1 中国民用航空飞行学院民机复合材料研究中心, 四川 广汉 618307
2 温州大学机电工程学院, 浙江 温州 325035
飞机蒙皮激光除漆过程的在线监测, 是实现分层可控除漆、 满足适航维修要求的重要手段, 也是推进激光除漆工程应用、 飞机维修自动化的核心技术。 激光诱导击穿等离子体光谱（LIBS）技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化, 实现激光清洗表面状态的在线监测。 基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台, 分别采集了不同激光功率下, 面漆、 底漆、 铝合金基体去除过程中的3类LIBS光谱（各100幅）。 分析了不同激光功率下, 各类光谱示踪元素特征谱线的变化情况, 初步筛选了12条特征谱线作为光谱识别的特征。 进一步对这12个特征进行主成分分析（PCA）, 并将前3个主成分（PC1、 PC2、 PC3）构成的数据集作为支持向量机（SVM）识别模型的输入量, 建立了3类光谱的识别模型。 形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则, 并对该规则的有效性进行了实验验证。 结果表明, 与低频脉冲激光单点作用采集的针状LIBS光谱相比, 基于该平台采集的LIBS光谱普遍存在较强的连续背景（大于5 000 a.u.）以及1.5 nm左右的半峰全宽; 针对此类光谱设计了改进均值平滑滤波算法, 在去除背景光谱的同时有效避免了特征谱线强度失真; 示踪元素的特征谱线存在不稳定性; 主成分分析中前3个主成分PC1、 PC2、 PC3对光谱的解释率达95%, 在其构成的三维空间中, 同类光谱呈区域性聚集; PCA-SVM模型对训练集、 测试集的识别准确率分别为99.44%、 100%; 验证实验结果表明3类光谱的识别模型与在线监测判定规则有效。 所建立的识别模型与判定规则, 可为飞机蒙皮激光分层除漆过程监测及自动化解决方案提供核心技术支撑。
激光除漆 激光诱导击穿光谱 在线监测 识别模型 判定规则 Laser paint removal Laser-induced breakdown spectroscopy On-line monitoring Identification model Decision rule 光谱学与光谱分析
2023, 43(12): 3891
1 北京服装学院材料设计与工程学院, 北京 100029
2 中国纺织科学研究院有限公司, 北京 100025
3 北京服装学院服装艺术与工程学院, 北京 100029
4 东华大学材料科学与工程学院, 上海 201620
我国每年产生废旧纺织品超过2 600多万吨, 且随着经济的发展呈现逐年增多的趋势, 而其再生利用率不足10%。 废旧纺织品组分的多样性和结构的复杂性是影响其准确分类、 快速回收和高附加值再利用的最大障碍。 人工识别分选既费时费力又不准确, 而近红外光谱分析技术可对其进行快速无损高效识别分选。 在前期探究的最佳测试条件下, 利用自主研制的“纤维制品在线近红外高效识别与分选装置”对聚酯、 棉、 毛、 锦纶、 真丝、 粘胶、 腈纶、 聚酯/毛、 聚酯/棉、 聚酯/锦纶、 真丝/棉混纺和“特殊类”共计12类1 060个废旧纤维织物样本进行在线原始近红外光谱采集。 基于采集的样本在线原始NIR谱图, 利用卷积神经网络方法, 依据输入的样本光谱数据及对应分类标签进行网络训练, 建立了12类废旧纺织品在线NIR定性识别模型。 对比一维、 二维卷积神经网络模型, 其二维模型较优, 该模型是将901～2 500 nm的一维数组归一化后转化为40×40像素的二维灰度图像, 再交替进行多次卷积和池化来进行光谱特征的提取、 压缩和数据降维。 通过模型计算得到每类废旧纺织品样本的类别概率值, 取其最大值作为该类织物的最终分类。 本模型训练过程设置为500轮, 每次取32个样本图像, 学习率为0.001。 训练后输出预先设定的12类织物标签, 所建模型的内部训练准确率可达96.2％。 为了验证模型的适用性, 用232个未参与建模的织物样品进行预测检验, 其识别正确率达96.6％。 将该模型导入“纺织品在线主控程序”后, 可对建模样本所涵盖的12类织物进行成分识别与自动分选, 每个样品的识别和分选时间小于2 s。 模型的建立和装置的应用为我国废旧纺织品的回收再利用提供了一种全新的分选技术和装备。
废旧纺织品 在线近红外光谱 定性识别模型 卷积神经网络 自动分选 Waste textiles Online NIRS Qualitative identification models Convolutional Neural Network Automatic sorting 光谱学与光谱分析
2023, 43(7): 2139
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学园艺园林学院, 黑龙江 大庆 163319
为解决大豆冠层在近地端的多光谱图像边缘灰度不均, 目标与背景之间灰度差别小, 难以准确高效地获取大豆冠层目标区域的难题, 将多光谱成像处理技术与经典图像分割方法有机融合, 提出基于多光谱图像处理技术的大豆冠层提取方法。 以东北大豆为对象, 通过Sequoia多光谱相机采集绿光、 近红外、 红光、 红边和可见光五类大豆多光谱图像, 采用高斯平滑滤波法对原始大豆多光谱图像进行预处理, 分析多光谱图像中大豆冠层和背景的灰度直方图分布特性, 在此基础上利用迭代法、 Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域, 并以图像形态学开运算处理细化和扩张背景, 避免图像区域内干扰噪声对大豆冠层识别效果的影响, 同时以有效分割率、 过分割率、 欠分割率、 信息熵以及运行时间等为监督指标, 对大豆冠层多光谱图像识别模型进行效果评价。 大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像, 有效分割率分别为97.81%和87.99%, 对绿光、 红光和红边大豆冠层图像分割效果较差, 有效分割率低于70%; Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像, 且有效分割率均在82%以上; 三种算法对红光大豆冠层图像的有效分割率均低于20%, 未达到较好效果。 在原始多光谱图像中应用迭代法、 Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为: 0.120 1, 0.054 7和0.059 8, 其中Otsu法和局部阈值法较小, 表明了对于大豆冠层多光谱图像识别中两种算法的有效性。 该算法中Otsu法和局部阈值法均可以有效提取绿光、 近红外、 红边和可见光等多光谱的大豆冠层图像, 二者较为完整地保留了大豆冠层信息, 其中Otsu法实时性能较局部阈值法更好。 该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。
大豆冠层 多光谱图像 图像处理 识别模型 算法评价 Soybean canopy Multispectral image Image processing Recognition model Algorithm evaluation 光谱学与光谱分析
2022, 42(11): 3568
1 武汉理工大学信息工程学院, 宽带无线通信与传感器网络湖北省重点实验室, 湖北 武汉 430070
2 华中农业大学园艺林学学院, 园艺植物生物学教育部重点实验室, 湖北 武汉 430070
嫁接的目的是为了提高植物抗土传病害和非生物逆境的能力。 甜瓜嫁接愈合状态的早检测是当前育苗厂工业化发展的重要需求。 在标准正态变量变换-Savitzky-Golay平滑-二阶导数(SNV-SG-SD)预处理基础上提出了融合嫁接差异信息的竞争性自适应重加权算法-连续投影法(DIS-CARS-SPA)特征提取算法, 并建立了基于网格寻优径向基核函数支持向量机(GS-RBF-SVM)分类模型, 实现了基于高光谱成像的甜瓜嫁接愈合状态早期分类检测。 首先采集以南瓜为砧木, 甜瓜为接穗的嫁接成活苗和非成活苗愈合期1~7 d内的高光谱图像, 分别采用9种光谱预处理方法, 2种特征提取算法和5种优化算法4种核函数支持向量机(SVM)分类模型进行分析。 结果显示, SNV-SG-SD光谱预处理、 DIS-CARS-SPA特征提取和GS-RBF-SVM分类模型效果最好。 利用该模型进一步分析, 在同一天不同类型二分类中, 愈合期1~7 d内任何一天的分类准确率均能达到99%以上; 在不同天嫁接成活苗二分类中可达 90.17%以上; 在不同天嫁接非成活苗二分类中可达97.03%以上; 在不同天不同类型十四分类中可达到96.85%, 比未融合嫁接差异信息的CARS-SPA特征提取方法准确率提高了0.59%, 比只预处理未特征提取方法提高了3.37%。 结果表明, 所提出的方法不仅能实现同一天不同类型二分类, 还能实现不同天同一类型的二分类, 不同天不同类型的多分类。 在实际应用中, 可将分类时间点提前到嫁接后第1天(肉眼观察第3~4天, 机器视觉技术第1~2天), 同时第3天均是嫁接成活苗和非成活苗的差异突变天数, 嫁接成活苗状态可分为弱—中—强三个阶段, 非成活苗状态可分为弱—更弱两个阶段, 该结论能为甜瓜嫁接苗生产提供有效指导, 具有一定的理论和实践价值。
高光谱成像 甜瓜嫁接 光谱预处理 特征提取 分类识别模型 Hyperspectral imaging Melon grafting Data preprocessing Feature extraction Classification and recognition model 光谱学与光谱分析
2022, 42(7): 2218
中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
地下天然气储气库一旦发生泄漏将会导致严重的安全事故与经济损失, 而快速准确地识别天然气泄漏点能够有效避免以上情况发生。 针对地下储气库微泄漏的情况, 传统方法因其准确率低、 成本高等缺点难以适用。 利用高光谱技术进行野外模拟实验, 融合光谱信息、 纹理信息和颜色信息对天然气泄漏点进行识别。 基于地下天然气储气库泄漏胁迫相应区域植被生长的特征, 以冬小麦为研究对象, 利用SOC710VP高光谱成像仪(光谱范围: 400~1 000 nm)分别获取第11天、 第24天、 第32天、 第40天以及第49天控制组与胁迫组地块的高光谱影像, 对所获取的影像进行光谱平滑、 反射率校正和裁剪处理之后: (1)首先运用方差分析(ANOVA)选取特征波段, 分别为: 510, 520, 570, 625, 645, 680和690 nm; 其次, 运用灰度共生矩阵(GLCM)计算特征波段影像纹理特征, 并计算RGB合成影像的前三阶颜色矩; (2)运用NDVI对影像进行阈值分割, 将其分为植被部分和裸露土壤部分。 对于植被部分, 基于最小二乘支持向量机(LSSVM)构建融合光谱、 纹理以及颜色特征的识别模型, 并对胁迫下的小麦进行识别; (3)融合胁迫下的小麦和裸露土壤的识别结果, 并对融合后的结果进行形态学和圆拟合处理。 结果表明: 模型综合光谱、 纹理以及颜色特征, 能够在胁迫发生的第24天较好地识别出胁迫区域; 受天然气胁迫的冬小麦, 在光谱、 纹理以及颜色特征方面均与控制组小麦存在较大差异; 受天然气胁迫的区域在时序上呈现先扩大后缩小的趋势; 研究还发现距胁迫边缘0.25 m的圆环内, 小麦胁迫组长势较控制组小麦区旺盛, 出现“绿晕现象”。 为验证模型的适用性, 运用所构建的识别模型对实验区内的大豆、 玉米和草地进行识别验证, 均取得较好的效果。 该研究结果可为工程应用中识别天然气泄漏提供理论支持。
高光谱 天然气微泄漏 胁迫特征 识别模型 Hyperspectral Natural gas micro-leakage Stress characteristics Recognition model 光谱学与光谱分析
2020, 40(10): 3123
江西省果蔬采后处理关键技术及质量安全协同创新中心, 江西省高校生物光电及应用重点实验室, 江西 南昌 330045
为了快速识别茶叶品种,提出了激光诱导击穿光谱全光学诊断方法。采集7种茶叶样品在200~480 nm波长范围的激光诱导击穿光谱的全谱数据,分别运用九点平滑和九点平滑/一阶导数方法对光谱进行降噪、消除干扰预处理,再结合主成分分析对预处理后的光谱进行降维。选择判别分析(DA)、径向基函数网络(RBF)和B-P反向传播网络(又称MLP)三种模型对7种茶叶进行品种识别。结果显示:综合九点平滑和一阶导数预处理后,再结合主成分分析降维,可使三种模型对茶叶品种的识别准确率均有一定程度的提高,MLP的识别准确率高于DA和RBF,其训练集识别准确率为99.6%,测试集识别准确率为99.1%。选择合适的激光诱导击穿光谱预处理及模型构建方法,对快速准确识别茶叶品种具有可行性。
光谱学 茶叶品种 快速识别 激光诱导击穿光谱 主成分分析 识别模型 激光与光电子学进展
2018, 55(2): 023002
1 南京信息工程大学 地理与遥感学院, 江苏 南京 210044
2 安徽省农业生态大数据工程实验室 安徽大学 , 安徽 合肥 230601
3 北京农业信息技术研究中心, 北京 100097
4 中国科学院遥感与数字地球研究所, 北京 100101
5 福建农业职业技术学院, 福建 福清 350007
自然界中不同种物质拥有不同的偏振特性, 这些特征信号能用于检测不同的目标地物。为了探索偏振光谱技术用于精确识别作物和杂草的可行性, 此研究利用配置偏振片的成像光谱仪FISS-P在室内采集玉米与5种杂草的偏振光谱影像。通过比较和分析0°、60°、120°和无偏4种状态下玉米与各种杂草的光谱响应规律、光谱特征和决策识别模型精度, 结果显示4种偏振状态下玉米和杂草的光谱变化趋势较一致, 无偏状态下玉米和杂草的光谱强度最大; 不同偏振状态下玉米和杂草的敏感波段既存在共性又表现出一定的差异性; 4种偏振状态下玉米杂草识别模型的总体精度和Kappa系数均达到90%以上, 其中, 0°偏振状态下玉米和杂草识别模型的整体精度最高, 接近100%。综上, 偏振光谱能够在叶片尺度较好地识别玉米和杂草, 这为田间尺度进一步应用提供了扎实的数据积累。
偏振特性 识别模型 玉米 杂草 FISS FISS polarization characteristics identification model corn weed 红外与激光工程
2016, 45(12): 1223001
1 中国矿业大学(北京)地测学院, 北京100083
2 School of Geography, University of Nottingham, NG7 2RD, UK
温室气体(CO2)过量排放可以导致全球气候变暖, 而碳捕捉与储存(carbon capture and storage, CCS)技术是一种减少CO2气体排放的有效措施。 但存储在地下的CO2有泄漏的风险, 如何快速监测CO2轻微泄漏点是一个值得研究的问题。 该文通过野外模拟实验, 研究草地和大豆在CO2轻微泄漏胁迫下的冠层光谱特征, 构建CO2轻微泄漏点高光谱遥感探测模型。 在2008年5月—9月于英国诺丁汉大学Sutton Bonington校区(52.8N, 1.2W)进行了野外模拟实验。 实验共设置16个小区, 8个草地及8个大豆地, 其中各有4个小区进行CO2泄漏胁迫。 冠层光谱采用美国ASD光谱仪进行测量, 草地测量了6次数据, 大豆地测量了3次数据。 实验结果表明, 草地与大豆地的冠层光谱反射率在580～680 nm波段范围内随CO2泄漏胁迫程度的增大而增大, 且在整个试验期内都保持同样的规律, 因此构建面积指数AREA(580～680 nm)(光谱曲线在580～680 nm波段范围内包围的面积)识别遭受CO2泄漏胁迫下的植被。 通过J-M距离检验, 发现该指数能够较好地识别出CO2轻微泄漏胁迫下center区与core区的草地, 但对edge区草地的识别能力不足(J-M距离小于1.8); 该指数可以可靠且稳健地识别出遭受CO2轻微泄漏胁迫的大豆。 该研究结果可为未来应用高光谱遥感探测CO2轻微泄漏点提供理论依据与方法支持。
冠层光谱 CO2泄漏胁迫 地表植被 识别模型 Canopy spectra CO2 leakage stress Surface vegetation Identification model 光谱学与光谱分析
2015, 35(10): 2781
1 中国矿业大学（北京） 地球科学与测绘工程学院, 北京100083
2 chool of Geography, University of Nottingham, NG7 2RD, UK
随着全球气候变暖, 我国洪涝灾害发生的频率及影响范围都不断增加。 通过野外模拟试验, 研究植被（玉米、 甜菜）在水浸胁迫下的光谱变化特征, 以构建高光谱遥感模型对水涝灾害范围进行监测。 试验于2008年5月—8月在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)进行, 每周采集一次样本并在室内测量其光谱数据。 试验结果表明植被光谱在550, 800～1 300 nm区域反射率都稍有降低, 而在680 nm区域反射率则略微增大。 选取NDVI, SIPI, PRI, SRPI, GNDVI及R800*R550/R680共六个植被指数识别水浸胁迫下的植被, 研究表明, 指数SIPI与R800*R550/R680对水浸胁迫玉米比较敏感, 而指数SIPI, PRI及R800*R550/R680对水浸胁迫甜菜比较敏感。 为寻找最优的识别模型, 计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析, 发现植被指数R800*R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离, 说明该指数识别水浸胁迫植被的能力优于其他指数, 且具有较强的敏感性与稳健性。 因此, 可以利用该指数快速地提取水浸面积, 为救灾减灾决策提供信息支持。
光谱特征 水浸胁迫 植被 识别模型对比分析 归一化均值距离 Spectral features Waterlogging stress Vegetation Identification model Normalized distance between means 光谱学与光谱分析
2013, 33(11): 3106
1 新疆兵团绿洲生态农业重点开放实验室, 石河子大学, 新疆 石河子832003
2 新疆农垦科学院棉花研究所, 新疆 石河子832003
3 中国农业科学院作物科学研究所, 农业部作物生理生态与栽培重点开放实验室, 北京100081
4 西安科技大学测绘科学与技术学院, 陕西 西安710054
在棉蚜危害棉花的主要生育期测试蚜害后不同严重度叶片的理化参数和光谱, 分析并比较了不同时期、 不同品种蚜害棉叶理化参数和光谱反射率特征, 确定了蚜害棉叶光谱敏感波段, 建立了蚜害棉叶严重度估测模型。 结果表明: 蚜害棉叶的理化参数和光谱特征明显, 蚜害棉叶平均厚度, 含水量, 温度和叶片CHL.b均增加, 叶片而平均CHL.a, CHL.a+b 和Cars含量减少。 不同时期、 不同品种蚜害棉叶光谱反射率在可见光均表现先升后降的特征, 但不同品种蚜害棉叶在近红外波段反射率不同。 434～727和648 nm可分别作为蚜害棉叶的光谱敏感波段和最佳波段。 基于敏感波段建立的蚜害棉叶遥感估测模型均达到显著相关, 其中以(R1 589-R648)/(R1 589+R648)为自变量建立的估算模型精度最高, 相对误差最小(0.128), 可作为蚜害棉叶严重度最佳识别模型。 该研究为遥感大面积监测棉花蚜虫提供了理论依据及参考
棉花 蚜虫 光谱特征 识别模型 Cotton Aphid Spectrum characteristics Recognition models 光谱学与光谱分析
2010, 30(11): 3093
