干旱胁迫对3种冷季型草坪草光谱反射率及生理特征的影响

为探讨高光谱分析技术在草坪草水分监测上的应用,以草地早熟禾、高羊茅、多年生黑麦草为试验材料,测定了干旱胁迫下3种冷季型草坪草生理指标及光谱反射率。结果表明:随着干旱胁迫程度的加深,供试草坪草叶片相对含水量和叶绿素含量显著下降(P0.05),丙二醛含量、脯氨酸含量及敏感波段的(550和760 nm)的光谱反射率显著上升(P0.05),3种草坪草抗旱性能的强弱顺序为:高羊茅多年生黑麦草草地早熟禾。3种草坪草敏感波段光谱反射率(R_(550 nm),R_(760 nm))及高光谱参数(Rg,R0,GNDVI)与生理指标间呈显著或极显著相关,以R_(550 nm)与生理指标间的相关系数绝对值最大。同时R_(550 nm)构建了供试草坪草生理指标的估测模型,经检验,模型估测值与实测值相关性达显著或极显著水平。     

应用手持式近红外光谱仪检测桑椹可溶性固形物含量的偏最小二乘回归模型建立

可溶性固形物含量(SSC)是评价桑椹鲜果品质的重要指标,利用近红外光谱分析技术建立快速、实时无损地检测桑椹鲜果中可溶性固形物的方法。首先用手持式Micro NIR1700型近红外光谱仪采集桑椹的近红外光谱,对光谱进行预处理后,应用偏最小二乘回归(PLS)法建立桑椹鲜果SSC预测模型,并用随机蛙(Random-frog)和自适应重加权采样(CARS)2种方法筛选出最优波长变量,提高PLS模型预测精度。经过1阶求导(1stDer)、标准正态变量变换(SNV)和均值中心化(MNCN)相结合预处理后的全波长光谱PLS模型的预测效果最好,校正集与验证集的相关系数平方(R2)分别为0.916 1和0.925 0,均方根误差分别为0.985 8°Brix和0.654 3°Brix。相较于Random-frog法,用CARS方法优选出19个波长变量,所建PLS模型的预测效果更好,校正集与验证集的R2分别为0.933 2和0.943 4,均方根误差分别为0.782 0°Brix和0.582 8°Brix。研究结果表明,利用手持式Micro NIR 1700型近红外光谱仪结合化学计量学方法,能够用于现场对桑椹鲜果SCC的快速无损检测。     

家蚕微孢子虫孢子的异质性研究:基于单细胞拉曼光谱的分析

家蚕微粒子病是由家蚕微孢子虫(Nosema bombycis,Nb)感染、寄生而引起的对蚕业生产具有毁灭性的疫病,深入解析Nb孢子的基础生物学特性和异质性对病害的有效防控具有重要意义。通过拉曼光谱技术采集不同感病家蚕个体内的单个Nb孢子的拉曼光谱信息,应用化学计量学分析Nb孢子光谱的同质性和异质性。结果发现,来自同一感病家蚕个体内的Nb样本可观察到几种类型的拉曼光谱,成熟Nb孢子中最为显著的拉曼峰主要来自孢内的海藻糖;通过主成分分析,来自不同感病家蚕个体的Nb孢子间的拉曼光谱差异主要体现在海藻糖峰和脂类物质峰,而且在部分感病家蚕个体来源的Nb孢子之间,其拉曼光谱中的海藻糖和核酸、蛋白质的峰强度甚至具有显著差异。研究结果表明,无论是来自同一感病家蚕个体的Nb孢子间,还是来自不同感病家蚕个体的Nb孢子间,都有一定的异质性,利用拉曼光谱可以在单细胞水平上便捷地分析微孢子虫孢子的基础生物学特性和异质性。     

近红外谷物分析仪在小麦品质分析中的应用性研究

20世纪60年代，Karl Norris使用漫反射技术对农产品水分、蛋白和脂肪进行研究，从而发现了近红外光谱用于常规分析的实用价值。与传统光谱技术不同，近红外定量分析只需要一系列已知待测成分含量的样品，运用现代统计学的算法，建立近红外光谱参数与样品待测成分之间的对应关系。这种对应关系一般称之为校准或校准曲线。用这一校准曲线对未知样品的近红外图谱进行预测，从而得到未知样品待测成分的预测值。近年来，近红外定量分析技术和相关仪器在农业、食品、医药等领域已经得到广泛的应用。在食品检测方面，近红外定量分析技术因其快速准确，已经列入世界谷物科技协会标准（ICC No．159和ICC No．202）和美国谷物化学协会标准（AACC No．39-00），成为世界公认的标准。但在粮食收储企业中的应用尚处于起步阶段。     

注水肉无损检测技术现状与发展趋势分析

针对目前市场上注水肉现象加重问题,有必要研究注水肉的检测技术。首先对注水肉的传统检测方法进行简要论述,分析总结了传统方法的弊端;然后对现阶段肉品含水率的4种主要无损检测方法:生物电阻抗法、核磁共振方法、超声波法和近红外光谱法的研究现状及特点进行了总结分析,着重叙述了近红外光谱技术在肉品含水率及品质检测中的研究情况及技术特点,提出了未来技术发展方向。     

融合光谱与图像信息的河套蜜瓜糖度在线检测试验系统

针对蜜瓜糖度在线检测的需求,设计了融合漫透射光谱与图像信息的河套蜜瓜糖度在线检测试验系统,该系统包括硬件平台和软件系统两部分。硬件平台主要包括蜜瓜输送装置、光谱采集装置、图像采集装置和控制系统4部分。软件系统基于Microsoft Visual C++6.0语言,结合Omni Driver软件、Fly Capture2及Open CV软件开发。系统可实现蜜瓜光谱与图像信息的自动采集、显示及保存,可实现对漫透射光谱预处理,获取糖度检测所需光谱数据,对图像预处理,提取蜜瓜外观特征图像信息(R、G、B颜色值和蜜瓜体积)。在此基础上,系统可通过融合漫透射光谱与图像信息的蜜瓜糖度检测模型,计算蜜瓜糖度。系统同时可实现检测个数统计,外观特征信息及糖度的实时显示、保存等功能。测试试验表明,该试验系统检测1个样品用时1.2 s,糖度检测均方根误差为1.22,可满足河套蜜瓜糖度在线检测试验需求,为进一步开展河套蜜瓜糖度在线检测研究奠定了基础。     

基于多源数据融合的盐分遥感反演与季节差异性研究

为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。     

人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术，开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型，对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明，对于含噪声的光谱，与PLS建模相比，使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数，更低的预测误差标准差。     

近红外技术(NIR)在小麦商品粮收购中的应用研究

利用近红外谷物品质分析仪 (Perten DA910 0 ) ,对陕西省某县 6 2 4户农民 2 0 0 0年夏季上缴粮库的公购粮进行现场品质分析。结果认为 :人工主观评定的商品粮等级与其蛋白质含量、水分含量、硬度、沉淀值、烘烤体积无显著相关性 ;近红外谷物品质分析仪 (Perten DA910 0 )完全能够满足粮库验粮的需要 ;小麦籽粒硬度、蛋白质含量是商品粮收购定级的重要指标     

光谱技术结合水分校正与样本增广的棉田土壤盐分精准反演

棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外（400～1 000 nm）和长波近红外（960～1 693 nm）技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法（external parameter orthogonalization,EPO）,校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络（deep convolutional generative adversarial networks,DCGAN）,进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R²和均方根误差分别为0.942、115.420 μS/cm,验证集R²和均方根误差分别为0.910和136.472 μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。