中国X射线光谱分析已经历了60年的发展历程, 相关技术文献数量已过万。 直至2019年才有“基于CNKI的X射线荧光光谱研究文献计量学分析”一文和《中国X射线荧光光谱分析文献索引》一书的发表与出版。 以这两篇文献为基础说明中国X射线荧光光谱文献的类型、 文献源及检索收集, 简介了这两篇文献的成果要点, 评介中国X射线荧光光谱文献统计计量研究的主要成果。 主要包括: 文献总数和英文文献的年度分布; 期刊文献总数和英文文献的专题分布及其专题文献的年度分布; 作者的文献总量、 第一作者文献量、 英文文献总量和英文第一作者文献量的总体分布; 1960年—1989年、 1960年—1999年、 1960年—2015年三个时段内文献量较多作者的文献总数和第一作者文献数; 文献总数≥40篇且第1作者文献≥15篇作者(16位)的文献总数、 第一作者文献数、 英文文献总数、 英文第一作者文献数和其文献的主要专题、 专业领域; 论文数量前10名的机构和总被引频次前10名的文献; 期刊文献的期刊总体分布和文献量前10的期刊; 专(译)著及其出版社分布。 最后讨论了该两文献计量学研究现存的缺憾和对X射线光谱专业技术人员参与文献计量学研究的期盼。

随着抗菌药物广泛应用于临床, 细菌耐药日益严重。 实现快速、 高灵敏、 准确的细菌及其药物敏感性检测是缓解细菌耐药的关键环节。 表面增强拉曼光谱(SERS)具有快速、 灵敏、 无损等优点, 可直接获取分子指纹信息, 它已成为一种有效的细菌及其耐药性检测技术。 不同种类细菌的分子组成和结构存在差异、 抗生素处理前后细菌的特征拉曼信号会发生变化, 这为表面增强拉曼光谱技术在致病菌及其耐药性检测中的应用提供了依据。 基于分子组成与结构的差异, 结合传统多分类数据分析以及机器学习算法, 表面增强拉曼光谱技术可以提供客观的诊断信息。 这篇综述回顾了近年来表面增强拉曼光谱技术对于致病菌及其耐药性检测的研究进展, 阐述了当前表面增强拉曼光谱技术应用于致病菌检测面临的问题。 首先, 讨论了致病菌及其耐药性检测中常用SERS基底的材料和结构: 金纳米粒子、 银纳米粒子、 银包金纳米粒子以及新型纳米材料与纳米粒子结合形成的复合SERS基底。 然后, 概述了SERS检测中捕获细菌的方法, 主要介绍了基于核酸适配体、 免疫磁性分离、 微流控系统以及静电结合的捕获方法, 包括上述捕获方法的原理以及捕获方式, 综述了以上捕获方法的研究进展。 最后, 总结了致病菌SERS光谱的各种数据分析方法, 通过光谱预处理, 特征提取与分类识别, 以及构建致病菌SERS光谱诊断模型, 实现致病菌及其耐药性的检测; 比较了传统的数据分析方法以及机器学习分析方法, 重点介绍了深度学习算法在致病菌及其耐药性SERS检测中的优势与应用。 文章也对表面增强拉曼光谱应用于致病菌及其耐药性检测的关键问题进行了讨论, 并对基于表面增强拉曼技术的致病菌及其耐药性检测方法进行了展望, 以促进表面增强拉曼光谱技术在临床检测中的应用。

发动机是飞行器动力系统的核心组件, 发动机流场的动态监测可以掌握发动机内部流场的燃烧情况, 对于飞行器状态监测和性能评估具有重要意义。 拥有先进的诊断技术是发展发动机技术的基础, 也是研制新型航空航天飞行器的必要条件之一。 激光吸收光谱技术可以实现燃烧场气体参数的测量, 在发动机严苛的流场环境中, 吸收光谱波长调制技术(WMS)可以提高信噪比。 但基于WMS解算积分吸光度和温度、 浓度二维分布的方法都是以模拟退火算法(SA)为核心, 因此存在执行时间较长的问题。 根据随时间演化的流场光谱参数、 光线分布为固定信息这一内在关联性, 以及已有的WMS方法可以计算积分吸光度值, 采用机器学习方法建立谐波信号(S_2f/1f)与积分吸光度(A)的模型, 选择极限学习机算法(ELM), 其训练时间短, 预测结果快。 利用神经网络可以逼近真值的特性, 仿真确定光线布局下不同流场模型的S_2f/1f和A, 构造数据集对神经网络开展模型训练。 在数值仿真验证中, 共仿真2 000组数据集, 随机选取1 800组作为训练集训练模型, 其余200组作为预测集, 统计测试集的预测积分吸光度平均相对误差为1.058%, 决定系数平均值为0.999, 验证了训练模型的可靠性。 为进一步探究模型的抗噪声性, 采用的方法是在测试集S_2f/1f数据集中分别加入3%, 5%和10%的随机噪声, 统计预测积分吸光度平均相对误差分别为3.1%, 4.6%和8.1%, 这一结果可以表明ELM具有较好的抗噪声性。 基于该方法, 在直连式超燃冲压发动机上开展验证实验, 实验有效时长为5 s, 采集数据约10 GB, 分别采用ELM和WMS两种方法解算积分吸光度, 对比发现: 结果基本一致, 且相比执行时间数小时的WMS方法, ELM预测积分吸光度耗时仅为15 s左右, 实现了发动机流场积分吸光度的快速测量。

红外光谱分析具有快速、 精确度高等优点, 在分类鉴别领域中发挥着重要作用。 红外光谱在生活垃圾分类领域的应用主要集中在塑料等可回收垃圾而忽略了对不可回收垃圾的深度分选。 现行生活垃圾的四分法分类中, 源头分类得到的其他垃圾中含有多种具有高值化利用潜力的组分, 可分为纤维素类、 烯类聚合物、 木竹类等。 这些垃圾的成分和结构不同, 因此具有不同的红外谱图, 基于其红外谱图特征波段利用机器学习建立相应的分类模型可以将上述几类垃圾从其他垃圾中分选出来。 本研究收集了纤维素类、 烯类聚合物、 木竹类及低值类垃圾, 并采集红外光谱数据共72组, 对比分析了预处理方式、 降维程度和建模算法对模型分类准确率的影响。 利用标准正态变量变换(SNV)、 多元散射校正(MSC)、 求导(DC)和平滑滤波(Smooth)方法对数据进行预处理, 然后利用主成分分析法(PCA)对预处理后的数据进行降维, 获得72×8和72×5的数据集。 分别利用概率神经网络(PNN)、 广义回归神经网络(GRNN)、 支持向量机(SVM)和随机森林(RDF)算法进行建模。 分析结果表明, 经PCA降维后的数据用于后续建模时, 5维数据比8维数据得到的分类效果更好, 平均准确率上升2.4%~4.4%。 基于5维降维数据, DC/Smooth预处理方法比SNV和MSC预处理得到的平均准确率更高, 达到了96.5%; PNN模型比其他三类模型的平均准确率高4.2%~6.5%, 可达98.1%; 针对四类垃圾, 除烯类聚合物的平均判别率只有93.8%外, 纤维素类及木竹类的平均判别率均在95%以上, 低值类最高可以到达100%。 验证了红外光谱结合机器学习实现其他垃圾深度分选的可能性及科学性, 为未来开发快捷深度分选设备提供参考。

烧结粘土产品可以吸收水分子发生再羟基化, 生成结构羟基的量与产品保存时间存在一定关系, 基于该理论可以利用热重分析方法对陶器制品进行测年研究。 红外与拉曼光谱技术也可以用来分析结构羟基信息, 因此人们希望探索利用光谱分析方法代替热重法进行传统陶瓷无损测年分析。 为了验证可行性, 收集了多种典型矿物原料和可溯源的传统陶瓷样品, 利用红外光谱和拉曼光谱分析它们内部结构羟基的情况。 两种方法都可以观测到正长石、 瓷土和高岭石中铝羟基在3 600~3 700 cm^-1范围内的特征峰。 分析传统陶瓷样品时, 红外光谱中未在这一范围内观测到结构羟基的峰位。 利用拉曼光谱分析, 激发光波长为532 nm时可以在多种类型陶瓷产品的光谱3 600~4 000 cm^-1范围内观测到两个明显的谱峰。 改变光源波长, 不能在相应区域观测到谱峰。 但当光源波长为514 nm时, 可在4 288和4 512 cm^-1处观测到两个谱峰。 将拉曼谱图转换为波长显示模式, 激发光波长为532和514 nm时观测到的谱峰都可对应在约659和669 nm处。 基于分析结果, 推知当激发光波长为532 nm时, 在拉曼光谱中3 600~4 000 cm^-1范围内观测到的两个谱峰不是结构羟基的特征峰, 而是较为尖锐的荧光峰。 在目前技术条件下, 拉曼和红外两种光谱学手段难以应用于我国高温陶瓷产品的再羟基化测年研究。

脐橙粒化影响消费者食用口感, 降低品质, 受到广大果农和消费者的关注。 脐橙粒化的检测是一项具有挑战性的任务, 对品质分级具有重大意义。 以不同粒化程度的赣南脐橙为研究对象, 探究利用高光谱检测实现对赣南脐橙粒化程度定性判别的可行性。 肉眼是无法判断脐橙粒化程度的, 因此对脐橙样本做好序号标记后先测光谱再切开判断粒化程度, 按照粒化程度分为无粒化(粒化面积为0%)、 轻度粒化(粒化面积小于25%)、 中度粒化(粒化面积25%~50%), 每类各58个脐橙样品。 在这三类脐橙底部均匀取3个点, 每类174个样本, 共计522个样本数据用作构建原始光谱矩阵。 利用近红外高光谱成像系统采集样本397.5~1 014 nm波段内的高光谱图像信息, 再利用ENVI4.5软件通过选择感兴趣区域(ROI)提取样本的平均光谱信息。 采用主成分分析(PCA)、 连续投影算法(SPA)、 无信息变量消除(UVE)三种降维方法对光谱数据进行降维处理, 消除无关变量, 提取有用信息。 原始光谱176个波长, PCA挑选出6个主成分因子, SPA挑选17个特征波长, UVE挑选54个特征波长。 以全谱数据和三种降维方法挑选出来的变量作为输入分别建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型。 建立的PLS-DA建模方法, PCA-PLS-DA误判率最高为25.58%, UVE-PLS-DA误判率最低为5.38%。 基于RBF-Kernel和LIN-Kernel两种核函数下的LS-SVM建模方法, 整体上RBF-Kernel建模效果优于LIN-Kernel, UVE波长筛选后建立的模型效果优于其他降维方法且降低了模型的误判率。 基于RBF-Kernel的UVE-LS-SVM模型效果最佳, 检测精度最高, 分类总误判率为0.78%, 达到最佳效果。 该研究结果表明建立的模型能很好地对不同粒化程度的脐橙进行判别, 该模型仅采用30.68%的数据, 在降低光谱空间维度的同时还降低了误判率, 对促进脐橙产业的品质分级发展具有一定的现实意义。

基于光谱的土壤氮含量预测模型泛化能力弱是制约其推广应用的瓶颈。 鉴于特征提取及非线性表达能力方面的优势, 深度学习模型具有较强的泛化能力。 提出一种融合自动编码器和卷积神经网络(Encoder-CNN)的土壤氮含量光谱预测模型, 探索模型结构和参数对模型性能的影响。 根据以往研究成果和相关性分析, 获得180个与氮含量强相关的波长, 将其作为Encoder-CNN模型输入, 而将土壤氮含量作为模型输出。 Encoder-CNN模型利用自动编码器的编码部分进行光谱数据降维, 然后输入到卷积神经网络进行土壤氮含量预测。 设计2种网络结构, 每种网络结构包含2种不同参数设置, 共4个模型, 用以探索Encoder-CNN土壤氮含量光谱预测模型结构和参数对模型性能的影响。 利用公开数据集LUCAS对模型进行训练。 按3σ原则对公开数据集LUCAS进行异常值检测与处理, 获得20 791个数据, 其中18 711个样本作为训练集, 2 080个样本作为测试集, 对Encoder-CNN模型进行训练。 结果表明: 对于自动编码器, 在相同隐含层数下, 最后的隐含层神经元个数为30时, 复现效果最优。 增加隐含层数, 会提升复现效果。 增加卷积核数量, 特别是尺寸为1×1卷积核, 能够提高模型的预测性能与可靠性。 增加池化层的网络结构, 模型预测精度提升至0.90以上。 增加全连接层神经元数量也会提升模型性能。 利用自采集的黑龙江黑土实时光谱数据集进行模型迁移, 观察模型泛化能力。 当模型迭代100次后, 在黑龙江数据集上的预测精度即可达到0.90以上; 当迭代次数为900时, 模型在训练集和测试集上的预测精度可以达到0.98。 结果表明, 所构建的Encoder-CNN土壤氮含量光谱预测模型具有较好的泛化能力。

针对光谱重构领域中光谱数据量较大与重构精度较低的问题, 提出了一种光谱可调谐的光谱重构方法。 在此之前国内外相关研究均是在数百条膜系的基础上进行, 并且计算过程比较复杂, 该方法利用10条膜系针对不同的单色光源进行实验并进行光谱重构。 光谱重构数学模型可以用线性方程组AX=B表示, 在实验过程中会受到多种误差源的干扰, 如膜系加工与设计间的误差、 探测器量子效率拟合误差、 杂散光干扰误差以及灰度值选取的误差等。 这些误差源造成了线性方程组变为病态方程, 造成了目标光谱信息解算的不准确。 在解算目标光谱信息的过程中, 首先在400~900 nm波长范围内利用凸优化算法解出含有误差的目标光谱信息的初始值, 并进行初次拟合, 得出含有误差的光谱曲线。 然后利用已知的光谱曲线信息判断目标光谱的有效波长范围, 对目标光谱范围进行伸缩, 在此范围内进行二次局部解算, 得出局部波长内的光谱信息, 然后对局部光谱信息进行局部拟合, 结合初次拟合结果, 得出新的目标光谱拟合曲线, 进一步提高了光谱重构精度, 以此类推, 得出精度较高的目标光谱曲线。 针对重构精度的评价指标不仅采用了国内外广泛使用的ARE, MSE与RQE, 还首次提出了一种新的评价光谱重构精度的指标, 即计算目标有效波长范围内每隔10 nm的MSE值, 若每10 nm的MSE值小于0.1, 则认为光谱重构精度达到了10 nm, 该方法不仅有效避免了在求解出现严重偏离真实值的情况, 还在凸优化解算过程中提供了约束条件, 有利于提高重构精度。 实验结果表明该方法在保证MSE, ARE与RQE高精度的条件下, 每隔10 nm的MSE最小值达到了0.002 3。 基于光谱可调谐光谱重构方法不仅达到了对目标光谱达到高精度重构的效果, 而且实现了数据降维。 此方法为光谱重构领域的工作方向提供了新的思路, 在工程上具有较大的应用价值。

针对大白菜农药残留传统化学检测手段存在前期处理过程繁琐、 检测周期长等不足, 提出了一种快速无损识别大白菜农药残留种类的方法。 以1组无农药残留和4组含有均匀喷洒农药(毒死蜱、 乐果、 灭多威和氯氰菊酯)的大白菜样本为研究对象(药液浓度配比分别为0.10, 1.00, 0.20和2.00 mg·kg^-1), 经12小时自然吸收后, 利用高光谱成像系统获取400~1 000 nm高光谱图像, 并选取ROI感兴趣区域后经多元散射校正(MSC)预处理; 分别采用竞争性自适应重加权算法(CARS)、 主成分分析算法(PCA)和离散小波变换(DWT)降维(分别基于db1, sym2, coif1, bior2.2和rbio1.5小波基函数); 最后, 将降维后的高光谱数据分别输入卷积神经网络(CNN)、 多层感知机(MLP)、 K最邻近算法(KNN)和支持向量机(SVM)建立模型并比较。 结果显示, CNN, MLP, KNN和SVM算法均在降维算法DWT(小波基函数及变换层数分别为coif1-2, coif1-4, bior2.2-2和sym2-2)取得最优总体精度分别为91.20%, 83.20%, 66.40%和90.40%, Kappa系数分别为0.89, 0.79, 0.58和0.88, 预测集用时分别为86.01, 63.23, 20.02和14.03 ms, 总体精度和Kappa指标均优于基于CARS和PCA降维算法建模结果。 可见, 高光谱与离散小波变换和卷积神经网络相融合显著提高分类识别精度, 改善“休斯”现象, 为实现无损和快速检测识别大白菜农残提供一个新的方法。

亚波长光栅结构表现出优异的陷波滤光特性, 其经典设计是设定亚波长的几何结构参数, 求解麦克斯韦方程组, 设定优化算法求解出最优解, 需要消耗大量的时间和计算资源。 提出一种基于深度学习的逆向设计方法, 搭建了可以同时实现正向模拟与逆向设计的串联神经网络。 基于python语言的Tensorflow库进行网络搭建; 优化均匀波导层的高度、 亚波长光栅的高度、 折射率、 周期以及占空比; 研究亚波长光栅在0.45~0.7 μm的陷波滤光特性。 采用严格耦合波分析(RCWA)数值模拟生成23 100组数据集, 在生成的数据集中随机选择18 480组数据作为训练集, 4 620组作为测试集, 并对不同的网络层数, 网络节点以及Batch_size进行了研究。 结果显示经过1 000次的迭代后, 当网络的模型结构为5×50×200×500×200×26, Batch_size大小为128时, 网络性能最佳。 相比独立的网络模型, 串联神经网络的正向模拟测试集损失率从0.033 63降到了0.004 5, 逆向设计的测试集损失率从0.702 98降到了0.052 98, 同时解决了由数据的非唯一性导致的网络逆向设计过程中无法收敛的问题。 在完成训练的网络中输入任意的光谱曲线, 网络平均在1.35 s内给出亚波长光栅的几何结构参数; 并与RCWA数值模拟曲线进行相关性分析, 曲线相似系数均大于0.658 1, 属于强相关。 另外, 设计红、 绿、 蓝三种颜色的陷波滤光片, 其峰值反射率分别可以达到98.91%, 99.98%和99.88%, 与传统方法相比, 该方法可以快速、 精确的求解出光栅的几何参数, 为亚波长光栅设计提供了新方法。

双能CT或能谱CT可以测量材料的等效原子序数, 对含能材料的成分检测和生产工艺改进具有重要意义, 但现有方法存在复杂度高、 设备要求高等缺点。 为提高等效原子序数的测量精度, 并降低设备要求和算法复杂度, 提出了一种基于新型CeTe光子计数探测器的等效原子序数测量方法。 该方法利用材料的衰减特性, 重新推导了两个能量区间线性衰减系数之比与等效原子序数的关系。 该方法不依赖于双能CT或能谱CT的专业知识, 只需利用光子计数探测器对三种已知材料进行能谱CT扫描与重建, 即可得到等效原子序数的标定曲线, 并对未知材料进行等效原子序数测量。 在实际应用中, 只需保证标定实验和测量实验在相同条件下进行, 即可将重建误差、 探测器响应误差、 射束硬化效应和散射效应等影响因素纳入到标定曲线(相当于重新对NIST数据进行了特定扫描条件下的标定), 并抑制上述因素对最终结果的影响。 相较于其他方法, 该方法鲁棒性和通用性较强, 且大幅降低了设备要求和算法复杂度。 同时, 该方法允许相对较宽的能量区间, 可以较充分的利用X射线源所发出的光子, 使检测效率满足了工业检测和医学成像的需要, 具有良好的商业应用前景。 实验结果表明, 在当前标定范围(等效原子序数6~13)和扫描条件下, 该方法测量的等效原子序数相对误差小于2%, 具有较高的可靠性。 在实际含能材料生产检测中, 该方法在不破坏含能材料的情况下对高衰减杂质成分进行了有效判断, 指出了高衰减杂质是实际生产过程中混入的高原子序数杂质, 而不是高密度的含能材料。 这表明该方法能够有效解决含能材料生产中的成分检测难题, 并有望促进含能材料生产工艺的改进, 具有重要的工程意义。

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。

材料内部微观尺度上成分、 组织结构控制精度低、 波动大是制约高铁铝合金国产化进程的重要原因, 因此从微观尺度上研究大尺寸铝合金成分均匀性至关重要。 鉴于目前研究铝合金偏析的区域通常较小且不连续, 定量统计方法过于简单。 使用微区分辨率较高的微束X荧光与原位定量统计分布分析技术相结合的方法, 从点、 线、 面、 频度分布等方面对成分分布数据进行解析, 研究了较大尺寸范围内铝合金成分偏析的规律。 研究结果表明铸轧7B05铝合金截面中心层存在接近2 mm的偏析带, Al, Cr, Ti和Zr元素为正偏析元素, 中心层含量比上下表面高, Cu, Fe和Zn元素为负偏析元素, 中心层含量比上下层含量低; 各元素含量分布的统计偏析程度整体较小, 分布最均匀的为Al元素, 统计偏析度最小为0.01%, Ti和Fe元素分布较不均匀, 统计偏析度分别为0.81%和0.6%; Fe元素与Mn元素在面分布中出现较明显的点状偏析, 这是由于铝合金铸造过程中经显微偏析形成的金属间化合物, 在后续的热轧成型中破裂成多个连续排列的第二相所致。 使用激光诱导击穿光谱法对该方法所得数据进行验证, 结果显示在30 mm×6 mm尺寸范围内所测元素面分布与线分布结果与荧光结果趋势完全一致。 综上所述, 使用微束X荧光结合原位统计的方法, 对铸轧7B05铝合金点、 线、 面、 频度分布及偏析程度的计算, 可提供大量分析数据, 对于量化研究大尺寸范围内轧板截面组织、 性能的波动趋势具有重要意义。

土壤修复是“十四五”期间国家重点支持的环保领域, 是实现社会可持续发展的重要保障。 与其他方法相比, 植物修复技术整体优势突出, 对于土壤重金属的去除净化更为有效。 原生质体是植物细胞代谢活动的重要场所, 相对于细胞壁而言, 原生质体对重金属胁迫的生理响应同样强烈。 现阶段, 同类植物修复机制研究多从分子生物学层面切入; 本研究则从谱学角度展开, 初步探究植物原生质体对土壤重金属的反馈信号。 以代表性的菊科植物金盏菊为研究对象, 通过Pb/Cd胁迫盆栽实验获取金盏菊样本, 差速冷冻离心法得到金盏菊原生质体。 引入Tessier连续提取-原子吸收光谱法(AAS)揭示胁迫强度与Pb/Cd赋存形态的内在关联, 结合X射线衍射光谱(XRD)、 傅里叶变换红外光谱(FTIR)、 二维相关红外光谱(2D-IR)和X射线光电子能谱(XPS)识别金盏菊原生质体对Pb/Cd响应的谱学表现。 结果表明: 金盏菊原生质体可交换态Pb/Cd比例不高, 胁迫强度对不同形态Cd含量影响很小。 XRD图谱最强信号出现在31.7°(NaCl晶体), 同时检测出Pb盐 [Pb₅(PO₄)₃Cl] 和Cd盐(CdS)特征峰。 FTIR图谱的3 510 cm^-1附近强吸收带源于—OH伸缩振动, 胁迫过程导致峰形杂乱、 峰位偏移; 2D-IR结果说明Pb/Cd优先与金盏菊原生质体—OH和C=O结合。 从XPS图谱可以看出, 反应前后原生质体C, O元素结合能有异。 C(1s)结合能略有增加, 说明C原子参与了配位反应; O(1s)峰位有所偏转, 暗示含O基团对Pb/Cd的结合包含多种途径。 新出现的Pb(4f)峰源于π电子-Pb的交互作用; 胁迫浓度增加导致Cd(3d)结合能升高, 表明Cd具有明显失电子倾向。 相关结果可以与前期获得的Pb/Cd/金盏菊细胞壁结合特性互为补充, 对于完善同领域的深度和广度、 构建植物修复理论和技术体系意义重大。

针对马铃薯晚疫病害的早期检测和防治问题, 利用光谱技术对马铃薯晚疫病叶片过氧化物酶(POD)活性进行预测, 并基于POD酶活性实现了马铃薯晚疫病的患病程度预测。 采集和测定处于不同温湿度及接菌时间的马铃薯叶片样本的光谱反射率和POD酶活性, 选用中心化(MC)预处理方法以消除原始光谱数据的误差。 为降低模型复杂程度, 利用随机青蛙算法(RF)、 连续投影算法(SPA)、 竞争自适应加权算法(CARS)对波长进行筛选, 结果表明利用CARS算法提取的72个特征波长数据建立的POD酶活性的偏最小二乘回归(PLSR)预测模型效果最好, 其预测集的决定系数Rp2为0.958 1、 均方根误差RMSE_p为25.698 6 U·(g·min)^-1。 最后利用径向基函数神经网络(RBFNN)拟合了POD酶活性和温湿度、 接菌时间的关系, 建立了POD酶活性的动力学模型, 实现了基于POD酶活性的马铃薯晚疫病患病程度预测。 结果证明利用光谱技术快速测定POD酶活性以实现马铃薯晚疫病患病程度预测是可行的。

豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品, 是制作禽畜类饲料的主要原料, 其品质决定营养价值。 针对现有豆粕品质检测方法存在着有毒化学试剂使用多、 操作复杂、 分析时间长、 无法满足实际生产线快速检测及调控需求等问题, 提出一种基于近红外光谱分析的豆粕品质多组分检测方法, 以期用于产品质量在线检测及调控。 从大豆油脂加工生产线上采集豆粕样品449个, 利用105 ℃烘箱法、 凯氏定氮法和索氏提取法分别测定样品的水分、 蛋白质和脂肪化学值, 采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱。 首先利用马氏距离法剔除异常样本, 然后用多种方法对光谱数据进行降噪处理, 对比分析发现小波去噪效果最优。 分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集。 为了探讨豆粕组分的近红外吸收特性, 剔除光谱冗余信息, 降低模型计算复杂度, 采用区间偏最小二乘法(iPLS)对4 000~10 000 cm^-1全谱进行特征提取, 优选出水分、 蛋白质和脂肪的特征吸收波段分别为4 904~5 200, 4 304~4 600和4 304~4 600 cm^-1。 最后建立豆粕组分含量的广义回归神经网络(GRNN)预测模型。 为了减少网络的输入变量, 缩小网络规模, 提高运行速度, 采用PLS对光谱数据降维, 提取主因子得分作为GRNN输入变量。 通过交叉验证循环法优选网络参数光滑因子spread值, 建立豆粕多组分含量PLS-GRNN预测模型, 并与经典的PLS和BP模型对比, 发现PLS-GRNN模型效果更优, 其水分、 蛋白质和脂肪的预测集R²分别为0.976 9, 0.940 2和0.911 1, RMSEP分别为0.091 2, 0.383 4和0.113 4, RSD分别为0.79%, 0.83%和8.53%。 虽然脂肪的预测误差相对较大, 但也在模型评定标准可用范围之内。 实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的, 能够用于实际生产过程中的品质监控。

肺炎支原体是造成人类呼吸系统疾病的主要原因。 临床中, 患者感染不同肺炎支原体症状极为相似, 很难根据症状判别肺炎支原体类型并对症给药。 因此, 准确判别肺炎支原体菌株类型对于发病机理和疾病流行病学研究以及临床精准治疗具有重要意义。 拉曼光谱具有快速、 高效、 无污染等优点, 在生物医学领域逐渐得到越来越多研究者们的关注。 一维卷积神经网络(1D-CNN)是一类包含卷积运算且具有深度结构的前反馈网络, 在语音信号和振动信号分析等方面取得成功应用。 提出一维卷积神经网络与拉曼光谱技术结合, 针对肺炎支原体主要基因型M129型和FH型样本的拉曼光谱数据集, 实现肺炎支原体菌株分类。 利用光谱数据增强方法扩充原光谱数据集作为模型输入, 训练一维卷积神经网络模型, 解决由于小样本导致卷积神经网络数据饥渴问题; 为了得到最好的肺炎支原体分类效果并加速学习过程, 优化模型结构并确定最佳模型参数; 拉曼光谱测量时常混有高斯噪声、 泊松噪声和乘性噪声, 为优化模型抗噪能力, 将原光谱分别叠加高斯噪声、 泊松噪声和乘性噪声, 训练一维卷积神经网络模型并和LDA, KNN和SVM等传统算法进行比较。 实验结果表明基于1D-CNN方法, 对于叠加高斯噪声的光谱数据所建模型分类正确率为98.0%, 叠加泊松噪声的光谱数据分类正确率为97.0%, 叠加乘性噪声的光谱数据分类正确率为97.0%, 分类正确率远高于基于LDA, KNN和SVM等传统算法所建模型分类正确率; 同时构造叠加5, 15, 25, 35, 45和55 dBW不同强度噪声的光谱数据集, 当噪声达到55 dBW时, 1D-CNN模型仍能取得92.5%的分类正确率。 因此, 一维卷积神经网络结合拉曼光谱技术应用于肺炎支原体菌株类型分类是可行的, 具有抗噪声能力强和分类正确率高的优点, 该研究为肺炎支原体肺炎快速诊断提供新思路。

中药材淫羊藿富含朝霍定和淫羊藿苷等黄酮类化合物, 具有滋阴补肾、 提高免疫力等功效, 有较大的药用价值。 当前, 面对生产及育种过程中批量样品快速、 无损检测需求的增加, 传统的化学分析方法难以满足需要, 而高效、 廉价的现代高光谱分析技术备受青睐。 但受制于光谱数据谱峰重叠及噪声的干扰, 全波段光谱分析建模存在模型精度不高和运行效率低的问题。 利用便携式地物光谱仪器获取淫羊藿可见-近红外光谱数据, 借助遗传算法(GA)特征波段选择方法剔除无关波段, 并与偏最小二乘回归(PLSR)分析建模技术结合, 构建淫羊藿药用组分(朝霍定A、 朝霍定B、 朝霍定C和淫羊藿苷)高光谱GA-PLSR校正模型, 探讨淫羊藿药用组分含量高效分析预测的可行性, 并挖掘获取淫羊藿品质鉴定的重要光谱响应波段。 结果表明: 高光谱分析结合化学计量学在淫羊藿有效药用组分的快速无损检测方面具有相当大的潜力。 与全波段PLSR校正模型相比, 通过GA迭代优化, 参与建模的有效光谱数据得到简化, GA-PLSR模型的测量精度和稳定性得到明显提升。 主要表现在交叉验证的决定系数(RCV2)得到明显提高, 交叉验证的均方根误差(RMSE_CV)普遍降低。 其中, 四种药用组分校正模型的RCV2分别从0.645, 0.720, 0.718和0.642提升为0.671, 0.835, 0.782和0.796; 同时, 其对应的RMSE_CV值分别由2.102, 2.896, 21.069和1.221降为2.071, 2.230, 18.656和0.912。 此外, 明确了红边波段690~740 nm以及420 nm附近波段为淫羊藿药用组分朝霍定A、 朝霍定B、 朝霍定C和淫羊藿苷光谱鉴别分析的重要响应波段。 该研究为高光谱技术淫羊藿品质准确高效鉴定和光谱传感器的波段设计提供一定的理论依据。

甘肃马衔山和田玉具有重要的宝玉石价值和考古文化价值, 其中产地区分为甘肃马衔山和田玉的研究重点。 通过测试分析马衔山和田玉的化学成分, 对比其与国内主要产地和田玉的化学成分差异, 建立微量元素产地判别模型, 对甘肃马衔山和田玉的产地鉴别进行探究, 为甘肃齐家文化中古玉器溯源提供数据支撑。 以电子探针分析甘肃马衔山和田玉的主量元素, 结果表明其主要成分为透闪石。 采用激光剥蚀电感耦合等离子体质谱仪分析其微量元素和稀土元素, 对比新疆、 青海、 辽宁、 江苏、 贵州、 甘肃马衔山和田玉微量元素蛛网图、 稀土元素参数和稀土元素配分图, 结果表明不同产地和田玉存在差异, 可进行产地区分; 三维散点图δCe-ΣREE-LREE/HREE投图可将青海、 辽宁、 江苏、 贵州和田玉进行产地区分, 但不能区分新疆和甘肃马衔山和田玉; 运用SPSS软件对新疆、 青海、 辽宁、 江苏、 贵州、 甘肃马衔山和田玉的微量元素建立产地线性判别模型, 对于已知六个产地: 新疆、 青海、 辽宁、 江苏、 贵州、 甘肃马衔山的数据, 判别分析正确率可达100.0%, 交叉验证正确率为90.3%, 预留10组马衔山和田玉数据, 回代验证正确率为100%。 微量元素产地线性判别模型在和田玉产地判别中获得很好的效果。

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。

红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。 得到的光谱数据常常具有较高的维数和重叠度, 这给后续的数据处理带来困难。 为此提出一种GK可能C均值聚类算法(GKIPCM), 引入了GK聚类算法的马氏距离测度与改进的可能C均值聚类算法(IPCM)的模糊隶属度与聚类中心更新方程, 使样本的距离测度具有自适应性且避免了聚类中心的一致性。 GKIPCM算法具有分类精度更高, 分类准确率对参数敏感性低的优点。 将四组洗净白菜作为光谱分析对象, 分别施加三种农药(高效氯氟氰菊酯)配比, 采用安捷伦Cary 630 FTIR光谱仪采集白菜的傅里叶中红外光谱(FT-MIR)。 首先对样本进行预处理, 使用多元散射矫正(MSC)对光谱数据降噪, 消除数据偏移量; 其次, 由于采集到的数据波数范围为4 300~590 cm^-1, 数据维数达到了971维, 故使用主成分分析(PCA)对数据实现降维, 降维后的数据维度减小到了23, 且23个主成分的累积贡献率高达99.60%; 但各类光谱的特征信息依然混杂在一起, 故使用线性判别分析(LDA)提取特征鉴别信息, 进一步将数据降至3维; 最终, 运行模糊C-均值聚类算法(FCM)得到较优初始聚类中心, 使用GKIPCM算法对四类降维后的光谱数据进行聚类分析, 并与GK聚类算法与IPCM聚类算法的运行结果作对比。 GKIPCM算法的总迭代时长为0.218 8 s, 分类准确率达到了97.22%。 相较之下, GK算法与IPCM算法的准确率分别为63.89%和91.67%, 运行的总时长为0.093 8与0.062 5 s。 从实验结果可看出, GKIPCM算法可以通过分析光谱数据从而完成对不同程度农药残留进行定性分析的任务。

木材的抗弯强度是木材重要的力学指标。 光谱分析操作简单、 方便、 快速, 已成为木材检测的重要手段。 但是在应用中, 面对检测环境的温湿度变化、 仪器部件老化和附件更换等情况, 采集到的光谱数据会发生一定程度的偏移。 为了解决这一问题, 以落叶松抗弯强度的近红外光谱预测模型为研究对象, 针对不同类型光谱仪数据差异而导致主机模型泛化能力差的问题, 提出了一种迁移学习与光谱转移校准结合的近红外光谱建模方法。 加工200组落叶松板材试件样本, 以NIRQuest512光谱仪为主机、 One-chip微型集成光谱仪为从机, 分别采集落叶松试材光谱数据, 利用力学万能测试机检测试件力学真值; 2类数据经过SNV、 S-G、 光谱剪切预处理后, 从机数据使用PDS转移校正完成从机到主机光谱线性变换; 然后, 利用SWCSS对2类光谱数据进行特征提取, 优选出主机与从机相关的稳定性一致光谱波段; 最后, 采用100组试件的2类近红外光谱数据进行GFK-SVM建模, 得到适用于主机、 从机设备的通用模型。 为了验证模型方法的有效性, 应用100组数据进行测试并对比了DS-PLS, PDS-PLS, DS-SWCSS-GFK-SVM和PDS-SWCSS-GFK-SVM等建模方法; 结果表明, PDS采用了滑窗技术, 方法相较DS方法可以更好地完成光谱数据的线形映射, 在一定程度上提高了建模精度, 统一了两组光谱仪之间的光程与波长数; SWCSS特征提取方法能够根据2组光谱数据集之间的差异与共性优选波段, 保证特征选择的有效性与稳定性, 提升建模精度; GFK-SVM适合不同光谱数据的迁移, 能够通过合理的核函数参数优选实现不同类型光谱数据的高维映射, 在高维空间中构建不同数据集的通用模型, 实现主机模型在从机光谱预测上的泛化, 提升了数据的使用效率, 测试集相关系数R_p达到0.875, 均方根误差RMSEP为11.975。

拉曼成像是拉曼光谱技术非常重要的一个环节, 通过生成光谱数据的伪彩图像, 可以得到采集区域中某物质组分的浓度和位置分布信息, 当前, 拉曼成像技术已经逐渐成为监测生物活性以及物质组分的最优解之一。 为了得到清晰的成像效果, 采集过程中的数据量不宜过小, 否则成像效果差、 锯齿感较重, 从而导致视觉效果不好。 但是, 数据量的增加虽然可以得到更好的成像效果, 但会增加时间成本、 降低仪器寿命。 因此, 在不增加时间和硬件成本的情况下, 对采集点数据进行插值提高成像的空间分辨率、 降低时间分辨率是很有意义的。 提出了一种基于研究拉曼光谱波形结构物理特性的图像插值算法。 区别于传统的图像插值算法仅对图像像素值进行处理, 通过结合拉曼信号的物理特性, 选取最小二乘法和物理特性上最适合解析拉曼谱峰的数学模型Voigt函数对现有光谱数据进行数学拟合提取特征值, 并对提取出的特征值通过线性插值方法计算出未知插值点的Voigt函数的特征值, 从而计算出插值点的Voigt函数, 可以直接提高现有拉曼图像的空间分辨率, 同时通过该方法也可以缩短扫描时间, 提高拉曼成像的时间分辨率。 同时, 为了验证算法的有效性和可行性, 对一种药物和一种生物细胞的原始拉曼成像进行图像插值, 并采用直方图的欧几里得距离求解相似度和结构相似度算法(SSIM, 一种权威的图像相似度评价算法)对插值效果进行评价。 实验结果表明, 在图像像素点增量分别为50%和75%的情况下, 该算法能够很好地保留样本组分的分布和浓度等重要信息。 该算法可以在不升级硬件的情况下提高拉曼成像的性能, 推荐作为拉曼成像数据处理和软件的有效补充。

二棕榈酰磷脂酰胆碱(DPPC)分子在气液界面上形成的Langmuir膜是一种重要的生物膜模拟体系, 其手性结构及其与外来物质的相互作用一直是相关学科研究的前沿问题。 维生素B₂(VB₂)是人体中一种重要的营养物质, 它在代谢障碍引起的脂质沉积性类疾病中有大量的实例应用, 经常在一些特殊的临床症状中有出乎意料的治疗奇效。 目前, VB₂如何参与到膜上生物事件的过程和细胞乃至生命的作用过程中的研究报道较少, 特别是VB₂分子与磷脂分子靶标的立体相互作用, 其可能发生的手性分子识别现象会在许多生物事件中起着关键作用。 综合二次谐波-线二色光谱(SHG-LD)、 Langmuir膜天平和布鲁斯特角显微镜(BAM)技术初步研究了VB₂和DPPC分子在气液界面上的相互作用, 分别从气液界面上介观水平和宏观水平上互补表征脂质分子在气液界面上的分子骨架自组装的结构。 压缩等温线发现纯水界面L-DPPC和D-DPPC液态扩展相/液态凝聚相(LE/LC)共存阶段的膜压几乎不变, race-DPPC的共存相膜压区域稍微缩短, VB₂水溶液界面上race-DPPC的LE/LC共存相消失。 此外, 弹性模量研究表明VB₂分子可以提高L-DPPC单分子层膜的弹性模量, 但降低D-DPPC和race-DPPC单层膜的弹性模量。 结合SHG-LD研究发现, 在膜压13 mN·m^-1下, L-DPPC在纯水和VB₂水溶液界面上表面手性过量值(DCE)保持不变。 与纯水界面相比较, D-DPPC在VB₂水溶液上DCE值出现反转, 而race-DPPC的DCE值则不随亚相改变而变化。 相同膜压下, BAM观察到单一手性相互作用使得L-DPPC和D-DPPC在纯水界面上各自组装成不同枝臂弯曲方向的手性三叶草微畴(microdomain)。 VB₂诱导D-DPPC微畴, 使其直径增大1~2倍。 同时, VB₂也诱导了race-DPPC单层膜上近似圆形状的微畴伸展, 并长出了三条有曲率的枝臂。 对此可以解释为VB₂降低了非单一手性相互作用的能量, 使得race-DPPC出现手性相分离。 与此同时, VB₂也诱导了race-DPPC单层膜微畴的手性结构发生变化。 该研究有助于理解VB₂调节磷脂膜横向组织结构的分子机理, 在细胞膜界面发生的过程中, 脂层单层的二维特性和生物分子之间的相互作用可能决定了生物分子的亲和力。

人们日常膳食中常见的食用油含有丰富的饱和脂肪酸, 饱和脂肪酸能为人体提供能量和必须营养物质, 但过量摄入会导致多种心血管疾病。 结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。 首先, 测量了菜籽油、 大豆油、 葵花籽油、 玉米油、 橄榄油、 芝麻油及花生油等7种食用植物油350~2 500 nm范围的反射光谱, 并通过气相色谱-质谱分析法获得其软脂酸、 花生酸及山嵛酸等饱和脂肪酸的含量。 使用中心化、 多元散射校正、 标准正态变量变换及标准化等算法做光谱预处理消除光谱噪声。 然后, 构建了一种新型的二维光谱卷积回归网络(S2DCRN)用于脂肪酸分析, 而全卷积网络(FCN)、 偏最小二乘回归(PLSR)、 支持向量回归(SVR)及随机森林(RF)用于与S2DCRN模型相对比。 最后, 采用序列前向选择(SFS)、 随机蛙跳(RFrog)及遗传算法选取光谱特征的重要波长, 进而构建更为简单稳健的分析模型。 实验结果表明, 对食用油的全光谱预处理后, S2DCRN模型性能最优, 其模型对预测集的决定系数(RP2)达到0.987 9, 均方根误差(RMSE_P)为0.510 0。 基于重要波长的S2DCRN模型, RFrog-SFS为S2DCRN提供了最佳的预测结果RP2=0.967 9, RMSE_P=0.462 7。 虽然变量选择后所取得的分析效果略差, 但光谱波长数目不足全光谱的1%, 节省了光谱数据采集工作并大幅降低了模型复杂度, 有助于后续便携式简化检测装置的研发。 为进一步探究S2DCRN模型的通用性能, S2DCRN被用于食用油中花生酸和山嵛酸含量分析。 其中, S2DCRN对花生酸的预测结果较好RP2=0.950 1, RMSE_P=0.152 9。 所提出的S2DCRN可实现反射率光谱对食用油中多种脂肪酸的准确快速分析。

低空无人机(UAV)测量凭借着低成本、 高效率、 高精度的数据采集模式, 可快速获取高空间分辨率的影像数据, 已经成为遥感领域的一种重要技术手段。 其中, 影像匹配技术是UAV影像数据处理的重要步骤, 图像间的匹配直接影响后期三维场景的精度及视觉效果。 针对高原山地的高差起伏变化大地形复杂, 植被覆被率高及地物分布不规则等问题存在, 致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。 由于影像获取时受到该区特殊地形的限制, 大场景影像需要借助多幅影像匹配拼接得到。 目前, 基于特征点的影像匹配是一种图像配准技术, 不仅适用于低重叠度影像之间的匹配, 还可以运用到运动恢复图像间的匹配。 为探索特殊地形地貌条件下快速有效的UAV影像匹配技术, 提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、 随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。 主要技术流程为: 首先, 基于SIFT算法, 进行尺度空间的极值检测, 构建高斯金字塔函数, 通过高斯差分运算来实现特征点定位, 并对所检测到的特征点的邻域位置、 方向、 尺度等进行统计分析, 据此生成适合UAV影像特征的描述符; 其次, 集成“马式距离”和NNDR模型的综合运用, 进行特征点对的第一次约束优化提取及相似度检测, 在此基础上, 利用RANSAC算法, 引入匹配点对的均方根误差值(RMSE)进行第二次约束, 以实现匹配错误点对的剔除, 保证了影像匹配精确优化。 此外, 为了证实所提出优化算法的有效性, 选择了1组高原山地典型地貌UAV影像数据进行匹配试验, 结果表明: 面向高原山地复杂地形进行无人机影像匹配中, 所提出的改进算法不仅可以提取大量的特征点对, 同时还可以提高同名特征点的检测正确率, 并且配准正确率达到了85%, 因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。

珍珠的颜色是影响其品质最关键因素之一。 目前珍珠颜色的研究大多集中在不同颜色珍珠的组成元素、 致色机理及结构差异, 但对于如何直观分辨同种颜色珍珠的研究却很少。 选用三批产自安徽不同时期的淡水养殖白色珍珠, 对其进行色度学、 激光拉曼光谱测试及宝石显微镜观察, 建立白色系淡水养殖珍珠的白度值与拉曼光谱的关系并结合宝石显微镜的观察对其颜色等级的划分提供依据。 运用亨特白度公式, W_HT=100-[(100-L^*)²+a^*2+b^*2]^1/2计算出不同珍珠样品的白度值, 再与拉曼光谱中由C—C伸缩振动引起的1 132 cm^-1峰的峰面积和由[CO₃]^2-对称伸缩振动引起的文石峰面积的比值即R值进行对比发现, 淡水养殖白色珍珠的白度值与拉曼光谱中的R值成反比。 运用SPSS聚类分析对安徽产淡水养殖白色珍珠进行颜色分级, 可将其白度值划分为85以上, 85~80, 80~75和75以下四个区间, 白度值在85以上为最白, 85~80之间为较白, 80~75之间为中等白度, 75以下为最差。 安徽产淡水养殖白色珍珠的表面形貌观察发现, 白度值在85以上的珍珠表面较光滑且光泽度很强, 白度值在85~80之间的珍珠表面有一部分缺陷但光泽度较强, 白度值在80~75之间的珍珠则有较明显的缺陷光泽度也一般, 而白度值在75以下的珍珠表面则缺陷较多且光泽度较差。 珍珠表面的光滑度和光泽度会影响珍珠白度。 白度值和拉曼光谱中R值的大小均可定量表示安徽产淡水养殖白色珍珠的洁白程度, 两者之间存在一定的对应关系, 即白度值越大, 拉曼光谱中的R值越小, 珍珠越白; 珍珠表面的光滑度和光泽度可以作为评判珍珠洁白程度的辅助依据。 综合利用淡水养殖白色珍珠的色度学参数和拉曼光谱, 再结合显微结构观察对其洁白程度进行区分这也可以为淡水养殖白色珍珠颜色等级的划分提供理论依据。

判别蓝宝石成因及产地是宝石学研究中的重要内容, 区分蓝宝石属于变质岩型或玄武岩型通常需要使用光谱学分析、 内含物分析、 化学成分分析结合的方法。 选取斯里兰卡变质岩型蓝宝石和老挝玄武岩型蓝宝石进行研究。 两地蓝宝石的紫外-可见-近红外吸收光谱测试、 化学成分分析结果分别符合变质岩型和玄武岩型蓝宝石的基本特征。 三维荧光光谱测试表明, 斯里兰卡变质岩型蓝宝石出现了发射波长为540~560和560~580 nm的荧光, O^2--Ti⁴⁺导致的420~440 nm荧光和Cr³⁺导致的694 nm荧光; 老挝玄武岩型蓝宝石只出现了O^2--Ti⁴⁺导致的发射波长为418 nm的荧光, 且强度很弱。 两种蓝宝石的主要区别是斯里兰卡变质岩型蓝宝石总体荧光强度较强, 且拥有发射波长为540~560和560~580 nm的两段荧光。

叶绿素是作物生长诊断的重要参数, 对其进行高效检测是农田精细化管理的基础。 PROSPECT模型是作物光谱学检测研究的重要工具, 可为建立高精度叶绿素诊断模型提供数据集基础。 为了建立具有普适性的田间玉米作物叶绿素含量检测模型, 使用PROSPECT模型输入叶片结构参数和生化参数模拟叶片400~2 500 nm波段反射率曲线10 650条。 在其他参数设置保持不变的情况下, 分析光谱反射率曲线对叶绿素含量参数的敏感性, 结果显示叶绿素含量仅在400~780 nm区间对光谱反射率曲线产生影响。 讨论了3种叶绿素检测特征波长筛选策略, 分别为: 根据敏感性分析结果, 选出548~610和694~706 nm区域共计76个波长, 记为SEN-BAND; 基于反向区间偏最小二乘法(Bi-PLS)筛选5个区间共计91个波长, 记为BP-BAND; 基于连续投影算法(SPA), 在叶绿素影响区域400~780 nm筛选10个特征波长, 记为SPA-BAND。 进而使用2019年、 2020年两年期田间实测玉米叶片光谱反射率曲线和叶绿素含量数据, 分别应用上述3种方法选取的特征波长构建玉米叶片叶绿素含量检测模型。 结果显示, 使用SPA-BAND特征波长构建的模型, 在两年期数据中均得到最佳结果。 2019年数据模型建模集决定系数(Rc2)为0.815 6, 建模集均方根误差RMSEC为2.908 6, 验证集决定系数(Rv2)为0.799 5, 验证集均方根误差RMSEV为2.997 7。 2020年数据模型建模集决定系数(Rc2)为0.949 2, 建模集均方根误差RMSEC为0.976 8, 验证集决定系数(Rv2)为0.910 2, 验证集均方根误差RMSEV为1.562 9。 表明, 基于PROSPECT模型筛选叶绿素含量特征波长建立的叶绿素诊断模型具有普适性。

氟氯酰(ClF₃O)是一种极强的氟化剂和氧化剂, 极易与水和有机物发生爆炸性反应。 目前关于氟氯酰与水以及有机物等物质的反应机理不多见, 氟氯酰与水以及有机物等物质由反应物变成产物的过程有待研究。 采用ICCD瞬态光谱测量系统, 实时拍摄到无氧和有氧环境下氟氯酰和正癸烷反应的瞬态发射光谱; 采用量子化学理论方法对氟氯酰和正癸烷的反应机理进行了探索研究, 理论计算与试验结果相一致。 瞬态发射光谱试验结果表明, 在无氧环境下, 氟氯酰和正癸烷反应会产生CH和C₂自由基, 证实了无氧时氟氯酰确实能与正癸烷发生反应, 显示出氟氯酰的高活性; 在有氧环境下, 则会产生OH, CH和C₂自由基。 CH自由基强度最大的发射峰位于431.4nm, 归属于A²Δ-X²П电子态之间的跃迁; C₂自由基强度最大的发射峰位于516.3 nm, 归属于A³П_g-X³П_u电子跃迁; OH自由基强度最大的发射峰位于309.5 nm, 归属于A²Σ⁺-X²П_i电子跃迁。 量子化学理论计算结果表明, ClF₃O与正癸烷的反应始于ClF₃O中具有较多负电荷的F原子向正癸烷分子中间的H原子进攻生成HF, 该引发反应活化能很低, 并大量放热。 在无氧环境下, 氟氯酰与正癸烷可能发生氟代反应, 反应产物为ClFO、 HF和相应的氟代烷烃等。 氟代烷烃可能会发生脱氢反应生成C₁₀H₂₀F, 接着裂解为C₄H₉及氟代烯烃C₆H₁₁F; C₄H₉进一步分解为C₂H₅和C₂H₄, 最终形成CH和C₂自由基等。 有氧环境下反应初始步骤与无氧条件下相同, 当反应进行到一定程度, 产生烷烃自由基之后, O₂参与反应, 形成过氧自由基, 过氧自由基继续分解, 产生OH, CH和C₂自由基。 在氧气参与下, 反应过程中产生大量的OH自由基, 加速反应的进程, 宏观上表现为正癸烷被引发爆燃与燃烧。 这些自由基和中间体对于揭示氟氯酰和正癸烷反应的微观机理具有重要的指示意义。 氟氯酰和正癸烷的反应机理与试验结果均证实: 小自由基CH、 OH和C₂是氟氯酰与正癸烷反应过程中的重要中间产物, 这对于认识氟氯酰与正癸烷反应的微观过程非常重要, 也为氟氯酰的**化应用奠定了一定的理论基础。

随着社会对木质文物重视程度的提高和现代考古技术的进步, 饱水木质文物得到不断发掘和保护。 饱水木质文物木材的细胞形态和化学结构普遍发生非均匀降解或变化, 成为了不同于健康木材的“新材料”。 PEG法和糖法作为国际通用的脱水加固方法可避免饱水木质文物干燥过程中收缩变形。 本研究选用“小白礁Ⅰ号”沉船主要用材树种柚木(Tectona sp.)为试验对象, 分别使用PEG、 三氯蔗糖和海藻糖加固, 并在开发的适用于脆弱木质文物的非包埋式纳米压痕样品制备方法的基础上, 通过纳米压痕力学技术(NI)评估了三种饱水木质文物常用加固处理方法对考古木材微力学性能的影响; 同时, 结合红外光谱法(FTIR)和热重分析(TGA)方法, 进一步揭示了加固剂种类影响考古木材微力学性能的原因。 研究结果表明: 使用非包埋法制备的纳米压痕样品, 可准确获取加固处理后考古木材细胞壁的纵向弹性模量和硬度; PEG法、 三氯蔗糖法和海藻糖法均可显著提高考古木材木纤维细胞壁的纵向弹性模量和硬度, 三种方法加固处理后的木材的弹性模量比未处理样品分别增加了6.9%, 25.4%和29.1%, 硬度比未处理样品分别增加了9.3%, 25.9%和13.6%。 红外光谱试验结果表明PEG、 三氯蔗糖和海藻糖均进入了考古木材细胞腔等内部组织结构, 热重分析结果证实部分加固剂进入了木材细胞壁, 是细胞壁强度提高的主要原因。 总之, 三氯蔗糖和海藻糖较适用于饱水考古木材的脱水加固, 加固效果优于PEG, 其中三氯蔗糖的加固效果最佳。 研究结果为饱水木质文物加固性能的准确评估提供了方法参考, 为沉船等饱水木质文物的加固与保护提供了科学依据。

X射线荧光光谱分析作为一种以化学计量学为基础的定量分析技术, 所建立模型优劣对结果的预测准确性显得十分重要。 竞争性自适应重加权算法(CARS)采用自适应重加权采样技术, 利用交互验证选出互验证均方根误差(RMSECV)值最低原则, 寻出最优变量组合。 为了进一步提高PLS模型的解释和预测能力, 将竞争性自适应重加权算法(CARS)与X射线荧光光谱分析技术相结合, 对土壤中重金属元素铅和砷进行特征波长变量筛选后建立偏最小二乘(PLS)模型。 首先, 利用CARS算法对铅含量密切相关的波长变量进行筛选, 当采样次数为26次时, 筛选出60个有效波长点; 对砷含量密切相关的波长变量进行筛选, 当采样次数为34次时, 筛选出19个有效波长点; 然后对优选出的波长点利用PLS方法分别建立土壤中铅和砷含量定量分析模型, 并与经连续投影算法(SPA)及蒙特卡罗无信息变量消除(MC-UVE)方法波长变量筛选后所建立的PLS模型进行比较。 结果显示: 铅的CARS-PLS模型的预测集决定系数(R²)、 交互验证均方根误差(RMSECV)、 预测均方根误差(RMSEP)和相对预测误差(RPD)分别为0.995 5, 2.598 6, 3.228和9.401 1, 砷的CARS-PLS模型的预测集R², RMSECV, RMSEP和RPD分别为0.989 9, 3.013 2, 2.737 1和8.211 6; 两元素的CARS-PLS模型性能均优于全波段PLS, SPA-PLS和MC-UVE-PLS模型。 基于CARS-PLS的算法可以有效筛选出X射线荧光光谱特征波长点, 在简化了建模复杂程度的同时, 提高了模型的准确性和稳健性。

针对航空发动机润滑油燃油污染造成非计划停机、 飞行故障等一系列问题, 需要对在用润滑油进行必要的监测, 从而确定润滑油换油的最佳时机。 采用美国PerkinElmer公司的Spectrum Two红外光谱仪及Spectrum Quant软件, 结合美国材料与试验协会标准(ASTM-E2412-10)关于合成酯类润滑油的监测说明, 对民航广泛使用的Mobil jet oilⅡ型润滑油进行燃油污染程度定量分析。 运用两点基线面积法建立了燃油污染浓度与815~805 cm^-1特征谱区面积的标准工作曲线, 工作曲线的相关性达0.999 6, 标准预测误差为0.544 1。 利用该工作曲线预测已知润滑油燃油含量样品偏差在1.3%以内, 5组重复试验标准偏差均低于0.1%, 表明该方法具有较高的预测精度和良好的重复性。 同时, 采用该工作曲线和美国斯派超(Spectro Scientific)公司燃油嗅探仪分别对相同润滑油样品进行检测, 检测结果相当, 表明建立的定量工作曲线可满足民航对润滑油燃油污染的监测需求。

新型陶瓷纤维复合材料由短切氧化硅纤维及其胶合物经高温烧结得到的一种轻质多孔材料, 材料微观结构特性直接影响着宏观结构特性和功能特性。 该类材料的孔隙度分布在84%~95%之间, 微观孔径主要集中在100 μm范围内, 偶尔有少量纳米孔。 陶瓷纤维复合材料以其耐高温、 低密度、 高比强和抗烧蚀等优异性能在超高声速飞行器外层隔热部件得到应用, 但该类材料可能因为制作和装配的工艺水平等因素出现夹杂、 孔洞甚至大面积脱粘等现象。 由于陶瓷纤维复合材料结构与应用场景的特殊性使得常规的无损检测手段效果不佳, 而太赫兹(THz)技术作为一种新兴的无损检测技术, 在该类材料的无损检测具有很大的潜力, 可与常规检测技术形成互补。 针对陶瓷纤维复合材料构件粘接层缺陷检测问题, 研究了太赫兹时域信号和太赫兹层析成像方式对缺陷定位方法。 基于太赫兹时域光谱(THz-TDS)无损检测技术获取和对比试样中有粘接层缺陷和粘接层完好位置的时域波形的波形峰值和相位差异, 并经过反卷积滤波技术对时域波形进行处理, 定性分析时域波形与粘接层缺陷特性的关系, 宏观判断缺陷存在; 通过对太赫兹波段陶瓷纤维复合材料光学参数提取测定太赫兹波段的平均折射率为1.028, 进而分析粘接层缺陷的深度和厚度分别为18.4和0.28 mm, 与预置缺陷真实深度和厚度相比准确度分别为92%和90%。 但由于通过时域信号提取的平均折射率会给粘接层缺陷位置分析造成误差, 因此以太赫兹层析成像方式进一步估计缺陷的位置, 分析了太赫兹层析成像噪声来源以及对成像质量的影响并采用了双边滤波对层析成像降噪滤波, 基于太赫兹层析成像技术建立了位置评估模型, 获取了粘接层缺陷的厚度为0.26 mm, 较预置缺陷厚度的准确度为96%, 有效地完善了太赫兹检测技术对缺陷定位的形式, 实现了陶瓷纤维复合材料构件的粘接层缺陷的高精度定位表征。

拉曼光谱技术作为一种典型的光学检测方法, 因其独特的非侵入性、 快速、 原位和极高的特异性, 在生物分析、 疾病诊断及分子识别等众多领域得到广泛应用。 拉曼光谱的指纹特性使其成为生物医学分析领域的重要工具, 但拉曼散射信号微弱, 数据处理分析大量依赖分析人员、 自动化处理能力低等因素都会极大影响该技术在实际中的应用。 实验设备、 环境产生的噪声、 待测生物样本的自发荧光等各种干扰因素使得高质量拉曼光谱数据的获得变得较为困难, 各种随机噪声会干扰拉曼光谱图中指纹谱峰信息的识别, 增大拉曼特征提取的难度, 因此, 噪声抑制在拉曼光谱预处理中显得十分重要。 采用反向传播算法, 从数据本身的特征出发, 基于理想光谱片段和含噪光谱片段的线性差异, 分别构建噪声判定神经网络和光谱去噪神经网络模型。 以随机生成的一系列洛伦兹峰数学模型叠加生成拉曼光谱, 对生成的拉曼光谱分别加入不同强度的噪声, 以此为实验数据, 对比新方法和经典滑动窗口均值法、 Savitzky-Golay滤波法、 傅里叶变换法、 小波阈值变换方法去噪的结果。 对均方根误差和信号噪声比两个指标进行分析, 结果显示, 在低噪声干扰下所有去噪方法都能较好地完成任务, 但滑动窗口均值方法在光谱的边缘去噪效果会出现下降。 随着噪声信号的增大, 滑动窗口均值方法、 S-G滤波方法、 傅里叶变换方法去噪性能都出现明显下降。 而基于反向传播神经网络的去噪方法要优于傅里叶变换法、 滑动窗口均值法、 S-G滤波器法, 同时该方法在避免复杂参数寻优设置的同时, 获得了和最优阈值小波变换方法近乎一致的去噪效果, 大大简化了参数设置, 更适合拉曼光谱去噪的自动化实现。

提高作物的光合作用速率是作物高产育种的有效途径之一。 目前主要采用红外气体分析法测定光合作用速率, 方法原理可靠、 技术成熟, 但红外光源易受野外复杂工作环境的影响, 尤其是环境温度的变化, 因此红外分析法在定量分析的任务需求中测定误差较大且对浓度极低或浓度变化极弱的气体检测精度不高。 针对上述问题, 首先提出将可调谐半导体激光吸收光谱(TDLAS)技术应用到植物光合速率测定领域, 用二次谐波峰值差表征单位采样时间内光合作用气体CO₂痕量浓度的相对变化量; 其次, 建立基于萤火虫算法优化的宽度学习(FA-BLS)环境补偿模型, 模型中每只萤火虫的位置信息对应表征宽度学习网络(BLS)权值和阈值的一组可行解, 通过萤火虫不断迭代和更新优化来寻找亮度最高的萤火虫位置, 即生成使得模型性能最佳的权值和阈值; 最后, 利用模型输出的补偿值对存在环境影响的原始二次谐波峰值差进行补偿, 进而由补偿后的二次谐波峰值差反演得到单位采样时间内的净光合速率。 实验结果表明, 萤火虫种群规模和BLS网络增强层节点数是影响TDLAS-FA-BLS模型输出误差的重要因素, 相比卷积神经网络(CNN)和长短期记忆网络(LSTM)两种深度学习网络, 基于TDLAS-FA-BLS的光合速率测定模型很好地继承了BLS网络训练速度快、 迭代时间短的优点, 平均测量时间仅为0.81 s, 模型输出误差小, 模型预测输出与测试集数据的卡方距离仅为0. 29×10^-4, 同时模型输出误差的样本方差和样本标准差均比BLS小, 说明FA-BLS模型克服了BLS因随机选取参数导致网络输出结果不稳定和泛化性不高的缺陷, 因此, 基于TDLAS-FA-BLS的植物净光合速率测定方法, 能够很好地满足在实际农业生产中野外复杂工作环境下测定光合速率的高精度、 实时性、 稳定可靠等需求。

受保存条件影响, 很多纸质文物表面会形成狐斑(foxing), 如果不能进行有效监测和科学判断, 会进而影响纸质文物安全。 纸质文物狐斑病害检测存在滞后性、 主观性等问题, 对于书画藏品被墨色、 颜料及印章等覆盖的区域更是难以通过肉眼进行识别, 因此, 基于文物的预防性保护理念, 亟待开发对于狐斑高效、 精确识别的无损检测技术。 可见光-近红外高光谱图像结合了光谱和图像, 包含丰富的空间信息与光谱信息, 可以实现无损批量地平面采集样本光谱信息。 该研究提出一种基于高光谱成像技术检测纸质文物狐斑的快速识别方法, 获取模拟纸质文物在360~970 nm的高光谱图像, 因360~450 nm受噪声影响过大, 所以选择剔除这部分光谱数据; 选取感兴趣区域并获取相应的平均光谱反射率, 比较健康区域与被狐斑感染区域, 发现两者的光谱曲线存在差异; 在450~600 nm附近, 受狐斑影响区域比健康区域的光谱反射率偏高, 并在600 nm附近出现波峰形态; 而在600~900 nm范围内, 被感染区域与健康区域的光谱都趋于平稳, 两者之间差异逐渐减小。 选取从特征波长对应的图像中提取的特征信息建立图像识别模型, 运用波段运算观察狐斑图像特征, 狐斑的大小和分布情况都能清晰地显示, 但与印章和墨迹重叠部分, 狐斑被印章和墨迹遮盖, 难以识别; 利用最小噪声分离, 虽然不同部分有重叠, 但能发现仅凭肉眼难以识别的隐藏的狐斑; 180条高光谱数据(450~970 nm)建立狐斑判别模型, 随机地分为120条数据为训练集, 60条数据为测试集, 应用K-近邻法与BP神经网络建立纸质文物狐斑光谱判别模型, 总体上两种方法对狐斑判别率分别达到73.3%和85%; BP神经网络相较于K-近邻模型, 总体判别率更高, 识别效果也更好。 结果表明, 利用高光谱成像可高效准确识别纸质文物狐斑, 为后续研究狐斑分布发展提供可靠的技术手段, 也为博物馆馆藏文物的保存提供指导意见。

基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域, 但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率, 从而造成硬件资源的浪费。 为提高农作物病害识别的准确率且避免深层网络的使用, 该研究将注意力机制引入农作物病害识别领域, 提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型, 设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet。 利用卷积层代替全连接层设计参数量较少的残差网络(ResNet), 然后利用SMLP、 归一化结构(Batch Normalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res), 其中SMLP由全局池化和多层感知机组成, 建立各通道间依赖关系。 多层感知机使用三层网络结构, 将全局特征的通道维度提升至两倍, 然后对其通道维度进行两次降维, 恢复至原始维度, 减少了全局特征损失。 SMLP_Res可对通道中的病害特征重校准, 减少对识别任务无效的冗余信息, 最后构建农作物病害识别模型SMLP_ResNet, 在减少模型层数同时提高其识别率。 使用两个不同难度的多种植物和病害混合的公开数据集AI Challenger 2018 和Plant Village验证本文模型。 实验结果表明, SMLP_ResNet模型在18、 50和101层时达到了较高的识别率, 其中SMLP_ResNet18模型效果最佳, 在两个数据集中的病害识别率分别为86.93%和99.32%。 SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络, 还高于其他研究者提出的模型的准确率, 且模型权重大小为48.6 MB, 仅约为AlexNet网络权重的五分之一, 能够在模型参数量较小的情况下实现较高的病害识别率。 从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征, 其背景信息以及叶片健康部位的权值较小。 该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别, 提高了对叶片病害区域的辨识度, 减少了背景等冗余特征的影响, 适用于面向多种农作物不同病害下的高精度识别。

目前, 无人机获取的多光谱遥感数据已被广泛应用于农业、 林业、 环境等领域的定量监测中。 然而, 现有的将多光谱遥感数据转换为地表反射率的方法, 仍然存在一定的缺陷, 如需要依赖地面参考板、 无法适应光照条件变化、 得到的结果不准确等, 从而影响了多光谱遥感数据定量化应用的效果。 为了解决该问题, 提出了一种可以利用无人机搭载的多光谱相机, 直接对地表反射率进行测量的新方法。 该方法具有非常强的适应能力, 即使在环境光照强度变化的条件下, 仍然能够得到准确的地表反射率。 其中, 如何利用倾斜状态下的光强传感器获取准确的太阳辐照度, 是需要解决的关键问题。 对此, 提出了一种利用两个或者更多朝向不同方向的光强传感器, 实现太阳直射和散射辐照度测量的新方法。 利用此方法即可将相机记录的数字量化(DN)值直接转换为地表反射率。 为了验证本方法的实际效果, 设计了具体的实验验证方案, 对不同日期不同光照条件下获取的无人机遥感数据进行验证。 实际测试结果表明: 利用该方法, 得到黑、 灰、 白三张参考板的反射率在5个多光谱(蓝、 绿、 红、 红边和近红外)波段中最大的平均绝对误差为3.34%, 其对应的标准差为2.11%; 三张参考板在所有波段中最大的平均绝对误差为2.94%, 其对应的标准差为1.84%。 由此可见, 在光照强度变化的条件下, 利用该方法实现地表反射率的准确测量是可行性的。 该方法极大地简化了无人机遥感数据转换为地表反射率的过程。 对多光谱无人机的设计, 以及无人机遥感数据的定量化应用, 都具有重要的参考价值。

红色系矿物颜料曾被艺术家们大量地使用在古画和古建筑上。 正确地识别出不同种类的红色系颜料对于文物监测与修复具有重要意义。 传统的颜料识别主要依靠化学分析, 不仅识别速度慢、 识别范围小, 而且对文物进行取样操作会造成文物的永久损伤。 高光谱技术对颜料进行无损识别可以很好地解决这些问题。 选用辰砂、 胭脂、 银朱、 朱膘、 朱砂、 赭石、 赭粉、 铁红、 土红、 西洋红10种红色系矿物颜料作为研究对象, 使用地物光谱仪在暗室中获取这10种红色系颜料在350~2 500 nm波段内的高光谱数据原始数字(DN)影像, 经反射率校正, 得到可直接用于光谱分析的反射率数据及光谱曲线。 基于10种红色系颜料不同的光谱曲线特性, 分两步筛选获取被区分颜料即目标颜料的光谱特征波段。 取目标颜料光谱曲线的极值点作为特征波段, 可以筛选得到目标颜料的初选光谱特征波段。 将其余9种颜料在初选光谱特征波段上对应的反射率与目标颜料在此波段上的反射率做差, 对于差值, 筛去离群值后求平方和, 不同波段对应不同的差值平方和, 选取差值平方和较大的前4个波段作为优选后的光谱特征波段。 基于归一化光谱指数模型公式[NDSI=(R_a-R_b)/(R_a+R_b), R_a和R_b分别为目标颜料在光谱特征波段a和b处的反射率值]对10种红色系颜料分别构建归一化光谱指数, 将目标颜料与其余9种红色系颜料在同一光谱特征波段处计算得到的光谱指数进行对比分析, 计算目标颜料光谱指数与其余颜料光谱指数的区分度, 以此作为评价区分效果的指标。 对于最终优选出的4个光谱特征波段, 可构建6个归一化光谱指数, 选择最小区分度最大的归一化光谱指数作为目标颜料的光谱特征指数。 研究结果显示, 在通过各自的光谱特征指数进行区分时, 每种目标颜料与其他颜料的最小区分度都保持在0.7以上(大于0.5可认为区分明显), 说明上述方法可以对各红色系颜料进行准确区分, 对于文物颜料的快速准确识别具有实践意义。

土壤是自然生态系统的重要组成部分, 是人类赖以生存和农业生产的重要物质基础。 随着社会经济高速发展, 高强度的工农业生产活动导致重金属等各种污染物通过大气沉降、 污水灌溉等途径进入土壤, 并在土壤中不断富集造成土壤盐渍化和土壤重金属污染, 两者是导致全球荒漠化和土壤退化的主要诱因。 然而中国的耕地非常有限, 粮食安全尤为重要。 因此, 如何快速、 准确地大面积反演盐碱地的重金属含量是保障粮食安全的重要研究课题。 针对上述关键问题, 以吉林省镇赉县盐碱地为研究对象, 建立了盐碱地重金属元素锰(Mn)、 钴(Co)和铁(Fe)含量与土壤可见光-近红外光谱数据的定量反演模型。 首先对原始光谱数据分别进行了Savitzky-Golay平滑、 多元散射校正、 连续统去除变换处理; 然后基于预处理后的光谱数据构建了比值(RI)、 差值(DI)和归一化(NDI)三种光谱指数, 通过光谱指数与重金属含量的相关性分析确定模型训练样本, 利用径向基神经网络算法进行建模并反演盐碱地重金属含量; 最后通过相关系数等梯度循环建模的精度分析方法确定了光谱指数与锰、 钴和铁含量相关性显著的敏感波段组合, 建立了基于径向基神经网络算法的盐碱地重金属含量最优反演模型。 研究结果表明, Mn选取相关系数r>0.70, Co选取相关系数r>0.80, Fe选取相关系数r>0.80, 并选取敏感指数组合分别为108组、 690组和31组, 基于上述显著敏感指数组合建立的Mn, Co和Fe最优反演模型R²分别为0.703 4, 0.897 6和0.848 4, 均方根误差RMSE分别为53.007 3, 1.059 2和0.363 4, 平均相对精度达到88.64%, 90.36% 和91.78%。 该研究对盐碱地重金属含量的准确、 快速分析提供了一种有效的方法, 对实现土壤重金属污染治理具有重要的现实意义。

牛奶中包含着很多人体需要的营养元素, 如脂肪、 蛋白质、 钙等; 对牛奶营养元素进行分析是牛奶安全检测关键的一部分。 高光谱技术可以有效地结合图像和光谱数据识别牛奶种营养元素。 为了实现对牛奶中蛋白质含量快速、 精确的预测, 采用竞争性自适应重加权(CARS)算法选取特征波长, 并提出一种基于麻雀搜索算法(SSA)优化支持向量机(SVM)实现对牛奶蛋白质含量预测。 利用高光谱仪获取牛奶反射光谱(400~1 000 nm)。 通过选取归一化(N)、 标准化(Standardization)和多元散射校正(MSC)对原始的牛奶数据进行光谱降噪处理提高光谱利用率; 利用竞争性自适应重加权算法和连续投影算法(SPA)对经过处理的牛奶光谱数据提取特征波长, 求取蛋白质和光谱间的相关系数并进行重要性排序, 获取重要的特征波段; 最后, 通过遗传算法(GA)优化SVM, 粒子群算法(PSO)优化SVM和偏最小二乘法(PLS)算法对牛奶蛋白质进行预测并比较预测结果, 为了提高蛋白质预测的精度和模型稳定性, 提出利用SSA对SVM的核函数g和惩罚参数c进行优化, 以均方根误差(RMSE)作为适应度函数, 通过迭代选择最优的回归参数训练模型。 牛奶数据预测结果表明最优组合模型为: MSC-CARS-SSA-SVM。 模型测试集的决定系数R²为0.999 6, 均方根误差RMSE为0.001 1, 耗时4.112 1 s。 结果表明: 使用CARS算法能实现特征波段的提取和冗余信息的剔除, 从而提高模型效率, 简化了算法的复杂度; SSA算法优化SVM的参数, 通过迭代更新麻雀最优位置, 可以快速得到全局最优解, 与SVM, GA-SVM, PSO-SVM和PLS相比, 牛奶蛋白质的预测准确度和模型稳定性都得到了明显提高, 满足了对乳品检测的精确度要求, 是快速检测牛奶蛋白质的一个可行新方法。 为光谱模型的优化及预测模型精度的提高提供参考。

为研究大豆叶片呼吸与植被指数和叶片性状的关系, 设置田间试验, 观测不同生长阶段的大豆顶1叶、 顶2叶、 顶3叶叶片呼吸及呼吸系数, 并观测归一化植被指数(NDVI)、 差值植被指数(DVI)、 比值植被指数(RVI)、 增强植被指数(EVI)、 光化学植被指数(PRI)、 红边叶绿素指数(RECI)6种高光谱植被指数以及叶绿素相对含量(SPAD)值、 叶片鲜重、 叶片干重、 含水量、 叶面积、 比叶面积、 氮含量。 结果表明: 大豆单片叶片呼吸及呼吸系数存在明显的季节变化规律, 顶1叶、 顶2叶、 顶3叶单片叶片呼吸季节平均值分别为(0.157±0.019), (0.162±0.014)和(0.142±0.010) mg·d^-1, 其呼吸系数季节平均值分别为(0.638±0.072), (0.678±0.082)和(0.642±0.076) mg·g^-1·d^-1, 顶1叶、 顶2叶、 顶3叶季节平均单片叶片呼吸及呼吸系数均无显著(p>0.05)差异。 不同植被指数的季节动态之间存在差异, RVI, EVI, PRI和RECI在生长季中期的数值相对更大, RVI, EVI, PRI和RECI表现为单峰曲线的变化规律。 除大豆生长初期外, 随着叶片位置下降, SPAD值、 鲜重、 干重、 叶面积均逐渐下降。 叶片含水量随着叶片生长呈现出下降的规律。 单片叶片呼吸与气温、 PRI存在极显著(p<0.01)相关关系, 与RECI、 氮含量存在显著(p<0.05)相关关系, 基于这4个因子的模型可模拟单片叶片呼吸60.4%的季节变异。 呼吸系数与干重、 比叶面积存在极显著(p<0.01)相关关系, 与气温、 SPAD值存在显著(p<0.05)相关关系, 基于这4个因子的模型可模拟叶片呼吸系数72.4%的季节变异。 本研究显示, 大豆叶片呼吸与高光谱植被指数和叶片性状存在内在联系, 采用高光谱植被指数可有效模拟不同位置叶片呼吸及呼吸系数的季节变异。

掌握土壤在空间和时间上的表征至关重要。 土壤可见-近红外(Vis-NIR)光谱可以估算土壤有机碳(SOC)等属性, 与传统的实验室理化分析相比, 光谱技术能有效实现土壤信息的快速获取。 土壤光谱库为建立经验模型提供了大量具有丰富变异性和多样性的样本作数据基础。 但受限于库中土壤样本的异质性和模型的适应性, 通常区域或局部尺度模型的稳健性欠佳。 已有的研究主要通过目标样本部分入库的方式改善库的性能, 但影响了光谱技术的低成本优势。 该研究在不入库的前提下基于土壤光谱的相异度, 探究经典距离算法结合土壤光谱库构建局部预测模型的可行性, 并比较分析局部模型样本容量对预测精度的响应。 基于全球土壤光谱库(GSSL)的677个土柱, 从每个国家随机取十分之一的土柱(97个)组成局部目标测试集(Test), 其余580个作土壤光谱库(SSL)。 分别采用欧氏距离(ED)、 马氏距离(MD)、 和光谱角(SAM)来分别度量Test与SSL间的光谱相异度并生成距离矩阵。 按距离矩阵的前0.04%, 0.05%, 0.1%, 0.2%, 0.3%, 0.4%, 0.5%, 1%和5%从SSL中提取与Test最相似的光谱样本构建共计9个容量的局部建模集(Local), 使用偏最小二乘回归(PLSR)建立Vis-NIR和SOC含量的预测模型并通过Test验证模型精度, 通过光谱的主成分空间考察并解释各种距离算法下Local的“容量-精度”变化。 结果表明, 在待测样本不入库的情况下, 三种距离算法构建的Local模型相较于全局模型的预测精度均有一定提升, 但三者的“容量-精度”的拐点存在显著差异。 SAM兼顾了光谱的波形和幅度因此较MD、 ED更具优势; 其前0.2%比例的Local不仅预测精度最优, 且用于建模所需的样本容量最少。 因此认为, SAM法更适用于从土壤光谱库中构建局部模型, 距离矩阵的前0.2%可作为局部模型的容量参考。

水稻是我国的主要粮食作物, 利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测, 一方面可以及时调整栽培管理方式, 指导合理追肥, 另一方面, 可以准确掌握水稻的产量信息, 帮助政府提前做出决策。 以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础, 分别获取水稻分化期和抽穗期冠层高光谱数据、 作物群体长势参数(生物量、 叶面积指数)及作物养分吸收量, 利用贝叶斯岭回归(BRR)、 支持向量回归(SVR)、 偏最小二乘回归(PLSR)三种方法建立各生育期的产量监测模型并进行精度对比, 确定水稻产量的最优估算时期和最佳估测模型。 结果表明, 三种方法中, BRR和SVR方法更适合产量监测, 在不同时期及不同的参数组合下均有较好的表现(R²>0.82, NRMSE<8.22%); 基于2019年与2020年数据, 采用全波段光谱信息进行产量监测时, 分化期最佳监测模型为BRR模型, R²为0.90, 抽穗期最优监测模型为SVR模型, R²为0.87; 采用全波段光谱协同作物群体长势参数进行产量监测时, 两时期最佳监测模型均为BRR模型, R²分别达到0.90和0.92; 相较于BRR模型和SVR模型, PLSR模型在不同时期和不同参数组合下, 最高R²仅为0.75; 基于2020年数据, 以三种不同的参数组合作为输入时, 两时期估算结果均为BRR模型最优, 且分化期建模精度高于抽穗期(R²至少增加0.02, NRMSE至少降低0.61%); 当输入参数组合为全波段光谱协同作物群体长势参数、 作物养分吸收量时, BRR模型对产量的估算精度达到最高, R²为0.94。 分析认为产量的最优监测时期是分化期, 最优监测模型为BRR模型。 研究结果可为水稻产量的早期遥感监测提供参考。

黑釉瓷是我国古代最普遍的色釉瓷品种之一, 由于原料易得, 故各地都有烧造, 尤其在宋代得到迅猛发展。 目前, 在古代黑釉中已发现α-Fe₂O₃, ε-Fe₂O₃, Fe₃O₄等多种铁的氧化物析晶, 但关于富铁原料对晶体种类的影响机制却鲜有报道。 因此, 本研究以汝州大峪青石头、 红石头和杭州紫金土作为研究对象, 采用超景深显微镜、 X射线荧光光谱仪(XRF)、 X射线衍射仪(XRD)、 显微共聚焦激光拉曼光谱仪(Raman)以及扫描电子显微镜(SEM)对其进行综合性研究。 首先, 根据光谱信息, 对比分析它们的化学组成、 物相以及含铁相的种类。 然后, 以其单独作为制釉原料, 通过显微结构结合光谱信息, 研究烧成后含铁相的变化机理。 结果表明: 青石头中CaO, MgO和K₂O的含量高, 可以降低釉熔体的高温黏度, 增加其流动性, 有利于质点的迁移以及晶体的成核、 长大。 红石头中SiO₂的含量仅有61.36%, 而且含有方解石晶体, 故其熔融温度低, 易于形成玻璃相, 此时铁元素以离子状态存在。 紫金土中SiO₂和Al₂O₃含量高, CaO, MgO和K₂O含量低, 因而其熔融温度高。 将三种富铁原料熔融成釉, 青石头釉中部分的α-Fe₂O₃晶体发生了分解反应, 析出黑色的磁铁矿(Fe₃O₄)晶体, 而且气泡周围的α-Fe₂O₃晶体浓度不断提高并随气泡上升到釉面逸出, 形成棕红色的晶花, 适合作为黑花釉的原料; 红石头釉以玻璃相为主, 未发现明显的铁析晶, 适合作为青瓷釉的原料; 紫金土釉中玻璃相含量最少, 高含量的SiO₂与大尺寸的α-Fe₂O₃颗粒有利于短棒状ε-Fe₂O₃晶体的生成, 使釉面呈深棕色并伴有金属光泽, 适合制备紫金釉。 该研究不仅探讨了富铁原料对铁氧化物析晶的种类及其釉色、 釉质的影响规律, 并揭示了铁氧化物析晶的物理化学过程, 对于古代铁系析晶釉的研究以及现代铁磁材料的制备具有重要的借鉴意义。

高能球磨法是材料制备过程中常用的方法, 通过物料在高速运转的过程中进行磨合而产生晶体空位缺陷, 实现元素的掺杂, 进而发生化学吸附或化学反应, 合成产生新的物相, 对于后续合成材料的性能有很大影响。 钡铁氧体具有良好的磁性能, 被用于功能材料制备的诸多领域。 采用高能球磨法制备钡铁氧体前驱体, 利用XRD, SEM和FTIR检测方法考察不同高能球磨时间下钡铁氧体前驱体物相、 微观形貌及官能团的变化规律, 并通过红外二阶导数光谱、 拟合平滑光谱计算法, 定量分析高能球磨过程中物相的变化规律。 XRD及SEM检测结果表明, 随球磨时间增加, 钡铁氧体前驱体各物相的衍射峰宽度变宽, 粉末细化, 晶格逐渐发生畸变, 产生晶体空位缺陷, 从而使Ba溶入Fe₂O₃晶格中生成Ba_xFe_2-xO₃的固溶体, 且产生吸附“团聚”现象; 当球磨时间大于40 h时, 发生“纳米尺寸效应”, 生成有磁性的Fe₃O₄及Ba_xFe_3-xO₄固溶体。 红外光谱分析结果显示, 随着球磨时间的增加, BaCO₃和α-Fe₂O₃的特征峰均存在峰强减小、 峰位发生明显移动的规律, 表明随着球磨时间增加, BaCO₃和α-Fe₂O₃颗粒粒度变小, 且发生化学吸附。 通过红外光谱的平滑拟合光谱和二阶导数光谱计算可知, 随球磨时间的增加, 各吸收峰面积均明显减小。 相对于球磨0 h, 在球磨10, 20和40 h后, 波数473 cm^-1的Fe—O键振动吸收峰的峰面积分别减少48.84%, 65.97%和93.54%; 而在波数540 cm^-1处的Fe—O键吸收峰的峰面积则分别减少37.11%, 51.76%和82.85%; 同理, 在波数856 cm^-1处的O—C—O键的面内弯曲振动吸收峰的峰面积分别减少30.62%, 44.71%和67.10%; 在波数1 446 cm^-1处的C—O键不对称伸缩振动峰的峰面积则分别减少0.03%, 27.63%和57.90%。 从定量分析的角度考察了钡铁氧体前驱体高能球磨过程中物相的变化规律并精准确定反应产物含量变化的百分比, 对于后续材料的合成与性能随钡铁氧体前驱体物相不同而发生变化的研究有重要的指导意义。

基于三维荧光光谱(3D-EEM)技术, 结合荧光区域积分法(FRI)和荧光特征参数, 研究了武汉市4种不同类型(河流、 湖泊、 水源水、 雨水)的天然水体中溶解性有机质(DOM)的三维荧光光谱特征, 并和近十年武汉东湖相关的研究数据进行了比对。 结果表明, 5种荧光组分均有检出, 分别为类酪氨酸荧光组分(C1)、 类色氨酸荧光组分(C2)、 类富里酸荧光组分(C3)、 溶解性的微生物代谢物类荧光组分(C4)和类腐殖酸荧光组分(C5)。 从荧光特征上来看, 水质较差、 存在轻中度富营养化、 受污染较重的湖泊类水样中C1、 C2和C3组分的荧光强度最高, 相对较清洁的水源水、 雨水与作为对照的自来水中DOM的荧光组分相似, 仅C5组分存在差异; 从DOM的来源上看, 武汉市内不同类型天然水体中DOM具有显著的陆源(陆生植物和土壤有机质等)为主、 内源(微生物、 藻类等)为辅的混合输入特征; 河流、 湖泊、 雨水和水源水中DOM的陆源组分占比均值分别为46.2%, 56.4%, 54.2%和51.6%, 内源组分占比均值分别为12.3%, 10.1%, 10.4%和9.7%。 相关性分析表明, C1, C2和C3组分之间具有显著的相关性(R²>0.98), 主要来自陆地来源, 具有同源性; C4、 C5组分分别和总磷(TP)、 总有机碳(TOC)之间具有较强的正相关性(R²>0.73)。 与历史数据进行对比分析发现, 近10年武汉东湖湖水中DOM的陆源组分(类酪氨酸、 类色氨酸、 类富里酸)呈逐步上升的趋势, 但是在2020年东湖湖水DOM组分的陆源组分骤降, 类腐殖酸和微生物代谢组分明显上升。

目前, 学者主要关注利用遥感技术探测海面油膜。 然而, 经海洋物理过程或人为喷洒化学分散剂处理形成的水中油对海洋生境也具有危害作用。 水体上行辐亮度是水色传感器的重要信号源, 通过分析含油水体的上行辐亮度光谱特征, 探索快速有效地遥测水中油的方法对保护海洋生境具有重要意义。 基于大连港海域现场实测数据及Hydrolight模拟含油水体水下光场, 通过分析上行辐亮度随波长、 水深及太阳天顶角的变化特征, 剖析水中油对上行辐亮度光谱的影响及水中油的敏感光谱特性。 结果表明水中油的主要波谱响应区间位于可见光波段(380~760 nm)。 随着水中油浓度的增加, 上行辐亮度光谱峰值有逐渐向长波方向移动及蓝光波段辐亮度量值逐渐降低的趋势, 这些变化处于水色遥感的探测光谱范畴, 为利用水色遥感技术探测水中油提供了光谱依据。 其次, 上行辐亮度随水深逐级递减, 并在接近水体下界面前不降反升的现象说明刚好在水面之上的上行辐亮度由各深度水体组分的后向散射及下界面的反射共同贡献, 再经水汽界面上行透射而得, 属于水体辐射传输的核心机理。 这与水面油膜通过油类物质改变海表反射率而产生与自然海表不同反射光谱的探测机理具有本质上的差别。 再者, 与含水中油水体后向散射产生的上行辐亮度相比, 海表对太阳光的反射属于强信号, 会掩盖水体组分信息。 水色卫星搭载的水色传感器具有一定的侧摆能力, 能避开太阳辐射反射信号并接收到含水中油水体的上行辐亮度; 水色卫星的当地过境时间一般为10至14点, 且水色传感器具有高信噪比特征, 满足含水中油水体的暗像元探测要求。 该研究揭示了水色遥感探测含水中油水体的光谱和机理依据, 表明可以视水中油为一种新的水体组分, 基于光在水体中的辐射传输过程, 开展含水中油水体的水色遥感反演研究。

辐射是各种燃烧过程中热传递的主要方式。 在不同的火焰中, 辐射光谱分布十分复杂。 在这项工作中, 利用光谱仪测量了可见光(200~900 nm), 近红外(900~1 700 nm)和中红外(2 500~5 000 nm)波段火焰的光谱强度, 分析了空气和富氧气氛下扩散火焰的光谱特征。 并基于光谱分析, 定量得到了火焰中碳烟以及气体发射的辐射力, 计算了火焰的温度分布。 结果表明, 空气燃烧中的火焰温度低于富氧燃烧中的火焰温度。 在空气气氛下, 火焰中的碳烟和气体均对中的热辐射起着重要作用。 而在富氧气氛下, 气体对于火焰热辐射更为重要。 在可见光和近红外波段, 由于在空气气氛下火焰中碳烟的大量形成, 光谱曲线显示出了良好连续性。 而富氧气氛下火焰的辐射光谱降低。 在中红外波段, 空气气氛下火焰的气体辐射明显弱于富氧气氛下火焰的气体辐射。