1 天津津普利环保科技股份有限公司, 天津 300457
2 天津大学精密仪器与光电子工程学院, 天津 300072
在港口运输领域, 船舶燃油中硫含量检测一直是海事部门的监管重点。 随着我国港口贸易飞速发展, 一种简单高效的船舶燃油硫含量检测手段对我国海洋环保事业具有重要意义。 现有的检测方法普遍存在时效性差, 应用范围窄等问题, 难以实现船舶尾气的大范围快速遥测。 利用高光谱成像技术实现船舶尾气中CO2和SO2的遥测, 充分发挥高光谱成像技术信息丰富、 检测距离远、 检测范围广等优势, 发展傅里叶变换干涉型高光谱成像技术与高光谱成像三维低秩优化技术, 解决了开放光路下的低浓度检测问题和复杂环境干扰问题, 成功计算出船舶燃油中的硫含量, 为我国船舶燃油中硫含量监测提供有效工具。 研究主要包括: 在天津港东疆码头开展昼、 夜时段固定船舶硫含量检测试验以及随机船舶硫含量检测试验, 采集大量船舶尾气高光谱图像, 建立船舶尾气数据库; 发展针对复杂开放光路气体远距离检测的傅里叶变换干涉型高光谱成像技术, 具有高通量、 高光谱分辨率、 高信噪比等优点, 可以将检测距离扩增至1 200 m, 单次检测用时小于3 s; 设计基于高光谱成像三维低秩优化技术对高光谱数据进行预处理, 以低秩作为约束对高光谱图像进行三维重建, 去除复杂环境对高光谱图像的干扰, 实现高光谱图像信噪比的进一步提升; 利用偏最小二乘法化学计量技术实现SO2和CO2气体浓度的准确解析, 并依据真实大气辐射情况, 建立辐射传输模型, 从而实现对昼、 夜环境下加注高硫油的固定船舶以及随机船舶中的准确识别, 并在高光谱图像中SO2气体浓度过高的部分进行主动标识。 所述技术已在天津港进行了实地应用, 成功检测出Xinchunshun号排放尾气中SO2气体浓度超标, 检测结果与海事部门掌握的数据相符, 验证了基于高光谱成像技术的远程被动测量船舶尾气及燃油中硫含量检测的可行性。
船舶燃油 硫含量检测 远程检测 高光谱成像 Vessel fuel Sulfur content detection Remote sensing Hyperspectral imaging technology 光谱学与光谱分析
2023, 43(6): 1697
1 河北农业大学食品科技学院， 河北 保定 071000
2 河北农业大学园艺学院， 河北 保定 071000
鸭梨黑斑病在感染早期阶段引起感染区域外观的变化很微小， 肉眼难以观察， 因此对其早期识别仍然是困难的。 结合高光谱成像技术和Stacking集成学习算法， 实现了鸭梨黑斑病的潜育期识别检测。 首先， 获取健康和不同腐败程度黑斑病鸭梨样品的原始高光谱图像， 基于图像选取感兴趣区域（ROI）， 然后对提取的平均光谱数据进行一阶导数（FD）、 二阶导数（SD）、 标准正态变量变换（SNVT）及组合SNV-FD和SNV-SD预处理后， 采用竞争性自适应权重取样法（CARS）提取特征波长的光谱信息。 最后基于筛选出的特征信息分别建立最小二乘支持向量机（LS-SVM）、 K最邻近法（KNN）、 随机森林（RF）和线性判别分析（LDA）分类模型。 其中， 预测效果最好的组合为SNV-FD-LSSVM, SNV-KNN和SNV-FD-RF， 准确率分别达到94%， 88%和88%。 四种算法建立的模型中， 测试集准确率不低于85.00%的个数分别为5、 3、 2和0， 因此优选出LS-SVM、 KNN和RF三个分类器用于后续的集成学习。 为提高模型准确率， 以优选出的LS-SVM、 KNN和RF三种模型作为基分类器构建Stacking学习框架， 并与单一分类器建模结果进行对比分析。 结果表明， 集成学习模型的总体识别正确率达到了98.68%， 较单一分类器模型提高了4.64%， 且对潜育期样品的识别率提高了11%。 证实了高光谱成像结合集成学习方法识别潜育期黑斑病鸭梨样品可行; 集成模型显著提高了单一模型的准确性; 为鸭梨黑斑病早期检测和病害分级提供一种新的方法， 同时为深入研究集成学习算法在光谱定性中的应用奠定了一定基础。
高光谱成像技术 鸭梨黑斑病 Stacking集成模型 潜育期 基模型 Hyperspectral imaging technology Black spot of pear Stacking integrated model Gley period The base model 光谱学与光谱分析
2023, 43(5): 1541
河南科技大学食品与生物工程学院, 河南 洛阳 471023
利用高光谱成像技术(HSI)采集了300个不同贮藏时间的番茄高光谱图像, 在所界定的有效波段中提取特征波长的基础上, 构建了番茄贮藏过程中品质变化的马氏距离监测模型, 实现了番茄贮藏过程中的品质变化监测。 首先, 采用多元散射校正(MSC)结合Savizky-Golay卷积平滑(SG)方法对高光谱原始数据进行了预处理, 以消除基线漂移及噪声信号等影响。 其次, 基于光谱曲线在不同波段范围的变化趋势, 并结合全波段下Wilks Λ最小值对应主成分在各个波长下的权重系数定义了可凸显番茄贮藏过程中品质变化的有效波段。 随后, 分别在全波段和有效波段采用连续投影算法(SPA)、 竞争性自适应加权算法(CARS)和Wilks Λ统计量融合主成分分析3种筛选特征波长的方法进行特征波长的提取, 通过对比分析3种方法提取的特征波长数量, 指出了基于 Wilks Λ统计量融合主成分分析可以有效降低数据维度, 简化运算过程。 接着对基于 Wilks Λ统计量融合主成分分析在全波段和有效波段筛选出的主成分进行分析, 指出了在有效波段基于Wilks Λ统计量融合主成分分析进行特征波长的提取可以很好地避免冗余信息对有效信息的掩盖作用, 还可以进一步降低数据维度。 最后, 对分别以贮藏第1日和番茄腐败临界日为监测基准日构建番茄贮藏过程中品质变化的马氏距离监测模型的优缺点进行了分析, 指出以贮藏第1日为监测基准日构建的模型更具有有效性和可靠性。 研究结果表明: 基于Wilks Λ统计量融合主成分分析提取的特征波长个数为最少(5个), 且筛选出的主成分能够有效地表征番茄贮藏过程中品质变化的差异性。 为利用高光谱成像技术监测番茄贮藏过程中的品质变化提供了一种有效的特征波长提取方法。
高光谱成像技术 特征波长提取 Wilks Λ统计量 贮藏 番茄 马氏距离 Hyperspectral imaging technology Feature wavelength extraction Wilks Λ statistic Storage Tomato Mahalanobis distance
江苏大学食品与生物工程学院, 江苏 镇江 212013
人造植物肉在其原料运输、 制糜和包装等加工环节时有发生异物污染事件, 误食异物会严重损害人的身体健康。 常规食品异物检测方法容易检测出如金属、 石头等坚硬、 深色异物, 而软质、 浅色、 透明异物却是食品异物污染事件中的主要来源且是检测的难点。 根据异物和人造肉各自化学组成成分的差异, 提出了一种人造肉中低色度差异物的高光谱成像检测方法, 根据异物与人造肉光谱信息的差异, 建立模式识别模型, 来进行人造肉中低色度差异物的判别, 最后结合数字图像处理技术对异物进行空间分布可视化。 选取了聚碳酸酯(PC)、 涤纶树脂(PET)、 聚氯乙烯(PVC)、 硅胶、 玻璃五种食品生产加工过程中常见的低色度差异物为研究对象, 模拟人造肉压片的工业制作流程, 将异物混入人造肉肉糜中, 制备混有异物的人造肉样品, 分别采集异物和人造肉感兴趣区域(ROI)的反射高光谱数据, 采用SG, SNVT, MSC, VN, 1ST及2ND六种不同的光谱预处理方法对原始光谱数据进行预处理, 然后采用主成分分析法(PCA)对预处理后的光谱数据降维, 采用连续投影算法(SPA)提取人造肉的特征波长。 分别以全波段光谱、 特征波长和主成分变量作为模式识别模型输入变量, 对比LDA, KNN, BP-ANN, LS-SVM四种模式识别模型的准确率, 优选出最佳的定性识别模型, 设置优选模型异物类别输出变量为1、 人造肉类别为0, 生成二值图像, 再结合数字图像处理技术实现人造肉中异物分布可视化, 进而实现人造肉中低色度差异物的识别。 结果表明, 采用SG预处理后的光谱在降噪方面优于其他预处理方式。 SPA法优选了人造肉10个特征波长。 全波段主成分变量结合BP-ANN模型的检测效果最佳, 准确率达98.33%。 验证了高光谱技术应用于人造肉中低色度差异物检测的可行性。
人造肉 低色度差异物 高光谱成像技术 模式识别 分布可视化 Soy protein meat Low chromaticity difference foreign matter Hyperspectral imaging technology Pattern recognition Distribution visualization 光谱学与光谱分析
2022, 42(4): 1299
宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
采用荧光高光谱成像技术对脐橙表面不同浓度毒死蜱和多菌灵进行判别。 实验通过由氙灯光源激发的高光谱成像系统（392～998.2 nm）分别采集浓度为0, 0.5, 1, 2 mg·kg-1的毒死蜱和0, 1, 3, 5 mg·kg-1多菌灵的高光谱图像。 使用ENVI软件获取样本的感兴趣区域（ROI）; 对原始光谱数据采用卷积平滑（SG）、 标准正态标量变换（SNV）及一阶导数（FD）方法进行预处理; 采用区间变量迭代空间收缩法（iVISSA）、 无信息变量消除算法（UVE）和竞争性自适应加权算法（CARS）进行一次提取特征波长, 二维相关光谱（2D-COS）方法进行二次提取特征波长。 最后采用主成分分析与线性判别分析相结合算法（PCA-LDA）和偏最小二乘算法（PLS-DA）建立基于两次提取特征波长脐橙表面不同浓度毒死蜱和多菌灵残留的判别模型。 将原始光谱数据与经过预处理的3种光谱数据进行建模分析, 结果发现毒死蜱和多菌灵的光谱数据经过SG处理后模型效果最优。 对经SG预处理后的毒死蜱光谱数据和多菌灵光谱数据进行特征波长一次提取, 最佳特征波长分别为iVISSA法和CARS法, 分别提取出26个和30个特征波长; 再采用二维相关光谱（2D-COS）算法对这26个和30个特征波长进行二次提取, 分别得到10个和12个特征波长。 对一次提取特征波长和二次提取特征波长后的光谱数据分别建模。 结果表明, 对于不同浓度的毒死蜱, 基于iVISSA-2D-COS建立的PCA-LDA模型判别效果最佳, 其校正集与预测集判别正确率分别为98.61%和95.83%; 对于不同浓度的多菌灵, 基于CARS-2D-COS建立的PCA-LDA模型判别效果最佳, 其校正集与预测集判别正确率分别为97.22%和95.83%, 均高于全波段光谱数据模型和一次提取特征波长模型判别正确率, 说明2D-COS可以捕捉可用的荧光光谱信息。 该研究采用2D-COS对一次提取最优特征波长进行二次提取后建模, 研究结果为脐橙表面不同浓度农药残留的快速无损判别提供了一定的参考。
荧光高光谱成像技术 毒死蜱和多菌灵 特征波长筛选 二维相关光谱 判别 Fluorescence hyperspectral imaging technology Chlorpyrifos and carbendazim Characteristic wavelength selection Two-dimensional correlation spectroscopy Discrimination 光谱学与光谱分析
2022, 42(12): 3789
1 上海大学环境与化学工程学院, 上海 200444
2 上海大学生命科学学院, 上海 200444
3 上海海关动植物与食品检验检疫技术中心, 上海 200135
4 上海如海光电科技有限公司, 上海 201201
5 中国检验检疫科学研究院, 北京 100176
硫脲是一种含氮量高、 毒性较大的潜在蛋白掺假化合物, 常规的实验室检测方法过程复杂、 效率低, 无法满足口岸对大批次散装奶粉样本质量快速筛查的需求。 为解决口岸抽样监管缺乏快速实时评价方法的难题, 利用自主搭建的便携式点扫描拉曼高光谱成像系统, 开发了一种简单高效的奶粉中硫脲现场可视化快速检测方法, 确保散装奶粉在进出口环节的精准监管。 研究以不同添加浓度(0.005%~2.000%)的硫脲奶粉混合物为样本, 分别用Whittaker平滑方法和自适应迭代重加权惩罚最小二乘算法(airPLS)消除光谱数据的背景随机噪音信号和荧光背景干扰, 峰值识别后对硫脲特征位移处的单波段数据进行二值化处理, 得到混合样本感兴趣区域的二值热图, 通过二值图中硫脲像素点的有无和坐标, 对奶粉中的硫脲进行定性判别和定位分析。 进一步分析得感兴趣区域内硫脲像素点数目与添加浓度的关系, 结果表明随着添加浓度的增加, 硫脲像素点数目呈线性增长趋势, 其中线性拟合的决定系数(R2)为0.991 3, 硫脲的最低检出浓度为0.05%。 在0.25%, 0.60%, 1.20%和1.50%的添加水平下, 利用像素点数目和线性拟合关系预测奶粉中硫脲的浓度, 结果显示预测浓度的相对误差范围为-9.41%~4.01%, 相对标准偏差小于7%。 该点扫描拉曼高光谱成像系统能在10 min内完成单个样本的检测, 结合软件控制系统, 实时对奶粉中的硫脲颗粒进行定性、 定量和污染分布分析, 方法简单高效、 准确性好、 灵敏度高、 稳定性强, 为口岸现场对散装奶粉中硫脲掺假物的实时快速检测提供了技术监管手段, 能显著提升口岸现场散装样本的监管环节质量评价的精准性, 为进口奶粉快速通关提供技术保障。
便携式拉曼高光谱成像技术 现场无损检测 硫脲 奶粉 Portable Raman hyperspectral imaging technology On-site non-destructive testing Thiourea Milk powder 光谱学与光谱分析
2022, 42(7): 2156
随着航天技术的发展，星载高光谱成像技术日趋成熟并得到广泛应用。首先对高光谱成像的基础概念及特点进行了阐述，然后从国内、国外两个角度系统介绍了近二十年星载高光谱成像仪的发展状况，并分析了其主要性能指标和相关遥感应用，最后对星载高光谱技术在战场环境侦察、海洋**行动监测、战场气象环境评估、导弹预警探测等方面的**应用进行了分析概括，并通过举例进行了简要说明。
高光谱成像技术 星载光谱成像仪 遥感应用 **应用 hyperspectral imaging technology spaceborne spectral imager remote sensing application military applications
宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
可溶性蛋白和谷胱甘肽(GSH)是羊肉重要的生理生化指标, 是衡量机体抗氧化能力大小的重要因素, 传统检测方法程序复杂, 检测费时。 为此应用可见-近红外(400~1 000 nm)高光谱成像技术实现可羊肉可溶性蛋白和还原性谷胱甘肽(GSH)含量无损、 快速检测。 首先, 对采集的180个羊肉样本的原始光谱信息采用4种方法进行预处理, 再运用竞争自适应加权算法(CARS)、 区间变量迭代空间收缩算法-迭代和保留信息变量法(iVISSA-IRIV)进行特征波段的提取。 同时使用灰度共生矩阵法(GLCM)提取贡献率最高的主成分图像的纹理信息。 最后将优选出的预处理方法和特征波长信息作为光谱信息和光谱-纹理融合信息分别结合多元线性回归(MLR)、 最小二乘支持向量机(LS-SVM)模型建立羊肉可溶性蛋白和谷胱甘肽含量的预测模型。 结果显示未经预处理的原始光谱建立的羊肉可溶性蛋白含量PLSR模型效果最佳, 其Rc和Rp分别为0.875 7和0.854 7; 采用SNV法预处理后光谱建立的羊肉GSH含量PLSR模型效果最佳, 其Rc和Rp分别为0.804 8和0.826 5。 利用iVISSA-IRIV共筛选出31个特征波长, 建立的羊肉可溶性蛋白LS-SVM模型的Rc和Rp最优, 分别为0.914 6和0.881 8; 同时利用iVISSA-IRIV筛选出29个特征波长, 建立的羊肉GSH-MLR模型的Rc和Rp最优, 分别为0.844 6和0.870 5。 最终经光谱特征信息和图谱信息融合模型对比发现, 建立iVISSA-IRIV-LS-SVM模型对羊肉可溶性蛋白预测效果最佳, 其Rc和Rp分别为0.914 6和0.881 8; 利用SNV-iVISSA-IRIV法提取的光谱特征信息与纹理信息融合建立的MLR模型为预测羊肉GSH含量的最优模型, 其Rc和Rp分别为0.849 5和0.890 4。 利用最优iVISSA-IRIV-LS-SVM和iVISSA-IRIV-MLR模型和成像处理方法, 结合伪色彩图像直观的表示羊肉样本的可溶性蛋白和GSH含量的空间分布情况。 研究结果表明利用高光谱图像的光谱和纹理信息能够用来预测羊肉可溶性蛋白和GSH含量。
高光谱成像技术 特征波长筛选 可溶性蛋白和GSH含量 纹理特征 可视化 Hyperspectral imaging technology Characteristic wavelength selection Soluble protein and GSH contents Textural features Distribution visualization
中国农业大学信息与电气工程学院, 北京 100083
为了提升虾新鲜度判别的准确性, 提出了一种基于宽度学习(BLS)的虾新鲜度检测方法。 首先采用多元散射校正(MSC)、 标准正态变量校正(SNV)和直接正交信号校正(DOSC)对不同冷藏天数虾的原始高光谱进行预处理, 再使用t分布随机邻域嵌入(t-SNE)将预处理之后的数据可视化, 可视化结果表明DOSC聚类效果最佳。 然后使用随机森林(RF)、 主成分分析(PCA)和二维相关光谱分析(2D-COS)对经DOSC预处理之后的光谱数据进行特征选择。 最后基于选择的特征波长对虾新鲜度进行建模分析。 将宽度学习(BLS)首次用于虾新鲜度建模, 同时与偏最小二乘判别(PLS-DA)和极限学习机(ELM)等经典判别模型做比较。 研究结果表明RF方法最大限度地消除了光谱中的冗余信息, 而BLS与线性建模方法PLS-DA以及非线性建模方法ELM相比, 准确率更高并且判别时间更短, 因此RF-BLS组合模型获得了最佳新鲜度判别效果, 表明高光谱成像技术结合宽度学习识别虾的新鲜度是可行的, 可以为在线检测虾新鲜度系统的开发提供理论依据。
虾新鲜度 直接正交信号校正 随机森林 宽度学习 高光谱成像技术 Freshness of shrimp Direct orthogonal signal correction Random forest Broad learning system Hyperspectral imaging technology 
江苏大学食品与生物工程学院, 江苏 镇江 212013
采用颜色、 剪切力和K值评价冰鲜与冻融三文鱼的品质, 利用高光谱成像技术结合化学计量学方法对三个品质指标进行预测, 并讨论了不同波长选择算法所建模型的预测效果。 准备不同冻融次数三文鱼样本, 进行高光谱数据采集和品质指标真实值的测定。 采用六种预处理方法减少光谱数据中暗电流以及噪声的干扰, 采用竞争性自适应重加权算法(CARS)、 区间变量迭代空间收缩法(iVISSA), iVISSA-CARS筛选出与待测指标相关的变量, 通过比较三种波长选择算法筛选的特征变量所建偏最小二乘(PLS)模型的预测结果, 优选出三个品质指标最佳的变量选择方法。 结果表明1st Der-CARS-PLS模型对颜色中的a*预测效果最好, 筛选出的51个变量建立模型的Rc和Rp分别为0.931 6和0.929 7, RMSECV和RMSEP分别为0.716和0.735; 2nd Der-CARS-PLS模型对剪切力的预测效果最好, 筛选出的61个特征变量建立模型的Rc和Rp分别为0.892 1和0.887 3, RMSECV和RMSEP分别为0.67 N和0.80 N; 模型N-CARS-PLS取得了K值最好的预测效果, 筛选出的51个特征变量所建模型的Rc, Rp, RMSECV和RMSEP分别为0.951 4, 0.950 0, 1.33, 1.53。 说明CARS变量筛选方法能够有效提取与特征指标相关的变量, 提高模型的预测性能。 除此之外, 特征变量筛选联合算法iVISSA-CARS-PLS对三个指标的预测也取得了较好的结果, 对三个指标测试集的Rp分别为CARS-PLS预测模型的97.48%, 97.02%, 98.98%, 而所用变量数仅为CARS-PLS的60.78%, 62.29%, 60.78%, 说明变量筛选组合算法极大的减少了建立模型所用的数据量。 三个指标的CARS-PLS以及iVISSA-CARS-PLS模型取得的预测效果均高于iVISSA-PLS, 说明对于三文鱼三个品质指标的预测, CARS波长点筛选策略优于iVISSA波段选择策略。 将优选出来的PLS模型分别用于构建三个品质指标的可视化分布图, 清楚的展示了不同冻融次数三个品质指标的大小以及空间分布。 因此, 高光谱成像技术结合化学计量学方法可以较好的表征三文鱼的品质指标, 为三文鱼多品质指标的同时快速检测提供了部分理论参考。
高光谱成像技术 三文鱼 颜色 剪切力 K值 变量筛选方法 Hyperspectral imaging technology Salmon Color Shear force K value Variable screening method 光谱学与光谱分析
2021, 41(8): 2591
