国防科技大学空天科学学院陶瓷纤维及其复合材料重点实验室, 湖南 长沙 410073
成像光谱技术能够同时获取目标的图像特征和光谱特征, 很容易识别与背景环境光谱特征区别较大的传统伪装材料。 近年来, 成像光谱得到了迅速发展, 经历了多光谱技术到高光谱技术的跨越, 传感器的探测波段数、 光谱分辨率、 空间分辨率的显著提高。 得益于各国ISR无人机技术的应用, 高光谱传感器由星载拓展到机载, 可以在更近距离对**伪装目标进行识别, 对具有重要价值的**目标的生存能力构成巨大挑战。 目前, 应对高光谱的伪装材料主要设计思路是, 选择材料或材料体系具有与环境背景相似的颜色和光谱反射特征（传感器探测范围内）进行复合, 目的是与环境背景达到“同色同谱”来躲避高光谱侦察。 绿色植被是最常见的伪装背景, 也是本领域绝大部分研究的光谱模拟对象, 其反射光谱曲线在可见近红外波段具有: “绿峰”、 “红边”、 “近红外高原”和“水吸收带”四个主要特征, 分别由叶片的组织结构以及叶绿素和水分产生。 离体叶绿素光热稳定性较差, 不能直接用作伪装材料, 所以寻找和合成稳定性好、 具有类叶绿素结构及光谱特征的分子是当前的研究热点之一。 此外, 铬绿和钴绿是常用的伪装颜料, 具有类似绿色植被“绿峰”、 “红边”和“近红外高原”光谱反射特性, 研究者将其与高吸水填料复合来引入“水吸收峰”, 大致模拟出绿色植被反射光谱, 但是想要实现精确模拟, 仍存在一些难以解决的问题。 从绿色植被光谱特征出发, 分别阐述了模拟绿色植被可见光区和近红外光区光谱特征的材料选择依据及体系; 同时介绍了它们在精确模拟植被光谱时存在的问题, 以及通过改性和复合来提升光谱相似度和耐候性的相关研究工作, 总结并展望了绿色植被光谱模拟材料要解决的重难点问题和发展方向。
绿色植被 可见近红外反射光谱 叶绿素 无机颜料 Green vegetation Vis-NIR reflection spectra Chlorophyll Inorganic pigments 光谱学与光谱分析
2021, 41(4): 1032
糊化特性是小米的最重要加工特性之一, 对小米的加工性能及产品质量有重要的影响。 基于可见-近红外光谱特征信息, 在不粉碎小米颗粒的状态下, 提出了一种快速无损检测小米的糊化特性的方法。 首先, 获取小米在370~1 020 nm范围内漫反射光谱后, 将小米粉碎成小米粉, 使用RAV快速粘度分析仪测定小米粉的峰值粘度(PV)、 最低粘度(TV)、 衰减值(BD)、 最终粘度(FV)、 和回升值(SB)、 糊化温度(GT)以及峰值时间(PT)等7个糊化特性指标。 然后, 对原始光谱进行Savitzkye-Golay(SG)平滑、 多元散射校正(MSC)和一阶导数法(1-D)预处理。 最后, 结合三种处理光谱和小米糊化特性指标值, 通过Sample set partitioning based on joint x-y distances(SPXY)方法确定样本的校正集和验证集; 基于连续投影算法(SPA)选择了特征波长, 利用特征波长反射光谱信号建立了小米糊化特性指标的多元线性回归(MLR)预测模型, 并使用验证集样本验证MLR模型的预测准确性。 糊化指标预测结果: 对于粘度指标中的PV、 TV和SB参数值, 经过MSC预处理后光谱, 分别选择了9, 17和18个特征波长建立的MLR模型的预测结果最好, 预测相关系数(Rp)分别为0.934 7, 0.825 5和0.874 6, 预测误差(SEP)分别为174.039 7, 67.220 3和74.281 8; 对于BD值, 经过S-G预处理后选择了14个特征波长的MLR模型预测结果最好, Rp为 0.924 4, SEP为178.020 1; 此外, 对于FV参数值, 经过1-D处理后选择了16个特征波长所建立MLR模型的预测相关系数Rp为0.853 1, SEP为132.166 7。 研究结果表明, 利用可见-近红外光谱结合SPXY和SPA算法在不粉碎小米的状态下对其糊化特性进行检测是可行的。 本研究为小米产品相关企业在生产前期, 通过快速测定小米原料糊化特性, 进而评估产品加工品质提供一种新的技术手段, 具有较强的实际应用潜力。
小米 糊化特性 可见-近红外反射光谱 SPXY算法 SPA算法 Millet Gelatinization VIS/NIR reflectance spectroscopy SPXY algorithm SPA algorithm 光谱学与光谱分析
2020, 40(10): 3247
1 武汉工程大学化学与环境工程学院, 湖北 武汉 430073
2 武汉大学资源与环境科学学院, 湖北 武汉 430079
3 湖北师范大学城市与环境学院, 湖北 黄石 435002
4 土壤与农业可持续发展国家重点实验室, 江苏 南京 210008
5 武汉大学苏州研究院, 江苏 苏州 215123
6 武汉工程大学绿色化工过程教育部重点实验室, 湖北 武汉 430073
7 湖北省新型反应器与绿色化学工艺重点实验室, 湖北 武汉 430073
8 深圳大学生命科学学院, 广东 深圳 518060
9 湖北省环境科学研究院, 湖北 武汉 430072
测量重金属化合物氯化铬（CrCl3）、 氯化铜（CuCl2）、 氯化锌（ZnCl2）的可见-近红外反射光谱（VNIRS）, 将重金属反射光谱与重金属元素的核外电子排布式联系起来, 观察重金属化合物的反射光谱特征; 结合晶体场理论分析重金属的特征反射峰出现的波段位置和原因。 以湖北大冶地区土壤样品为例, 向土样中添加不同浓度梯度的CrCl3, CuCl2和ZnCl2并测定其可见-近红外反射光谱, 研究不同种类不同浓度的重金属对土壤反射光谱的影响。 对样本的反射光谱进行不同光谱预处理, 探究重金属浓度与土壤反射光谱之间的线性相关关系及显著相关（p<0.05）波段出现的位置和潜在机理。 结果表明, 重金属化合物CrCl3, CuCl2和ZnCl2在可见光-短波近红外波段范围内的反射光谱特征与重金属元素3d轨道上的电子填充状态有关。 添加入土壤中的重金属化合物影响了土壤的可见-近红外反射光谱, 其浓度与土壤反射光谱之间整体呈负相关, 最大负相关系数分别为-0.788, -0.880和-0.824。 样品反射光谱经不同预处理后, 重金属浓度与土壤反射光谱之间的线性相关关系有所变化, 显著相关波段信息更加丰富。 研究表明, 重金属的可见-近红外反射光谱与重金属的电子结构紧密相关, 可见-近红外反射光谱技术可以检测到土壤中较高浓度重金属的存在, 该技术在快速高效、 无损低耗地预测土壤重金属元素含量方面拥有巨大潜力。 基于部分重金属化合物的可见-近红外反射光谱特征, 结合晶体场理论为土壤重金属的定性和定量反射光谱分析提供了理论依据和实验参考。
可见-近红外反射光谱 土壤重金属 预处理 晶体场理论 线性相关关系 Visible and near-infrared reflectance spectroscopy Soil heavy metals Pretreatment Crystal field theory Linear correlation
华南师范大学生物光子学研究院, 广东 广州 510631
在快速发展的中国,有机食品、绿色食品和无公害食品在产地环境、生产规程、加工、包装,尤其是生产资料的使用等方面都有严格区分,导致检验和认证需要花费大量的人力、物力、财力和时间.因此我们需要一种方便、精确的检测技术.基于化学计量学,本研究首次利用可见-近红外反射光谱快速检测有机胡萝卜、绿色胡萝卜和无公害胡萝卜.选择最佳区间(650-700 nm),三种分类模型包括主成分分析结合k均值聚类、主成分分析结合线性判别分析、反向传播神经网络鉴别126个胡萝卜样本的准确率分别为93.65%、100%,和98.41%.结果表明,可见-近红外光谱结合化学计量学技术可以有效地验证有机胡萝卜、绿色胡萝卜和无污染胡萝卜.为质量检验机构提供了一个可行的检测方法,从而促进包括有机食品、绿色食品、无公害食品等安全食品的发展.
有机胡萝卜 绿色胡萝卜 无公害胡萝卜 认证 可见-近红外反射光谱 化学计量学 organic carrots green carrots non-pollution carrots certification visible-near infrared reflectance spectroscopy chemometrics
1 华南师范大学光子中医实验室, 广东 广州 510631
2 中山大学物理科学与技术学院, 广东 广州 510275
光学相干层析成像(OCT)和反射光谱技术用于精确地评估小鼠烫伤模型。 在相同作用时间不同温度下, 皮肤厚度呈线性增加; 皮下肌肉组织拟合吸收系数和斜率呈V字型变化, 在80 ℃时, 处在最低处; 在65～85 ℃时, 光谱一次微商的波峰与波谷明显分离, 85 ℃之后这种能力逐渐减弱; 色坐标值中, 红色数值在60～70 ℃和90～95 ℃两个温度之间急剧减小, 代表绿色数值一直缓慢减小, 而蓝色数值增加。 相同温度不同热作用时间下, 皮肤的厚度略微减小; 拟合吸收系数在热作用少于20 s时间内数值较大, 在30 s后数值较小; 构造的斜率变化很小; 色坐标值在作用时间超过20 s时, 变得相对稳定。 以上参数主要发生在作用时间为10 s, 超过这个时间, 变化相对很小。 这些变化能够反映出皮肤和皮下组织在热作用下, 充血带、 水肿瘀滞带和凝固带的形成和转化。 这两种技术结合能够为临床提供一种实时的、 低消费的、 非侵入的在体的烫伤检测的新的光学活检手段。
光学相干层析成像 可见近红外反射光谱技术 皮肤烫伤 小鼠模型 OCT Reflection spectrum Skin scald Mice model
1 中南大学信息物理工程学院， 湖南 长沙410083
2 吉首大学生物资源与环境科学学院， 湖南 吉首416000
3 甘肃兴隆山国家级自然保护区管理局， 甘肃 榆中730117
提出了一种利用粪便可见-近红外反射光谱进行高山麝慢性肠炎诊断的新方法。 以FieldSpec3地物光谱仪采集了125份高山麝粪便（正常粪样70份， 慢性肠炎患者粪样55份）的光谱数据， 将其随机分成训练集(95份)和检验集(30份)。 光谱经S.Golay平滑与一阶导数处理后以主成分分析法（PCA）降维。 以前6个主成分（含原始光谱95.16%的特征信息）作为新变量， 利用训练集样本， 分别以模糊模式识别、 BP-神经网络、 Fisher线性判别以及Bayes逐步判别四种方法建立高山麝慢性肠炎的诊断模型。 对检验集30个未知样的预测表明， Fisher线性判别的准确率为86.7%， 模糊模式识别与BP-神经网络模型判别的准确率为90%， Bayes逐步判别的准确率最高， 达93.3%。 进一步分析发现所有误诊都源于将正常样误判为病样， 四种方法对病样的检出率均达100%。 说明利用粪便的可见-近红外反射光谱进行高山麝慢性肠炎的快速、 非接触性诊断是可行的， 且PCA 结合Bayes逐步判别是一种优选方法。
可见-近红外反射光谱 粪便 慢性肠炎 高山麝 诊断 Visual-near infrared reflectance spectra Feces Chronic enteritis Alpine musk deer Diagnose 光谱学与光谱分析
2009, 29(7): 1772
中国科学院南京土壤研究所, 江苏 南京 210008
应用可见近红外反射高光谱技术探讨了菠菜叶片硝酸盐含量的无损检测方法。 利用偏最小二乘法(PLS)和主成分分析法(PCP)分别建立了菠菜叶片硝酸盐含量与反射高光谱间的数学模型, 同时对不同光谱预处理方法和不同建模波段范围下模型的预测性能进行了比较分析。 结果表明, 原始反射光谱经平滑后一阶微分处理, 模型的预测性明显提高； PCR模型的预测结果要略好于PLS模型； 异常值剔除之后, 全波段范围内用平滑后一阶微分光谱建立的PLS和PCR模型能较好地预测菠菜硝酸盐含量, 经独立测试集(n=13)检验, 实测值和预测值的相关系数分别为0.94(PLS模型)和0.95(PCR模型), 预测均方根误差分别为128.2 mg·kg-1(PLS模型)和120.8 mg·kg-1(PCR模型)。 研究表明应用可见近红外反射高光谱来定量无损检测蔬菜的硝酸盐含量是可行的, 为今后蔬菜叶片硝酸盐含量的快速无损测定提供了理论依据。
菠菜 硝酸盐含量 可见近红外反射光谱 无损 偏最小二乘法 主成分回归法 Spinach Nitrate content Visible and near-infrared high reflectance spectra Nondestructive Partial least square regression (PLS) Principal component regression (PCR)
浙江大学 生物系统工程与食品科学学院, 浙江, 杭州 310029
提出一种利用可见-近红外反射光谱技术快速无损鉴别葡萄品种的新方法。采用主成分分析法对三个葡萄品种的光谱进行聚类分析。结果表明, 黑提葡萄能够被区分。进一步采用人工神经网络技术对马奶子和木拉格两种葡萄进行品种鉴别。以前10个主成分作为神经网络的输入, 品种类型作为神经网络的输出, 建立三层BP神经网络模型。结果显示, 这两个品种的识别准确率达到98.28 %, 结果优于簇类独立软模式(SIMCA)。同时提出葡萄品种鉴别的四个敏感波段: 452、493、542和668 nm。基于敏感波段光谱的BP神经网络预测准确率为97.41%。说明采用可见-近红外光谱分析技术结合主成分分析和人工神经网络的方法能够快速无损鉴别葡萄的品种, 为葡萄品种的鉴别提供了一种新方法。
光谱学 葡萄品种鉴别 可见-近红外反射光谱 主成分分析 人工神经网络
1 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310029
2 浙江大学动物科学学院, 浙江 杭州 310029
为了进行快速实时的杂草识别,研究了作物和杂草叶片的可见-近红外反射光谱特性。选择了两种常见的田间作物大豆(Glycine max)和玉米(Zea mays),以及铁苋菜(Acalypha australis L.)和田字草(Marsilea quadrifolia L.)两种杂草作为研究对象,每种各30个样本,共120个样本。采用ASD Fieldspec 便携式光谱仪进行光谱采集。在对400～1000 nm的光谱数据进行平滑和一阶求导预处理、。通过主成份分析,去除了一个奇异样本。最后用79个样本组成的建模集进行偏最小二乘法建模,对剩余的40个样本进行预测。预测模型结果的相关性达到0.986,识别率达到100%。说明研究中选用的作物和杂草叶片的可见-近红外反射光谱特性之间有较大的区别,可以用于进行杂草和作物的区分。
光谱学 杂草识别 可见-近红外反射光谱 偏最小二乘法
