浙江大学控制科学与工程学院, 工业控制技术国家重点实验室, 浙江 杭州 310058
目前, 三维荧光技术在应急性饮用水污染事件检测中的应用越来越广泛, 但其仍存在易受水环境波动影响、 低浓度污染事件检出率较低等不足。 因此针对在线检测需求, 提出了一种基于时间序列双阈值的三维荧光饮用水异常事件检测方法。 该方法采用主成分分析法提取检测样本的三维荧光光谱主元特征值, 进行线性自回归（AR）模型训练并对未来时段水质样本主元特征值进行预测, 通过与实测样本主元特征值作差得到特征值差值, 同时结合实测特征值的变化率, 设置特征值差值-特征值变化率双阈值, 最终确定污染事件的时间起始点与结束点, 从而确定整个污染事件。 研究通过模拟高浓度污染事件、 低浓度污染事件、 供水水质波动等场景对所提方法进行了验证。 实验结果表明, 该方法不仅保持了高浓度污染事件检测的准确性, 在检测低浓度污染、 高干扰环境下的低浓度污染时, 该方法相较于常规判别方法, 检测结果准确率分别提高了9.4%和20.7%。
水质异常事件检测 三维荧光光谱 时间序列双阈值 主成分分析（PCA） 线性自回归（AR） Water pollution incident detection Three dimensional fluorescence spectroscopy Time series double threshold Principal component analysis (PCA) Linear autoregression (AR) 光谱学与光谱分析
2023, 43(10): 3081
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
牛奶主要成分的测定是评价牛奶品质的重要标准。 国家相关部门已经制定了一系列较为详尽的规范以保证牛奶等乳制品的质量安全, 但传统的检测方法操作复杂、 费时耗力并导致环境污染, 难以满足当代乳制品生产和消费的快速检测需要。 将衰减全反射-傅里叶变换红外光谱(ATR-FTIR)技术与相对湿度(RH)调控系统相结合, 建立了一种在RH连续下降条件下测量不同种类牛奶红外光谱的方法; 为牛奶等乳制品的原位无损检测、 种类区分、 品质分析等提供了新的途径。 (1)选取伊利品牌纯牛奶、 臻浓牛奶、 脱脂纯牛奶、 高钙低脂奶、 舒化牛奶5类牛奶为研究对象, 在RH连续下降的条件下, 采集不同种类牛奶样品在蒸发浓缩过程中的红外光谱, 对其主要营养成分进行峰位归属和定性分析, 仅需要微升级样品, 就可在短时间内提取样品浓缩过程中水、 碳水化合物、 脂肪、 蛋白质等主要成分的光谱信息, 实现对不同类别市售牛奶化学成分的较全面表征; (2)采用NWUSA软件对所得红外光谱数据进行建模分析, 选取4 000~400 cm-1波段为变量对所得光谱数据进行主成分分析(PCA), 并评估模型对不同类别牛奶的鉴别能力。 所得PCA分析数据在同组内聚集度良好, 不同组内坐标轴上相距较远, 说明模型选取合理可靠, 具有代表性。 实验中共使用了75份牛奶样品, 其中生产日期、 产地为随机因素, 牛奶的种类和品牌为固定因素。 结果表明, 该方法具有操作简便、 反应灵敏、 光谱质量高、 无损测量等优点, 适用于牛奶等乳制品的原位、 快速、 无损鉴别分析。
衰减全反射-傅里叶变换红外光谱 牛奶 主成分分析 连续降湿 ATR-FTIR Milk PCA Continuous decline of RH
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
3 石家庄学院机电学院, 河北 石家庄 050035
半潜油是一种隐藏于海面之下并呈现悬浮状态的溢油, 其长期毒害并侵蚀着海洋生态环境。 然而, 针对半潜油污染到目前还未形成有效地监测手段和处理方式, 致使其污染的突发性和危害性更甚于海面溢油。 因此, 研究有效地半潜油鉴别方法对保护海洋生态环境具有重要意义。 三维荧光光谱技术中的总同步荧光光谱(TSFS)在油类污染物检测与鉴别中具有不存在瑞利散射干扰以及冗余数据少的优势, 但由于TSFS数据本身不具备三线性结构, 使得多维校正分析方法在其应用上受到了一定的限制。 基于此, 开展基于TSFS结合高阶张量特征提取方法的海水半潜油种类鉴别研究。 首先, 利用有机分散剂和六种不同种类的油品配制了90个半潜油实验样本; 然后, 利用FS920荧光光谱仪采集实验样本的TSFS数据, 并对该数据进行标准化预处理; 最后, 通过高阶张量特征提取方法二维线性判别分析(2D-LDA)以及二维主成分分析(2D-PCA)分别建立了半潜油样本的鉴别模型; 并将所建模型与常规方法多元曲线分辨率交替最小二乘法(MCR-ALS)结合线性判别分析(LDA)以及多维偏最小二乘判别分析(NPLS-DA)进行了对比。 分析结果表明, 2D-LDA和2D-PCA所建立的半潜油样本鉴别模型具有可靠的性能, 鉴别模型的精确率、 灵敏度及特异性分别为100%, 100%和100%。 并且, 2D-LDA和2D-PCA能够直接提取TSFS光谱图像矩阵在空间、 统计学以及图形学上的精细光谱特征, 为区分半潜油样本带来更为精准的鉴别依据。 因此, 相较于常规的基于展开或分解数据的方法, 高阶张量特征提取方法所建立鉴别模型所得到的预测结果更加精确。 该研究为半潜油种类鉴别提供了一种参考。
半潜油 种类鉴别 Submersible oil TSFS TSFS 2D-LDA 2D-LDA 2D-PCA 2D-PCA Oil identification
中国农业大学工学院, 农业部土壤-机器-植物系统技术重点实验室, 北京 100083
针对传统玉米品种抗倒性鉴别方法费时费力、 时效滞后的问题, 采用高光谱成像数据结合机器学习方法对9叶期的玉米品种抗倒性进行鉴别, 并给出适于进行玉米品种抗倒性鉴别的种植密度和建模方法。 试验设置了5 000, 7 000和9 000株·亩-13个种植密度和6个典型的抗倒/不抗倒玉米品种, 采集9叶期玉米顶叶的高光谱图像, 使用目标区域分割的方式自动进行光谱图像反射率校正和目标光谱曲线提取。 对采集的样本数据使用Kennard Stone算法划分样本训练集和测试集, 用主成分分析法(PCA)和连续投影算法(SPA)提取光谱特征, 建立了基于高斯核函数的支持向量机(SVM)模型并进行参数训练和优化。 通过对不同种植密度下各特征提取方法的效果和各模型训练效果及其预测结果的对比, 找到进行玉米抗倒性鉴别的最佳种植密度和建模方法。 试验结果表明: 在各种植密度下PCA方法对光谱特征的降维效果最为显著, 而SPA算法选择的特征波长分布比较均匀、 抗倒性分类特征比较明显; 种植密度的增加对于玉米品种抗倒性的鉴别是有益的, 在种植密度为7 000株·亩-1时, 使用SPA-SVM方法建立的模型训练效果和预测结果最佳, 此时模型对训练集数据的10折交叉验证正确率为97.40%, 对测试集数据的预测正确率为98.33%。
玉米抗倒 高光谱成像 主成分分析 连续投影 支持向量机 Maize lodging resistance Hyperspectral imaging PCA SPA SVM 光谱学与光谱分析
2022, 42(4): 1229
西北大学 信息科学与技术学院，陕西西安710127
激光扫描获取的点云模型形状分析和变形需要依赖骨架线完成。本文提出了一种快速自动获取激光扫描点云骨架线用以对模型进行形状变换的方法，同时减少手动绑定骨架导致的时间耗费。该方法将初始骨架点定义为点云模型中具有对称法向的最近相关点的中点，通过中点状态的平衡化得到最终的骨架点；然后采用主成分分析法搜寻满足方向一致性要求的骨架点组合，并利用广度优先搜索方法合并不同骨架分支；最后将各分支通过拉普拉斯平滑后相连，从而得到完整的骨架线，并将此骨架线应用于模型形状变换的任务中。实验将本文方法与
![]()
![]()
中轴骨架、质量驱动拓扑感知曲线骨架等方法进行对比，采用激光扫描的点云作为测试数据，验证了该算法的有效性、鲁棒性和高效性。本文算法提取效率提高到对于由8 077个点组成的点云提取骨架线仅需0.764 s，处理具有33 041个点的点云需4.356 s。将本文提取的激光扫描点云的骨架线应用于点云形状变化任务中，展示了此方法的实用性。
光学 精密工程
2022, 30(22): 2962
中国科学院合肥物质科学研究院, 安徽光学精密机械研究所, 光子器件与材料安徽省重点实验室, 安徽 合肥 230031
锂元素具有优良的物理和化学性能, 因而在**、 电池、 特种合金、 受控热核反应等领域具有重要作用。 现有的锂矿石分析主要是基于酸分解的原子吸收光谱、 电感耦合等离子体质谱或原子发射光谱等离线方法。 激光诱导击穿光谱(LIBS)是一种无需样品制备、 适用于低原子序数元素(包括锂)的原子发射光谱方法。 采用LIBS技术, 实验采集了11种锂矿石成分分析标准物质的等离子体发射光谱, 分别在610.35和670.78 nm附近观测到了Li的特征峰, 但由于谱线的重叠, 无法应用单变量线性回归进行建模。 在全谱积分强度标准化基础上, 分别使用偏最小二乘回归(PLSR)和基于主成份分析的支持向量回归(PCA+SVR)对锂矿石标准物质中的锂含量进行建模。 校准模型的相关参数通过留一组交叉验证均方根误差(RMSECV)来确定。 结果表明, 相较于PCA+SVR校准模型, PLSR的决定系数(R2)更大, 校准均方根误差(RMSEC)更小, 但预测均方根误差(RMSEP)远大于RMSEC, 存在过拟合现象。 另一方面, PCA+SVR计算得到的RMSEP和平均相对误差(MRE)相对于PLSR更小, 因此认为PCA+SVR模型拥有更好适应度。 从而证明, LIBS技术可以实现锂矿石中Li含量的分析, 有望应用于位于传送带上锂矿石的原位在线定量分析。
锂矿石 LIBS Lithium ore PLSR PCA SVR LIBS PLSR PCA SVR 光谱学与光谱分析
2022, 42(11): 3489
1 安徽理工大学, 深部煤矿采动响应与灾害防控国家重点实验室, 安徽 淮南 232001
2 安徽理工大学电气与信息工程学院, 安徽 淮南 232001
电力变压器油的检测分析是电力变压器故障诊断的有效方法, 快速识别电力变压器油的油样对电力变压器故障诊断工作有重大意义。 常规的电力变压器油的检测技术主要是气相色谱法, 此方法操作比较复杂, 且不适合在线检测, 不能及时发现变压器的故障隐患。 提出一种激光诱导荧光光谱(LIF)技术与极限学习机(ELM)算法的电力变压器故障诊断研究的方法。 实验采集四种油样, 分别为热性故障油、 电性故障油、 局部受潮油以及原油。 使用激光发生器激发油样而发射荧光, 获取不同油样光谱数据, 采用MSC、 SNV预处理算法对光谱数据进行处理, 防止噪声等因素干扰。 随后, 利用KPCA和PCA降维, 主成分个数皆取5, KPCA处理后显示MSC预处理的累计贡献率最高, 为99%, 经MSC预处理的PCA模型累计贡献率依然达到95%以上, Original-KPCA与Original-PCA模型的累计贡献率均达到65%以下, 可以发现, 采用预处理的模型, 累计贡献率均有上升。 最后, 分别对两种降维后的数据利用ELM进行回归拟合。 实验表明, KPCA、 PCA两种降维方式, KPCA算法表现性能较好, 处理数据时间更短, 提高了模型的可靠性和效率。 同KPCA降维方式下, MSC-ELM模型的拟合优度R2为0.999 41, 均方误差MSE为0.074%; SNV-ELM拟合优度R2为0.999 08, 均方误差MSE为0.129%; Original-ELM拟合优度R2为0.996 95, 均方误差MSE为0.399%; 对比可以发现MSC比SNV处理后的效果更好, MSC-KPCA-ELM模型表现效果最佳, 预测值与真实值更为接近, 均方根误差最小。 结果证明, MSC-KPCA-ELM模型结合激光诱导荧光光谱技术更加适用于对电力变压器是否发生故障的快速诊断, 精确判断为哪种故障类型, 保障电力设备的运行安全。
激光诱导荧光光谱 极限学习机 变压器油 Laser induced fluorescence spectroscopy Extreme learning machine Transformer oil KPCA PCA KPCA PCA 光谱学与光谱分析
2022, 42(5): 1459
1 中国科学院西北高原生物研究所, 青海 西宁 810008
4 青海师范大学生命科学学院, 青海 西宁 810008
无机元素与药材的药效密切相关, 其通过对次生代谢途径中各种酶活性的调节作用而影响中药中次生代谢产物的合成, 是中药质量控制不可或缺的特征参数。 为有效鉴别蒙古黄芪产地和品质差异, 找出蒙古黄芪的特征元素及其与产地的关系。 实验采用电感耦合等离子体发射光谱(ICP-OES)测定青海省不同产地蒙古黄芪无机元素的种类与含量, 分别用SPSS 22.0和R包对数据进行聚类分析和主成分分析。 测定了黄芪中的12种元素, 主成分分析结果显示Ca, Fe, Li, P, K, Mg, Zn, AL, Na元素为蒙古黄芪的特征元素。 聚类结果表明不同产地的蒙古黄芪样品中无机元素的种类和含量与产地有一定的关联性, 当欧氏距离为8时, 可聚为三大类, S12为一类, S1, S2, S4, S5, S6, S7, S10, S11, S13, S16聚为一类, 其余的产地聚为一类, 结合ArcGIS样点分布图, 可更为直观地看出产地与其品质的关系。 此外, 建立了蒙古黄芪中无机元素的分布特征图谱, 不同产地蒙古黄芪无机元素特征图谱相似度均为0.996以上, 因此可结合指纹图谱对不同产地的蒙古黄芪进行识别分析。 从无机元素含量的主成分分析结果来看, 产于S10(互助县东沟乡纳卡村)的黄芪质量最优, 总因子得分值F最高, 其次是S7和S8, 可见, 互助县整体蒙古黄芪的品质较好。 结果表明蒙古黄芪具有丰富的矿物元素, 其含量受产地影响, 关注药材中元素的含量和种类, 不仅是对药理成分的补充说明, 更能从元素角度进一步揭示其品质优劣, 研究结果为蒙古黄芪的资源开发利用及品质鉴定提供参考依据, 为蒙古黄芪的质量安全控制提供保障。
蒙古黄芪 无机元素 主成分分析 聚类分析 电感耦合等离子体发射光谱 Astragalus membranaceus Inorganic elements Principal component analysis (PCA) Cluster analysis ICP-OES 光谱学与光谱分析
2022, 42(5): 1407
强海杂波中的漂浮小目标检测是对海雷达探测的热点与难点问题。传统算法在单一域(时域, 多普勒域以及时频域)中检测性能差, 基于特征的检测算法是解决海面漂浮小目标检测的有效手段。提出了基于全极化信息的特征融合检测算法, 选取时域与多普勒域的6特征, 提取出基于全极化信息的6特征, 分析特征的可分性, 最后利用PCA异常检测器进行目标快速检测。在实测IPIX雷达数据集上进行验证, 实验结果证明, 相比于已有的PCA检测算法, 所提算法具有优良的检测性能。
目标检测 海杂波 漂浮小目标 全极化 PCA检测算法 IPIX雷达数据 target detection sea clutter floating small target full polarization PCA-based detection IPIX radar data
