1 河南科技大学农业装备工程学院, 河南 洛阳 471003
2 机械装备先进制造河南省协同创新中心, 河南 洛阳 471003
3 江苏大学现代农业装备与技术教育部重点实验室, 江苏 镇江 212013
4 河南科技大学物理工程学院, 河南 洛阳 471023
圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要, 但基于高光谱成像及介电性质特征的SSC检测技术存在局限性, 且目前鲜见圣女果SSC无损检测模型。 为实现圣女果SSC的无损检测, 提出基于圣女果可见/近红外光谱特征的SCC预测模型构建, 及改进的BP神经网络算法研究, 以期解决圣女果内部品质的快速无损检测。 以圣女果为研究对象, 试验样本188个, 将其划分为训练集150个和测试集38个, 采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度, 经光谱校正得样本反射率, 为增强信噪比, 截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。 通过对比三种预处理模型, 对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理, 建立BP神经网络预测模型, 测试集决定系数(R2)和均方根误差(RMSE)分别为0.578 5和0.563 9; 在此基础上, 对BP神经网络的网络结构进行改进, 寻求BP神经网络最优预测结构, 计算输出层与期望值间误差, 调整网络结构参数, 将隐含层学习率和神经元个数分别设置为0.01和5, 建立改进的BP神经网络模型(SG-IBP), 测试集R2和RMSE分别为0.981 2和0.102 3; 通过竞争自适应重加权采样算法(CARS)筛选出18个特征波段, 测试集R2和RMSE分别为0.997 8和0.047 9, 同时检测速度显著提升。 研究结果表明: 经过改进的BP神经网络模型性能明显提高, 通过CARS提取特征波段后, 测试集R2提高了0.419 3, RMSE降低了0.516, 检测速度明显提升。 采用CARS提取特征波段的改进BP神经网络模型(SG-CARS-IBP)具有明显的优越性, SG-CARS-IBP模型较为适合圣女果SSC无损检测研究。 该研究可为圣女果SCC的高效无损检测提供参考。
可见/近红外光谱 圣女果 改进BP神经网络模型 竞争自适应重加权采样算法 Visible/near-infrared spectroscopy Cherry tomato Improved BP neural network model Competitive adaptive reweighted sampling algorithm
南京理工大学电子工程与光电技术学院, 江苏 南京 210094
对转炉炼钢终点的实时精准控制能够有效提高钢铁产出的质量, 炉口火焰光谱在炼钢不同时期的变化明显, 对其进行分析处理并与机器学习方法相结合可有效用于炼钢终点的实时控制。 针对炉口火焰光谱数据量大、 现有方法对光谱特征提取在可信度和实时性上不足的缺陷, 提出一种基于窗口竞争性自适应重加权采样(WCARS)结合迭代式连续投影算法(ISPA)的光谱特征波长选择方法, 该方法在有效解决模型过拟合问题的同时, 能够降低高维数据计算的复杂度。 将火焰光谱数据沿波长方向进行窗口划分后, 使用CARS进行计算选出特征窗口波段, 再将迭代式选择与传统连续投影算法相结合, 通过重复迭代精选出特征波长, 在此基础上使用支持向量机回归(SVR)建立炼钢终点碳含量预测模型。 实验采集363组炼钢后期的炉口火焰光谱数据作为样本, 并对其进行Savitzky-Golay平滑预处理。 使用WCARS-ISPA算法从全光谱数据中选出10个特征波长作为SVR模型的输入, 碳含量为模型输出, Kennard-stone算法对训练集和测试集进行划分, 选择碳含量的平均预测误差、 预测误差在±2%以内的命中率以及运行30次的平均时间作为模型评价指标。 实验结果显示, 模型的平均碳含量预测误差为1.413 2%, 命中率高达90.63%, 运行时间为0.019 679 s。 与使用全光谱和WCARS-ISPA, CARS-SPA, WCARS和SPA四种不同特征选择方法选出的特征波长建模得到的结果进行对比, 基于WCARS-ISPA方法选出的特征波长建立的终点碳含量预测模型误差最小、 命中率最高。 提出一种新的炉口火焰光谱特征波长提取方法, 使用窗口竞争性自适应重加权采样结合迭代式连续投影算法选取特征波长, 并在此基础上建立转炉炼钢终点碳含量预测模型, 实验结果表明, 该方法能够有效提取火焰光谱特征, 所建模型能够对转炉炼钢终点进行准确预测, 满足工业生产的实时控制要求, 为实际生产提供可靠帮助。
转炉炼钢 火焰光谱 窗口竞争性自适应重加权采样 迭代式连续投影算法 终点预测 BOF steelmaking Flame spectra Window competitive adaptive reweighted sampling Iterative successive projection algorithm End-point prediction 光谱学与光谱分析
2021, 41(8): 2332
1 桂林电子科技大学计算机与信息安全学院, 广西 桂林 541004
2 桂林电子科技大学商学院, 广西 桂林 541004
3 北京邮电大学人工智能学院, 北京 100876
4 中国食品药品检定研究院, 北京 100050
近红外光谱分析技术对检测样品无损伤且检测速度快、 精度高, 因此被广泛应用在了药品检测、 石油化工等领域, 尤其近年来机器学习和深度学习建模方法的深入应用使其具备了更准确的检测性能。 然而, 样品的近红外光谱数据具有比较高的维度且存在谱间重合、 共线性和噪声等问题, 对近红外光谱模型的性能产生消极影响, 此时样品有效特征波长的筛选极为重要。 为了提高近红外光谱定量和定性分析模型的准确性和可靠性, 提出了一种近红外光谱变量选择方法, 其结合了最小角回归（LAR）和竞争性自适应重加权采样（CARS）的优点, 具有更优的性能。 该方法利用LAR初步筛选样品全谱区的特征波长, 接着利用CARS对筛选出来的特征波长进一步选择, 从而有效去除无关特征波长。 为验证该方法的有效性, 从定量和定性分析两个方面评价该方法。 在定量分析实验中, 以FULL, LAR, CARS, SPA和UVE作为对比方法, 以药品样品数据集为实例建立PLS回归分析模型, 经LAR-CARS筛选出的变量建立的PLS模型在药品数据集表现出较高的预测决定系数和较低的预测标准偏差。 在定性分析实验中, 以SVM, ELM, SWELM和BP作为对比方法、 不同比例训练集的药品数据集为实例建立分类模型, 经LAR-CARS筛选出的变量建立的SVM分类模型精度最高达100%。 从实验结果可见, LAR-CARS可有效的筛选出表征样品特征的波长, 利用其筛选出的波长建立的定量、 定性分析模型具有更好的鲁棒性, 可用于样品光谱的特征波长筛选。
近红外光谱 波长筛选 最小角回归 自适应重加权采样 Near infrared spectroscopy Wavelength selection Least angle regression Competitive adaptive reweighted sampling 光谱学与光谱分析
2021, 41(6): 1782
江苏大学食品与生物工程学院, 江苏 镇江 212013
生鲜调理牛排超过货架期时, 其散发的腐败气味易被调料气味掩蔽, 使消费者难以分辨。 挥发性盐基氮(TVB-N)是表征肉品新鲜度的有效指标。 由于测定TVB-N含量的化学方法繁琐耗时, 利用高光谱对生鲜调理牛排中TVB-N含量进行预测, 并讨论了不同波长选择算法所建模型的预测效果。 分别在第0, 2, 4, 6, 8天取出制备好的生鲜调理牛排, 进行高光谱数据采集和TVB-N含量测定。 采用1st Der, 2nd Der, MC, MSC, SG和SNVT六种光谱预处理方法对光谱数据进行预处理, 并建立偏最小二乘模型(PLS)优选出最佳预处理方法。 采用竞争性自适应重加权算法(CARS)、 变量组合集群分析法 (VCPA)、 间隔随机蛙跳(iRF)、 iRF-CARS、 iRF-VCPA等方法对预处理后的光谱数据进行波长选择, 建立特征波长下的预测模型。 将CARS和VCPA重复运行50次考察其稳定性, 并选择频次较高波长建模与单次运行比较。 结果表明: 在六种光谱预处理方法中, 1st Der为最佳预处理方法。 CARS和VCPA单次运行时分别选择了21和11个波长, 其中VCPA选择波长建模预测效果更好, 模型的RC和RP分别为0.944和0.931, RMSECV和RMSEP分别为1.12和1.28 mg·(100 g)-1。 统计CARS和VCPA重复运行50次时各波长被选择频次, 结果表明VCPA因其二进制矩阵采样法(BMS)为每个变量提供相同的采样机会而有更好的稳定性。 同时发现两种方法有共同的高频次波长: 694.9, 696.6, 761.8, 763.5, 811.5和813.3 nm等。 将波长被选频次降序排列, 选择与单次运行数量相同的较高频次的波长建模, 所得模型性能较差。 将iRF分别与CARS和VCPA联用, 其中iRF-CARS表现出较强的预测能力, 选择了24个波长建模, 模型的RC和RP分别为0.966和0.938, RMSECV和RMSEP分别为0.91和1.22 mg·(100 g)-1。 这说明将波长区间选择和波长点选择联用可以实现它们的优势互补。 高光谱技术结合波长选择方法可以很好地预测调理牛排中TVB-N含量, 研究可为波长选择算法联用策略和调理牛排新鲜度快速检测提供理论参考。
高光谱成像 生鲜调理牛排 挥发性盐基氮 竞争性自适应重加权采样 变量组合集群分析 Hyperspectral imaging Freshprepared steaks Total volatile basic nitrogen Competitive adaptive reweighted sampling Variables combination population analysis 光谱学与光谱分析
2020, 40(10): 3224
武汉大学水资源与水电工程科学国家重点实验室, 湖北 武汉 430072
叶片含水量（leaf water content, LWC）的快速监测对于作物的干旱诊断和灌溉决策至关重要。 以叶片、 冠层两个尺度, 原始、 一阶导数两种光谱处理形式的高光谱数据为基础, 采用两波段植被指数如归一化差分（normalized difference spectral index, NDSI）和比值光谱指数（ratio spectral index, RSI）, 偏最小二乘回归（partial least squares regression, PLSR）和竞争自适应重加权采样-偏最小二乘回归（competitive adaptive reweighted sampling-partial least squares regression, CARS-PLSR）三种方法对叶片含水量进行建模分析, 以确定最佳冬小麦叶片含水量预测模型。 结果表明: 三种方法中, 基于叶片一阶导数光谱的CARS-PLSR模型对LWC的预测效果最好, LWC的预测值与实测值高度重合（R2=0.969, RMSE=0.164, RRMSE=6.00%）。 相同条件下, 三种方法的叶片光谱模型对LWC的预测效果均优于冠层光谱模型。 在两波段指数模型以及PLSR模型中, 原始光谱模型对LWC的预测效果优于一阶导数光谱模型, 而在CARS-PLSR模型中结果相反。 在两波段指数模型中, RSI比NDSI具有更高的估算精度。 研究表明, 通过竞争自适应重加权采样方法提取敏感波段后所建立的偏最小二乘回归预测模型, 无论是预测精度还是建模精度, 与两波段指数和偏最小二乘回归模型相比都有了显著提高, 该方法可为精准快速地监测冬小麦旱情以及灌溉决策提供参考。
叶片含水量 偏最小二乘回归 竞争性自适应重加权采样 冬小麦 高光谱遥感 Leaf water content Partial least squares regression Competitive adaptive reweighted sampling Winter wheat Hyperspectral remote sensing
1 南京林业大学机械电子工程学院, 江苏 南京 210037
2 江西农业大学工学院, 江西 南昌 330045
3 浙江农林大学工程学院, 浙江 临安 311300
油脂中的反式脂肪酸(TFA)有害人们的身体健康, 有必要对其含量进行监测。 共收集各类食用植物油样本79个, 涉及9个品种和27个品牌, 分配到校正集和预测集的样本数分别为53个和26个。 采用QE65000拉曼光谱仪采集79个样本的拉曼光谱, 利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景; 在此基础上, 采用多种归一化方法对样本拉曼光谱进行处理, 并对拉曼光谱的建模波数范围进行初选; 再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量, 并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联, 建立食用植物油中TFA含量的定量预测模型。 研究结果表明, 多种归一化方法中, 有4种归一化方法均能提高PLS定量预测模型的性能, 其中Area normalization方法的效果最优; 经建模波数范围初选, 波数范围由686~2 301 cm-1缩减为737~1 787 cm-1, 确定较优的建模波数范围为737~1 787 cm-1; 经CARS方法筛选, 共有31个光谱变量被选择, 其选择的光谱变量主要分布在1 265, 1 303, 1 442及1 658 cm-1拉曼振动峰附近, 且974 cm-1拉曼振动峰两侧均有光谱变量被选择; 此外, CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。 由此可知, 激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。 归一化方法、 建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性, 优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949, 0.953和0.188%, 0.191%。 与未优化的预测模型相比, 预测均方根误差由0.361%下降为0.191%, 下降幅度为47.1%; 建模所用的变量数由683个下降为31个, 仅占原变量数的4.54%。
拉曼光谱 反式脂肪酸 食用植物油 竞争性自适应重加权采样 Raman spectra Trans fatty acid Edible vegetable oil CARS 光谱学与光谱分析
2019, 39(12): 3821
1 四川农业大学 机电学院, 四川 雅安 625014
2 四川农业大学 信息工程学院, 四川 雅安 625014
3 四川农业大学 农业信息工程四川省重点实验室, 四川 雅安 625014
可溶性固形物含量是判断苹果内部品质的重要参考属性之一。利用高光谱技术获取苹果感兴趣区域的反射光谱, 以S-G平滑（Savitzky-Golay smoothing)和直接正交信号校正（Direct orthogonal signal correction, DOSC)算法对光谱数据进行梯度预处理后, 用后向区间偏最小二乘法（Bipls)优选出3, 5, 6, 7, 8, 9, 13, 14, 15, 16, 17, 18, 19, 20, 21, 23等16个子区间, 共计177个波长。结合竞争自适应重加权采样算法（CARS)再作进一步筛选, 提取出449.6,512.9,544.8,547.2,594.3,596.8,928.2 nm等7个特征波长, 利用偏最小二乘算法(PLS)建立基于特征波长的可溶性固形物含量检测模型, 所得模型评价为Rc=0.906 2, RMSEC为0.482 2,Rp=0.871 6,RMSEP为0.614 0。该算法模型预测性能同Bipls和Bipls-SPA模型相比更为优异, 证明了Bipls结合CARS算法在提高苹果可溶性固体物含量检测精度方面的有效性。
可溶性固形物含量 后向区间偏最小二乘 竞争自适应重加权采样 偏最小二乘 soluble solid content backward interval partial least squares(Bipls) competitive adaptive reweighted sampling(CARS) partial least squares(PLS)
1 湖南农业大学食品科学技术学院食品科学与生物技术湖南省重点实验室, 湖南 长沙 410128
2 上海烟草集团有限责任公司技术中心北京工作站, 北京 101121
通过消除光谱中的冗余信息变量, 挑选出代表样品性质的特征变量代替全谱建立定量模型, 可以提高近红外分析结果的准确性。 基于进化论中适者生存原理的竞争性自适应重加权采样（CARS）算法因具有计算速度快、 筛选得到的特征波长少等优点, 在近红外特征变量筛选方面得到了广泛的应用。 然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。 这是因为算法过于强调校正集交叉验证结果, 且并未考虑相邻变量之间的协同作用。 为了建立更加稳健的变量筛选方法, 通过结合“窗口”以及CARS算法的优势, 提出了一种基于窗口竞争性自适应重加权采样（WCARS）策略的近红外特征变量筛选方法, 并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。 采用WCARS方法可以实现准确定量分析, 且通过与竞争性自适应重加权采样（CARS）方法结果相比较, WCARS方法得到的校正集和预测集结果一致, 在一定程度上减少了过拟合问题的出现。 该策略能有效增强特征变量选择的稳健性, 提高了定量模型的可信度, 具有一定的应用价值。
近红外光谱仪 化学计量学 窗口竞争性自适应重加权采样 Near infrared spectroscopy Chemometrics Window competitive adaptive reweighted sampling 光谱学与光谱分析
2019, 39(5): 1428
1 江西农业大学工学院, 江西省高校生物光电技术及应用重点实验室
2 江西省果蔬 采后处理关键技术及质量安全协同创新中心, 江西 南昌 330045
腐霉利(Procymidone) 作为一种新型的农产品杀菌剂, 具有防止农产品受病虫害的作用, 但其在施药过程中容易使用不当危害环境和人的健康。 为加强对腐霉利农药的检测, 本研究应用共轴双脉冲激光诱导击穿光谱技术(LIBS) 对溶液中的腐霉利含量进行定量检测研究。 为配置不同浓度的腐霉利样品, 将有效成分含量为98%腐霉利粉末与二甲苯按照不同比例混合并完全溶解。 由于液体样品在激光击打的过程中容易将液体溅出, 具有一定的危险性。 因此, 实验将液体样品转化为固体样品, 利用石墨吸附腐霉利溶液, 然后采用八通道高精度光谱仪采集样品的LIBS光谱, 并利用不同预处理方法对光谱数据进行预处理。 为提高腐霉利的检测精度, 选择氯元素信号最强的两通道(744.555~935.843, 893.107~1 057.058 nm) 光谱数据, 分别采用归一化函数(normalization) 、 基线校正(baseline correction) 、 标准正态变量变换(SNV) 、 多元散射校正(MSC) 方法进行光谱预处理, 并应用PLS方法建模。 通过比较各预处理方法数据后, 综合考虑, 选择Baseline方法为最佳预处理方法。 在baseline预处理方法的基础上使用无信息变量消除算法(UVE) 联合竞争性自适应重加权采样(CARS)算法剔除无信息的波长变量, 筛选与腐霉利相关的重要波长变量, 最后应用偏最小二乘回归建立溶液中腐霉利含量的定量预测模型。 建模结果表明: 经光谱预处理和UVE-CARS方法优选后, 可将原4096个波长变量个数减少至13个, 变量压缩率为99.68%; 经UVE-CARS变量优选后建立的PLS模型的校正集的决定系数和均方根误差分别为0.990 5和0.66, 预测集的决定系数和均方根误差分别为0.990 3和0.67, 其模型性能优于原始光谱建立的PLS模型。 结果表明, 利用共轴双脉冲LIBS技术定量检测溶液中的腐霉利含量具有一定的可行性, 经UVE和CARS方法筛选后可以有效提取腐霉利的特征变量及相关影响变量, 剔除冗余及噪声影响变量, 简化定量分析模型且提高了定量分析模型的稳定性。
光谱学 激光诱导击穿光谱 腐霉利 竞争性自适应重加权采样 无信息变量消除算法 Spectroscopy Laser induced breakdown spectroscopy Procymidone Competitive adaptive re-weighted sampling Uninformed variable elimination
1 江西农业大学工学院, 江西 南昌 330045
2 江西省现代农业装备重点实验室, 江西 南昌 330045
3 江西省果蔬采后处理关键技术与质量安全协同创新中心, 江西 南昌 330045
饲料中添加铜元素对猪生长速度的促进效果明显,因而铜元素在猪饲料中的超标情况非常普遍,但其带来的危害也非常严重。利用共线双脉冲激光诱导击穿光谱(DP-LIBS)技术对猪饲料中的铜元素进行快速定量分析,采用竞争自适应重加权采样(CARS)算法筛选出与猪饲料中铜元素相关的22个重要变量,压缩率为1.1%;基于筛选出来的22个重要波长变量,利用偏最小二乘(PLS)回归方法建立猪饲料中铜元素含量的预测模型,并对预测集猪饲料样品中的铜元素含量进行预测。结果表明:与全光谱-PLS模型相比,CARS-PLS模型具有更高的预测精度和预测能力,模型相关系数、交叉验证均方根误差、平均相对误差分别为0.978、19.25、5.59%。CARS算法可以有效地优化猪饲料中铜元素的激光诱导击穿光谱在线检测模型,并可以提高模型的预测精度。
光谱学 激光诱导击穿光谱 猪饲料 铜 竞争自适应重加权采样算法 激光与光电子学进展
2018, 55(2): 023001
