可见/近红外光谱技术识别树叶树种的研究

探索使用可见/近红外光谱技术识别树叶树种的可行性,为野外可见/近红外光谱技术用于树种识别提供方法。本试验识别了9个树种,测试了光谱预处理方法、识别方法对可见/近红外光谱识别的准确率的影响。对9种阔叶树种共46棵树,分别采用距离法和PLS-DA建立识别模型,比较不同波段和导数预处理方法对模型预测效果的影响。结果表明,使用距离法对原始光谱进行识别时,识别准确率<50%,不能够有效识别树叶树种。使用距离法对预处理后的光谱进行识别时,识别准确率为近红外350～2 500nm(99.16%)>350～1 000nm(88.05%)>1 000～2 500nm(81.24%),且任意单个树种的识别准确率都>98%,能够有效识别树叶树种。使用偏最小二乘法(PLS-DA)结合单列识别变量矩阵时,识别准确率高达100%,识别模型的相关系数为0.993 6,RMSEC为0.120,RMSEP为0.144,但只能成功识别4种树叶树种,当树叶种数>4时,预测模型的识别准确率陡降。使用偏最小二乘法(PLS-DA)结合多列识别变量矩阵对9种树叶的识别准确率高达99.58%,识别模型的相关系数为0.888 6～0.956 9,RMSEC为0.084 5～0.15,RMSEP为0.088 7～0.155。本试验为可见/近红外光谱技术快速识别树种提供了一种新的方法和思路。     

基于近红外光谱的家蚕种茧雌雄鉴别模型在多设备和多品种间的迁移

[目的]在家蚕种茧雌雄鉴别设备推广应用中,为了减少新品种、新设备需要重新建模的难度和时间,进行了基于近红外光谱的家蚕种茧雌雄鉴别模型在多设备和多品种间的迁移研究.[方法]首先使用2种型号光谱仪(NirQuest512光谱仪和SW2540光谱仪)采集4个品种蚕茧(9芙、7湘、7夏和932)的近红外漫透射光谱数据;然后用源...     

小波去噪对近红外光谱鉴别转基因菜籽油的影响分析

【目的】建立基于近红外光谱的转基因菜籽油定性鉴别模型,研究小波去噪对光谱的预处理对鉴别准确率的影响。【方法】利用前期已收集的鲁花、金龙鱼等6种品牌的瓶装或桶装的菜籽油共计117份样品,其中转基因菜籽油样品53份、非转基因菜籽油样品64份,采用德国BRUKER公司的MATRIX-F型傅里叶近红外光谱仪对这些样品进行全谱段的光谱采集;利用小波分析对菜籽油光谱数据进行预处理,选用db3小波对光谱进行软阈值去噪;在菜籽油样品近红外光谱数据的基础上,采用判别偏最小二乘法(DPLS)建立转基因菜籽油定性鉴别模型。【结果】对比小波去噪预处理前后转基因菜籽油鉴别的准确率,DPLS鉴别模型的准确率从96.43%提升到了100%。【结论】小波去噪预处理可以有效地提高近红外光谱转基因菜籽油鉴别模型的准确率。     

基于可见/近红外光谱识别东北地区常见木材

探索可见/近红外光谱识别生长锥取得的木材样品的可行性,为野外木材检测提供方法。木材品种涉及东北地区常见的14个树种,木材样品由生长锥南向北方向钻取树木1.3 m胸高处得到,观测木样的可见/近红外光谱并采用导数、对数与平滑处理,运用距离法建立识别模型,测试并分析不同光谱预处理方法对可见/近红外光谱木材识别准确率的影响。结果显示:在不使用平滑处理时,使用一阶导数处理之后的光谱木材树种识别的准确率（96.79%）明显高于二阶导数（78.57%）和三阶导数（75.00%）。在使用导数和平滑处理时,使用二阶导数（98.21%）或三阶导数（98.21%）处理之后的光谱用于识别的准确率略高于一阶导数（97.50%）。单独使用平滑处理不能提高模型预测准确率,单独使用导数处理可以提高模型预测准确率。在最优的参数设置下使用导数和平滑处理时,使用S-G导数平滑（98.42%）和Norris导数滤波（98.57%）的效果无明显差异。     

基于光谱技术识别不同农药污染脐橙的研究

用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型.实验供试农药为灭多威、氰戊菊酯和氧乐果3种.通过GA来搜寻整个波段范围(460～1 800 nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%.并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%.虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个.实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙.     

近红外光谱分析技术在蚕茧雌雄识别中的应用

近红外光谱分析技术在蚕茧雌雄识别中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆＮｅａｒＩｎｆｒａｒｅｄＲｅｆｌｅｃｔａｎｃｅＳｐｅｃｔｒｏｓｃｏｐｙｔｏＩｄｅｎｔｉｆｙＳｉｌｋｗｏｒｍＣｏｃｏｏｎＳｅｘ雌雄蚕茧自动识别的研究,无论是对蚕种生产还是对茧丝生产,都具...     

基于NIR-SVM对鸭梨褐变病果的识别

本文针对水果内部品质评定分类存在主观性强和一致性差的特点,提出了一种新的鸭梨褐变识别分类方法,该方法是利用近红外光谱仪获取正常鸭梨和褐变鸭梨近红外光谱并对其进行分析的基础上,应用支持向量机(SVM)算法的识别原理建立正常鸭梨和褐变鸭梨的分类识别模型。在多项式核函数下对试验样品的识别准确率为95%。研究结果表明NIR-SVM用于对于鸭梨褐变病果的无损检测识别是可行的。     

近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄

【目的】利用近红外漫透射光谱快速无损鉴别家蚕Bombyx mori种茧茧壳内蚕蛹的雌雄,以提高育种效率、降低人工成本。【方法】以芙9、9芙、湘7和7湘4个蚕品种为研究对象,采集比较了样本在可见和近红外区间的漫透射光谱,建立比较了各品种偏最小二乘判别分析(PLSDA)、后向传播神经网络(BPNN)以及支持向量机分类(SVM)判别模型,通过分类器特性(ROC)曲线研究了各模型的鲁棒性,采用差值法和遗传算法提取了特征波长。【结果】芙9、9芙、湘7和7湘品种利用450~900 nm光谱建模的雌雄鉴别准确率分别为95.20%、95.65%、88.80%和87.50%,利用900~1 700 nm光谱建模的准确率分别为100%、96.00%、92.22%和94.21%;采用PLSDA、BPNN和SVM模型都能够对蚕蛹雌雄做出较好的无损鉴别,3种模型真雌性率分别为95.96%、95.83%和100%,真雄性率分别为98.98%、96.04%和82.18%,准确率分别为97.46%、95.94%和90.86%,进一步通过ROC曲线分析,PLSDA模型效果最优,BPNN模型次之;手动提取20个波段建立PLSDA模型,鉴别真雌性率为93.75%,真雄性率为95.45%,准确率为94.57%。【结论】近红外波段900~1 700 nm的漫透射光谱比可见–近红外波段450~950 nm含有更丰富的蚕蛹雌雄分类信息;3种鉴别模型中,PLSDA模型效果最优;提取特征波段后,准确率能达到生产需要。     

基于近红外光谱的卷烟配方模块香型预测

为提高卷烟配方模块的分类识别准确率，并为卷烟配方模块的科学评估提供技术支撑，提出了一种基于近红外光谱特征筛选的卷烟配方模块香型预测方法。选取2017—2019年238个卷烟配方模块样品的近红外光谱数据，结合特征工程中的递归特征消除法和BP神经网络、随机森林、XGBoost 3种机器学习技术，构建了基于特征变量的香型预测模型。与全光谱数据训练的分类效果对比，经过递归特征消除法筛选后的光谱特征变量能够有效提升卷烟配方模块香型的识别准确率，其中，XGBoost算法分类效果最佳，模型对测试集的识别准确率达到了90.41%。结果表明，基于近红外光谱特征筛选的香型预测方法对卷烟配方模块的快速定位、科学评价及卷烟配方设计等有一定的辅助决策作用。     

基于近红外高光谱图像分析的麦粒硬度分类研究

为对小麦硬度进行自动检测,采集不同硬度小麦品种的近红外高光谱图像,将光谱数据经过求导处理后,提取950~1 645 nm有效光谱区间数据,然后经过多元散射校正,建立偏最小二乘判别分析(PLS-DA)模型。采用120粒小麦对模型进行训练,剩余的90粒进行检验,总体上模型分类准确率为99.63%。表明,采用近红外高光谱成像技术对单籽粒小麦硬度进行分类是可行的。