华东交通大学 智能机电装备创新研究院 水果智能光电检测技术与设备国家与地方联合工程研究中心, 南昌330013
本文旨在探索涌泉蜜桔糖度的最优检测位置和最佳预测模型，以便为蜜桔糖度检测分级提供理论依据。本文利用波长为390.2～981.3 nm的高光谱成像系统对涌泉蜜桔糖度最佳检测位置进行研究，将涌泉蜜桔的花萼、果茎、赤道和全局的光谱信息与其对应部位的糖度结合，建立其预测模型。使用标准正态变量变换（SNV）、多元散射校正（MSC）、基线校准（Baseline）和SG平滑（Savitzkv-Golay）4种预处理方法对不同部位的原始光谱进行预处理，用预处理后的光谱数据建立偏最小二乘回归（PLSR）和最小二乘支持向量机（LSSVM）模型。找出蜜桔不同部位的最佳预处理方式，对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法（CARS）和无信息变量消除法（UVE）进行特征波长筛选。最后，用筛选后的光谱数据建立PLSR和LSSVM模型并进行分析比较。研究结果表明，全局的MSC-CARS-LSSVM模型预测效果最佳，其预测集相关系数Rp=0.955，均方根误差RMSEP=0.395，其次是蜜桔赤道部位的SNV-PLSR模型，其预测集相关系数Rp=0.936，均方根误差RMSEP=0.37。两者预测集相关系数相近，因此可将赤道位置作为蜜桔糖度的最优检测位置。本研究表明根据蜜桔不同部位建立的糖度预测模型的预测效果有所差异，研究最优检测位置和最佳预测模型可以为蜜桔进行糖度检测分级提供理论依据。
涌泉蜜桔 高光谱 糖度 偏最小二乘回归 最小二乘支持向量机 Yongquan honey orange hyperspectral sugar content partial least-squares regression least-squares support vector machine
河南科技大学食品与生物工程学院, 河南 洛阳 471023
为了监测黄瓜采摘后贮藏期间品质的变化, 借助不同贮藏日期贮藏室气氛的3D荧光数据, 提出了一种特征荧光信息(特征激发与特征发射波长)提取方法, 实现了黄瓜贮藏期间品质的监测。 首先, 对3D荧光数据进行去除瑞利散射和多项式Savitzky-Golar(SG)平滑降噪预处理, 有效消除了散射和噪声信号的影响。 其次, 对预处理后的3D荧光数据进行主成分分析(PCA)得到主成分矩阵, 并运用各主成分变量构造Wilks统计量, 选取了最小值对应的主成分(第11主成分, PC11); 根据构造该主成分的各原始变量(激发波长)的组合系数大小提取了8个特征激发波长。 然后, 采用10 nm的间隔对发射光谱进行了波段划分, 运用小波包分解(WPD)对每个波段进行了3尺度分解, 计算了各波段分解后的小波包能量, 综合8天试验结果选择能量最高的发射波段作为初选发射波段。 采用偏最小二乘回归(PLS)结合黄瓜理化指标(硬度、 叶绿素含量和失重率)对初选的发射波段进行了分析, 依据回归系数精选了7个特征发射波长, 简化了计算。 同时, 根据黄瓜硬度数据初步找到了其变化趋势的转折点; 根据黄瓜叶绿素含量变化曲线及一阶导数, 发现了叶绿素下降趋势最显著的点, 并结合试验过程中的感官观察结果, 确定第5个贮藏日为黄瓜品质突变日, 并选择第5个贮藏日为监测基准日。 最后, 采用提取的特征荧光信息计算不同贮藏天数与监测基准日之间的马氏距离(MD), 构建MD监测模型。 结果表明, 随着贮藏时间越来越接近监测基准日, MD值则逐渐减小到0, 与黄瓜贮藏过程中品质变化进程相符。 上述多变量统计分析融合小波包能量的特征波长提取方法和应用特征荧光信息构建的MD监测模型有望成为黄瓜贮藏过程中品质监测的一种可行方法。
黄瓜 3D荧光 Wilks Λ统计量 小波包分解 偏最小二乘回归 品质监测 Cucumber The 3D fluorescence Wilks Λ statistic Wavelet packet decomposition Partial least squares regression Quality monitoring 光谱学与光谱分析
2023, 43(9): 2967
1 中国农业科学院农产品加工研究所/农业农村部农产品加工综合性重点实验室, 北京 100193韶关学院生物与农业学院, 广东 韶关 512005
2 中国农业科学院农产品加工研究所/农业农村部农产品加工综合性重点实验室, 北京 100193
面粉吸水率是评价面粉质量和预测面制品加工特性的重要品质性状。 面粉吸水率的测定主要参照国际或国家标准利用粉质仪进行, 其测定方法费时费力。 基于此, 提出利用可见近红外光谱分析技术结合多元统计分析进行面粉吸水率快速、 无损检测。 参照国标法测定150份小麦面粉样品的吸水率, 面粉吸水率变幅为53.10%~74.50%。 利用可见近红外分析仪采集面粉样品的光谱信息, 有效光谱范围为570~1 100 nm。 采用偏最小二乘回归(PLSR)、 主成分回归(PCR)和支持向量机回归(SVR)将光谱信息和面粉吸水率进行关联, 分别建立面粉吸水率的定量分析预测模型, 筛选最优的建模方法。 在优选的建模方法的基础上, 采用竞争性自适应重加权(CARS)、 区间随机蛙跳(iRF)、 迭代保留信息变量(IRIV)和连续投影(SPA)算法提取特征波长, 筛选最优的特征波长提取算法。 基于最优的建模方法和最优的特征波长提取算法提取的特征波长, 采用标准化(NL)、 一阶求导(1st Der)、 基线校正(BL)、 标准正态变换(SNV)和去趋势化(DT)5种光谱预处理方法对特征波长的光谱进行预处理, 筛选最优的光谱预处理方法。 结果表明, 采用NL光谱预处理方法对CARS算法提取的24个特征波长(仅占原始波长的2.26%)的光谱进行预处理后建立的PLSR模型性能最佳, 预测集相关系数(R2p)、 预测集均方根误差(RMSEP)和预测相对分析误差(RPD)分别为0.889 4、 1.458 5和2.641 3。 采用CARS算法提取的特征波长所建的模型不仅能提高模型的性能, 还很大程度提高模型运算效率、 降低仪器制造成本和光谱仪微型化的难度, 从而为面粉吸水率可见近红外无损、 快速检测研究奠定了基础。
可见近红外光谱 面粉吸水率 偏最小二乘回归 竞争性自适应重加权算法 Vis-NIR spectroscopy Water absorption of flour Partial least squares regression Competitive adaptive re-weighting algorithm 光谱学与光谱分析
2023, 43(9): 2825
1 华东交通大学电气与自动化工程学院, 江西 南昌 330013
2 华东交通大学土木建筑学院, 江西 南昌 330013
土壤养分直接关系到作物产量与品质状况, 然而传统化学方法检测存在化学试剂消耗大、 耗时费力等问题, 不能满足精细农业的需求。 快速获取土壤养分信息是发展精细农业、 绿色农业的关键, 想要了解土壤肥力状况, 必须先了解有机质和总氮的含量状况。 许多研究表明, 长波近红外光谱被广泛应用于土壤检测领域, 然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。 以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区, 根据2×2网格法采集了深度为10～30 cm的棕壤、 红壤和水稻土三种最为典型的土壤样品共180份。 经过研磨、 风干等处理后用四分法均匀划分为两份, 用于测定样品光谱信息和理化信息。 将土壤样品按照2∶1(120∶60)划分为建模集和预测集。 考虑到首尾端波段噪声较大, 故去除325～349和1 051～1 075 nm波段, 将350～1 050 nm波段用于光谱分析。 通过连续投影算法(SPA)筛选出有机质12个特征波长点, 总氮11个特征波长点, 考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系, 建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究, LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ2。 研究结果表明: (1)土壤的光谱反射率随波长增加反射率升高, 反射率曲线中460、 550、 580、 740和900 nm处有较为明显的吸收特征。 (2)从PLSR模型和LS-SVM模型结果分析可知, 非线性模型LS-SVM具有更好的预测精度, 分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。 (3)通过连续投影算法筛选的特征波长提高了模型精度, 优化了模型运行效率。 SPA-LS-SVM模型是所有模型中最优的预测模型, 其中有机质模型的R2pre为0.884 7, RMSEp为0.104 8, RPD为2.945 0, 总氮模型的R2pre为0.901 8, RMSEp为0.010 4, RPD为3.191 1。 (4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量, 并且达到较好的预测效果。 可见/近红外光谱在土壤检测领域具有巨大潜力。
土壤有机质 总氮 连续投影算法 偏最小二乘回归 最小二乘支持向量 Soil organic matter Total nitrogen Successive projections algorithm Partial least squares regression Least-squares support vector machine 光谱学与光谱分析
2023, 43(7): 2226
1 安徽建筑大学 电子与信息工程学院, 合肥 230601
2 安徽建筑大学 安徽省古建筑智能感知与高维建模国际联合研究中心, 合肥 230601
3 北京航空航天大学 无人机系统研究院, 北京 100191
4 淮南师范学院 电子工程学院, 淮南 232038
为了准确重建正反面叶片叶绿素3维分布, 利用高光谱激光雷达, 采集了不同生长状态的绿萝叶片与植株的空间-光谱域点云数据, 设计了一种基于分类预测的重建方法。通过偏最小二乘回归构建叶片正面与反面光谱的叶绿素含量预测模型, 采用光谱自适应阈值选择方法实现植株点云中叶片正反面的分类, 并根据类别标签选择模型计算叶绿素含量, 重建植株的叶绿素3维分布。结果表明, 该方法得到的植株叶绿素3维分布更接近真实值, 决定系数达到0.69, 均方根误差为4.97。这一结果可为植物表型研究提供新的数据基础和理论方法。
遥感 高光谱激光雷达 偏最小二乘回归 叶绿素含量 3维重建 remote sensing hyperspectral LiDAR partial least squares regression chlorophyll content 3-D reconstruction
1 安徽建筑大学 电子与信息工程学院, 合肥 230601
2 安徽建筑大学 安徽省古建筑智能感知与高维建模国际联合研究中心, 合肥 230601
为了快速无损地检测评估木材的霉变及含水量, 利用高光谱激光雷达系统主动获取木材的高光谱数据, 设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本, 进行时长为4个月的间隔性测量, 分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化; 然后在分析样本不同含水量光谱特性的基础上, 采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长; 最后分别建立偏最小二乘回归预测模型。结果表明, 正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时, 光谱反射率随时间变化缓慢并趋于稳定; 基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳, 预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测, 为木质建筑的快速无损检测提供了新思路。
遥感 高光谱激光雷达 偏最小二乘回归 木材 霉变 含水量 remote sensing hyperspectral LiDAR partial least squares regression timber mildew moisture content
1 农业农村部农业遥感机理与定量遥感重点实验室, 北京市农林科学院信息技术研究中心, 北京 100097
3 河南工程学院土木工程学院, 河南 郑州 451191
叶绿素含量(SPAD)是作物长势评价的重要指标, 可以监测农作物的生长状况, 对农业管理至关重要, 因此快速、 准确地估算SPAD具有重要意义。 以冬小麦为研究对象, 利用无人机高光谱获取了拔节期、 挑旗期和开花期的影像数据, 获取植被指数和红边参数, 研究植被指数与红边参数估算SPAD的能力。 先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析, 再基于植被指数、 植被指数结合红边参数, 通过偏最小二乘回归(PLSR)方法估算SPAD, 最后制作SPAD分布图验证模型的有效性。 结果表明, (1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著); (2)单个植被指数构建的SPAD估算模型中, LCI表现最好(R2=0.56, RMSE=2.96, NRMSE=8.14%), 红边参数中Dr/Drmin表现最好(R2=0.49, RMSE=3.18, NRMSE=8.76%); (3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳, 优于仅基于植被指数构建的SPAD估算模型, 同时, 随着生育期推移, 两种模型均在开花期达到最高精度, R2分别为0.73和0.78, RMSE分别为2.49和2.22, NRMSE分别为5.57%和4.95%。 因此, 基于植被指数结合红边参数, 并使用PLSR方法可以更好地估算SPAD, 可以为基于无人机遥感的SPAD监测提供一种新的方法, 也可为农业管理提供参考。
冬小麦 叶绿素含量 植被指数 红边参数 偏最小二乘回归 Winter wheat Chlorophyll content Vegetation index Red edge parameter Partial least squares regression 光谱学与光谱分析
2022, 42(11): 3575
1 北京航空航天大学仪器科学与光电工程学院, 精密光机电一体化技术教育部重点实验室, 北京 100191
2 河北先河环保科技股份有限公司, 河北 石家庄 050035
总有机碳是以碳含量评价水质有机污染的指标, 可以反映水体受污染程度。 目前地表水总有机碳检测多采用现场取样后实验室分析检测方法, 该方法存在费时费力、 操作复杂、 二次化学污染等缺点。 紫外-可见光谱法具有环保、 操作简便、 可实时在线原位检测等优点, 在地表水总有机碳检测中具有很好的应用前景。 针对总有机碳检测问题, 采用了一种基于自适应增强学习的区间偏最小二乘回归方法, 该方法将总有机碳吸收光谱波段分为若干子区间, 初始化训练样本权重, 依次在各子区间建立偏最小二乘回归模型, 根据子区间模型预测误差率计算该子区间预测结果的权重系数, 并更新下一子区间训练样本权重, 最后将各子区间模型预测结果线性加权得到总有机碳的检测结果。 实验配制总有机碳标准溶液浓度25~150 mg·L-1共43个样品, 第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集, 建立并验证总有机碳检测算法模型。 为评价算法模型鲁棒性, 在另一时间段采集剩余的8个标准样品光谱进行反测验证。 实验结果表明, 采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性, 分组验证和反测验证的预测均方根误差分别为1.304和1.533 mg·L-1, 均优于偏最小二乘回归和极限学习机方法。 为进一步验证该方法的有效性, 使用该建模方法预测生活污水的总有机碳含量。 实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水, 经稀释后共获得50组地表水样本, 采用SPXY方法分为训练集33组水样, 测试集17组水样。 在实际水样检测中, 采用净信号分析方法进行光谱预处理, 降低总有机碳与其他水质参数间的交叉干扰; 分组验证预测均方根误差为3.26 mg·L-1, 平均绝对值百分比误差为3.46%。 综上所述, 基于自适应增强学习的区间偏最小二乘回归方法, 可以快速准确地对地表水中总有机碳进行检测, 为在线水质总有机碳检测提供了方法支撑。
紫外-可见光谱 自适应增强学习 区间偏最小二乘法 总有机碳检测 地表水 UV-Vis spectroscopy Adaboost algorithm Interval partial least squares regression Total organic carbon detection Surface water 光谱学与光谱分析
2022, 42(11): 3423
1 中国科学院武汉植物园, 中国科学院水生植物与流域生态重点实验室, 湖北 武汉 430074
2 中国科学院大学, 北京 100049
3 中国科学院武汉植物园, 中国科学院植物种质创新与特色农业重点实验室, 湖北 武汉 430074
中药材淫羊藿富含朝霍定和淫羊藿苷等黄酮类化合物, 具有滋阴补肾、 提高免疫力等功效, 有较大的药用价值。 当前, 面对生产及育种过程中批量样品快速、 无损检测需求的增加, 传统的化学分析方法难以满足需要, 而高效、 廉价的现代高光谱分析技术备受青睐。 但受制于光谱数据谱峰重叠及噪声的干扰, 全波段光谱分析建模存在模型精度不高和运行效率低的问题。 利用便携式地物光谱仪器获取淫羊藿可见-近红外光谱数据, 借助遗传算法(GA)特征波段选择方法剔除无关波段, 并与偏最小二乘回归(PLSR)分析建模技术结合, 构建淫羊藿药用组分(朝霍定A、 朝霍定B、 朝霍定C和淫羊藿苷)高光谱GA-PLSR校正模型, 探讨淫羊藿药用组分含量高效分析预测的可行性, 并挖掘获取淫羊藿品质鉴定的重要光谱响应波段。 结果表明: 高光谱分析结合化学计量学在淫羊藿有效药用组分的快速无损检测方面具有相当大的潜力。 与全波段PLSR校正模型相比, 通过GA迭代优化, 参与建模的有效光谱数据得到简化, GA-PLSR模型的测量精度和稳定性得到明显提升。 主要表现在交叉验证的决定系数()得到明显提高, 交叉验证的均方根误差(RMSECV)普遍降低。 其中, 四种药用组分校正模型的分别从0.645, 0.720, 0.718和0.642提升为0.671, 0.835, 0.782和0.796; 同时, 其对应的RMSECV值分别由2.102, 2.896, 21.069和1.221降为2.071, 2.230, 18.656和0.912。 此外, 明确了红边波段690~740 nm以及420 nm附近波段为淫羊藿药用组分朝霍定A、 朝霍定B、 朝霍定C和淫羊藿苷光谱鉴别分析的重要响应波段。 该研究为高光谱技术淫羊藿品质准确高效鉴定和光谱传感器的波段设计提供一定的理论依据。
淫羊藿 药用组分 高光谱技术 遗传算法 偏最小二乘回归 重要波段 Herba Epimedii Pharmacological active constituents Hyperspectral analysis technology Genetic algorithm Partial least squares regression Important bands 光谱学与光谱分析
2022, 42(5): 1445
1 安徽师范大学物理与电子信息学院, 安徽 芜湖 241002
2 光电材料科学与技术安徽省重点实验室, 安徽 芜湖 241002
为提高激光诱导击穿光谱技术 (LIBS) 对水中重金属元素含量的检测精确度, 将 LIBS 技术分别与单变量定标 (SVCC) 和偏最小二乘法 (PLS) 分析方法相结合, 对 Cr、Mn、Ca 混合水溶液中的金属元素进行了定量分析。利用 PLS-LIBS 技术研究了样品中共存元素对分析元素的影响, 研究结果表明分析元素的检测精确度受共存元素的影响较大, 将共存元素与分析元素的分析线强度同时作为 PLS 模型的输入变量, 得到的分析元素浓度总预测相对误差明显减小。利用 SVCC-LIBS 方法检测 Cr、Mn、Ca 元素的浓度总预测相对误差分别为 14.3%、8.46%、6.35%, 而利用 PLS-LIBS 方法各相对误差分别改善至 2.30%、0.74%、0.03%, 其中 Mn 元素的浓度预测相关曲线线性度 R2 由 SVCC-LIBS 方法的 0.985 改善至 0.999, 表明 PLS-LIBS 技术能有效提高混合水溶液中微量金属元素的检测精确度。
光谱学 激光诱导击穿光谱 混合水溶液 金属元素 偏最小二乘法 共存元素 检测精确度 spectroscopy laser-induced breakdown spectroscopy mixed aqueous solution metal element partial least-squares regression coexisting element detection accuracy
