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
1 长春大学 计算机科学技术学院, 吉林 长春 130022
2 苏州深浅优视智能科技有限公司, 江苏 苏州 215000
3 吉林大学 计算机科学与技术学院, 吉林 长春 130012
4 长春大学 旅游学院 工学院, 吉林 长春 130122
在工业生产中对PIN针检测有越来越高的精度要求, 针对点云数据存在毛刺现象、孔洞、离群点及大量不同类型的噪点等问题, 本文提出采用结构光技术对PIN针的针尖平面在三维空间中进行提取的方法。首先, 利用几何特性和直通滤波进行点云粗提取, 快速准确地定位目标点云并去除大量非目标点云及离群点; 然后, 通过KD-tree对目标点云进行索引, 使用欧氏距离聚类分割算法对点云数量进行分割, 稳定有效地去除目标点云附近的小范围噪点; 最后, 通过对目标点云法向量与基准面法向量夹角的判断方法有效且精确地去除目标点云内不平整的噪点。实验结果表明, 该方法不仅可以准确去除PIN针点云数据的噪点, 且能精确地提取针尖坐标, 不同方向的PIN针高度测量标准偏差在0.005 mm以内。本文提出的方法普遍适用于平头型PIN针针尖的提取, 精度高, 速度快, 鲁棒性能好。
PIN针 结构光 点云分割 点云滤波 electronic connector point cloud segmentation euclidean cluster normal vector estimation
