马铃薯叶片早疫病的高光谱识别研究

为实现马铃薯叶片早疫病的快速识别,达到尽早防治的目的,利用高光谱成像系统连续4天采集375~1018nm波段内的健康和染病马铃薯叶片的高光谱数据信息,并用ENVI软件提取感兴趣区域的光谱反射率平均值。分别建立基于全光谱(full spectrum,FS)、连续投影算法(SPA)和载荷系数法(x-LW)提取的特征波长的BP网络和LS-SVM识别模型,其中FS-BP、SPA-BP、x-LW-BP模型中预测集识别率分别为100%、100%、98.33%,LS-SVM模型的预测集识别率均为100%;SPA和x-LW提取的特征波长个数均仅占全波长的1.47%,大大简化了模型,提高了运算速率。实验表明:应用高光谱成像技术可以快速、准确地识别出马铃薯叶片早疫病,且SPA和x-LW可以作为特征波长提取的有效方法,为田间马铃薯早疫病的在线实时检测仪器的开发提供理论依据。     

基于高光谱图像的红豆品种GA—PNN神经网络鉴别

提出一种基于高光谱图像技术的红豆品种鉴别方法。利用高光谱成像系统采集江苏、安徽、山东的3个品种共162个红豆样本高光谱图像数据,通过ENVI软件提取出红豆中感兴趣区域的平均光谱作为该样本原始光谱信息,利用SG多项式平滑对原始光谱数据进行去噪处理,由于高光谱数据信息量大,冗余性强,故需对高光谱数据进行降维,采用了连续投影算法进行特征波长选择,根据交叉验证均方根误差确定最佳特征光谱的个数为9,采用主成分分析法和独立分量分析算法进行特征波长提取,经过PCA处理,根据方差累计贡献率大于85%的标准选出7个特征波长,ICA分别提取了7、10、17个特征波长,通过测试集验证,选出17个最佳特征波长。最后分别将优选出的特征波长和提取出的最优主成分作为模型的输入。建立概率神经网络(PNN)模型测试后发现结果没有达到预期精度,引入遗传算法(GA)优化的PNN神经网络的阈值,并对隐含层节点进行最优选择。通过测试试验,所有的模型识别正确率均高于85%,其中SPA-GA-PNN模型的效果最佳,识别正确率达到了97.5%。     

基于PLS-BPNN算法的土壤速效磷高光谱回归预测方法

土壤速效磷是影响作物生长发育的重要养分指标。光谱分析技术对速效磷的定量预测具有较好的应用前景,高光谱带宽窄、分辨率高,但存在数据冗余和共线性等问题。本文针对皖北砂姜黑土145个样本开展研究,提出了利用偏最小二乘回归算法(PLS-R)对土壤可见近红外高光谱数据(400~1 000 nm)进行数据降维和特征提取,根据交叉验证和变量投影重要性分别得到潜在变量和特征波长;再分别输入BP神经网络(BPNN)进行训练,得到回归分析模型对速效磷进行定量预测。结果表明:与利用全部波长数据建模的预测结果(校正集和验证集的相对分析误差M_(RPD)分别为10.27和2.09)相比,利用9个特征波长建立的回归模型校正集M_(RPD)为2.66,预测精度明显降低,而验证集M_(RPD)为2.05,近似达到利用全部波长数据建模的预测效果;利用5个潜在变量建立回归模型,校正集和验证集的M_(RPD)分别为3.10和2.29,其中验证集相对于全部波长建模的预测精度提高了9.6%。因此,基于PLS-BPNN算法进行回归建模可以有效降低高光谱数据冗余和共线性的影响,提高模型的泛化能力,且利用潜在变量进行回归建模能提高模型预测精度。     

番茄叶片早疫病近红外高光谱成像检测技术

提出了基于格拉姆斯密特(MGS)模型和贝叶斯罗蒂斯克回归(BlogReg)的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874~1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机(LS-SVM)识别模型,再通过MGS和BlogReg提取特征波长(EW),分别得到5个(911、1 409、1 511、1609、1 656 nm)和9个(901、905、908、915、918、1 123、1 305、1 460、1 680 nm)特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%~98%,预测集的正确识别率为96%~100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。     

基于高光谱成像的青梅酸度检测方法

针对传统理化分析的青梅酸度检测方法破坏性大、耗时长、无法实现在线检测的不足,对基于高光谱成像技术的青梅酸度快速无损检测方法进行研究。采集了487个青梅样本在550~1 000 nm波段内的高光谱图像,经过光谱相对反射率校正和6种不同滤波后,分别利用连续投影算法(SPA)、遗传算法(GA)以及连续投影结合遗传算法(SPA+GA)3种光谱降维方法,提取了反映青梅内部酸度信息的特征波长,并建立波长与青梅p H值的偏最小二乘(PLS)预测模型,研究不同滤波和不同降维方法下的预测精度。研究结果表明:同一预测模型,Savitzky-Golay(S-G)平滑滤波预测精度最高;相比SPA或GA单一算法降维,经5点S-G平滑滤波后SPA+GA光谱降维的方法,可显著降低模型复杂度,提高模型预测精度,预测集的均方根误差为0.070 6,相关系数为0.792 5。     

鸭肉中金霉素残留量LSSVR-同步荧光法测定

为实现鸭肉中金霉素残留含量的快速测定,提出了应用同步荧光法结合最小二乘支持向量回归(LSSVR)来建立鸭肉中金霉素残留含量的定量分析模型.首先应用三维同步荧光法对波长250 ～ 450 nm的同步荧光光谱进行分析,确定检测鸭肉中的金霉素含量的最佳波长差△λ为70 nm;然后使用sym8小波的2层分解对原始同步荧光光谱进行光谱预处理,对预处理后的光谱采用遗传算法(GA)结合交互验证均方根误差(RMSECV)方法选择了16个波长作为检测模型的输入特征向量;最后对LSSVR、BP和SVM_SteveGunn 3种模型进行性能比较,以LSSVR模型的预测效果最好,其预测集的决定系数R2和预测均方根误差分别为0.949 1和2.5660.试验结果表明,同步荧光法结合LSSVR模型检测鸭肉中的金霉素残留含量是可行的.     

基于高光谱成像技术对脐橙叶片的叶绿素、水分和氮素定量分析

用遗传算法(GA)、连续投影算法(SPA)和正适应加权算法(CARS)分别提取赣南脐橙叶片高光谱图像的有效信息,对叶绿素、水分和氮素的含量用偏最小二乘法(PLS)进行建模定量分析。高光谱图像标定后,提取感兴趣区域(ROI)的平均光谱,用GA、SPA和CARS算法分别选出特征波长建模。结果表明:叶绿素CARS—PLS模型、水分和氮素的GAPLS模型效果最优,预测集相关系数分别为0.96、0.91、0.82,可以结合高光谱技术对赣南脐橙叶绿素、水分和氮素进行快速无损的定量分析。     

小波变换和连续投影算法在猪肉嫩度光谱法分析中的应用

文章将小波变换与连续投影算法用于猪肉嫩度的近红外光谱分析中。先利用小波变换对64个猪肉样本的原始光谱进行降噪预处理,然后由连续投影算法提取了猪肉嫩度的18个特征波长,结果表明:小波变换可以降低猪肉光谱光谱数据的噪声干扰,基于连续投影算法提取的18个特征波长建立的猪肉嫩度模型与全光谱模型性能相当,但建模波长数量仅为全光谱建模的3.51%,提取的猪肉嫩度特征波长为开发便携式猪肉嫩度检测仪提供了参考。     

基于高光谱技术的燕麦β-葡聚糖含量测定方法研究

为了实现燕麦β-葡聚糖含量的快速、准确、无损测定,研究了一种基于高光谱技术的燕麦β-葡聚糖含量测定方法。采集燕麦400~1 000nm范围的高光谱数据,采用多元散射校正方法处理原始光谱,使用分段线性回归分析方法对光谱数据进行降维,将光谱按照全波段(分1段)、100nm间隔(分3段)、200nm间隔(分6段)进行划分,共分成10段并分别计算出每段的特征拐点,共提取出10个特征拐点波长;将光谱特征拐点波长的反射率作为BP神经网络的输入向量,中间计算隐含层神经元的传递函数,采用S型正切函数logsig,输出向量是一维目标向量(即燕麦β-葡聚糖含量),采用BP神经网络对燕麦β-葡聚糖含量进行预测。结果表明:燕麦β-葡聚糖含量的预测值与国标测定值之间的决定系数R2达到0.75,预测均方根误差(RMSEP)达到0.009 8。将特征拐点波长与β-葡聚糖含量进行统计分析发现:燕麦β-葡聚糖含量的敏感波段在492、874、930nm附近,采用高光谱技术对燕麦β-葡聚糖含量进行无损检测是可行的。研究结果为燕麦β-葡聚糖含量的快速无损检测提供了理论依据和实用方法。     

基于人工神经网络的苹果可溶性固形物无损检测

采集了60个苹果在400～1 100nm范围内的可见-近红外漫反射光谱,然后使用连续投影算法将光谱变量进行压缩,最后采用BP神经网络建立了苹果糖度的预测模型。实验表明,连续投影算法从400～1 100nm范围提取出25个优选波长参与建模,有效简化了模型结构。BP神经网络模型对苹果糖度的预测相关系数达到0.853,预测均方根误差为1.303 0。结果表明,基于近红外光谱的苹果糖度无损检测是可行的。     

生菜叶中磷含量的光谱定量分析

为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2500nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法（siPLS）提取了与生菜叶磷元素相关的4个特征波段,即950~1070nm, 1430~1549nm,1906~2025nm和2144~2263nm。进一步利用连续投影算法（SPA）对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降〖JP2〗维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了siPLS+BPANN,SPA+BPANN,siPLS+〖JP〗SPA+BPANN生菜叶磷含量检测模型。研究结果表明：siPLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479mg/kg。     

基于高光谱成像技术的生菜冠层含水率检测

为实现作物含水率的无损检测,以6种水分胁迫水平的生菜为研究对象,利用高光谱成像技术和特征波长选取方法对生菜冠层含水率进行检测研究。采用掩模法去除高光谱图像的背景噪声,并对生菜冠层光谱图像进行光强校正。利用标准正态变量变换法(SNV)去除原始平均光谱数据的噪声,采用蒙特卡罗无信息变量消除法(MCUVE)剔除无关变量,结合基于最小绝对收缩和选择算法(LASSO)、连续投影法(SPA)、LASSO与SPA算法组合(LASSO SPA)筛选特征变量,对数据进行降维处理,采用偏最小二乘法(PLS)建立5个生菜冠层含水率检测模型。经对比发现,全光谱中存在很多冗余信息变量和无关变量,采用全光谱建立的PLS模型复杂度最高,且预测能力最差;以MCUVE LASSO SPA筛选变量后的PLS模型效果最优,其中建模集相关系数R c和预测集相关系数R p分别为0.8827和0.9015,均方根误差分别为1.0662和0.9287。择优选取MCUVE LASSO SPA PLS模型计算生菜冠层每个像素点的干基含水率,生成可视化分布图,实现了生菜冠层叶片干基含水率可视化检测。本研究可为生菜冠层含水率快速无损检测提供参考。     

鲜枣可溶性固形物可见/近红外光谱检测建模方法比较

对采摘于一枣园的180个壶瓶枣样本,随机分成150个样本校正集和30个样本预测集。用FieldSpec3光谱仪采集光谱,并进行多元散射校正(MSC)预处理,之后分别利用连续投影算法(SPA)和逐步回归法(SRA)提取特征波长,并结合光谱理论分析确定,再分别基于偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)建立壶瓶枣可溶性固形物含量预测的简化模型和全波段模型。结果表明,全波段PLS模型预测的相关系数和预测均方根误差分别为0.887 4和1.088 9,预测效果最好;建立的MSC-SPA-PLS模型预测的相关系数和均方根误差分别为0.799 0和1.407 8,建立的MSC-SRA-PLS模型预测的相关系数和均方根误差分别为0.822 4和1.3851,与全波段的MSC-PLS相比,精度均降低;建立的MSC-SPA-LS-SVM模型预测的相关系数和均方根误差分别为0.796 3和1.145 8,与全波段的MSC-LS-SVM相比,精度提高;建立的MSC-SRA-LS-SVM模型预测精度很低,不适用。     

全包围光源结构的单粒小麦蛋白质含量检测装置研究

针对单粒小麦蛋白质含量等内部表型的实时检测需求,设计了基于近红外漫反射光谱的无损定量检测装置,阐述了光源结构设计、硬件系统设计和软件系统构建。选用近红外LED微型灯珠,以6行8列形式均匀分布于圆柱形铝合金灯筒壁上,形成向心全包围的物理结构,LED灯珠引脚通过16根导电铜柱并联连接,灯筒上顶部设有红外对射传感器,当检测到谷物经由灯筒内的玻璃滑道时,光谱仪通过一分二型光纤分别从灯筒上顶部和下底部收集漫反射光谱,基于C++语言的上位机软件将其转换为吸光度,再根据嵌入模型进行实时预测。获取了300粒单粒小麦900~1 700 nm范围的全包围漫反射光谱,进行归一化处理后,分别建立了基于全光谱(FS)和连续投影算法(SPA)提取特征波长的单粒蛋白质含量预测模型。试验结果表明,两个模型校正集的R2分别为0.960 4和0.844 6,验证集R2分别为0.801 6和0.819;从实用性和预测效果出发,选择基于SPA特征波长的蛋白质模型作为嵌入式预测模型;分别验证了该装置的波长重复性、吸光度重复性和预测重复性,结果表明,本装置可以用于单粒谷物内部表型的实时、无损、定量检测。     

苹果可溶性固形物近红外在线光谱变量优选

为简化近红外光谱模型,提高对苹果可溶性固形物含量的预测精度,将移动窗口偏最小二乘法(MWPLS)与遗传算法、连续投影算法相结合优选特征变量,建立偏最小二乘回归校正模型。其中移动窗口偏最小二乘法和遗传算法相结合优选的36个光谱变量建立的校正模型预测结果最好,可以有效筛选近红外光谱特征波长,模型预测相关系数为0.90,模型的预测均方根误差为0.70°Brix。     

基于SPA-SSA-BP的小麦秸秆含水率检测模型

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Succes...     

大豆豆荚炭疽病严重度的光谱检测

利用可见/近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN 2种组合模型进行分析预测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA-BPNN的检测准确率最高,为90%。研究表明,SPA能够有效地进行波长选择,使BPNN模型获得满意的检测率。     

基于高光谱成像技术的鲜食核桃仁水分检测研究

为实现对货架期内青皮核桃仁水分的快速预测,利用高光谱成像技术采集货架期核桃青皮光谱数据,测定核桃仁含水量,利用连续投影法（SPA）提取11个特征波长,建立了偏最小二乘法（PLS）、多元线性回归（MLR）和最小二乘支持向量机（LS-SVM）模型。结果表明,LS-SVM建模效果最好,预测集的相关系数RP=0.800 7,均方根误差RRMSEP=2.189 7。研究表明,利用高光谱成像技术可以实现货架期青皮核桃仁水分快速预测,为青皮核桃的贮运销提供指导。