作者单位
摘要
1 上海理工大学医疗器械与食品学院, 上海 200093
2 上海交通大学电子信息与电气工程学院, 上海 200240
构建了高光谱反射、 透射和交互作用成像系统对蓝莓的硬度和弹性模量进行无损检测, 并对比不同成像模式的预测准确率。 反射高光谱图像采用以大津法为核心的算法进行分割, 而透射和交互作用高光谱图像利用基于区域增长的算法进行分割。 对提取平均光谱分别进行标准正态变量变换(SNV)和一阶SG卷积平滑(Der), 并构建相应光谱的最小二乘支持向量机模型。 在全波段模型中, 基于SNV预处理反射光(Reflectance-SNV)模型对蓝莓硬度的预测相关系数(Rp)=0.80, 相对预测误差(RPD)=1.76; 基于SNV预处理透射光(Transmittance-SNV)模型对蓝莓弹性模量的Rp(RPD)=0.78 (1.74)。 随机蛙跳算法(Random Frog)可以有效地减少了建模所需的波段数, 同时还提高了大部分模型的预测准确率。 基于随机蛙跳选择的Der交互作用光(Random Frog-interactance-Der)模型对蓝莓硬度的Rp(RPD)=0.80(1.83), 但该模型建模所需的波段数为140; 基于随机蛙跳算法的SNV透射光(Random Frog-Transmittance-SNV)模型对蓝莓弹性模量的Rp(RPD)=0.82(1.83), 同时该模型建模所需的波段数为20。
力学特性 质地 无损检测 随机蛙跳 波段选择 Mechanical property Texture Non-destructive testing Random Frog Wavelength selection 
光谱学与光谱分析
2016, 36(11): 3651
作者单位
摘要
1 西南大学资源环境学院, 重庆400716
2 四川省农业科学院土壤肥料研究所, 成都 四川610066
通过野外定点采集土壤和作物植株、 籽粒样品, 利用石墨炉(novAA400)原子吸收法, 研究了成都平原稻麦轮作下水稻土剖面中镉的分布特征及其与水稻、 小麦吸收镉的相关性。 结果表明, 土壤剖面中的镉主要集中在0~15 cm的耕层土壤, 总体表现为“向根层富集”的特征, 土壤全镉和有效态镉均随土层深度的增加而逐渐降低, 30~45 cm土层的全镉和有效态镉含量平均值分别为表层的47.60%和39.49%。 不同质地土壤中的镉向下迁移量大小顺序为砂壤>重壤>中壤, 以15~30 cm土层的迁移量差异最大。 土壤pH与0~15 cm土层的有效态镉含量间相关性不显著(r=-0.46), 与15~30 cm和30~45 cm土层有效态镉含量间呈显著的负相关(r=-0.78*~-0.86**)。 水稻、 小麦秸秆和籽粒镉含量与0~15 cm和30~45 cm土层的全镉含量间相关性不大(r=-0.092~-0.383, 0.174~0.424), 但与0~15 cm和15~30 cm土层的有效态镉含量呈显著正相关(r=0.766*~0.953**), 与30~45 cm土层的有效态镉含量相关性不显著(r=0.526~0.584)。 因此, 土壤有效态镉含量比全镉含量更适合作为农作物产品安全的土壤镉污染评价指标。
 质地 剖面分布 水稻 小麦 成都平原 Cadmium Soil texture Distribution in soil profile Rice Wheat Chengdu plain 
光谱学与光谱分析
2013, 33(2): 476
作者单位
摘要
新疆农业大学草业与环境科学学院, 新疆 乌鲁木齐 830052
以新疆玛纳斯县不同质地土壤(砂壤土、 粉粘壤土和粘土)室内光谱反射率作为研究对象, 采用包络线去除法对土壤光谱曲线进行处理, 与土壤含水量进行相关分析并建立模型。 结果表明: 不同质地土壤光谱反射率大小依次为: 粘土>粉粘壤土>砂壤土; 砂壤土、 粉粘壤土和粘土分别以田间持水量20.01%, 24.10%和30.43%为临界点, 在低于该临界点范围内含水量与反射率呈反比, 在高于该临界点范围内含水量与反射率呈正比; 在1 390~1 623 nm波段内, 土壤含水量与光谱归一化反射率有较好的负相关, 并达到显著水平, 所建立的土壤含水量预测模型R2值达到0.8以上, 模型平均相对误差为10%。 结果表明, 建立不同质地土壤含水量光谱预测模型可以较准确反映土壤含水量, 其快速、 无损、 准确的优点, 为测定土壤含水量提供了一种新方法。
土壤质地 含水量 光谱反射率 模型 Soil texture Water content Spectral reflectance Model 
光谱学与光谱分析
2012, 32(8): 2117
作者单位
摘要
1 中国农业大学信息与电气工程学院, 北京100083
2 北京英贤仪器有限公司, 北京100070
依据所收集的25种土样, 采用两种不同精度仪器、 三种光谱方法以及3个不同谱区, 在四种分类标准条件下进行土壤质地分类分析方法研究。 结果表明: (1)土壤化学组成的信息主要体现在近红外光谱的谱峰特征, 而质地等物理信息主要反映在光谱的斜率、 截距参数上, 且二者在不同谱区的相对强度不同; (2)近红外光谱方法对土壤质地的分辨能力较低, 随着分类粗化而有所提高; (3)在4组分类标准中土壤质地最高预测准确度为72%, 其中在砂粒<70%和粘粒<40%条件下, 预测准确度达到85%; (4)样本顶部漫反射光谱方法与扩展谱区范围均可有效提高质地预测准确度, 而高精度仪器并不具备明显优势。
土壤质地 分类 近红外光谱 Soil texture Classification Near infrared 
光谱学与光谱分析
2009, 29(7): 1759
作者单位
摘要
1 浙江大学环境与资源学院, 浙江 杭州 310029
2 密歇根州立大学地理系, 美国 密歇根 东兰辛 48824
3 密歇根州立大学作物与土壤科学系, 美国 密歇根 东兰辛 48824
4 浙江省土肥站, 浙江 杭州 310020
近红外光谱是利用漫反射来分析物质的某些化学性质, 已在农业及其他许多领域得到广泛应用。 尽管在实验室条件下, 研究证明可以应用近红外光谱分析技术来快速、 方便地测定土壤参数, 但在田间大范围内应用红外光谱快速测定来分析土壤性质, 仍然缺乏研究; 该研究以田间行走式设备获取的红外光谱数据为基础, 分析和比较了不同数据处理技术下红外光谱信息与土壤质地之间的相关性, 发现应用基于算术运算的波段组合技术可以明显地提高红外光谱信息与土壤质地之间的相关性, 为田间光谱数据的分析处理与应用提供了依据。
近红外光谱 土壤质地 行走式测定 Near-infrared spectroscopy(NIRS) Soil texture On-the-go measurement 
光谱学与光谱分析
2009, 29(6): 1526

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!