作者单位
摘要
1 昆明理工大学国土资源工程学院, 云南 昆明 650093
2 云南省高校高原山区空间信息测绘技术应用工程研究中心, 云南 昆明 650093滇西技术应用大学地球科学与工程学院, 云南 大理 671009
3 昆明理工大学国土资源工程学院, 云南 昆明 650093云南省高校高原山区空间信息测绘技术应用工程研究中心, 云南 昆明 650093
高光谱遥感技术能够更细致地检测出岩矿的光谱特征, 为高光谱岩矿识别提供了强有力手段。 基于特定吸收特征波段的高光谱岩矿识别模型依赖很高的先验知识且难以满足区分不同类型岩石的要求, 因此探索建立准确、 高效的高光谱岩石自动识别模型具有重要意义。 在禄丰恐龙谷地区采集三类典型的沉积岩(泥岩、 砂岩和灰岩各21个)作为目标样本, 采用ASD FieldSpec3地物光谱仪获取沉积岩样本在350~2 500 nm范围内的高光谱数据, 对原始光谱进行一阶微分、 连续统去除变换并分析其光谱特征, 采用连续投影(SPA)、 竞争性自适应重加权采样(CARS)和迭代保留信息变量法(IRIV)三种特征变量选择算法选取原始光谱及其变换光谱中的特征波长, 基于全波段和特征波长数据分别建立支持向量机(SVM)和随机森林(RF)识别模型。 结果表明: 三种特征变量选择算法对高光谱数据都具有较好的降维效果, 从原始光谱及两种变换光谱选取出的特征波长数量在7~59个之间。 综合光谱变换处理与特征变量选择算法进行模型测试对比试验, 发现组合连续统去除-SPA-SVM模型方法在识别三类目标沉积岩上的表现最好, 其识别精度为0.952 4, 此时选取出用于输入模型的特征波长数量为10个, 只占全波段的0.5%, 大大降低了模型的运算量, 其中2个特征波长位于550 nm附近的Fe2+和Fe3+吸收带, 2个位于900 nm附近Fe3+吸收带, 5个位于1 900和2 200 nm附近的水分子、 羟基吸收带, 其分布可以较好地反映沉积岩化学成分差异导致的光谱吸收特征规律。 实验结果表明采用光谱变换与特征变量选择算法进行高光谱沉积岩自动识别是可行的, 能为高光谱岩矿识别方法提供参考。
高光谱 沉积岩 光谱分析 特征波长选取 支持向量机 Hyperspectral Sedimentary rock Spectral analysis Characteristic wavelength selection Support vector machine 
光谱学与光谱分析
2023, 43(9): 2855
作者单位
摘要
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
海上溢油事故不仅造成极大的石油资源浪费, 而且严重威胁生态环境。 因此, 利用荧光光谱对油膜厚度进行快速无损检测对于有效评估溢油量有重要意义。 基于激光诱导荧光(LIF)技术对海水表面0#柴油、 5#白油油膜的荧光光谱进行检测, 进而实现对油膜厚度的量化分析。 首先使用SG平滑滤波对原始光谱数据进行预处理以减少原始光谱中的背景噪声。 然后采用间隔随机蛙跳算法(IRF)结合变量子集迭代优化法(IVSO)对获取的全光谱数据进行波长选择以剔除冗余变量, 将经过二次筛选出的光谱特征波长作为偏最小二乘回归(PLS)的自变量输入数据建立油膜厚度反演模型。 该方法第一步利用IRF从全光谱数据中筛选出特征波段, 再利用IVSO对特征光谱波段组合进一步筛选出特征波长变量, 从而有效提高优选出的特征波长建立油膜厚度反演模型的预测能力和稳定性。 将IRF-IVSO与全光谱及移动窗口偏最小二乘法(MWPLS)、 间隔随机蛙跳算法(IRF)、 变量组合集群分析法(VCPA)、 变量子集迭代优化法(IVSO)四种波长优选方法进行对比, 发现IRF-IVSO筛选出0#柴油数据和5#白油数据的特征波长数量分别占全光谱数据的4.48%和19.40%。 将全光谱及上述波长优选方法筛选出的特征波长作为输入建立PLS模型进行分析讨论。 结果表明, 特征波长选择方法结合PLS所建立的不同模型预测能力和效率较全光谱有明显提高。 其中, IRF-IVSO结合PLS所建立的油膜厚度反演模型预测效果最优, 该模型可以实现对厚度分别为0.141 5~2.291 8和0.052~0.980 mm的0#柴油及5#白油油膜的有效反演, 柴油油膜测试集相关系数RP可达到0.961 1, 测试集均方根误差RMSEP为0.137 5, 白油油膜测试集相关系数RP可达到0.971 2, 测试集均方根误差RMSEP为0.079 0。 该研究表明, IRF-IVSO通过结合区间波段筛选和单一变量选择能够有效而稳定地筛选出特征波长变量, 结合PLS建立的油膜厚度反演模型能够实现可靠预测。
激光诱导荧光 油膜厚度 特征波长选择 定量分析 Laser-induced fluorescence Oil film thickness Characteristic wavelength selection Quantitative analysis 
光谱学与光谱分析
2023, 43(9): 2811
作者单位
摘要
1 东北林业大学机电工程学院, 黑龙江 哈尔滨 150040
2 东北林业大学机电工程学院, 黑龙江 哈尔滨 150040信阳农林学院, 河南 信阳 464000
3 亚联机械股份有限公司, 吉林 敦化 133700
厚度为0.8 mm的超薄纤维板是目前纤维板品类中的试验创新产品, 树皮含量对其生产设备参数的设定以及静曲强度、 耐水性等质量指标影响较大, 精确测定超薄纤维板木纤维中树皮含量极为重要。 目前树皮含量的精确测定较为困难, 本试验通过高光谱近红外成像系统结合相关算法建立了纤维树皮含量检测模型, 创新了纤维树皮含量的检测方法。 利用高光谱成像仪分别测定了含有杨木树皮为0%、 3%、 5%、 7%、 10%、 12%、 15%、 20%、 25%、 30%和100%的杨木纤维样本的光谱图像。 分析了采用均值中心化(MC)、 多元散射校正(MSC)、 标准正态变量变换(SNV)以及一阶(1-Der)导数四种预处理的对比结果, 从而选择最优预处理方法为MSC。 对MSC预处理后的光谱数据采用SPA及CARS进行特征波长提取, 得到与树皮含量相关性最高的波段组合, 并与全波段模型进行对比分析, 建立偏最小二乘回归(PLSR)模型。 从实验数据可以看出: MC, MSC, SNV 和1-Der四种预处理建立的偏最小二乘回归(PLSR)模型预测性能存在差异, 其中全波段MSC-PLSR模型的性能最好, 其校正决定系数R2C为0.994, 预测决定系数R2P为0.985, 校正均方根误差RMSEC为0.831%, 预测均方根误差RMSEP为1.336%。 通过SPA和CARS分别提取了37个和49个特征波段, 其中CARS模型更好, 其R2C值为0.991, R2P值为0.979, RMSEC值为0.885%, RMSEP值为1.335%。 实验结果表明: 高光谱成像系统结合相应算法可以实现对纤维树皮含量的检测, 该研究结果为超薄纤维板生产中树皮含量的检测提供了技术支持和理论参考, 可以有效实现纤维中树皮含量的定量检测, 创新建立了一种能够测定纤维板树皮含量的模型方法。
超薄纤维板 树皮含量 高光谱 特征波长 Ultra-thin fiberboard Bark content Hyperspectral Characteristic wavelength 
光谱学与光谱分析
2023, 43(10): 3266
作者单位
摘要
石河子大学机械电气工程学院/农业农村部西北农业装备重点实验室, 新疆 石河子 832003
棉花杂质在轧棉过程中对棉纤维造成损伤, 导致成品纺织品出现瑕疵。 因此, 杂质的检测和分类在棉花生产过程及质量检验中至关重要。 地膜是我国机采棉中特有的杂质。 该研究将包括地膜碎片等12种常见棉花杂质放置于两层皮棉层之间, 采用推扫式高光谱成像系统在透射模式下对杂质与皮棉混合样本进行图像采集, 在400~1 000 nm范围内利用光谱信息识别嵌在皮棉层中的12种杂质。 首先对高光谱图像进行平场校正, 对边缘噪声进行裁剪; 选择500 nm处灰度图像进行人工感兴趣区域(ROIs)提取, 从ROIs提取皮棉和杂质平均透射光谱并进行标准化; 使用典型判别分析(CDA)对皮棉和杂质光谱进行处理并利用前三个典型变量绘制散点图, 观察散点分组情况, 采用多变量方差分析(MANOVA)对前三个典型变量评估每两种杂质之间的差异。 然后使用区间随机蛙跳(iRF)方法提取特征波段, 采用支持向量机(SVM)分类器, 分别对全波段及特征波段的透射光谱进行杂质和皮棉13个类别的分类研究, 对比分析两次分类的准确率。 结果表明, 全波段的各类杂质和皮棉的平均分类准确率为84.4%, 该方法对棉花内层杂质的检测与分类是可行的, 包括与皮棉外观相近的地膜、 塑料包装和纸的分类效果较好。 在提取12个特征波段后, 4种具有相似外观和相似化学成分的杂质(裂茎、 茎皮、 棉铃壳、 棕叶)分类准确率较低但都超过73%; 棉籽、 绿叶、 纸片、 塑料包装、 地膜、 皮棉的分类准确率均超过90%; 各类杂质和皮棉的平均分类准确率为86.2%; 与全波段光谱的分类结果相比, 特征波段光谱的平均分类准确率提高1.8%。 该研究结果可为棉花内层杂质检测研究提供理论依据, 并对高光谱透射成像技术的应用有较好的指导作用。
棉花杂质分类 高光谱成像 透射 随机蛙跳 特征波长提取 Foreign matter classification Hyperspectral imaging Transmittance images Interval Random Frog Feature selection 
光谱学与光谱分析
2023, 43(10): 3230
作者单位
摘要
1 黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
3 黑龙江省农业科学院绥化分院, 黑龙江 绥化 152052
4 大庆市绿色农产品监测中心, 黑龙江 大庆 163311
大豆品种快速准确的鉴别, 对于鉴定种子品质、 净化种业市场以及保障粮食安全具有重要意义。 为解决传统农作物品种鉴别方法中存在精度差和效率低等问题, 采用拉曼光谱结合特征波长提取方法建立偏最小二乘(PLS)鉴别模型, 对黑龙江省4个高蛋白大豆品种(黑农88、 黑农98、 绥农71以及绥农76)进行快速鉴别。 随机蛙跳(RF)算法是一种通过迭代计算变量被选概率, 以确定变量重要性的新型特征波长选择算法, 可以有效剔除全光谱数据中的冗余信息。 该方法存在初始变量集随机性、 所需迭代次数大、 阈值选取不确定的问题, 因此提出一种基于最小绝对收敛与选择算子(LASSO)回归的改进随机蛙跳(MRF)算法。 采用LASSO算法提取与属性变量最相关的特征波长点作为RF初始变量集F0, 消除初始变量的随机性, 在此基础上开始迭代计算, 可以减少无用迭代次数, 提高模型的预测精确度。 RF算法通过设定阈值的方法选择变量, 因此提取的特征波长往往具有不确定性。 改进如下: 首先去除被选概率为0的变量, 对于排序后变量以10个波长点为间隔, 每次增加1个间隔建立特征波长与大豆品种属性的偏最小二乘回归模型, 当交叉验证均方根误差(RMSECV)取最小值时的建模波长为优选特征波长。 以MRF优选特征波长作为输入变量建立PLS鉴别模型, 并与全光谱以及常用的RF、 LASSO和ElasticNet特征波长选择算法建模结果进行对比分析。 结果表明, MRF算法提取300个特征波长点, 仅占全谱波长的9.37%, 有效筛选了关键特征变量, 简化了模型复杂度。 预测结果中均方根误差(RMSEP)和决定系数(R2p)分别为0.246 9和0.951 2, 识别准确率达到100%, 为所有模型中最优。 拉曼光谱结合MRF算法可以实现大豆品种的快速鉴别, 同时也为其他农作物品种的快速鉴别提供了一种新思路。
拉曼光谱 大豆 特征波长选择 随机蛙跳 最小绝对收敛与选择算子 Raman spectroscopy Soybean Characteristic wavelength selection Random frog LASSO 
光谱学与光谱分析
2023, 43(12): 3763
姚坤杉 1孙俊 1陈晨 2徐敏 1[ ... ]周鑫 1
作者单位
摘要
1 江苏大学电气信息工程学院, 江苏 镇江 212013
2 江苏科技大学经济管理学院, 江苏 镇江 212100
三七是一种传统的中药材, 具有较高的药用价值。 目前市场上中药售假的现象屡见不鲜, 许多不法商贩将三七支根或剪口粉末假冒主根粉末销售, 严重损害了消费者的利益。 利用高光谱技术结合多元分析方法实现三七不同部位粉末的快速无损鉴别。 通过高光谱成像系统分别采集了三七剪口、 须根和主根粉末在400~1 000 nm范围内的高光谱图像, 共300个样本。 采用Savitzky-Golay(SG)平滑结合标准变量变换(SNV)的方法对高光谱数据进行去噪和消除因散射引起的光谱差异。 为了移除光谱变量中的重迭和冗余信息, 利用竞争自适应重加权采样(CARS)算法和本文提出的一种考虑了变量间交互作用的二进制竞争自适应重加权采样(BCARS)算法进行特征波长选择。 最后分别建立了基于全光谱、 CARS和BCARS特征波长的支持向量机(SVM)和极端梯度提升(XGBoost)分类模型。 结果表明, BCARS-XGBoost模型的分类效果最优, 训练集和测试集的分类准确率分别为100%和99.33%。 与CARS相比, BCARS所选择的特征波长数量较少, 有助于多光谱系统和便携式仪器的开发。 利用高光谱技术结合BCARS-XGBoost模型鉴别三七不同部位粉末是可行的。
高光谱 三七 极端梯度提升 特征波长选择 Hyperspectral imaging Panax notoginseng XGBoost Feature wavelength selection 
光谱学与光谱分析
2023, 43(7): 2027
张朱珊莹 1,2,3朱思聪 1,2,3张献文 4付保荣 5,*[ ... ]刘繄 3,6
作者单位
摘要
1 中南民族大学生物医学工程学院,湖北 武汉 430074
2 认知科学国家民委重点实验室,湖北 武汉 430074
3 医学信息分析及肿瘤诊疗湖北省重点实验室,湖北 武汉 430074
4 临沂格莱普园林机械有限公司,山东 临沂 276700
5 武汉长海高新技术有限公司,湖北 武汉 430223
6 武汉理工大学机电工程学院,湖北 武汉 430070
基于反向传播(BP)神经网络模型结合联合区间等间隔偏最小二乘法(SiPLS),设计了SiPLS-BP模型定量分析复杂背景下血红蛋白含量。以186个不同浓度血红蛋白的血液样本和39个不同浓度的血红蛋白仿体溶液样本的近红外光谱数据为研究对象,优选出最佳的数据集划分方法、最佳划分比例和最佳预处理方法,利用SiPLS优选波段,构建SiPLS、SiPLS-BP、全谱偏最小二乘法(PLS)和全谱BP四种定量分析模型,并进行分析对比。实验结果表明:两种样本的最佳定量分析模型均为SiPLS-BP。即使采用相同的特征波长优选方法,每个模型优选的波段也并不完全相同。对于背景复杂、样本差异性较大的混合溶液和血液,SiPLS-BP模型具有更好的预测效果,能更准确地定量分析血红蛋白浓度。研究结果为复杂背景下的血红蛋白定量分析提供了参考。
光谱学 近红外光谱 特征波长优选 血红蛋白 反向传播神经网络 
中国激光
2023, 50(21): 2107203
作者单位
摘要
1 佳木斯大学基础医学院微生态-免疫调节网络与相关疾病重点实验室, 黑龙江 佳木斯 154000
2 佳木斯市传染病院, 黑龙江 佳木斯 154007
3 中国人民公安大学犯罪学院, 北京 100038
在司法鉴定领域, 涉及电击死亡的案件多发, 鉴别死者是生前还是死后受到电击仍是法医病理学鉴定的难点问题之一。 为此通过傅里叶变换红外光谱融合机器学习模型对心脏组织视角下的电击死和死后电击两种情况开展分类识别研究。 将30只大鼠进行电击死、 死后电击和对照处理, 通过光谱仪扫描得到其心脏组织光谱, 采用竞争性自适应重加权算法共提取到70个光谱特征波长, 建立随机森林模型对特征波长提取前后的心脏组织光谱进行模式识别; 结果表明, 特征波长提取前后模型分类识别的准确率分别为34.9%和73.7%, 验证了特征波长提取方法的有效性和必要性。 同时建立偏最小二乘模型、 传统支持向量机以及粒子群算法和灰狼算法优化的支持向量机模型进行分类识别, 结果表明, 模型分类识别的准确率分别为61.07%、 34.48%、 100%和98.46%, 对比发现经特征提取后的粒子群优化支持向量机模型分类识别效果最好。 为排除“生物学死亡期”的干扰, 又取60只大鼠按同种方式对其处理, 每组又分死后0.5 h和死后1 h 2个亚组, 再次通过傅里叶变换红外光谱仪扫描得到光谱数据, 数据预处理后将其与之前得到的数据进行一并处理并结合粒子群优化支持向量机模型分析, 结果表明, 该方法分类识别的准确率可达到80.85%。 这为电击死领域的法医学鉴定提供了新的研究思路和方法, 说明傅里叶红外变换红外光谱结合机器学习模型可以作为一种补充工具来提供相对客观的判断, 具有重要的研究意义。
电击死 死后电击 特征波长 随机森林 分类识别 法医学鉴定 Electrocution Postmortem electroshock Characteristic wavelength Random forest Classification identification Forensic identification 
光谱学与光谱分析
2023, 43(4): 1126
作者单位
摘要
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学农学院, 黑龙江 大庆 163319
为了克服单一模型预测精度很难进一步提高的不足, 利用近红外光谱分析结合基于Stacking框架的异构集成学习模型实现对油页岩含油率的检测。 以松辽盆地某区块所取230个油页岩岩芯样本为研究对象, 使用低温干馏法测量油页岩样本的含油率, 同时扫描每个样本对应的近红外光谱数据。 样本使用蒙特卡洛算法进行异常样本剔除, 将剔除异常样本后的213个数据按照3∶1的比例随机划分为训练集和预测集。 利用去趋势加基线校正方法进行预处理消除光谱数据中噪声和基线漂移, 利用随机森林算法进行波长重要性排序并保留重要波长, 在此基础上采用CARS算法进行特征波长提取, 进一步降低数据维度。 最后, 构建以PLS, SVM, RF和GBDT为初级学习器, PLS回归模型为次级学习器的Stacking集成学习模型, 各初级学习器模型参数使用网格搜索进行寻优。 使用决定系数和预测均方根误差作为各模型的评价指标, 探究单一模型和集成学习模型对油页岩含油率预测的准确性。 研究结果表明, RF-CARS方法能够有效筛选重要波长, 进而提高模型效率。 基于Stacking的异构集成学习模型与单一模型(SVM和PLS)和同构集成学习模型(RF和GBDT)相比有更好的预测效果和更强的稳定性。 在多次随机划分数据集的基础上, Stacking集成学习模型的平均决定系数R2为0.894 2, 相比于其他单一模型平均提高了0.062 3; RMSEP为0.586 9, 比其他模型平均降低了0.147 4。 说明, 基于Stacking的异构集成学习模型能够组合初级学习器的优势, 提高油页岩含油率预测精度, 为油页岩含油率快速检测提供了一种新方法。
近红外光谱 集成学习 油页岩含油率 特征波长 随机森林特征选择 Near-infrared Integrated learning Oil content of oil shale Characteristic wavelength Random Forest feature selection 
光谱学与光谱分析
2023, 43(4): 1030
作者单位
摘要
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 
光谱学与光谱分析
2023, 43(3): 969

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!