利用太赫兹时域光谱检测农产品中2种酰胺类农药残留

[目的]探讨THz技术在农药识别和残留量检测中的应用。[方法]利用太赫兹时域光谱（THz-TDS）技术对2种除草剂丁草胺和异丙甲草胺在室温氮气环境下的THz远红外光谱特性进行测定,并利用菲涅尔公式的数据处理模型求取了其在0.2~2.2 THz波段内的折射率和吸收系数。[结果]2种农药在0.2~2.2 THz波段内分别存在不同的特征吸收峰。尽管2种农药分子结构相似,但其吸收谱和折射率却存在很大差异。[结论]THz-TDS技术在农药微量残留检测方面是可行的,特别是在识别结构较为相似的物质上有较大优势。     

太赫兹时域光谱检测农产品中2种酰胺类农药残留研究(摘要)(英文)

[目的]探讨THz技术在农药识别和残留量检测中的应用。[方法]利用太赫兹时域光谱(THz-TDS)技术对2种除草剂丁草胺和异丙甲草胺在室温氮气环境下的THz远红外光谱特性进行测定,并利用菲涅尔公式的数据处理模型得到其在0.2～2.2THz波段的折射率和吸收系数。[结果]2种农药在0.2～2.2THz波段内分别存在不同的特征吸收峰。尽管2种农药分子结构相似,但其吸收谱和折射率却存在很大差异。[结论]THz-TDS技术在农药微量残留检测方面是可行的,特别是在识别结构较为相似的物质上有较大优势。     

0.2～1.8THz波段豆油光谱特性的快速检测

针对液体样品在太赫兹光谱检测中遇到的比色皿吸收及频谱振荡问题,以豆油检测为例,在传统计算模型基础上,考虑石英比色皿对THz电磁波吸收,建立THz-TDS技术提取液体材料吸收系数和折射率的计算模型,并对得到的光谱数据利用小波变换进行时-频分析,找出频谱、吸收谱振荡的原因,采用主脉冲截取法,有效去除发射器、探测器以及石英比色皿等光学元件Etalon效应引起的频谱干涉,最后,结合实验得到的0.2~1.8THz波段豆油频谱对采用的主脉冲截取法的优缺点进行分析,并深入探讨1.0~1.8THz频段样品吸收谱、频谱残余振荡存在的原因.该测量分析方法对THz光谱技术在食用油品质检测应用方面进行了有益探索.     

三聚氰胺和三聚氰酸的太赫兹光谱研究

[目的]用太赫兹时域光谱技术（THz-TDS）研究三聚氰胺的渡谱特征,以鉴别乳品中是否添加三聚氰胺。[方法]采用THz—TDS技术测量了室温下三聚氰胺和三聚氰酸在0．3～2．5THz的吸收谱和折射率谱。[结果]2种样品在O．3～2．5THz波段各有明显的特征吸收峰,三聚氰胺在1．98和2．24THz,三聚氰酸在1．27和2．37THz,这是用THz—TDS技术进行鉴别的基础。密度泛函理论计算和晶体数据表明,2种样品的THz吸收光谱主要来源于分子间的与氢键相关的集体振动模式。三聚氰胺在该波段的吸收谱,可用于奶粉中不同含量三聚氰胺的定量分析,也可用于研究三聚氰胺和三聚氰酸形成的1：1网状结构。[结论]太赫兹光谱不仅是鉴别三聚氰胺与三聚氰酸的有效手段,而且为研究它们之间的复合物结构提供了新的思路。     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。     

基于太赫兹光谱的水体重金属检测

[目的]基于太赫兹时域光谱技术,对水体中汞(Hg)、镉(Cd)、铜(Cu)3种重金属进行检测,旨在太赫兹光谱范围内找出3种重金属的特征频率点,同时为构建水体中3种重金属类别和浓度识别以及含量的预测模型提供方法借鉴。[方法]分别配置不同浓度的Hg、Cd、Cu重金属溶液,用太赫兹光谱衰减反射模式采集样品的时域数据,通过离散余弦变换(discrete cosine transform, DCT)、标准正态变换(standard normal transformation, SNV)与二阶导数(second derivative, SD)去噪,主成分分析(principal component analysis, PCA)、多维度缩放(multiple dimension scaling, MDS)与线性判别分析(linear discriminant analysis, LDA)降维,再通过随机森林(random forest, RF)、k邻近算法(k-nearest neighbor, KNN)和概率神经网络(probabilistic neural network, PNN)进行重金属类别与浓度的检测建模,最后采用最小二乘支持向量机(least squares support vector machines, LS-SVM)与反向传播神经网络(back propagation neural network, BPNN)进行浓度预测建模。[结果]一定浓度范围内Hg和Cd溶液的吸收系数谱分别在1.7 THz与1.2 THz处有明显吸收峰变化,未发现Cu溶液吸收系数谱随浓度改变的规律。PNN与KNN模型可对3种重金属水体进行准确检测,构建的PCA-PNN模型可分别对Hg、Cd和Cu溶液进行浓度识别,准确率分别为99.45%、95.93%和99.25%。构建的DCT-LDA-BPNN模型可用于溶液中的Hg、Cd和Cu这3种重金属含量预测,决定系数分别为0.996、0.986和0.999,均方误差分别为0.008、0.026和2.164。[结论]本试验证明太赫兹光谱对不同浓度的Hg、Cd、Cu溶液有较好的定性与定量分析能力,能为水体重金属检测提供重要参考。     

杂交水稻种子太赫兹光谱特性研究

我国杂交水稻种植面积十分广泛,种子纯度是种子质量核心指标之一,直接影响杂交水稻的产量.利用透射型太赫兹(Terahertz wave,THz)光谱仪采集16种杂交水稻种子光谱数据,分析其太赫兹光谱频率特征和吸收系数,研究杂交水稻粉末粒度和固定剂浓度对其光谱的影响,结果表明:样品粉末颗粒小于2μm能避免太赫兹波散射对THz光谱数据采集的影响,在样品中添加聚乙烯固定剂不会增加吸收杂波,但能改变吸收强度;在0.1~2THz范围内杂交水稻种子均有不同的特征吸收峰,但少部分品种吸收峰位置靠近,因此直接用杂交水稻种子的THz光谱特征吸收频率识别杂交水稻种子比较困难,需要进一步结合其它方法.     

太赫兹光谱技术用于茶园土壤草甘膦残留检测的研究

利用太赫兹时域光谱技术进行了茶园土壤中草甘膦含量检测方法的研究,在茶园土壤中定量添加草甘膦制备测试样品,在贵州省计量测试院太赫兹实验室开展了样品测试试验。结果表明,土壤样品折射率和吸收系数的变化能够反映土壤中草甘磷残留量的多少。本研究为茶园土壤中草甘膦残留提供了快速检测方法,为实现茶产业可持续发展提供技术支撑。     

红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

红松仁脂肪的近红外光谱定量检测

为实现红松仁脂肪无损、简便检测,利用近红外光谱分析技术对红松仁脂肪进行定量分析,用偏最小二乘法构建去壳红松仁脂肪定量分析模型,采用多种预处理方法优化模型,并且利用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法进行特征波段的筛选。结果表明,红松仁光谱经一阶导数预处理后建立的模型最佳;波段优选可以提升模型质量,其中反向间隔偏最小二乘法的筛选结果最佳,其松仁脂肪模型校正集相关系数为0.911 4,验证集相关系数为0.882 0,验证集均方根误差为0.646 8。可见,经过优化后,模型的预测性能较好,实现了去壳红松仁脂肪的快速、无损检测。     

黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测

【目的】针对黄土高原丘陵地多、地形复杂、有机质含量低、采样困难以及因采煤活动引起大面积土地损毁等问题,在土地复垦与综合整治过程中,为快速定量监测与评估复垦农田土壤质量提供一种新的方法。【方法】以山西省襄垣县复垦农田土壤为研究对象,选取由北向南土地损毁中间条带状区域采集样品152个,进行室内土壤农化分析、光谱测定,运用ParLes 3.1软件对光谱曲线进行多元散射校正（multipication scatter correction,MSC）、基线偏移（baseline offset correction,BOC）和Savitzky-Golay filter平滑去噪预处理。对土壤原始光谱反射率（raw spectral reflectance,R）作一阶微分（first order differential reflectance,D（R））和倒数的对数变换（inverse-lg reflectance ,lg（1/R））,分析3种不同变换形式的光谱数据与土壤有机质含量的相关性,相关系数通过P=0.01水平显著性检验来确定显著性波段的范围。基于全波段（400-2400 nm）和显著性波段利用偏最小二乘回归（partial least squares regression,PLSR）分析方法建立该区域土壤有机质含量高光谱预测模型,通过模型精度评价指标：决定系数（coefficient of determination,R²）、均方根误差（root mean square error,RMSE）和相对预测偏差（residual prediction deviation,PRD）确定最优模型。【结果】通过P=0.01水平显著性检验的波段范围为：R的400-1 800、1880-2 400 nm;D（R）的420-790、1 020-1 040、2 150-2 200 nm;lg（1/R）的400-1 830、1 860-2 400 nm。光谱与有机质含量的相关系数绝对值最大的波段是R的800 nm;D（R）的600 nm;lg（1/R）的760 nm。进行D（R）变换,光谱曲线的吸收特征更加明显,相关系数在可见光（400-800 nm）波段范围内有所增加,其最大值由0.72提高到了0.82;基于显著性波段的PLSR建模效果优于全波段,其中lg（1/R）变换的预测精度为最佳,具有很好的预测能力,其校正模型的R²和RMSE分别为0.95、7.64,预测模型的R²、RMSE和RPD分别为0.85、3.00、2.56;基于全波段的R-PLSR和lg（1/R）-PLSR模型具有较好的预测能力,其预测模型的R²、RMSE和RPD分别为0.79、3.64、2.10和0.79、3.53、2.17,而D（R）-PLSR模型只能进行粗略估测,其预测模型的R²、RMSE和RPD分别为0.61、5.43、1.41。综合分析全波段和显著性波段3种光谱数据的预测精度,发现基于显著性波段的R-PLSR、D（R）-PLSR、lg（1/R）-PLSR模型均取得了显著的预测效果。【结论】研究区土壤光谱反射率与土壤有机质含量具有高度的相关性,应用偏最小二乘回归分析方法可以很好地建立土壤有机质含量反演模型。     

稻叶瘟染病程度的可见-近红外光谱检测方法

基于可见-近红外光谱技术,并采用偏最小二乘算法对不同水稻稻叶瘟染病程度的叶片进行化学计量学分析.分别建立基于全波段、特征波段和特征波长的稻叶瘟染病程度定量检测模型.结果表明:全波段建模的叶瘟病染病程度检测正确率达到96.7%;通过偏最小二乘算法的回归系数选择5个特征波段.分别为552～558、672～682、719～726、756～768和990～998 nm,基于特征波段的模型正确率也达到了90%,说明该5个特征波段与叶瘟病染病程度有很好的相关性;基于特征波段结果,选择5个特征波长,对叶瘟病染病程度的检测正确率为80%.说明基于可见-近红外光谱技术方法具有较好的预测能力,为稻叶瘟染病程度的快速鉴别提供了一种新方法.     

次生盐渍土高光谱特征研究

基于次生盐渍土修复过程中硝酸盐含量和同步实测光谱数据,针对原始光谱数据及其不同变换后7种光谱数据集,分别以相关系数极值和间隔偏最小二乘2种方法分析其最佳敏感波段范围。在此基础上,运用偏最小二乘回归(partial least squares regression,PLSR)方法,分别基于全波段(400~1 650nm)和分析获得的最佳敏感波段建立了次生盐渍土壤NO-3含量的光谱反演模型。结果表明,采用2种方法提取的土壤最佳敏感波段,均集中在844.5和846.18nm;基于全波段与最佳敏感波段的土壤NO-3含量光谱反演模型,均以原始反射光谱经一阶微分处理的结果更为显著;其中,基于间隔偏最小二乘法提取的775~899和1 025~1 149nm为最佳敏感波段的预测模型,其决定系数R2p与标准差(root mean standard error of prediction,RMSEP)分别为0.962和0.057。该研究结果可为今后次生盐渍土中硝酸盐含量的快速无损检测提供重要的科学参考。     

基于土壤优化光谱参数估测太湖地区土壤全氮含量

为明确太湖地区土壤全氮的高光谱特征,构建定量分析模型,以江苏省无锡市滨湖区为研究区域,选取地理位置跨度大、土壤质地相似的93个样品,进行土壤风干样品全氮含量测定和光谱数据采集,对光谱反射率进行一阶微分,运用相关系数峰谷值法筛选敏感波长,将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明,研究区内土壤全氮含量与光谱反射率呈正相关,敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R²=0.98、RMSE=0.04）,其精度高、可靠性强,是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R²=0.70、RMSE=0.13）次之,而人工神经网络模型（R²=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴,可为土壤养分精准管理提供技术参考。     

基于太赫兹成像技术的大豆叶片水分含量测定

为了实现叶片水分含量的快速、精准检测,提出一种基于太赫兹成像技术的大豆叶片水分含量测定方法。利用太赫兹光谱成像系统获取96份大豆叶片太赫兹图像,采用干燥法测量叶片含水率,通过主成分分析(PCA)提取出水分敏感特征波段0.557、1.098、1.163 THz,对这3个特征波段下的叶片图像采用自适应阈值分割法,将其分为叶脉图像与叶肉图像,分别求取各自的图像灰度特征,并分为叶片特征组(G1)、叶脉特征组(G2)和叶肉特征组(G3)。分别采用多元线性回归(MLR)、反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)算法,以上述3个特征组作为输入,构建出9种大豆叶片水分预测模型。对比分析各模型性能,发现基于G3的LS-SVM模型预测结果最好,校正集和预测集的决定系数和均方根误差分别为0.967 8、0.963 2,0.057 8、0.046 5。试验结果表明,利用太赫兹成像技术来检测叶片中的水分含量具有非常高的预测精度,为作物叶片水分含量测定提供了一种行之有效的检测手段。     

基于森林小班的香格里拉市高山松生物量遥感建模

以小班为研究单位,基于香格里拉市2006年TM影像、森林资源二类调查数据,利用随机选取的小班样地遥感因子平均值建立数据集,筛选出78个样地数据(60个训练数据和18个验证数据)及14个遥感因子,通过蓄积计算森林生物量,建立了基于遥感因子的高山松生物量估测的逐步回归模型和偏最小二乘模型。结果表明:逐步回归模型的精度(R=0.518、RMSE=34.265 t/hm~2、rRMSE=47.046%)要高于偏最小二乘模型的精度(R=0.514、RMSE=35.320t/hm~2、rRMSE=48.494%)。研究结果可为高海拔地区遥感生物量建模、生态环境保护与规划提供参考依据。     

基于近红外光谱无损检测的水果品质定量分析与预测

针对近红外光谱原理、检测技术及特点,利用近红外光谱检测漫反射技术在水果品质检测方法上的定量分析进行了深入系统研究.在光谱数据预处理上平滑和导数法最常见.建立模型以偏最小二乘法较常见.以遗传算法结合偏最小二乘法、小波分析结合偏最小二乘法等为代表的建模方法,其测量精度有所提高.模型优劣评价指标主要以相关系数(R)、校正集标准偏差(RMSEC)和预测集标准偏差(RMSEP)等参数决定.最后对相关研究进行展望.     

冬小麦生物量高光谱敏感波段提取及监测

冬小麦生物量敏感波段的提取对冬小麦长势指标监测具有极其重要的意义。通过测定冬小麦生物量和冠层光谱,采用相关性分析,偏最小二乘法和逐步多元线性回归法进行建模与分析,最终提取了冬小麦生物量敏感波段。结果表明,利用偏最小二乘法实现了数据的降维,利用多元统计分析提取的冬小麦生物量特征波段为470,570,870,895,1 170,1 285,1 355,1 360 nm,所有敏感波段集中在可见光和近红外波段,其中,近红外波段最多,并基于提取的敏感波段构建了冬小麦生物量的监测模型,模型的验证参数TC为0.229,R2达到0.809,RMSE为0.351,取得较高的估算精度。为了验证模型的稳健性和准确度,利用野外大田数据进行验证,结果表明,实测值与预测值具有较高的拟合性,其拟合系数达到0.87。研究结果表明,利用多元分析方法对冬小麦敏感波段提取是可行的,可为冬小麦生物量监测提供一定的理论和实践参考。     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。