1 道地药材品质保障与资源持续利用全国重点实验室, 中国中医科学院中药资源中心, 北京 100700云南中医药大学中药学院, 云南 昆明 650500
2 道地药材品质保障与资源持续利用全国重点实验室, 中国中医科学院中药资源中心, 北京 100700
3 天津津航技术物理研究所, 天津 300381
高光谱成像技术（HSI）是基于非常多窄波段的影像数据技术, 将成像技术与光谱技术相结合, 获取高光谱分辨率的连续、 窄波段的图像数据, 因其快速、 无损的特点, 被广泛应用于食品、 农产品、 中药材等样品的快速鉴别。 道地药材新会陈皮具有较高的市场价值, 且陈化（贮藏）年份越久市场价格亦越高, 市场人工鉴别准确率低、 难度大。 基于高光谱技术结合化学计量学方法, 建立不同陈化年份新会陈皮的快速无损鉴别方法。 采集5个陈化年份样品在可见-近红外波段（400～1 000 nm）的高光谱信息, 提取高光谱图像感兴趣区域（ROI）的平均光谱值作为样本原始光谱。 经黑白校正后获得标准数据, 通过多元散射校正（MSC）、 一阶导数（D1）、 二阶导数（D2）、 SG平滑（SG）和标准正态变量变换（SNV）5种预处理方法对数据进行降噪处理后, 结合偏最小二乘判别分析（PLS-DA) 、 随机森林（RF）和支持向量机（SVM）等方法建立分类鉴别模型, 以预测结果的准确率作为评价指标筛选最佳模型, 使用混淆矩阵（confusion matrix）评估模型分类性能。 结果表明, 外表皮数据以MSC结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率达到97.59%； 而内表皮数据则以原始数据结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率亦达到97.59%。 采用内表皮数据, 进一步采用连续投影算法（SPA）选择19个特征波长建模, 整体判别准确率仍可达90%以上。 通过SPA方法提取的特征波长建模可以达到与全波长模型相似的识别效果, 去除冗余变量可以大大降低模型的复杂性, 减少模型的运算时间。 该研究建立的高光谱技术结合化学计量学的方法可实现不同陈化年份新会陈皮样品的快速无损鉴别, 为专属小型化仪器装备系统的开发提供了理论依据。
高光谱技术 模式识别 新会陈皮: 陈化年份 Hyperspectral imaging Mode recognition Xinhui Citri Reticulatae Pericarpium Aging years 光谱学与光谱分析
2023, 43(10): 3286
1 汕头大学工学院电子信息工程系, 广东 汕头 515063
2 中国地质科学院地球物理地球化学勘查研究所, 河北 廊坊 065000中国地质调查局土地质量地球化学调查评价研究中心, 河北 廊坊 065000
3 汕头大学工学院机械工程系, 广东 汕头 515063
高光谱技术可提供近乎连续的地物光谱曲线, 对土壤组分定量反演具有极大的潜力。 针对受污染土壤, 通过综合分析实验室测定的土壤镉（Cd）含量和同期获取的高光谱数据, 提出了一种基于深度森林2021（Deep Forest 2021, DF21）算法的高光谱土壤Cd含量反演模型。 采用原始光谱数据（OS）和其经主成分分析（PCA）降维处理后的数据作为模型输入参数, 分别构建了基于原始光谱数据的DF21（OS-DF21）模型和基于PCA降维数据的DF21（PCA-DF21）模型。 随后, 基于相同训练样本, OS-DF21和PCA-DF21分别建立了土壤Cd含量和输入参量之间的关系, 并据此对检验样本土壤Cd含量进行了定量反演和对比分析。 选取决定系数（R2）、 均方根误差（RMSE）和相对分析误差（RPD）对模型反演性能进行了评估。 分析结果表明: OS-DF21模型反演精度最佳, 其R2、 RMSE和RPD分别可达0.873、 0.120和2.892。 相比而言, PCA降维处理虽可降低光谱数据的冗余度, 但PCA-DF21模型的预测能力有所下降。 尽管如此, PCA-DF21模型仍表现出较好的土壤Cd含量反演能力, 其R2、 RMSE和RPD分别为0.779, 0.159和2.190。 因此, DF21算法可作为研究区及类似环境区域的土壤重金属快速勘测的补充手段。
土壤Cd含量 深度森林DF21 主成分分析(PCA) 高光谱技术 反演模型 Soil Cd concentration DF21 Principal component analysis (PCA) Hyperspectral technology Retrieval model 光谱学与光谱分析
2023, 43(8): 2638
华东交通大学智能机电装备创新研究院, 江西 南昌 330013
稻米霉变会引起营养物质流失, 同时产生有毒物质, 不仅降低其自身品质, 还会感染其他正常稻米。 为减少霉变引起的稻米损耗, 需及时分离霉变稻米。 高光谱技术具有快速、 无损的特点, 因此, 尝试利用高光谱技术对稻米霉变情况进行检测。 发芽稻米与发霉稻米具有相似的光谱特征, 易被误判为发霉稻米, 影响后续稻米霉变程度的检测, 因此, 提出利用高光谱技术结合多种预处理及判别模型区分发芽稻米与发霉稻米, 并对不同霉变程度的稻米进行判别。 将正常、 发芽、 发霉和发芽发霉的稻米样本建立模型进行区分检测, 并对轻度、 中度、 重度和完全发霉的稻米样本进行判别。 利用高光谱采集仪器对正常、 发芽、 发霉和发霉发芽的稻米样本进行光谱图像采集, 提取采集图像感兴趣区域（ROI）的光谱, 以ROI内光谱的平均反射率作为稻米样本的光谱特征。 对提取的光谱数据进行SNV、 Normalize和MSC等预处理; 利用KS算法将样本以1∶3的比例均匀地划分为用于验证模型效果的预测集和建立光谱与样本关系的建模集; 分别建立PLSR、 SVM和RF模型, 以3种模型的预测集正确率评价各模型预测效果, 挑选出效果最优的判别模型。 在正常、 发芽、 发霉和发芽发霉稻米的检测中, 得到最优的判别模型为基线校正法预处理后的随机森林（Baseline-RF）模型, Baseline-RF模型的预测集判别准确率为100%; 在稻米霉变程度的检测中, 通过对不同模型的预测结果进行比较得出, SNV-RF模型的预测集中未出现误判样本, 表现出最优的判别效果。 为简化模型, 在冗长的原始光谱中提取特征波长, 以特征波长光谱建立SNV-RF模型, 结果显示利用CARS算法挑选后的特征波长具有较好的判别能力, 整体的判别准确率为97.5%。 实验结果显示高光谱技术结合CARS-SNV-RF模型能够快速准确地判别稻米的霉变程度, 为霉变稻米的快速判别提供一定的理论基础和实验参考, 对提高稻米品质、 减少稻米浪费具有重要意义。
高光谱技术 波段筛选 稻米霉变 快速检测 Hyperspectral technology Waveband selection Rice moldy Rapid detection 光谱学与光谱分析
2023, 43(8): 2391
1 国网四川省电力公司电力科学研究院, 四川 成都 600072
2 西南交通大学 电气工程学院, 四川 成都 611756
污闪是威胁电网安全可靠运行的重要原因之一, 污秽类型差异将直接影响闪络电压大小。因此, 及时掌握绝缘子污秽类型信息对预防污闪有重要作用。为此提出了一种基于SAM-ED光谱匹配的绝缘子污秽类型检测方法。采集不同污秽类型样本高光谱数据, 经黑白校正及多元散射校正(MSC)去除噪声等干扰因素;利用竞争自适应重加权采样法(CARS)对光谱数据进行特征选取, 分别在特征波段和全波段范围内通过SAM-ED光谱匹配法将测试组样本光谱与参考光谱进行匹配, 根据匹配结果对样本进行分类;实验结果表明: 相比于光谱角匹配法和最小距离法, SAM-ED光谱匹配法检测效果更好;基于全波长数据进行SAM-ED光谱匹配准确率可达95%, 基于特征波长数据进行SAM-ED光谱匹配准确率可达98.33%。
高光谱技术 绝缘子 污秽类型 光谱匹配 非接触检测 hyperspectral technology insulator pollution type Spectral matching Non-contact detection
核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京100029
为了解决基于深度学习的开展矿物高光谱丰度反演研究中标签数据不足的问题，提出一种基于添加填充系数的Hapke混合模型的小样本矿物高光谱数据增强方法，用于生成大量带标签的数据集。在实验室内选择5种常见矿物按照质量比例对矿物粉末进行多元混合，并对混合矿物开展光谱量测。基于线性混合模型、Hapke混合模型、填充系数分别为0.1，0.2和0.3的Hapke混合模型共5种模型，按照对应的质量比例生成模拟的混合矿物光谱，与实验室实测光谱进行比较。最后，基于Monte Carlo法随机生成多元“和为一”的丰度矩阵，利用5种混合模型开展数据增强，分别生成40 000条模拟光谱作为堆栈自编码网络的训练集，反演矿物高光谱数据的丰度信息。研究结果表明：Hapke模型以及添加填充系数后的光谱模拟精度均优于线性混合模型的模拟精度，当Hapke模型的填充系数为0.1和0.2时，光谱角距离误差均值分别为0.053 5和0.053 7，模拟的矿物光谱更接近实测光谱，且优于未添加填充系数时的光谱角距离误差0.074 8。利用填充系数为0.1和0.2的Hapke模型生成的模拟数据作为深度学习训练集，矿物高光谱丰度反演的均方根误差（RMSE）为0.124 8，优于其他4种模型的反演结果。基于添加填充系数后的Hapke混合模型生成的模拟数据更接近真实光谱，可为深度学习的小样本矿物丰度反演研究提供数据支撑。
高光谱技术 深度学习 模拟光谱 混合模型 Hapke模型 数据增强 丰度反演 hyperspectral technique deep learning simulating spectra mixing model Hapke model data augmentation abundances inversion 光学 精密工程
2023, 31(11): 1684
当今全球范围内有机食品行业发展迅速, 体现出消费者对食品质量安全的重视。 相比于普通鸡蛋, 有机鸡蛋因严格的生产条件以及更高的营养价值生产成本更高、 售价更贵。 市面上所销售的有机鸡蛋虽取得了严格有机食品认证标识, 但依旧不能阻止不法份子将普通鸡蛋冒充有机鸡蛋销售, 从而谋取利润。 这一行为不仅会损害有机鸡蛋生产商的利益, 也降低了人们对有机食品的信任度, 为此需要一种有效的对有机鸡蛋和普通鸡蛋无损鉴别方法。 使用高光谱技术透射成像的方式, 可以获取物质内部的信息, 以有机鸡蛋和普通鸡蛋为试验对象, 采集鸡蛋样本364~1 025 nm波长范围的高光谱图像数据, 从采集到的数据中提取出鸡蛋蛋清和蛋黄感兴趣区域(ROI)的平均透射光谱数据。 根据透射光谱曲线图筛选出有机鸡蛋与普通鸡蛋光谱响应差异明显的波段区间, 分别通过偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)建立鸡蛋类别的鉴别模型, 结果表明模型分别根据蛋黄区域与蛋清区域数据进行建模的鉴别准确率相近, 进一步对蛋黄区域数据进行分析。 由于高光谱数据量大且存在大量冗余信息, 给数据采集、 存储、 传输和建模处理都带来不便, 因此分别通过连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对蛋黄ROI数据进行降维处理, 剔除了大量冗余信息后再建模。 最终, 使用对蛋黄ROI区域运用SPA降维后得到的23个特征波长建立的SPA-SVM鉴别模型在测试集的准确率最高达到94.2%。 结果表明, 通过高光谱技术对有机鸡蛋和普通鸡蛋进行无损鉴别有一定效果。
鸡蛋 有机食品 高光谱技术 光谱降维 鉴别 Eggs Organic food Hyperspectral technology Spectral dimension reduction Identification 光谱学与光谱分析
2022, 42(4): 1222
吉林大学生物与农业工程学院, 吉林 长春 130022
小麦是我国的主要粮食作物, 在国民经济发展中具有举足轻重的地位。 然而, 盐与物理损伤等非生物胁迫, 逐渐成为制约小麦产量和品质的重要因素。 研究表明, 细胞壁是植物细胞直接抵御逆境胁迫的重要防线。 盐胁迫下, 细胞渗透压增大, 质膜的透性会受到一定程度的影响。 为了维持细胞的形态和结构, 植物细胞壁中的果胶等多糖物质会发生不同程度的转化和改变。 物理损伤, 会加深植物细胞膜脂过氧化的程度, 使膜通透性增大, 导致营养物质的流失和降解。 受到损伤的部位及其周边细胞还会发生栓化以阻塞病菌的侵入。 构成植物细胞壁主要成分且能够反映细胞壁以及膜系统完整性和透过性的果胶, 可以作为研究胁迫下植物内部物质响应规律的重要指标。 目前, 质量法、 比色法、 液相色谱法等常用的果胶检测方法操作繁琐、 实时性不强且对样本损耗较大。 亟需一种操作简便、 检测速度快、 无损的检测方法。 将烟农0428小麦作为研究对象, 采用水培方式, 以向培养液中施加氯化钠(NaCl)溶液和对小麦第一片叶主脉两侧针刺分别模拟盐胁迫和昆虫叮咬造成的物理损伤, 并完成小麦叶片果胶及高光谱信息的采集与处理。 利用相关分析法筛选光谱敏感波段, 将主成分回归(PCR)、 偏最小二乘法(PLS)、 逐步多元线性回归(SMLR)三种建模方法分别与多元散射校正(MSC)、 标准正态变换(SNV)、 一阶导数(FD)、 卷积平滑(S-G)、 Norris导数滤波(NDF)等预处理技术相结合, 建立果胶含量反演模型。 最终, 选定PLS+SNV+FD+NDF方法建立的模型为最优模型, 并对其性能进行了测试。 结果表明: 果胶含量的预测值与实测值一致性较高, 拟合系数(R2)和均方根误差(RMSE)分别为0.997 6和0.35; 预测值重复性较好, 相对标准偏差(RSD)为1.2%。 该研究以新方法实现小麦果胶的高精度、 快速、 无损检测, 有助于小麦响应逆境胁迫机理的深入探索, 并为大田作物胁迫程度预测及种植环境的精准管控提供参考。
小麦 高光谱技术 果胶 盐胁迫 物理损伤 模型预测 Wheat Hyperspectral technique Pectin Salt stress Physical damage Model prediction 光谱学与光谱分析
2022, 42(9): 2935
中国农业大学信息与电子工程学院, 北京 100083
随着小康社会的全面建成, 居民对生活水平的要求已经从温饱过渡到高质量, 特别是对饮食安全问题尤为重视, 但是“变质肉”、 “掺假肉”、 “添加肉”和“注水肉”等食品质量安全事故频发, 已经严重威胁到了我国居民生命安全并阻碍了市场良性发展。 目前, 红肉质量检测主要依托复杂的理化实验完成, 对红肉产品具有强烈的破坏性, 仅适用于市场监管部门的抽查。 高光谱技术作为一种原位无损、 高通量、 快速的智能检测技术, 为解决传统检测方法在红肉生产销售全产业链中缺乏操作可行性提供了有效的技术手段, 可以极大的促进我国红肉质量安全监管体系的发展与健全。 综述了近几年国内外关于红肉质量高光谱无损检测研究的最新进展: 首先, 总结了基于高光谱无损检测技术构建红肉质量无损检测模型的优缺点, 其优势是具有图谱合一、 高分辨率等特性, 为模型多样性提供良好的数据基础; 其劣势是高光谱数据的冗余度高、 信噪比低、 非线性强, 对模型效率造成一定影响。 然后, 重点分析了红肉质量无损检测建模中关键算法的研究进展: (1)感兴趣区域一般通过手动获取, 感兴趣区域的自动分离方法是目前研究的重点之一; (2)光谱预处理算法主要通过观察光谱信号或根据建模效果反推选择, 目前还未形成标准通用的预处理算法; (3)综合红肉光谱和图像特征, 能够全面反映红肉的质量特性, 为建模提供了良好的数据基础; (4)线性模型的发展应用较为成熟, 稳定性较好, 但是面向复杂的红肉质量检测环境, 非线性模型的研究潜力更加良好。 最后, 通过综述近几年红肉质量的高光谱无损检测研究成果, 展望了未来的研究中, 提高算法自动化、 充分利用图谱信息、 加强非线性模型的应用将成为重点研究方向。
高光谱技术 红肉质量安全 特征融合 无损检测 Hyperspectral technology The red meat quality Feature fusion Non-destructive testing 光谱学与光谱分析
2022, 42(7): 1993
质构作为一种重要的品质参数, 能够显著地影响出缸期皮蛋的凝胶品质, 目前没有有效的快速无损检测方法。 应用高光谱成像实现对出缸期皮蛋质构特性的无损预测及不同品质皮蛋的检测分级。 以不同品质鸭皮蛋为研究对象, 采集优质蛋、 合格蛋与不合格蛋样本的高光谱数据, 对比测定其凝胶质构硬度和弹性参数, 对原始光谱进行单一和组合变换(多元散射校正MSC、 包络线去除CR、 一阶求导FD、 包络线去除一阶求导组合CR-FD), 分析一维光谱数据与质构硬度和弹性的相关性, 发现经CR-FD变换后的光谱反射率与凝胶质构硬度、 弹性的相关性最大, 分别在波长683和715 nm达到最大值为0.882和0.865; 基于最优的光谱变换和二维相关光谱法, 以凝胶质构硬度和弹性作为扰动因子, 探寻皮蛋硬度和弹性的最优研究区域, 结果显示: 以硬度为扰动因子时, 波长476, 539, 647, 672, 728和851 nm处存在自相关峰; 在波长483, 572, 657, 739和826 nm处的光谱信号对弹性值较敏感, 故最终选择476~851和483~826 nm两个敏感波段分别作为凝胶硬度和弹性的研究区域; 对比连续投影算法(SPA)、 竞争性自适应重加权算法(CARS)、 遗传算法(GA)、 粒子群优化算法(PSO)、 无信息消除法(UVE)5种不同变量选择方式, 发现使用粒子群优化算法结合PLSR模型的检测精度最高: 预测硬度的$R_{P}^{2}$和均方根误差RMSEP为0.826和0.874, RPD为2, 预测弹性的$R_{P}^{2}$和均方根误差RMSEP为0.886和0.402, RPD为1.9。 使用3种不同分类器对不同品质皮蛋进行预测, 发现对优质蛋、 合格蛋与不合格蛋分类的准确率分别达到了97%, 92%和100%, 基于预测结果的混淆矩阵和ROC曲线对模型进行评估, PLS-DA模型的精度和泛化能力优于BP和RF模型。 综上表明, 使用高光谱技术可以实现皮蛋质构特性的预测及对不同品质皮蛋的无损分级。
皮蛋 质构特性 二维相关 高光谱技术 Preserved eggs Textural feature Two-dimensional correlation Hyperspectral technique 光谱学与光谱分析
2022, 42(6): 1985
1 河海大学地球科学与工程学院, 江苏 南京 211100
2 中国科学院空天信息创新研究院, 北京 100094
3 故宫博物院, 北京 100009
红色系矿物颜料曾被艺术家们大量地使用在古画和古建筑上。 正确地识别出不同种类的红色系颜料对于文物监测与修复具有重要意义。 传统的颜料识别主要依靠化学分析, 不仅识别速度慢、 识别范围小, 而且对文物进行取样操作会造成文物的永久损伤。 高光谱技术对颜料进行无损识别可以很好地解决这些问题。 选用辰砂、 胭脂、 银朱、 朱膘、 朱砂、 赭石、 赭粉、 铁红、 土红、 西洋红10种红色系矿物颜料作为研究对象, 使用地物光谱仪在暗室中获取这10种红色系颜料在350~2 500 nm波段内的高光谱数据原始数字(DN)影像, 经反射率校正, 得到可直接用于光谱分析的反射率数据及光谱曲线。 基于10种红色系颜料不同的光谱曲线特性, 分两步筛选获取被区分颜料即目标颜料的光谱特征波段。 取目标颜料光谱曲线的极值点作为特征波段, 可以筛选得到目标颜料的初选光谱特征波段。 将其余9种颜料在初选光谱特征波段上对应的反射率与目标颜料在此波段上的反射率做差, 对于差值, 筛去离群值后求平方和, 不同波段对应不同的差值平方和, 选取差值平方和较大的前4个波段作为优选后的光谱特征波段。 基于归一化光谱指数模型公式[NDSI=(Ra-Rb)/(Ra+Rb), Ra和Rb分别为目标颜料在光谱特征波段a和b处的反射率值]对10种红色系颜料分别构建归一化光谱指数, 将目标颜料与其余9种红色系颜料在同一光谱特征波段处计算得到的光谱指数进行对比分析, 计算目标颜料光谱指数与其余颜料光谱指数的区分度, 以此作为评价区分效果的指标。 对于最终优选出的4个光谱特征波段, 可构建6个归一化光谱指数, 选择最小区分度最大的归一化光谱指数作为目标颜料的光谱特征指数。 研究结果显示, 在通过各自的光谱特征指数进行区分时, 每种目标颜料与其他颜料的最小区分度都保持在0.7以上(大于0.5可认为区分明显), 说明上述方法可以对各红色系颜料进行准确区分, 对于文物颜料的快速准确识别具有实践意义。
高光谱技术 文物 红色系颜料 光谱指数 Hyperspectral technology Cultural relic Red pigments Spectral index 光谱学与光谱分析
2022, 42(5): 1588
