中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
随着人类生活质量的提高, 农产品重金属污染问题备受关注。 农作物中的重金属元素会通过食物链侵害人体健康, 而不同重金属元素对人体毒害差别较大, 因此农作物中含有重金属元素的类别识别至关重要。 传统重金属元素检测方法存在环节多、 耗时长、 成本高等缺点, 但高光谱遥感技术具有信息使用量大, 理化反演能力强, 分析速度快, 无损监测等优势, 逐渐成为农作物重金属污染分析的重要手段之一。 以不同CuSO4·5H2O和Pb(NO3)2浓度梯度土壤胁迫下典型农作物玉米生长的叶片光谱为研究对象, 引入光谱包络线去除(CR)、 光谱比值(SR)、 分数阶微分(FOD)同时结合改进红边比值指数(MSR)构建铜铅元素识别指数(CLI); 通过挑选与铜铅元素种类相关性最强的三个分数阶微分阶数的CLI值建立铜铅元素判别特征点(CLDFP); 再利用欧式聚类(EC)将训练集样本分为铜污染与铅污染两类并结合圆心连线的垂直平分线(PB), 建立基于EC-PB识别铜铅元素种类的二维坐标系下判别规则线(CLDRL)和三维坐标系下判别规则面(CLDRP), 从而实现玉米叶片光谱信息的重金属铜铅元素种类准确识别。 研究结果表明, CR-SR-FOD光谱变换处理增加了玉米叶片光谱信息与铜铅元素种类之间的相关性; 各阶次FOD对应的CLI与铜铅元素种类相关系数各不相同, 随着阶次的增加, 相关性呈现先递增后递减的趋势, 其中相关系数最高的三个阶次分别为1.2阶, 0.7阶, 1.0阶; 在二维坐标系下训练集样本判别正确率为78.95%, 验证集样本判别正确率为75.0%; 在三维坐标系下训练集样本判别正确率为76.32%, 验证集样本判别正确率为75.0%, 证明了基于EC-PB构建的二维CLDRL和三维CLDRP光谱判别规则可以有效识别玉米叶片中铜铅污染元素种类。
光谱分析 玉米叶片 光谱变换 重金属元素识别 欧式聚类 垂直平分线 Spectral analysis Corn leaf Spectral transformation Identification of heavy metal elements Euclidean cluster Perpendicular bisector 光谱学与光谱分析
2022, 42(10): 3256
中国矿业大学（北京）地球科学与测绘工程学院, 北京 100083
重金属污染农作物后可通过食物链进入人体从而严重危害身体健康。 如何快速准确地监测农作物中重金属含量已成为当今生态与粮食安全等领域的重要研究内容。 常规的生化监测方法存在操作繁琐、 过程长、 具有破坏性等缺点, 而高光谱遥感具有光谱分辨率高、 信息量大、 生化反演能力强、 方便快捷、 对监测对象无损伤等优势, 因此利用高光谱遥感技术监测农作物中重金属含量已成为遥感领域的热点研究之一。 以不同浓度Pb(NO3)2溶液胁迫下盆栽玉米植株为研究对象, 基于不同铅离子(Pb2+)胁迫梯度下玉米叶片的反射光谱及其中Pb2+含量的测定数据, 结合奇异值分解(SVD)理论和自适应模糊神经网络推理系统(ANFIS)结构, 建立了一种Pb2+含量预测的SVD-ANFIS模型。 首先对各胁迫梯度下玉米的老叶(O)、 中叶(M)、 新叶(N)三种叶片的反射光谱数据进行SVD处理, 获取原始光谱信息的奇异值; 然后选择O, M和N叶片对应的奇异值来寻求ANFIS结构的最佳输入组合, 最终选定O-M（双输入）组合作为ANFIS结构的输入量, 通过训练和学习获得最优模糊规则库后, ANFIS结构的输出量即为叶片中Pb2+含量, 从而实现了SVD-ANFIS模型的预测性能。 研究结果表明, 该模型的输出误差值较小, 精度较高, 在模糊训练过程中隶属函数选为钟型函数时预测效果最佳。 利用多参数的反向传播(BP)神经网络预测模型对SVD-ANFIS模型的预测优越性进行验证时, 得到BP模型和SVD-ANFIS模型的决定系数(R2)分别为0.977 6和0.988 7, 均方根误差(RMSE)分别为2.455 9和0.601 3, 可见SVD-ANFIS模型的拟合度更高, 预测效果更好。 同时选取不同年份的Pb污染玉米叶片等光谱数据对SVD-ANFIS模型进行可行性检验, 其R2和RMSE分别为0.986 4和0.887 4, 说明SVD-ANFIS模型能较好的用于玉米叶片中Pb2+含量预测且具有较高的鲁棒性, 可作为预测玉米叶片中重金属含量的一种方法。
光谱分析 玉米叶片 奇异值分解 重金属污染 预测模型 Spectral analysis Corn leaves Singular value decomposition Adaptive network-based fuzzy inference system ANFIS Heavy metal pollution Prediction model 光谱学与光谱分析
2021, 41(6): 1930
中国矿业大学（北京）地球科学与测绘工程学院, 北京 100083
近年来在工业化和城镇化快速发展的地区, 由重金属污染导致的环境问题尤为突出, 特别是农业重金属污染更为社会所关注, 因此, 探索快速便捷的重金属污染甄别与监测方法极为重要。 高光谱遥感作为新兴的重金属污染监测技术已有了深入研究。 提出了固有波长尺度分解（IWD）概念和方法, 并结合Hankel矩阵和奇异值分解（SVD）等建立了植被重金属污染程度预测的IWD-Hankel-SVD模型, 该模型分为单变量模型和多变量模型。 单变量模型主要是通过重金属污染的植被光谱IWD处理来获取光谱信息固有旋转分量（PRC）以提取最佳PRC的有效特征波段; 在对各特征波段所构建的Hankel矩阵进行奇异值分解（SVD）基础上, 依据获得该模型的奇异熵实现重金属污染信息预测。 多变量模型是以植物叶绿素浓度相对值、 单变量模型奇异熵作为参数实现重金属污染的信息预测。 根据不同重金属Cu2+胁迫梯度下玉米植株污染的叶片光谱和叶绿素浓度以及叶片中Cu2+含量测定的数据, 首先对不同浓度Cu2+胁迫下玉米叶片光谱进行IWD分析, 获得能够较好保留原始输入光谱信息的最佳PRC, 并从中提取到有效特征波段553~680, 681~780, 1 266~1 429, 1 430~1 631, 1 836~1 913和1 914~2 111 nm; 然后对每一个特征波段构造其Hankel矩阵并进行SVD处理, 以求取单变量的IWD-Hankel-SVD模型奇异熵; 最后通过各特征波段所对应模型奇异熵与玉米叶片中Cu2+含量的相关分析, 得到依据1 266~1 429和1 836~1 913 nm特征波段计算出奇异熵与玉米叶片中Cu2+含量的决定系数R2均高达0.9左右, 说明这两个特征波段用于IWD-Hankel-SVD模型的Cu污染程度预测更具优越性和解释能力。 同时, 再把玉米叶片中叶绿素浓度相对值、 1 266~1 429和1 836~1 913 nm特征波段相应模型奇异熵作为参数, 采用偏最小二乘回归分析, 得出多变量IWD-Hankel-SVD模型的玉米叶片Cu污染程度预测能力更强, 决定系数R2达到0.9476, 证明了多变量模型更具有鲁棒性和稳健性。
光谱分析 玉米叶片 重金属铜污染 固有波长尺度分解 预测模型 Spectral analysis Corn leaf Heavy metal copper pollution Intrinsic wavelength-scale decomposition Prediction model 光谱学与光谱分析
2021, 41(5): 1505
1 同方威视技术股份有限公司,北京 100084
2 北京微量化学研究所,北京 100091
本文采用拉曼光谱方法研究抗疲劳类保健品中非法添加化学药物的快速筛查方法。该方法结合拉曼光谱初筛、光谱叠加分析和增强拉曼光谱以获取样品的特征拉曼信息,通过分析样品和化学药物的拉曼信息的匹配程度,判断抗疲劳类保健品中是否非法添加了化学药物。采用这种方法对北京公安在市场上抽样送检的上百种保健品进行了测试,检测的准确性大于95%,这表明拉曼光谱方法可用于快速筛查抗疲劳类保健品中是否非法添加药物。
抗疲劳保健品 非法添加药物 拉曼 增强拉曼光谱 检测 anti-fatigue health food illegally added medicine Raman spectra surface enhanced Raman spectrometry inspection
1 同方威视技术股份有限公司,北京100084
2 昆明海关,昆明650051
荧光的干扰使得毒品海洛因难以直接进行拉曼光谱检测。本文将表面增强拉曼散射(SERS)技术引入到毒品海洛因的快速检测,首次获得它的表面增强拉曼特征峰。采用此法成功检测了来自海关的20批毒品海洛因样品,对其它粉末的检测中没有出现误报现象。这表明表面增强拉曼光谱可用于对海洛因的准确检测。
海洛因 拉曼光谱 表面增强拉曼光谱 检测 heroin Raman spectra SERS inspection
1 同方威视技术股份有限公司, 北京100084
2 清华大学工程物理系, 北京100084
在民航、轨道交通、重要场馆安保等领域的液体安检中, 现在主要的技术有三种: 介电常数测量技术、拉曼光谱分析技术以及基于X射线的检测技术, 但每种技术都不能单独地满足实际需求。拉曼光谱技术可以在液体安检以及违禁品检测中发挥重要作用。未来拉曼光谱技术将在以下方面得到发展: 1、采用新技术提升仪器性能;2、增加谱图库扩大技术的应用范围;3、与表面增强拉曼光谱技术结合实现违禁品的探测。
拉曼光谱 危险品 液体 安全检查 Raman spectroscopy dangerousgoods liquid security inspection
