1 山西大学 量子光学与光量子器件国家重点实验室 山西大学激光光谱研究所， 山西 太原 030006
2 山西大学 极端光学协同创新中心，山西 太原 030006
实时获知煤炭发热量对于及时调整电站锅炉风粉配比和提高煤炭燃烧效率具有重要意义，为了实现电力生产中发热量的稳定快速检测，提出了一种近红外光谱（Near Infrared Spectroscopy， NIRS）与X射线荧光光谱（X-ray Fluorescence， XRF）联用的煤炭发热量高稳定检测方法，它结合了NIRS能高稳定检测煤中与发热量正相关的有机基团的优势与XRF能高稳定检测与发热量负相关的成灰元素的特点，大大提高了对煤炭发热量的测量重复性。在光谱预处理中，先将两套光谱融合作为偏最小二乘回归的输入变量进行全谱初步建模，依据回归系数选择NIRS光谱中的有效波段，再将它与XRF光谱中的成灰元素谱线一并融合进行归一化处理。建模时将预处理后的融合光谱数据作为输入变量，利用偏最小二乘回归对煤炭发热量进行建模。实验结果表明，NIRS-XRF联用方法对定标集煤样发热量预测的线性相关度系数（R2）为0.995，对验证集煤样发热量预测的最小均方根误差、平均相对误差和标准偏差分别为0.24 MJ/kg，0.61%和0.05 MJ/kg，测量重复性满足小于0.12 MJ/kg的国家标准。NIRS-XRF联用的煤炭发热量高稳定检测方法有望推广应用于火力发电、煤化工、冶金、水泥和焦化等“高碳”行业，助力我国按期实现碳中和目标。
近红外光谱 X射线荧光光谱 光谱融合 煤炭发热量 高稳定检测 near infrared spectroscopy （NIRS） X-ray fluorescence （XRF） spectral fusion coal calorific value high-stability analysis 光学 精密工程
2023, 31(13): 1880
1 河北农业大学食品科技学院, 河北 保定 071000
2 中粮营养健康研究院, 营养健康与食品安全北京市重点实验室, 北京 102209
回生是淀粉加工、 运输和储藏过程中的重要理化性质, 快速检测淀粉回生程度对淀粉制品的品质和保质期有重要意义。 为了探究二维相关光谱法(2D-COS)优选回生淀粉特征变量的可行性, 研究结合2D-COS和光谱融合技术对小麦淀粉的回生特性进行定量表征。 首先, 将不同回生时间的小麦淀粉测定结晶度和回生度, 从淀粉体系中晶体含量和对淀粉酶水解抗性的角度表征淀粉回生特性。 然后, 分别采集样品的近红外和中红外光谱数据, 对采集的原始光谱进行Savitzky-Golay平滑和标准正态变量变换预处理后, 结合偏最小二乘法分别基于近红外光谱、 中红外光谱和融合光谱构建全光谱的预测模型。 在此基础上, 以回生天数为外部扰动, 分别选取回生0, 1, 2, 3, 5, 7, 10, 14, 21和35 d的10条淀粉光谱进行2D-COS分析。 通过分析同步谱和自相关谱, 辨识了近红外13个和中红外11个与回生特性有关的特征波长。 最后, 基于这些特征波长进一步建立回生度和结晶度的预测模型。 结果表明, 全光谱模型结果中, 光谱融合后的模型预测效果较好, 结晶度模型的相对分析误差(RPD)值由1.203 4和2.069 0提高至3.980 9, 回生度模型的RPD值由2.594 0和2.109 9提高至4.576 3, 表明光谱融合能提高模型性能。 利用2D-COS筛选特征波长后建立的模型预测效果有大幅度提高, 结晶度模型的RPD值提高至8.095 9, 回生度模型的RPD值提高至14.183 6。 与利用竞争性自适应重加权算法筛选特征波长建立的模型结果相比, 2D-COS更能提高光谱分辨率, 获得更多的化学结构信息, 因此光谱融合技术结合2D-COS的模型结果更佳。 研究结果表明, 将2D-COS用于筛选与淀粉回生特性有关的特征波长是可行的, 为融合光谱的特征变量优选提供了新思路; 同时也表明光谱融合技术结合2D-COS可以实现淀粉回生程度的快速检测, 为淀粉食品的质量和保质期的快速检测提供了方法支持。
淀粉 回生特性 光谱融合技术 二维相关光谱 Starch Retrogradation properties Spectral fusion technique Two-dimensional correlation spectroscopy
1 浙江大学 机械工程学院，浙江 杭州 310027
2 浙江西子势必锐航空工业有限公司，浙江 杭州 310018
为提高复合材料铺放质量，辅助现场人员快速对缺陷进行检测，提出一种基于Transformer的复合材料多源图像实时实例分割网络Trans-Yolact，用来对复合材料缺陷进行检测、分类、分割。在Yolact网络框架基础上，针对复合材料缺陷特点，从空间域与通道域两个维度，增强网络对复合材料缺陷的检测能力。在空间域上，常规卷积核具有空间尺度的局限性，对狭长形、大尺寸缺陷的检测效果不佳。因此，采用CNN+Transformer架构的BoTNet作为基础主干网络；同时将Transformer引入Yolact网络的FPN结构中，增强网络从非局部空间中获取信息的能力。在通道域上，采用红外与可见光联立的检测方式，并改进主干网络浅层结构，将其分为可见光通道、红外通道、混合通道，混合通道中引入通道域注意力机制，进一步增强网络对红外与可见光图像的综合判断能力。实验结果表明：改进后Trans-Yolact对复合材料缺陷mAP为88.0%，较基准Yolact网络提高5.5%，缺丝、扭转等狭长形缺陷AP提高15.2%、5.1%，包含部分大尺寸缺陷的异物类缺陷AP提高9.1%。最终对Trans-Yolact网络进行结构化剪枝，剪枝后较基准Yolact网络减少26.5%的计算量(FLOPs)、减少44.7%的参数量；检测帧数提高58%，达到57.67 fps。并在大型龙门复合材料自动铺放设备上进行在线测试，可以满足生产过程最大铺放速度1.2 m/s下，复合材料缺陷的实时检测分割。
缺陷检测 多光谱融合 纤维自动铺放 深度学习 实例分割 defects detection multi-spectrum fusion automatic fiber placement deep learning instance segmentation 红外与激光工程
2023, 52(2): 20220338
传统提升低照度成像质量的方法主要包括外界补光和光圈提升，通过增大物理进光量完成源信息增强，但此类方法会造成光源污染和景深缩短等问题。提出一种端到端的多光谱融合方案，在弥补传统方法缺陷的同时有效恢复低照度场景中物体颜色和细节，实现高质量计算成像。通过定制化设计深度学习网络，融合多通道光谱信息，可有效消除场景噪声。所提方法具有较高的自由度，可以根据具体应用场景需求调节通道数和网络参数，同时也能替代传统的相机模块，优化图像信号处理流程。进行详细的消融实验，结果表明，光谱融合后，相比传统基于RGB数据的方法，所提方法得到的图像质量的均方误差（MSE）和感知损失分别降低了54.43%和35.12%。所提方法将为增强现实/虚拟现实（AR/VR）、医疗成像、自动驾驶等新兴技术领域带来新的高质量成像方案。
计算成像 多光谱融合 深度学习 低照度 激光与光电子学进展
2022, 59(20): 2011010
1 中国人民公安大学侦查学院，北京 100038
2 北京海关缉私局司法鉴定中心，北京 100000
实现药物快速无损准确定性分析是药物防控视域下的关键问题。采集了4类共计159份大麻油样本的光谱和色谱数据，利用有监督模式识别方法Fisher判别分析和K邻近分析构建不同数据集分类模型，对比了单一模型与融合模型对分析结果的影响。结果表明，在4类大麻油识别与分类过程中，基于光谱与色谱融合数据集的分类模型的分类效果优于其他数据集，借助K邻近分析的融合模型分类效果最佳，总体分类准确率达到1。该研究实现了对不同类型大麻油快速准确的定性分析，为准确认定缴获药物的来源、审理事实关联的上下游药物犯罪案件提供线索和证据。
光谱融合 大麻油 Fisher判别分析 K邻近分析 激光与光电子学进展
2022, 59(16): 1630004
1 湖南警察学院刑事科学技术系，湖南 长沙 410138
2 湖南省长沙市公安局岳麓分局物证鉴定室，湖南 长沙 410006
镇静类药物的无损快速检验分析在法庭科学理化检验中具有重要意义。为了实现对苯二氮卓类镇静药物种类的准确区分，本实验室对8类共计81份样本进行了检验；借助衰减全反射-表面增强红外光谱（ATR-SEIRAS）分析技术获取各样本的光谱数据，基于原始光谱数据集、一阶导数光谱数据集、光谱融合数据集分别构建Fisher判别分析（FDA）和多层感知器神经网络（MLPNN）分类模型。结果表明：不同样本的理化信息存在一定差异，ATR-SEIRAS谱图可以将这些差异反映出来，从而为实现不同苯二氮卓类镇静药物的有效分类奠定基础；基于光谱融合数据集构建的FDA模型的识别准确率最高，为100%，基于一阶导数光谱数据集和原始光谱数据集构建的FDA模型的识别准确率分别为96.3%和92.6%；基于上述三种数据集构建的MLPNN模型的识别准确率分别为97.5%、96.3%和88.9%。ATR-SEIRAS分析技术结合Fisher判别分析和多层感知器神经网络可以实现8类苯二氮卓类镇静药物的无损准确识别。
光谱学 光谱融合 导数光谱 苯二氮卓类镇静药物 无损分类 激光与光电子学进展
2022, 59(2): 0230001
为了实现对油漆物证的快速、无损以及准确分类,实验收集了犯罪现场常见的5个油漆品牌共计50个油漆样本的红外原始光谱数据和导数光谱数据,结合光谱融合技术,建立了基于KNN、SVM以及逐步判别分析的油漆分类模型。实验结果表明:3种分类模型对于融合光谱的识别率要高于单一光谱;KNN以及SVM分类模型对于其中的3种油漆样本识别率高,但对其余2种样本的分类效果并不好,而逐步判别分析模型对5种油漆样本的各种光谱数据识别率均高于KNN和SVM模型,其中采用逐步判别分析中的Smallest F ratio 判别模型对一阶导数光谱和三阶导数光谱融合数据的训练集和测试集实现了完全识别。本文方法的检验效率高,定性能力强,满足公安机关对于相关物证的快速检验要求,为刑事技术人员快速识别油漆物证提供了一种有效的手段。
光谱学 油漆 光谱融合 化学计量学 激光与光电子学进展
2021, 58(22): 2230002
1 中国石油大学(华东)地球科学与技术学院, 山东 青岛 266580
2 中国石油大学(华东)计算机科学与技术学院, 山东 青岛 266580
3 齐鲁工业大学(山东省科学院), 山东省科学院海洋仪器仪表研究所, 山东 青岛 266061
4 山东科技大学海洋科学与工程学院, 山东 青岛 266590
海洋沉积物中碳的变化是衔接海洋生态系统的过去与未来的信息桥梁, 揭示了海洋生态过程变化规律。 因此开展海洋沉积物碳含量的研究, 对掌握海洋生态系统碳循环规律, 研究全球碳循环, 研究对气候变化的响应和反馈有着重要的作用。 光谱技术是一种快速、 无损的测量方法, 在定量分析中已有很成熟的应用。 多光谱融合通过将多个光谱数据结合一起, 获得比单一光谱更丰富的信息, 有利于物质的分析研究。 将多光谱融合应用于海洋沉积物碳含量的研究, 以青岛海洋潮间161份沉积物为样品, 分别采用海洋光学QE65000光谱仪(光谱仪1)和AVANTES光纤光谱仪AvaSpec-ULS2048(光谱仪2)采集沉积物可见-近红外光谱。 将两种光谱仪的光谱进行多光谱融合, 分别采用偏最小二乘回归算法(PLSR)和BP神经网络算法(BPNN)建立沉积物碳含量模型。 在PLSR沉积物碳含量建模结果中, 多融合光谱结果优于光谱仪2, 略低于光谱仪1, RPD值为1.968; 在BPNN沉积物碳含量建模结果中, 多融合光谱结果优于两个单光谱仪, RPD值为2.235。 将多光谱融合后的光谱划分多个波段, 分别建立沉积物碳含量模型, 寻找沉积物碳的特征波段。 通过分析多光谱融合各波段模型结果, 560~790 nm的建模效果最好, 为0.949, RMSEC为0.550, 为0.874, RMSEP为0.733, RPD值为2.823。 预测效果相较于光谱仪1、 光谱仪2、 多光谱融合全波段都有了显著的提高。 因此采用多融合光谱特征波段建立海洋沉积物碳含量模型, 能够提高海洋沉积物碳含量的预测结果, 建立准确度更高的沉积物碳模型, 为沉积物碳的快速测定打下基础。
海洋沉积物 多光谱融合 碳 光谱技术 Marine sediments Multispectral fusion Carbon spectroscopy 光谱学与光谱分析
2021, 41(9): 2898
江苏大学食品与生物工程学院, 江苏 镇江 212013
黑果枸杞属药食同源植物, 富含多糖、 蛋白质、 矿物质、 花青素等生物活性物质, 具有清除自由基、 抗氧化、 美容养颜及调节人体免疫系统的作用, 引起国内外研究者的极大关注, 备受消费者的追捧。 我国幅员辽阔, 黑果枸杞的种植主要分布于新疆、 西藏、 内蒙古、 青海、 宁夏等地, 不同产地受海拔、 日照、 环境因素的影响所产黑果枸杞品质也不尽相同。 针对市场上不同产地黑果枸杞产地信息标注混乱, 品质参差不齐而导致市场混乱现象, 利用近、 中红外光谱技术结合化学计量学方法对黑果枸杞的产地品质信息进行区分。 首先对所收集不同产地的5种, 共计190个黑果枸杞样本进行近、 中红外光谱采集及多糖含量的测定, 利用主成分分析(PCA)对所采集的原始数据进行降维处理并采用偏最小二乘-支持向量机(LS-SVM)对其进行定性区分。 结果显示, 经PCA处理后的三维主成分得分图可明显地将黑果枸杞的光谱数据按照产地类型分为5大类, 进一步采用LS-SVM对其进行处理, 得出融合光谱与单一近、 中红外光谱所建LS-SVM模型相比, 融合光谱所建模型的预测能力优于单一一种光谱所建模型的预测能力, 当主成分数为9时, 近、 中红外融合光谱的校正集识别率达到100%, 预测集识别率达到99.17%。 采用联合区间偏最小二乘(Si-PLS)对多糖含量进行定量预测, 结果显示, 近、 中红外光谱融合后建立Si-PLS预测模型的校正集相关系数(Rc)为0.976 9, 交互验证均方根误差(RMSECV)最小为2.08%, 预测集的相关系数(Rt)达到0.967 0, 均方根误差(RMSEP)为2.40%。 另外用15个新的黑果枸杞样本对所建立最佳Si-PLS模型进行验证, 验证模型的Rt和RMSEP分别为0.947 7和2.57%, 结果证明研究所建最佳Si-PLS模型的鲁棒性好、 精确度高。 结合LS-SVM、 Si-PLS的近、 中红外融合光谱技术, 可以精简、 优化模型, 达到快速、 准确地识别黑果枸杞的产地品质信息的目的。
红外光谱 黑果枸杞 多糖 光谱融合 联合区间偏最小二乘 Infrared Spectroscopy Lycium Ruthenicum Murr. Polysaccharide Data fusion Synergy interval partial least squares 光谱学与光谱分析
2020, 40(12): 3878
1 内蒙古民族大学物理与电子信息学院, 内蒙古 通辽 028000
2 燕山大学信息科学与工程学院, 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
为了对水中的有机污染物进行绿色、 快速、 准确的检测, 提出了一种基于荧光多光谱融合的水质化学需氧量(Chemical Oxygen Demand, COD)的检测方法。 实验样本为包含近岸海水和地表水在内的实际水样53份, 采用标准化学方法获取样本的化学需氧量的理化值, 利用荧光分光光度计采集样本的三维荧光光谱并对光谱数据进行处理和建模。 在200～300 nm(间隔5 nm)的激发波长范围内将三维光谱展开成二维的发射光谱(发射波长范围250～500 nm, 间隔2 nm)。 采用ACO-iPLS(蚁群-区间偏最小二乘)算法提取发射光谱特征, PSO-LSSVM(粒子群优化的最小二乘支持向量机)算法建立预测模型, 分别建立了单激发波长下的荧光发射光谱数据预测模型、 多激发波长下发射光谱的数据级融合(LLDF)预测模型以及多激发波长下发射光谱的特征级融合(MLDF)预测模型, 通过对预测效果的对比, 得出结论。 实验结果表明, 对于不同激发波长下荧光发射光谱数据而言, 265 nm激发光作用下的发射谱数据的预测模型最优, 其检验集决定系数R2P和外部检验均方根误差RMSEP分别为0.990 1和1.198 6 mg·L-1; 对于荧光多光谱数据级融合模型(简写为: LLDF-PSO-LSSVM)而言, 在235, 265和290 nm激发光作用下的发射光谱的LLDF模型效果最优, 其检验集的Ｒ２ｐ和RMSEP分别为0.992 2和1.055 1 mg·L-1; 对于荧光多光谱特征级融合模型(MLDF-PSO-LSSVM)而言, 在265, 290和305 nm激发光作用下的荧光发射光谱的MLDF模型效果最优, 其R2p=0.998 2, RMSEP=0.534 2 mg·L-1。 综合比较各类建模结果可知, MLDF-PSO-LSSVM的模型效果最优, 说明基于荧光发射光谱数据, 采用多光谱特征级融合模型检测水质COD时, 检测的精度更高, 预测效果更好。
荧光 多光谱融合 预测模型 化学需氧量 水质检测 Fluorescence spectrum Multi-spectral fusion Prediction model Chemical oxygen demand(COD) Water quality detection
