始光谱数据进行特征提取,再结合支持向量机算法(SVM)建立了油茶籽成熟度的鉴别模型。结果表明:在中红外波段范围内,采用连续投影算法结合遗传算法优化的SVM模型,获得最优的鉴别精度为93.33%;在远红外波段范围内,利用主成分分析法结合遗传算法优化的SVM模型,实现了96.67%的鉴别精度。将中红外波段数据与远红外波段进行数据融合,结合优化后的SVM算法能将鉴别精度提高到100%。该研究表明,红外光谱技术结合优化后的SVM模型可以实现对油茶籽含油率的精确鉴别,数据融合技术能够有效地增加光谱信息并且去除单一光谱的冗余信息。该结果可为油茶的最佳采摘时间提供参考,并可拓展应用到其他农林产品成熟度的鉴别中。
光谱学 中红外光谱 远红外光谱 油茶籽成熟度检测 数据融合 支持向量机 激光与光电子学进展
2022, 59(19): 1930001
1 重庆大学土木工程学院, 重庆 400045
2 库区环境地质灾害防治国家地方联合工程研究中心, 重庆 400045
混杂纤维增强干硬性混凝土在国内外已有广泛的应用, 纤维配比是影响其拉压性能的主要因素之一。为研究玄武岩纤维与粗聚丙烯纤维配比对干硬性混凝土拉压性能的影响, 将玄武岩纤维与粗聚丙烯纤维单掺或按不同比例混合掺入干硬性混凝土中, 开展不同养护龄期下纤维混凝土的抗压、劈裂抗拉试验, 分析纤维混杂增强效应, 并基于成熟度理论修正养护龄期, 优化玄武岩-粗聚丙烯纤维干硬性混凝土的劈裂抗拉强度预测模型。结果表明: 玄武岩纤维与粗聚丙烯纤维的掺入不仅提升了干硬性混凝土抗压、劈裂抗拉性能, 而且纤维的桥接作用能明显改善混凝土的脆性破坏特征, 其中玄武岩纤维与粗聚丙烯纤维混掺配比为1∶2(质量比)时最为明显, 表现出了最优的纤维混杂正效应。根据等效龄期-抗压强度关系式计算得到的混凝土抗压强度与劈裂抗拉强度具有更好的幂函数关系, 该模型便于计算及预测不同养护温度条件下玄武岩-粗聚丙烯纤维干硬性混凝土的拉压性能。
干硬性混凝土 玄武岩纤维 粗聚丙烯纤维 抗压强度 劈裂抗拉强度 成熟度理论 roller compacted concrete basalt fiber coarse polypropylene fiber compressive strength splitting tensile strength maturity theory
酿酒葡萄一般批量采收, 采收期对其品质有较大影响。 传统方法主要依靠对样本的酚、 糖等各组分含量进行实验室理化指标检测, 判定采收成熟度。 如果对多个地块进行采摘前的连续监测, 则批量大、 成本高、 采样与分析工作量繁重, 且时效性差, 难以保证果品的收获品质。 以蛇龙珠品种为对象, 提出一种利用近地面多光谱图像对种植区葡萄成熟度和批量采收期判别的方法。 通过DJI Phantom四旋翼无人机搭载ADC Micro多光谱相机, 以S型采样路线直接拍摄9个采样点的蛇龙珠田间原位图像, 并采集葡萄果粒样本; 利用PixelWrench2 x64软件进行图像处理, 得到每张图像的红色(R)分量、 绿色(G)分量、 近红外(NIR)分量值; 将葡萄果粒榨汁, 依据检测时长、 成本和代表性程度, 选取总糖含量为成熟度判定指标, 采用PAL-1手持式糖度仪检测葡萄汁总糖含量; 分别分析R, G, NIR分量与日期的显著性关系, 发现叶片集中区域(局部)的R分量与日期为最显著关系(p-value=5.314 44×10-4, 调整后R2=0.815), 可作为建模的成熟度参数; 按照模型集与验证集为4:1的原则构建“总糖含量—局部R分量”线性回归与对数回归模型, 结果显示: 相比于线性模型, 总糖含量与局部R分量呈非常显著的对数关系(p-value=5.124 07×10-10, 调整后R2=0.970 62), 且该模型的平均预测误差≤1.388%、 最大预测误差≤4.6%、 采收前预测误差±0.46%, 证明该对数模型具有较高的检测精度。 实际采收前, 利用上述方式在近采收期采集蛇龙珠葡萄田间原位多光谱图像, 将得出的局部R分量值带入对数模型, 可对总糖含量进行预测, 并以22%±0.46%的总糖含量为标准研判蛇龙珠葡萄是否成熟。 结果表明: 采用区块光谱图像进行酿酒葡萄的批量采收品质和采收时间预测具有便利性与可行性, 为光谱图像在农业实际生产中的应用提供了新思路。
酿酒葡萄 多光谱图像 无人机 成熟度 判别 Wine grapes Multispectral figures Unmanned Aerial Vehicles Degree of maturity Determination 光谱学与光谱分析
2021, 41(10): 3220
1 贵阳学院 食品与制药工程学院,贵州贵阳550005
2 贵阳学院 农产品无损检测工程研究中心,贵州贵阳550005
猕猴桃可溶性固形物含量(SSC)和硬度是评价其品质的关键参数,同时也是判别其成熟度的重要指标。为探究基于光纤光谱技术预测猕猴桃SSC、硬度和成熟度的可行性并寻求最佳预测模型。首先,采用光纤光谱(200~1 000 nm)采集系统获取不同成熟期“贵长”猕猴桃的反射光谱,并测定SSC和硬度的参考值。接着,基于全光谱和参考值构建偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型。然后,应用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)选取特征波长,构建简化的多元线性回归(MLR)和误差反向传播(BP)网络预测模型。最后,通过偏最小二乘判别分析(PLS-DA)和简化的K近邻(SKNN)算法,构建预测猕猴桃成熟度检测模型。结果表明:CARS-BP模型对SSC的预测性能最优,其预测集决定系数
![]()
![]()
=0.90,预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.64和3.22;CARS-MLR对硬度的预测性能相对最优,其
![]()
![]()
=0.83,RMSEP和RPD分别为1.67和2.47;PLS-DA模型对猕猴桃成熟度的检测性能最优,其正确识别率高达100%。该研究为水果品质和成熟度的无损检测提供重要指导。
光纤光谱 猕猴桃 可溶性固形物含量 硬度 成熟度 无损检测 optical fiber spectroscopy kiwifruit soluble solids content firmness maturity nondestructive detection
中国农业大学信息与电气工程学院, 北京 100083
酿酒葡萄成熟度是确定葡萄采收期的重要品质指标, 针对酿酒葡萄大田中成熟度检测难度大的问题, 利用可见/近红外(Vis/NIR)光谱技术和化学计量学, 研究了酿酒葡萄可溶性固形物含量(SSC)与光谱数据之间的内在联系。 采用USB2000+光谱仪获取5种酿酒葡萄及其叶片在不同成熟时期的Vis/NIR光谱数据, 通过OMNIC 8.0软件提取光谱数据, 将化学值与光谱吸收率值通过TQ Analyst8.0软件建立模型。 选取信噪比高的450~1 000 nm波段, 利用PCA剔除异常光谱数据, 将一阶导数(FD)、 Savitzky-Golay卷积平滑(S-G)、 多元散射校正(MSC)、 标准正态变换(SNV)分别组合共4种方法用于光谱数据预处理。 利用偏最小二乘(PLS)法分别建立了5种葡萄基于酿酒葡萄光谱数据的SSC预测模型, 建立了5种葡萄基于冠层叶片光谱数据的SSC预测模型, 对比了不同方式预处理后的建模效果, 并选择最优预处理方式建模。 最后用外部样本分别验证了SSC预测模型。 结果表明, 采用S-G平滑+FD+MSC的预处理方法时大多数预测模型性能达到最好。 5种葡萄浆果校正集和验证集的R分别达到0.93和0.86以上, 最高均方根误差分别为0.30和0.48, 5种葡萄冠层叶片校正集和验证集的R分别达到0.73和0.65以上, 最大均方根误差分别为0.95和0.75。 5种葡萄浆果外部试验样本预测值与真实值间的平均RE最高为0.43%。 基于酿酒葡萄浆果光谱的SSC预测模型具备良好的预测能力, 优于基于酿酒葡萄冠层叶片光谱的SSC预测模型, SSC预测模型能够为酿酒葡萄成熟度评价研究提供理论参考。 Vis/NIR光谱技术适用于在酿酒葡萄大田中快速、 无损检测SSC。
可见/近红外光谱 酿酒葡萄成熟度 偏最小二乘法 可溶性固形物 Visible/near infrared spectroscopy Maturity of wine grape Partial least square method Soluble solids content
1 南京航空航天大学 航天学院,江苏 南京 210016
2 中国科学院紫金山天文台,江苏 南京 210034
月球表面没有大气层的保护,岩石矿物长期在太空风化的作用下,逐渐演化为月壤。太空风化过程是月壤产生、成熟的过程,由于物质形态结构的改变,导致月表光谱特征产生变化。因而,作为风化产物的月壤的光谱特性,包含了月表的太空风化信息。月壤成熟度,是描述太空风化程度的重要指标,利用高光谱遥感数据进行亚微观铁(SMFe)的反演进而获取月壤成熟度,是目前研究月表太空风化的主要手段。原位探测数据,由于没有受到其他因素的干扰,获得的反演结果相对更加准确、可靠。我国嫦娥四号(CE-4)玉兔二号巡视器搭载了能直接获取月表原位高光谱数据(450~2395 nm)的科学载荷红外成像光谱仪,为研究月表的太空风化提供了很好的机会。选取了CE-4卫星着陆器登陆点附近的两处光谱数据,采用Hapke模型和光谱角匹配法对CE-4卫星登陆点附近月壤的SMFe进行了反演。根据Morris模型和FeO含量进一步反演CE-4卫星登陆点附近月壤的成熟度。结果表明,该处月壤成熟度为11.5,较大概率为不成熟月壤。
月球高光谱 Hapke模型 嫦娥四号 亚微观铁含量 成熟度 lunar hyperspectra Hapke model Chang''e-4 SMFe maturity 红外与激光工程
2020, 49(5): 20190460
1 中国石油大学(华东)深层油气重点实验室, 山东 青岛 266580
2 海洋国家实验室海洋矿产资源评价与探测技术功能实验室, 山东 青岛 266071
3 胜利油田勘探开发研究院, 山东 东营 257015
4 中国石油集团科学技术研究院有限公司, 北京 100083
混源油比例定量分析对于判识不同成藏期的油源贡献度具有重要意义, 为建立一种快捷确定混源油贡献度的方法, 采用显微荧光光谱技术对同源混合原油贡献度进行了定量表征。 以东营凹陷王家岗地区为例, 通过γ蜡烷/C30霍烷、 Ts/(Tm+Ts)、 Ts/Tm及C2920S/(20S+20R)等生物标志化合物参数对沙四段原油进行了的原油组群划分与油源对比, 对原油类型和成熟度进行了限定。 选择具有代表性的X1和X2井作为沙四型成熟原油和低熟原油的两个端元组分进行人工配比实验, 在验证端元组分可靠性的基础上, 对端元油按照质量分数进行了配比, 分别为0∶10, 2∶8, 4∶6, 6∶4, 8∶2, 10∶0。 对配比进行了原油族组分和显微荧光光谱分析, 分析了混合原油成熟度、 端元油贡献度和荧光光谱参数之间的关系。 结果表明: 配比混源油继承了端元油“三峰型”的荧光光谱谱形特征, 混源油荧光颜色明显不同, 通过荧光颜色定量系数(CIE-X, CIE-Y)分析可知, 在CIE色度图上表现为近线性渐变的荧光特征; 随着沙四型成熟油混入量的增加, 混源油中芳香烃含量逐渐减少, 荧光强度也逐渐降低, 荧光颜色发生了明显的蓝移; 原油混合使荧光光谱参数发生了变化, 荧光光谱参数(QF-535、 荧光强度-567 nm、 红绿商、 黄绿商)与混合比例呈现良好的线性关系, 能够较好的反映原油成熟度; 随着混源油成熟度增高, 高分子量烃类组分含量降低, 荧光光谱参数逐渐降低。 通过配比实验建立的数学关系能够定量判别原油混合比例, 实验证实可以利用荧光光谱参数定量表征混源油中端元组分的贡献度。
显微荧光光谱 成熟度 原油 配比实验 定量计算 Fluorescence spectrum Maturity Crude oil Mixing experiment Quantitative determination 光谱学与光谱分析
2019, 39(11): 3414
1 南京农业大学工学院, 江苏 南京 210031
2 Department of Biosystems and Agricultural Engineering, Michigan State University,East Lansing, MI 48824, USA
3 United States Department of Agriculture Agricultural Research Service (USDA/ARS),Michigan State University, East Lansing, MI 48824, USA
对基于空间可分辨光谱的番茄成熟度分类判别方法进行了试验研究。 首先根据番茄的内部颜色, 将600个番茄分为6个不同成熟度 (green, breaker, turning, pink, light red and red) , 然后用自行开发的多通道高光谱成像探头采集番茄的空间可分辨(SR)光谱, 建立基于空间可分辨光谱的番茄成熟度偏最小二乘判别(PLSDA) 模型和支持向量机判别(SVMDA)模型。 结果显示, 对于PLSDA模型, SR光谱15为最佳分类光谱, 分类正确率达到81.3%; 对于SVMDA模型, SR光谱10为最佳预测分类光谱, 分类正确率为86.3%。 对六个成熟度等级番茄的判别分类, SVMDA模型要明显优于PLSDA模型。 此外, 相对于较小的光源-检测器距离SR光谱, 较大的光源-检测器距离SR光谱可以获得更好的判别效果, 显示出空间可分辨光谱在果蔬品质检测方面的应用潜力。
空间可分辨 成熟度 番茄 多通道高光谱成像 Spatially resolved spectra Maturity Tomato Multichannel hyperspectral imaging probe 光谱学与光谱分析
2018, 38(7): 2183