基于高光谱成像技术的水稻叶瘟病病害程度分级方法

为了快速、准确地对水稻叶瘟病病害程度进行分级评估,结合定性分析与定量估算,提出了一种基于高光谱成像技术的水稻叶瘟病病害程度分级方法。利用HyperSIS高光谱成像系统采集了受稻瘟病侵染后不同病害等级的水稻叶片高光谱图像,通过分析叶瘟病斑区域与正常叶片部位的光谱特征,对差异较大的550和680 nm波段进行二维散点图分析,提取只含病斑的高光谱图像;然后通过主成分分析（principal component analysis,PCA）方法得到利于褐色病斑和灰色病斑分割的第2主成分图像,采用最大类间方差法（Otsu）分割出灰色病斑;最后结合延伸率和受害率2个参数对水稻叶瘟病病害程度进行分级。试验结果表明：测试的166个不同稻叶瘟病害等级的叶片样本中,其中160个样本可被准确分级,分级准确率为96.39%。该研究为稻叶瘟病田间病害程度评估提供了基础,也为稻瘟病抗性鉴定方法提供了新思路。     

应用激光拉曼光谱判别油菜叶片核盘菌早期侵染

病原物核盘菌侵染油菜植株所引发的油菜菌核病严重制约着油菜产业的发展,及早诊断核盘菌的侵染有助于油菜菌核病的早期防治。病原物一般由侵入点向植物寄主四周扩散形成病斑,而与病原物侵染点不同距离的组织区域可代表病害的不同严重程度。该研究采用激光共聚焦显微拉曼光谱仪在800~2 000 cm-1范围内获取健康和染病油菜叶片的拉曼光谱曲线,接着采用小波变换(wavelet transform,WT)进行拉曼光谱的预处理以去除荧光背景的干扰,然后选择主成分因子(principal components,PC-1和PC-2)以及特征参量(1 006,1 156和1 522 cm-1)进行样本间的聚类分析,最后分别基于主成分因子和拉曼特征参量建立最小二乘支持向量机(least squares support vector machine,LS-SVM)进行菌核病侵染油菜叶片不同阶段的判别分析。结果发现采用基于PC-1主成分,1 156和1 522 cm-1处的拉曼强度建立的LS-SVM判别模型可以得到100%的识别率。研究结果表明,通过判别分析油菜叶片菌核病病斑不同区域处的拉曼光谱可以实现核盘菌侵染油菜叶片的早期判别,这为后续探究植物病害的早期监测以及研发油菜叶片菌核病早期诊断拉曼便携仪提供理论参考。     

基于高光谱图像的稻瘟病抗氧化酶值早期预测

水稻稻瘟病是危害水稻种植的真菌病害,早期预测病害源头是防治稻瘟病的有效手段。在病害症状显证之前实现早期预测,能从源头上更好地遏制病害,阻止分生孢子的大量繁殖,达到稻瘟病早期防治的目的。该文通过连续分时段测定水稻稻瘟病潜育期稻苗的高光谱图像和相对应的稻苗抗氧化物酶SOD（superoxide dismutase, SOD）酶值,利用高光谱图像处理技术结合化学计量学方法,建立稻瘟病潜育期内稻苗冠层高光谱图像与抗氧化酶SOD酶活之间的关联预测模型。结果表明,基于全光谱信息建立的SOD酶值预测模型,模型具有较好的预测效果,校正集相关系数RC=0.9921,校正集均方根误差RMSEC=5.135 U/g;预测集相关系数RP=0.9274,预测集均方根误差RESEP=8.634 U/g。出于建立更为广泛应用的稳定的多光谱成像检测系统的需要,基于选定的6个特征波长526、550、672、697、738和747 nm建立了简化的SOD酶值预测模型,该模型的RC=0.6945,RMSEC=17.92 U/g;RP=0.5488,RESEP=22.0085 U/g。研究表明,在水稻稻瘟病潜育期内,通过高光谱图像反演相应的SOD酶活性信息,推断水稻稻瘟病病害胁迫程度信息是可行的。     

应用拉曼和中红外衰减全反射光谱测定溶液和土壤中的硝酸盐

为比较拉曼光谱和红外光谱在溶液和土壤中硝酸盐含量定量分析的适用性,采用两种光谱对溶液和土壤中的NO3–-N含量(0~200 mg/L)进行快速测定。结果表明,溶液中硝酸盐的拉曼特征峰在1 047 cm–1处,该特征峰强度与NO3–-N浓度成正比,对1 035~1 060 cm-1波段拉曼光谱峰面积和NO3–-N含量进行线性回归,决定系数R2为0.995 4;溶液中硝酸盐的中红外衰减全反射光谱特征吸收峰在1 350 cm–1,吸收峰与NO3–-N含量成正比,特征吸收区1 200~1 500 cm–1峰面积与NO3–-N含量的决定系数R2为0.991 1,表明两种光谱都可用于溶液中硝酸盐的测定。对于土壤样品,红外光谱在1 250~1 500 cm–1处有硝酸盐吸收峰,且吸收峰与NO3–-N含量成正比,峰面积与NO3–-N含量之间的决定系数R2为0.968 4;而对于拉曼光谱,硝酸盐的拉曼峰因受较强干扰导致吸收峰不明显,峰面积与NO3–-N含量之间的决定系数R2仅为0.000 9,表明中红外衰减全反射光谱可用于土壤中硝酸盐的测定,而拉曼光谱则很困难。因此,拉曼光谱和中红外衰减全反射光谱都可用于溶液中硝酸盐的测定,且前者灵敏度要高于后者;中红外衰减全反射光谱可用于土壤中硝酸盐的测定,而拉曼光谱难以用于土壤中硝酸盐定量分析,这为硝酸盐的快速测定提供理论依据和技术支持。     

小白菜的中红外光谱特征及其在氮营养诊断中的应用

采用不同中红外光谱（漫反射光谱、 衰减全反射光谱和光声光谱）对不同氮处理的小白菜进行表征。结果表明,小白菜不同的红外光谱具有明显不同的光谱特征,主要表现于峰形、 峰位以及相对峰强度;中红外漫反射光谱的主要吸收峰分别为2800~3800 cm-1、 2200~2500 cm-1、 1500~1700 cm-1和1000~1500 cm-1,衰减全反射光谱由于水的强烈干扰可用的吸收峰主要在1200~1500 cm-1,而中红外光声光谱的主要吸收峰分别为2800~3800 cm-1、 1500~1700 cm-1、 1200~1500 cm-1和1000~1200 cm-1。漫反射光谱、 衰减全反射光谱和光声光谱的主成分分析表明,不同氮处理主成分分布特征明显不同,且第一主成分（PCA1）均与施氮量显著相关,相关系数（r）分别为0.9103、 0.8527和0.9366。这三种光谱利用主成分分布均可实现小白菜氮营养快速诊断,且光声光谱由于其独特的原位逐层扫描功能而表现出更好的诊断效果,在植物营养诊断中表现出较强的应用潜力。     

叶菜中噻菌灵农药的SERS快速检测研究

为了检测叶菜中噻菌灵农药残留,利用快速前处理方法提取空心菜菜汁,分别采集不同浓度噻菌灵水溶液的表面增强拉曼信号和以菜汁为基质的噻菌灵溶液表面增强拉曼光谱信号。结果表明,噻菌灵水溶液的表面增强拉曼信号在0.1~10 mg·L-1范围内具有良好的线性关系,选取1 009cm-1特征峰强度制定噻菌灵的标准曲线,相关系数为0.9922。以菜汁为基质的噻菌灵溶液表面增强拉曼光谱最低检测浓度为0.2 mg·L-1,在该浓度下,990、1 225和1 527cm-1处的特征峰明显,与噻菌灵水溶液的特征峰振动归属一致,可作为鉴别叶菜中噻菌灵农药残留的依据。研究结果为叶菜中农药残留的快速检测提供了方法支持。     

稻谷壳制备石墨烯纳米片及结构表征

为了充分利用南方丰富的稻谷壳资源,制备附加值较高的石墨烯纳米材料。该文采用稻谷壳可再生资源经高温炭化、过筛、透析等工艺等制备活性炭,将其在高纯氩保护下高温催化石墨化后制备的石墨微晶作为石墨烯的新型碳源。应用具有较大离子半径的硫酸根离子(0.295 nm)为插层剂预处理该石墨微晶,经水热及微波工艺制备石墨烯纳米片。采用透射电镜、扫描电镜、原子力显微镜、红外光谱、拉曼光谱及X射线衍射(X-ray diffraction spectroscopy,XRD)等技术对样品进行了形貌、结构和谱学等表征。原子力图表明,该石墨烯纳米片厚度范围为0.8~1.75 nm,为单层或双层石墨烯;由红外光谱可以观察到1 550 cm-1左右的石墨烯特征碳碳双键骨架振动峰。但未观察到传统Hummers氧化及水合肼法常出现,与石墨烯氧化后缺陷度有关的3 000~3 600 cm-1之间峰及1 250 cm-1左右振动峰。XRD数据显示所制备材料在24.7°亦具有石墨烯特征峰。拉曼光谱分析则显示,该方法所制备材料的与石墨烯层数相关的2D峰峰高接近G带的2倍,而与石墨烯缺陷度有关的D带峰峰高较小。该方法可成功制备单层或双层石墨烯纳米片,研究结果为高效制备基于稻谷壳可再生资源的石墨烯开辟了一条新路。     

几种常见矿物与硼作用的红外光谱特性研究

对几种常见矿物及其与硼反应的红外光谱比较发现 ,硼在供试矿物上解吸的图谱更接近硼在矿物上吸附的图谱 ,而与无硼矿物图谱相差较大 ,故硼在几种常见矿物上都表现出不同程度的滞后性。针铁矿吸附硼后 ,在 1 40 0～ 1 44 0cm- 1 和 1 0 0 0～ 1 2 0 0cm- 1 范围处谱峰有不同程度的增强 ;水锰矿、三羟铝石和Ca 蒙脱石吸附硼后 ,此处谱峰却减弱 ,而在30 0 0～ 360 0cm- 1 处的谱峰 ,也随硼的吸附而明显减弱 ;Ca 蒙脱、三羟铝石吸附硼后 ,其图谱在 1 40 0～ 1 44 0cm- 1 和 1 62 0～ 1 670cm- 1 处的谱峰变化相似 ;水锰矿吸附硼的图谱在 1 0 0 0cm- 1 和 1 40 0～ 1 44 0cm- 1 处与三羟铝石吸附硼的图谱也有相似之处。     

高寒地区粳稻穗颈瘟的无人机高光谱遥感识别

水稻穗颈瘟作为稻瘟病的一种发病形式常以褐色斑点性状出现在水稻穗颈节部位,对稻穗颈瘟病害快速、无损的识别与分级评估一直是备受关注的研究课题。该研究以高寒地区粳稻大田试验为基础,利用无人机高光谱平台获取不同病害等级的水稻穗颈瘟冠层数据;分别以不同处理的光谱数据作为输入量,使用随机森林（Random Forest,RF）的方法进行建模,并结合水稻生理对各输入量的特征关联加以解释。结果表明：随着稻瘟病病害等级的提升,水稻冠层反射率整体呈现下降的趋势;植被指数组合（Combination of Vegetation Indices,CVIs）作为输入量建立起来的预测模型具有最高的精度,预测集精度达到90%,Kappa系数为0.86,能够解释穗颈瘟发生时所引起的植株整体生理参数综合变化的过程。该研究结果可填补无人机高光谱遥感监测大田穗颈瘟病和实验室穗颈瘟病光谱理论研究之间的空缺,为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。     

基于SERS的苹果树腐烂病原菌早期侵染检测

为了早期诊断由黑腐皮壳真菌(Valsa mali Miyabe et Yamada)引起的苹果树腐烂病,该研究基于表面增强拉曼光谱(surface-enhanced Raman scattering,SERS)技术,以腐烂病菌丝、病原菌丝侵染的苹果树和健康的苹果树枝作为研究对象,结合S-G平滑和迭代自适应加权惩罚最小二乘法进行拉曼光谱预处理,经解析发现病原菌丝与染菌样本在1 598、1 595 cm^-1和2 930、2 925 cm^-1附近敏感谱峰明显区别于健康样本。重复试验分析发现,病原菌侵染可致寄主特征谱峰偏移以及谱峰强度改变：健康样本在1 286 cm^-1附近的特征峰随病原菌的侵染偏移至1 365 cm^-1附近;健康样本在1 286与1 587 cm^-1附近的谱峰强度比值小于0.5,染菌样本在1 365与1 595 cm^-1附近的谱峰强度比值大于0.5,而菌丝在1 327与1 598 cm^-1附近的谱峰强度比值大于1.0;1 5...     

柑桔黄龙病近红外光谱无损检测

为探讨快速无损检测柑桔黄龙病的可行性,应用近红外光谱技术结合机器学习方法进行研究。在4000~9000cm-1光谱范围内,采集黄龙病、缺素和健康3类叶片样本的近红外光谱。采用一阶导数、平滑和多元散色校正组合的光谱预处理方法,消除光谱的基线漂移和散射效应。分别对偏最小二乘判别模型(PLS-DA)的主成分因子数和最小二乘支持向量机(LS-SVM)的输入变量数量、核函数类型及其参数进行了优化,建立了PLS-DA和LS-SVM模型。采用预测集样本,评价模型的预测能力,经比较,采用11个主成分得分向量为输入、线性核函数和惩罚因子为2.25的LS-SVM模型预测效果最佳,模型误判率为0。结果表明采用近红外光谱技术结合最小二乘支持向量机进行柑桔黄龙病无损检测是可行的。     

表面增强拉曼光谱快速检测生鲜肉中的瘦肉精

为了快速检测生鲜肉中的瘦肉精,该研究利用表面增强拉曼光谱技术,以沙丁胺醇为检测目标物,建立了一种快速检测肌肉组织和肝脏中瘦肉精含量的方法。在碱性环境下利用乙酸乙酯对样品中沙丁胺醇进行提取,采用Savitzky-Golay 5点平滑法和自适应迭代重加权惩罚最小二乘法消除光谱噪声以及荧光背景对分析建模的影响。为检测方法的重复性,对50个相同沙丁胺醇质量分数(1 mg/kg)的肌肉组织样品进行信号采集,对沙丁胺醇特征峰强度进行分析,621、814、1 253、1 489、1 609 cm~(-1) 5个特征峰强度的相对标准偏差(RSD)为6.54%、6.07%、8.65%、7.44%、6.81%,说明该方法具有较好的重复性。建立沙丁胺醇标准溶液的预测模型,沙丁胺醇浓度与其特征峰强度相关性较好,决定系数R~2为0.968。对肌肉组织和肝脏中沙丁胺醇含量进行检测,检测范围分别为0.01~5和0.02~5 mg/kg,检出限分别为0.01和0.02 mg/kg,其含量与预测实测值决定系数为0.912和0.921。研究表明,该方法可以实现肌肉组织和肝脏中沙丁胺醇含量的定量预测。     

基于SERS技术的基底增强效应对比及食源性芽孢快速检测

为了实现食源性芽孢的快速识别,该研究利用表面增强拉曼光谱技术,以产气荚膜梭菌芽孢(C.perfringens spores)、艰难梭菌芽孢(C.difficile spores)和生孢梭菌芽孢(C.sporogenes spores)为研究对象,将3种不同纳米溶胶材料Au NPs、Ag NPs和Au@AgNPs作为表面增强拉曼散射(Surface-enhanced Raman scattering,SERS)基底对食源性芽孢的增强效应进行对比,确定较佳增强效果的纳米材料,进一步开展基于较优纳米溶胶材料为基底的SERS技术对不同种属食源性芽孢的光谱解析及快速识别研究。结果表明,Au@Ag NPs对食源性芽孢的SERS增强效果最较好,其增强因子达3.49×10⁴,且光谱特异性和重现性良好。经拉曼光谱解析,Ca²⁺-DPA的拉曼峰是三种食源性芽孢的共有标志特征峰,拉曼振动峰在1 017、1 440和1 570 cm^-1波段显示且峰强度不同。C.perfringens芽孢在740、787、821、1 203、1 308和1 62...     

紫色水稻土胡敏酸的形成——稻草腐解试验

土壤腐植酸类物质的形成是土壤固碳的重要过程,但对腐植酸类物质形成过程的了解仍不甚清楚,为了丰富土壤腐植酸类物质形成理论,采用富立叶变换红外光谱和固态交叉极化-魔角旋转^13C-核磁共振光谱技术分析了紫色水稻土稻草腐解过程中胡敏酸的波谱学特征。结果表明,稻草腐解的前期,胡敏酸的红外光谱所有吸收峰（3364、2933、1653、1599、1508、1461、1421、1331、1225、1126、1033cm^-1）强度皆有明显减弱,核磁共振光谱的烷基、多羟基和芳基的共振峰明显减弱且甲氧基的共振峰显著增强,即表明提取的胡敏酸为类胡敏酸的木质素;随着腐解的进行,胡敏酸的红外光谱的吸收峰强度皆显著增强,核磁共振光谱的烷基、芳基和羰基的共振峰增强,即表明此时的胡敏酸已是以木质素残体为核心并结合烷基、酰胺以及糖类物质反应形成的高分子聚合体;稻草腐解的后期,胡敏酸的红外光谱的2933cm^-1处的吸收峰强度减弱,1651、1599、1508、1461、1422和1224cm^-1处的吸收峰小幅增强,核磁共振光谱的烷基共振峰减弱,甲氧基共振峰增强,表明此时的胡敏酸发生脱烷基（主要是甲基）过程。因此,红外光谱吸收峰强度与核磁共振光谱共振峰强度的规律性变化反映了稻草腐解过程紫色水稻土胡敏酸的形成过程具有阶段性,紫色水稻±胡敏酸的形成过程符合木质素学说。     

傅立叶变换中红外光谱估测水稻叶片氮素含量的研究

通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.89～1586.57, 1587.53～1822.40 和 3709.41～3943.72 cm-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。     

水稻、大豆与芦苇农田冠层光谱特征研究——以辽河三角洲为例

对辽河三角洲遥感实测的42个水稻、15个芦苇和15个大豆野外冠层光谱数据分析结果表明,平均光谱水稻<芦苇<大豆;一阶微分平均光谱水稻、芦苇和大豆形态相近,528nm处水稻<芦苇<大豆,700~760nm间水稻<芦苇<大豆,水稻存在705nm处波峰、715nm波谷和728nm波峰,而芦苇仅有725nm处波峰,大豆仅有705nm处波峰;二阶微分平均光谱360~963nm间水稻、芦苇和大豆形态相近,且差异主要表现在1086~1150nm处,1086~1113nm间水稻和芦苇为单峰,大豆为双峰,1113~1150nm间水稻、大豆为单峰,芦苇为双峰。并探讨了水稻、芦苇和大豆一阶微分光谱与二阶微分光谱中明显的波峰和波谷对区分三者的实际作用。     

线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺

为了实现颗粒状样本的大面积无损快速检测,该研究结合拉曼光谱和高光谱技术搭建了一套线扫描式拉曼高光谱检测系统,对奶粉和三聚氰胺颗粒混合样本进行了检测研究。研究通过高斯窗平滑法和air PLS基线校正方法分别消除了拉曼光谱中的噪声信号和荧光背景,选取三聚氰胺主要特征峰(671.71 cm-1)处的单波段图像作为是否含有三聚氰胺颗粒的判断依据。研究首先对三聚氰胺产生的拉曼信号在奶粉颗粒中的穿透深度进行了检测,随后完成了10种不同浓度的三聚氰胺奶粉混合样本的拉曼高光谱采集,对特征单波段图像中各像素点的拉曼强度平均值进行一元线性分析,并对单波段图像进行二值化处理。结果显示,在三聚氰胺特征单波段图像中,感兴趣区域内所有像素点的拉曼强度平均值与三聚氰胺浓度之间线性度较高,其决定系数R2达到了0.995 4。在二值图像中,三聚氰胺颗粒的位置信息能够直观的展现。研究结果表明,拉曼高光谱成像技术具有快速、无损和大面积检测的特点,在实际应用中具有巨大潜力。     

Rice Quality by Spectroscopic Analysis: Precision of Three Spectral Regions

Three types of spectroscopy were used to examine rice quality: near infrared (NIR), Raman, and proton nuclear magnetic resonance (¹H NMR). Samples from 96 rice cultivars were tested. Protein, amylose, transparency, alkali spreading values, whiteness, and degree of milling were measured by standard techniques and the values were regressed against NIR and Raman spectra data. The NMR spectra were used for a qualitative or semiquantitative assessment of the amylose/amylopectin ratio by determining the 1–4 to 1–6 ratio for glucans. Protein can be measured by almost any instrument in any configuration because of the strong relationship between the spectral response and the precision of the reference method. Amylose has an equally strong relationship to the vibrational spectra, but its determination by any reference method is far less precise, resulting in a 10× increase in the standard error of cross‐validation (SECv) or standard error of performance (SEP) with R ² values equal to that of the protein measurement.