光谱技术在水产品鲜度评价中的应用

光谱技术能依据食品的光谱特征研究其结构和成分变化,化学计量学法能从光谱数据中最大限度地提取有用信息,为光谱技术的定性和定量分析提供依据。光谱技术结合化学计量学法具有分析效率高、样品无需处理、操作简单、非破坏性、便于实现在线分析等特点,近年来以独特的优势在水产品鲜度评价方面得以应用。本文主要介绍了红外光谱、荧光光谱、拉曼光谱、高光谱成像技术等的特点,综述了光谱技术结合化学计量学法在水产品鲜度评价中的应用研究进展,探讨了现有技术的局限性,并对光谱技术在水产品无损检测中的发展趋势进行展望,以期促进该技术在水产品鲜度评价领域得到更广泛的应用。     

激光诱导击穿原子光谱在土壤分析中的应用

土壤分析是土壤学研究及应用的前提和基础,传统化学土壤分析方法逐渐不能适应现代土壤学海量信息数据快速获取的需求。激光诱导击穿光谱作为一种全新的、反映土壤组成元素原子信息的光谱技术,其无需对样品进行复杂前处理,可实现原位、快速、多元素连续在线检测,每条光谱记录土壤样本独一无二的特征,可以视为土壤“指纹”,成为现代土壤分析的有效技术之一。首先介绍和分析了激光诱导击穿原子光谱的原理、光谱获取的主要影响因素、光谱数据处理的化学计量学方法等;然后阐述和梳理了基于激光诱导击穿光谱技术在土壤分析方面的应用成果和进展,包括土壤鉴定、土壤养分评估、土壤重金属测定、微观/介观尺度土壤原位表征等;最后讨论和总结了激光诱导击穿光谱技术在土壤分析中所面临的挑战及其应用展望。     

一种加窗数据降维方法在光谱分析中的应用

加窗处理方法是在应用近红外光谱分析技术对食品品质进行分析、建立数学预测模型的过程中,选用适当窗函数对原始光谱数据施行降维、降噪等操作,从而节约计算机内存、减少运算量,并提高模型的预报精度.对于大米近红外光谱数据,分别采用不加窗处理和加窗处理措施建立了大米蛋白质含量的预测模型.经实验,该方法能有效地压缩原始数据、降低噪声影响,明显地缩短了计算机的运行时间,使模型评价指标如平均相对误差、平均偏差和预测标准差有所降低,使预测值和化学参比值的相关系数由0.9204提高到0.9526.     

基于形态小波的烟草尼古丁含量近红外光谱检测

为了提高烟草尼古丁含量的测定精度,该文将基于形态小波的近红外光谱去噪方法应用于烟草的一阶导数近红外光谱数据处理中,给出了方法的原理和步骤,评估了该方法的去噪效果;用处理后的光谱计算了烟草中的尼古丁含量,并与小波变换方法的处理结果进行了对比分析。结果表明:形态小波作为一种非线性小波,兼顾数学形态学的形态特征和小波的多分辨率特性,在去噪的同时具有良好的光谱细节保留能力,能有效地保留光谱的有用信息。与小波软阈值方法相比,检测结果中预测集的决定系数r2由0.9877提高到了0.9931,其均方根误差RMSEP由0.0539降到了0.0492。研究结果为提高利用近红外光谱测定烟草尼古丁含量的分析精度和模型的稳健性提供了参考。     

苹果擦伤拉曼光谱无损检测虚拟系统研究

为检测苹果品质并依据擦伤进行分级,研发了一个基于拉曼光谱的实时无损自动检测分类虚拟仪器分级系统样机。采用一台Nicolet傅氏变换拉曼光谱仪进行苹果擦伤光谱检测。测试集和训练集的苹果光谱用WinDAS的典型变量分析(CVA)和主成分分析法(PCA)进行分类处理。分析得出的模型经UNEQ分类检验,‘马氏平方图’和χ²检验结果该分类模型。其次, 应用LabVIEW 设计苹果虚拟仪器分级控制系统,并制作了样机。试验结果表明拉曼光谱分析能用于苹果擦伤无损检测和类别确定;虚拟仪器分级系统能对苹果进行准确分级处理。     

光谱技术在水产养殖水质监测中的应用进展及趋势

水产养殖的水质是关乎水产养殖经济效益和水产品品质的关键因素,与传统的水质检测方法相比,光谱技术具有无创性、快速性、可重复性、准确性等优点,已成为水质监测的重要发展方向。该文总结和整理现有国内外研究文献,对基于光谱技术的水质重要参数监测、数据预处理方法、特征波段提取、预测模型算法进行了系统的分析与讨论。综述结果表明,实时在线的水产养殖水质监测将成为重点研究方向;多源光谱融合、多参数的水产养殖水质监测将会成为新的发展方向;对于光谱数据的处理,将多种数据处理算法相结合,仍将占据主导;而非线性建模将成为水产养殖水质数据分析的主流方法非线性数据建模,将成为光谱技术应用于水产养殖水质监测的主流建模发方法。     

不同施氮水平下的小麦冠层光谱特征及产量分析

分析了在不同氮肥施用水平下,小麦冠层的高光谱响应在几个生育期内的变化情况,以及它们与小麦产量之间的关系。采用微分技术处理了小麦冠层反射光谱,提高了其区分小麦氮素营养水平的灵敏性;利用F-检验及方差分析与相关分析,研究小麦氮素处理水平、冠层反射光谱及其衍生信息(光谱反射率的一阶微分数据、归一化植被指数)、小麦产量三者之间的相关关系。研究结果表明,一阶微分技术能够提高小麦冠层光谱数据对氮素营养水平的响应,光谱数据的衍生形式也可与小麦产量建立很好的回归方程。     

基于近红外光谱和深度学习数据增强的大米品种检测

近红外光谱和深度学习结合的思路是大米品种检测的重要研究方向，其准确检测模型的建立依赖大规模的样本数据，然而采集和预处理样本耗时巨大，对准确性的提升造成限制。为解决上述不足，便于深入探究近红外光谱结合深度学习方法在大米品种检测领域应用的可行性，该研究提出基于近红外光谱结合改进型深度卷积生成式对抗神经网络（deep convolutional generative adversarial network，DCGAN）数据增强的大米品种检测方法。首先，在相同环境下采集4种大米品种的近红外光谱并对原始光谱数据进行预处理，使用去趋势校正（detrend correction，DC）和无信息变量消除算法（uninformative variable elimination，UVE）消除无用光谱特征点。然后，建立改进型DCGAN模型对预处理后的光谱数据进行数据增强，对比试验结果表明，改进型DCGAN相比与传统数据增强方法，改进型DCGAN生成数据的结构相似度指标更优。最后，研究不同数据增强方法结合不同分类方法建立大米品种分类模型的性能，对比试验结果表明，改进型DCGAN数据增强结合一维卷积神经网络（one-dimensional convolution neural network，1D-CNN）分类算法所建模型面向测试集的准确率最高，为98.21%，为简便准确的大米品种检测方案提供了新思路。     

高光谱成像技术快速检测生物质秸秆元素含量

为了探讨生物质秸秆元素含量的快速检测方法,该文运用高光谱成像技术,结合多种数据优选方法对生物质秸秆中N、C、H、S、O元素含量快速检测的可行性进行研究。选取玉米、水稻、小麦、油菜4种类别共计188个秸秆样本,采集其反射高光谱图像,并测定元素含量。采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法选取元素检测敏感变量,提取光谱维数据,结合偏最小二乘(partial least squares,PLS)算法,建立了基于高光谱光谱维数据的元素定量分析模型,N元素采用24个变量建立模型,验证集相关系数为0.923,均方根误差(root mean square error of validation set,RMSEP)为0.196%,相对分析误差(relative analysis error,RPD)为3.11;O元素仅采用10个光谱变量建立模型,验证集相关系数为0.876,均方根误差为1.015%,相对分析误差为2.32,N、O元素的模型可以用于实际应用;C、H、S元素相验证集相关系数均小于0.80,无法实际应用分析。采用独立成分分析(independent component analysis,ICA)算法结合权重系数法,提取IC1-IC5分析图像中特征光谱波段为572.09、643.69、685.14、766.79、819.55、964.01 nm,用6个特征光谱变量建立基于高光谱图像维数据的秸秆元素定量分析模型,N、C、H、S和O 5种元素无法用于实际检测。研究结果表明,采用高光谱成像技术并应用光谱维数据结合CARS-PLS算法可以实现秸秆N、O元素的有效检测。     

东北典型黑土区表层土壤有机质含量高光谱反演研究

选择东北典型黑土区——德惠市、扶余市和双城市为研究区,利用便携式地物光谱仪获取土壤光谱数据,基于原始光谱值及一阶微分、倒数的对数、连续统去除变换,分别建立了黑土有机质含量的多元线性逐步回归模型、偏最小二乘回归模型和BP神经网络模型。结果表明:高光谱与土壤有机质含量在多个波段相关性较好,其中有机质与反射率一阶微分处理的相关性最好,在光谱584 nm处其相关性最强(r=-0.60,n=81)。光谱一阶微分处理数据在三种建模方法中的预测及验证精度均高于原始光谱值、倒数的对数和连续统去除变换,因此一阶微分为最佳光谱变换形式。偏最小二乘回归分析的预测效果整体优于多元线性逐步回归分析和BP神经网络分析,光谱一阶微分处理的偏最小二乘回归模型呈现出最佳预测效果,决定系数为0.71、均方根误差为2.29 g kg~(-1)(n=53)。     

用于微小型光谱仪的冬小麦抽穗期叶绿素含量诊断模型

采用基于微小型光谱学传感器构建的作物冠层反射光谱探测系统,在田间轻量便携式地测量冬小麦抽穗期冠层可见光-近红外反射光谱。首先对冠层反射光谱进行去噪预处理,对原始光谱先一阶微分运算后,采用Bior Nr.Nd双正交小波进行小波包分解和重构以达到数据平滑的目的。对样本点数据利用蒙特卡罗抽样方法进行分析,去除异常样本点值,然后基于Random frog特征变量选取算法进行叶绿素含量敏感波长筛选。分别对原始光谱和经预处理后的光谱数据所选取的敏感波长进行偏最小二乘回归(partial least squares regression,PLSR)建模,建模结果如下:基于原始光谱的敏感波长639、436、459、642、556、653、596、455 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.70,均方根误差为1.398 0,验证精度Rv2为0.10,均方根误差为2.381 0;经过预处理后,基于选取的特征波长719、572、562、605、795、527、705、514 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.69,均方根误差为1.364 8,验证精度Rv2为0.52,均方根误差为1.839 7,估测能力得到了提高。结果表明:基于微小型光谱学传感器构建的作物冠层反射光谱探测系统能够合理地预测冬小麦叶片中的叶绿素含量,可用于田间冬小麦抽穗期的作物营养诊断。     

通过光谱辐射方法测定估算土壤化学性质

The contents of nitrogen and organic carbon in an agricultural soil were analyzed using reflectance measurements （n = 52） performed with an ASD FieldSpee-Ⅱ spectroradiometer. For parameter prediction, empirical models based on partial least squares （PLS） regression were defined from the measured reflectance spectra （0.4 to 2.4 μm）. Here, reliable estimates were obtained for nitrogen content, but prediction accuracy was only moderate for organic carbon. For nitrogen, the real spatial pattern of within-field variability was reproduced with high accuracy. The results indicate the potential of this method as a quick screening tool for the spatial assessment of nitrogen and organic carbon, and therefore an appropriate alternative to time- and cost-intensive chemical analysis in the laboratory.     

黄土的红外反射光谱与红外光声光谱特征及其差异研究

红外光谱法作为一种新的研究手段已经广泛应用于土壤分析,由其检测区域和手段的不同又可分为多种光谱类 型。本研究以第四纪黄土为例,系统地比较了近红外区和中红外区反射光谱和光声光谱的吸收特征及其差异。结果表明,中红外光谱比近红外光谱的信息更为丰富,且中红外光谱与样品中物质的特征吸收关系更加密切,从而更有利于土壤定性与定量分析。土壤的反射光谱和光声光谱表现出了明显不同的特征,在近红外区,反射光谱和光声光谱吸收明显不同,而在中红外区,反射光谱和光声光谱具有相对应的吸收,但相对吸收强度明显不同,且吸收峰的位置也发生改变,尤其在1 000 ~ 2 000 cm-1谱区,反射光谱相互干扰很强,而光声光谱的吸收特征更为明显。在黄土的分类鉴别上,反射光谱优于光声光谱。红外反射光谱和光声光谱在不同波段下具有不同的吸收灵敏度,在土壤定性与定量分析中各自都将具有其明显的优势。     

Improved analysis and modelling of soil diffuse reflectance spectra using wavelets

Diffuse reflectance spectroscopy using visible (vis), near‐infrared (NIR) and mid‐infrared (mid‐IR) energy can be a powerful tool to assess and monitor soil quality and function. Mathematical pre‐processing techniques and multivariate calibrations are commonly used to develop spectroscopic models to predict soil properties. These models contain many predictor variables that are collinear and redundant by nature. Partial least squares regression (PLSR) is often used for their analysis. Wavelets can be used to smooth signals and to reduce large data sets to parsimonious representations for more efficient data storage, computation and transmission. Our aim was to investigate their potential for the analyses of soil diffuse reflectance spectra. Specifically we wished to: (i) show how wavelets can be used to represent the multi‐scale nature of soil diffuse reflectance spectra, (ii) produce parsimonious representations of the spectra using selected wavelet coefficients and (iii) improve the regression analysis for prediction of soil organic carbon (SOC) and clay content. We decomposed soil vis‐NIR and mid‐IR spectra using the discrete wavelet transform (DWT) using a Daubechies’s wavelet with two vanishing moments. A multiresolution analysis (MRA) revealed their multi‐scale nature. The MRA identified local features in the spectra that contain information on soil composition. We illustrated a technique for the selection of wavelet coefficients, which were used to produce parsimonious multivariate calibrations for SOC and clay content. Both vis‐NIR and mid‐IR data were reduced to less than 7% of their original size. The selected coefficients were also back‐transformed. Multivariate calibrations were performed by PLSR, multiple linear regression (MLR) and MLR with quadratic polynomials (MLR‐QP) using the spectra, all wavelet coefficients, the selected coefficients and their back transformations. Calibrations by MLR‐QP using the selected wavelet coefficients produced the best predictions of SOC and clay content. MLR‐QP accounted for any nonlinearity in the data. Transforming soil spectra into the wavelet domain and producing a smaller representation of the data improved the efficiency of the calibrations. The models were computed with reduced, parsimonious data sets using simpler regressions.     

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

苹果糖分含量的近红外漫反射检测研究

应用近红外漫反射技术探讨水果糖分含量检测方法并建立其光谱漫反射测量系统,重点对0,2,4 mm和6 mm 4种不同测量距离对苹果糖分含量无损检测的影响分析.试验结果为:当光纤贴紧苹果表面(0 mm测量距离)时建立的校正方程对未知样品的预测效果最好.利用主成分回归多元校正技术,建立在0 mm时红富士苹果样品糖分含量的预测数学模型,其样品预测值和实测值之间的相关系数为0.844,标准校正误差(SEC)为0.729,标准预测误差(SEP)为0.864,偏差(Bias)为0.318.通过本次试验研究表明,应用近红外光谱漫反射技术进行苹果糖分含量无损检测具有可行性,并得到了较为满意的预测效果.     

中国浙江省上虞市滨海盐土的物理化学性质及其实验超级光谱反射

45 and 50 composite soil samples were collected, respectively, from two agricultural fields, that were enclosed and reclaimed from coastal tidal-flat areas in 1996 and 1984 respectively, in Shangyu of Zhejiang Province, China, to investigate the physico-chemical properties and the hyperspectral characteristics of the saline soils and to make an assessment on their relationships. The reflectance spectra of saline soils were measured using a spectroradiometer in laboratory. The mean spectral curves of the saline soils from the two sites different in reclamation year showed that the saline soil taken from the recently reclaimed land with higher salinity demonstrated a lower reflectance intensity in the spectral region from about 550 nm to 2300 nm. In addition, nine absorption bands, i.e., 488 nm, 530 nm, 670 nm, 880 nm, 940 nm, 1400 nm, 1900 nm, 2 200 nm and 2 300 nm, were chosen as the spectral bands to investigate the relationships between soil physico-chemical properties by means of Pearson correlation analysis. Finally, the first two principal components were calculated from nine absorption bands and used to discriminate the saline soil samples taken from two sampled fields. The results indicate that it is feasible to detect physico-chemical properties of saline soils from fields reclaimed for varying time periods on the basis of the hyperspectral data.     

基于不同光谱变换的土壤盐含量光谱特征分析

跟踪初生盐渍土壤的微生物修复实验,采用同步实测得土壤盐含量和光谱数据,详细分析了基于34种光谱变换,修复过程中盐渍土的光谱特征。对于选取的6种光谱变换,采用全波段(400~1650 nm)和分析获得的最佳敏感波段分别建立了土壤盐含量的光谱反演PLSR(partial least squares regression)模型。研究表明,光谱变换处理使土壤盐含量与平滑后的光谱反射数据的相关性明显增强,且最佳敏感波段范围进一步聚焦。本研究得到最佳光谱变换为导数变换,基于全波段的土壤盐含量预测模型以SGSD变换效果最好,与原始光谱相比,模型的r、RMSEP分别从0.537和1.928改善到0.823和1.256。而SGSD(Log R)是基于最佳波段所建立的盐含量预测模型的有效光谱变换方法,该研究为进一步实现盐渍土中盐含量快速定量分析提供了方法和数据参考。     

应用反射光谱法对土壤粘土矿物的鉴定的初步研究

The characteristics of the reflectance spectra of clay minerals and their influences on the reflectance spectra of soils are dealt with in the paper.The results showed that dominant clay minerals in soils could be distinguished in light of the spectral -form parameters of the reflectance spectra of soils,thus making it possible to develop a quick method to determine clay minerals by means of reflectance spectra of soils in the lab.and providing a theoretic basis for remote sensing of clay minerals in soils with a high resolution imaging spectrometer.     

基于无人机高光谱遥感的柑橘黄龙病植株的监测与分类

柑橘黄龙病(Huanglongbing,HLB)是柑橘产业的毁灭性病害,及早发现并挖除病株是防治HLB的有效手段。通过无人机低空遥感监测大面积果园,可大大减少HLB排查工作量和劳动力。该文获取了无人机低空柑橘果园的高光谱影像,分别提取并计算健康和感染HLB植株冠层的感兴趣区域的平均光谱,并对初始光谱进行Savitzky-Golay平滑、异常数据剔除和光谱变换,得到原始光谱、一阶导数光谱和反对数光谱3种光谱,对这3种光谱采用主成分分析法进行降维,与全波段信息比较,分别采用k近邻(kNN)和支持向量机(SVM)进行建模和分类。结果表明,以二次核SVM判别模型对全波段一阶导数光谱的分类准确率达到94.7%,对测试集的误判率为3.36%。表明低空高光谱遥感监测HLB的手段具有可行性,可大大提高果园管理效率和政府防控病情力度。