科研产出
高光谱成像的煤与矸石分类
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤与矸石分选是煤矿生产的必要工序,现有的人工分选与机械分选,存在效率低,易造成资源浪费以及环境污染等问题.鉴于可见/近红外高光谱成像具有分析速度快、样品无需预处理、无污染等诸多优势,旨在探讨基于可见/近红外高光谱成像对黑色背景下块状煤与矸石准确分类的可行性,并基于特征波长筛选算法简化模型,为构建多光谱煤与矸石分选系统提供理论参考.首先,搭建高光谱成像系统并采集山西西铭矿的85个煤样本与83个矸石样本在400~1000 nm(Vis/NIR)与1000~2500 nm(NIR)两个范围内的高光谱图像,基于图像处理方法去除背景信息,选取Vis/NIR范围内100×100像素和NIR范围内50×50像素区域内的平均光谱作为该样本在对应波段范围的一条光谱,重复10次,最终在两个波段各获得煤与矸石光谱850条和830条.其次,对光谱先后进行Savitzky-Golay卷积平滑和标准正态变量变换,以减少噪音和误差对光谱的影响.基于全波段光谱建立支持向量机(SVM),k近邻法(KNN),偏最小二乘判别分析(PLS-DA)三种模型,每个模型针对预测集的分类准确度均大于0.95,结果表明,基于煤和矸石的光谱信息可将二者区分.随后根据竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择的特征波长建立简化模型,综合考虑精度与成本等因素,在Vis/NIR范围内基于SPA筛选的3个特征波长所建立的SVM模型效果最好,不仅能有效减少波长数量,还能提高模型的分类效果,对应的灵敏度,特异度,准确度分别为1,0.9652,0.9833.基于判别模型与样本的平均光谱还可实现煤和矸石的分类可视化.研究结果对开发基于特征波长的低成本煤和矸石多光谱分选系统,实现煤矸快速、准确的无损检测具有借鉴意义.
关键词： 高光谱成像;煤;矸石;黑色背景;无损检测
全文链接
请求原文
小波分析的茶鲜叶全氮含量高光谱监测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：茶是世界上最受欢迎的饮料之一,而氮素(N)是影响茶叶品质的主要成分之一,因此快速准确地估算N素含量至关重要.由于测定N含量的化学方法繁琐耗时,利用高光谱对茶鲜叶中N含量进行预测,利用连续小波转换(CWT)提取的小波系数,探究CWT不同分解层数对于N素含量的估测能力,并讨论了不同波长选择算法所建模型的预测效果.首先,采集广东省英德市茶园的151个茶鲜叶样品高光谱数据,将获得的原始光谱通过卷积平滑(SG)、去趋势(Detrending)、一阶导数(1st)、多元散射校正(MSC)和标准正态变量变换(SNV)五种预处理方法进行预处理并作为参考.其次,采用连续小波对原始光谱进行初步处理生成多尺度小波系数,并进行相关性分析,分别利用连续投影算法(SPA)、竞争性自适应加权采样法(CARS)和变量组合集群分析(VCPA)方法进一步优化CWT变换后光谱数据的变量空间,最后,以特征变量为输入使用PLSR建立了N素定量监测模型,并对比不同尺度不同方法估算N素的效果.结果表明,连续小波分析方法可有效提升茶鲜叶光谱对N素含量的估测能力,明显优于常规光谱处理方法.经连续小波分解后,对茶鲜叶N素的预测能力随分解尺度的增加整体呈逐步降低的趋势,其中在1~6尺度连续小波变换后的光谱与茶鲜叶N素存在良好的相关性,表明小尺度的连续小波分解可有效应用于茶鲜叶N含量的监测.基于CWT(1)-VCPA方法建立的模型精度最高,且变量数相比于全波段减少了99.34%,其建模与预测R2达到0.95和0.90,相比于传统光谱处理方法,精度提升了11%,证明CWT-VCPA可以有效降低光谱维度并大幅提升模型精度.实现了茶叶N素含量的高效量化预测,为评估茶叶的其他成分提供了可靠技术参考.
关键词： 茶鲜叶 氮素 连续小波变换 高光谱 变量组合集群分析
全文链接
请求原文
TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：番茄叶片在感染病害后首先发生的是内在生理反应,肉眼无法观察到.叶片从被感染到出现肉眼可见病斑期间,称为叶片病害潜育期.为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断,对接种样本进行叶片编码、跟踪、采集所有编码叶片样本1~8d连续高光谱图像数据,建立番茄叶片样本时序高光谱数据集.采用跟踪的叶片样本出现肉眼可见病斑前几天同一位置区域的高光谱数据作为潜育期感兴趣区域进行检测分析.为了建立番茄叶片灰霉病潜育期诊断和不同病斑等级分类模型,采用基于教学优化算法(TLBO)优化极限学习机(ELM)的分类模型进行建模.通过TLBO算法优化ELM的输入权值和隐藏层的偏差,提高模型分类性能.利用高光谱成像系统在近红外高光谱波段388~1006 nm波段获取五个等级的感兴趣区域进行数据建模,共采样213个高光谱数据,其中,健康类(56个)、潜育期类(42个)、小病斑类(43个)、大病斑类(39个)和严重类(33个).通过对比不同的光谱预处理方法,采用效果最好的小波滤波变换(DWT)对样本数据中每类数据分别滤波.DWT滤波后,在610~840 nm波段间五个等级光谱曲线能区分明显,共包含91个波长,波长数量较多.因此,采用竞争性自适应重加权抽样法(CARS)对采用DWT预处理后的光谱数据在610~840 nm波段重复3次优选特征波长,合并去除重复项后得到9个特征波段:694,696,765,767,769,772,778,838和840 nm.最后分别选取全波段FC、610~840 nm波段、C A RS提取的9个特征波段建立3个分类模型FC-TLBO-ELM,DWT-TLBO-ELM,DWT-CARS-TLBO-ELM进行对比,其中DWT-CARS-TLBO-ELM检测精确度最高达100%,潜育期召回率100%,利用时间最短为0.0689 s,表明该模型可以实现番茄灰霉病潜育期高精度诊断和灰霉病病害程度高精度分类,为番茄灰霉病早期防治、精准施药提供理论依据.
关键词： 时序高光谱数据 灰霉病程度分类 潜育期诊断 极限学习机 教学优化算法
全文链接
请求原文
交替光谱辐照对叶用莴苣营养元素水平的影响
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：在人工光型植物工厂中采用深液流水培法栽培叶用莴苣,依托光谱时空分布可精准调控的智能LED光源系统,应用电感耦合等离子体原子发射光谱技术(ICP-AES),研究了5 min,10 min,15 min,30 min,60 min,2 h,4 h和8 h等不同间隔的红、蓝光谱交替照射对叶用莴苣中K,P,Ca,M g,Fe,M n,Zn和Cu等8种营养元素吸收和累积的影响.结果表明:(1)与同时照射模式相比,所有的交替光谱处理均显著提高了叶用莴苣地上部生物量,其中鲜重提高幅度约为18.6% ~67.4%,干重提高幅度约为5.1% ~88.0%;所有的交替红蓝光谱照射下叶用莴苣体内Mg,Fe和Zn元素的植株累积量均得到显著(p<0.05)地提高;所有的红蓝交替光谱辐射处理均不同程度地降低了叶用莴苣植株中Ca元素含量.(2)间隔为5 min的红蓝交替光谱辐射下莴苣植株Fe元素含量显著高于其他任意处理,较其他处理增加了38.87% ~85.37%,高频次的红蓝光切换照射刺激了叶用莴苣植株对Fe元素的吸收.(3)红蓝交替光谱辐射有利于提高叶用莴苣的能量利用效率,与红蓝同时供光的RB处理相比,所有交替处理均显著提高了叶用莴苣的光、电能利用率,提高幅度分别约为34.3% ~87.5% 和34.6% ~87.9%;其中,间隔为4 h的红蓝交替光谱辐射下叶用莴苣植株的光、电能利用率均最大,分别为6.13% 和2.01%,除间隔为5和10 min的红蓝交替光谱辐射处理外的其他交替光谱处理下的植株光、电能利用率均与处理间最大值无显著性差异.(4)叶用莴苣对K和M g两种元素的吸收在红蓝光交替间隔为10 min,15 min,60 min及4 h等多个处理下呈现拮抗现象.(5)R/B(30 m)处理下叶用莴苣中P,Ca,Fe和Mn等四种元素的含量水平均呈现处理间最低水平,其中P和Ca元素含量水平显著低于对照.
关键词： 交替光谱 非连续光谱 ICP-AES技术 叶用莴苣 营养元素
全文链接
请求原文
化学氮肥有机替代条件下黑土DOC荧光光谱特征
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：有机无机肥配施是实现土壤培肥、减少无机肥施用的有效措施.为探讨黑土区有机肥替代无机肥(氮肥)对土壤溶解性有机碳(DOC)含量及结构的影响,本研究采用有机肥不同比例替代化学氮肥,分析土壤DOC的含量及荧光光谱特征.结果表明,M(100% 有机替代化学氮肥)处理土壤DOC显著高于其他处理,其含量为325.97 mg·kg-1.与CK(不施肥)处理相比,各施肥处理荧光峰各波长均有不同程度蓝移,各处理土壤DOC的荧光指数(FI)分布在1.54~1.59范围内,腐殖化指数(HIX)均小于0.85,表明DOC来源受自生源和陆生源共同作用的影响,土壤腐质化程度均较低.平行因子分析法分析识别出3个荧光组分,分别为2个腐殖质类组分(富里酸类物质和腐殖酸类物质)及1个类蛋白组分(类酪氨酸蛋白质物质).各施肥处理3个组分荧光强度均高于CK处理,其中M和M2 N2(25% 有机替代化学氮肥)处理下土壤DOC总荧光强度较高,C3组分荧光强度以M2 N2处理最高,土壤DOC中3个有机组分的相对比重以荧光组分C1最高,接近50%,表明该地区土壤中小分子物质占有较大比例,施肥能够提高土壤腐质化程度,有利于土壤DOC固定,合理的有机肥配施化学氮肥能增加DOC的有效性,提升土壤供肥能力.
全文链接
请求原文
基于XGBoost与可见-近红外光谱的煤矸识别方法
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：煤矸智能识别是实现综放开采智能化亟待研发的新技术;可见-近红外光谱技术具有环保、实时等优势,满足煤矸智能分选的要求.为解决基于可见-近红外光谱的煤矸识别问题,引入在数据科学竞赛中表现出色的极端梯度提升树(XGBoost)算法.搭建可见-近红外光谱实验平台采集来自山西西铭、陕西神木、内蒙古巴隆图煤矿的块状煤与矸石样品在370~1049 nm波段的反射光谱;利用黑白校正、始末波段去除、SG卷积平滑和标准正态变量变换(SNV)对采集的原始光谱进行预处理,以减少光照不均、噪声以及光程差的影响.依据三个煤矿煤与矸石样品反射光谱的差异划分实验组和测试组,实验组差异微小,用于对比不同模型的性能,挑选最佳算法;测试组差异较明显,用于测试最佳算法在其他煤矿下的表现,检验算法对不同煤矿的适用性.在实验组的实验中,首先基于XGBoost算法建立煤与矸石分类模型,并引入常用的机器学习分类算法k近邻法(KNN)、随机森林(RF)、支持向量机(SVM)做对比,结果表明XGBoost的表现最佳,十折交叉验证的平均准确度(ACC10)、分类准确度(ACC)与AUC值分别达到0.9572,0.9705与0.9716,体现出较强的稳定性与分类能力.其次为降低数据维度减少模型运算量,使用递归特征选择(RFE)、连续投影算法(SPA)与竞争性自适应重加权算法(CARS)分别进行特征波长的选择并与上述四种分类算法结合构建简化分类模型,经测试RFE与XGBoost组合的简化模型表现最佳,ACC10,ACC与AUC值分别为0.9657,0.9803与0.9803且数据维度降至9,在降低数据维度的同时提高了模型的稳定性与分类能力.在测试组的实验中,基于优选出的XGBoost与RFE-XGB算法建立的模型,同样可以实现对其他矿区煤与矸石稳定精确地识别,且简化模型表现更好,与实验组结果一致.
关键词： XGBoost 可见-近红外光谱 煤矸石分选 黑色背景 无损检测
全文链接
请求原文
基于可见光谱和改进注意力的农作物病害识别
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费.为提高农作物病害识别的准确率且避免深层网络的使用,该研究将注意力机制引入农作物病害识别领域,提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型,设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet.利用卷积层代替全连接层设计参数量较少的残差网络(ResNet),然后利用SMLP、归一化结构(Batch Normalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res),其中SMLP由全局池化和多层感知机组成,建立各通道间依赖关系.多层感知机使用三层网络结构,将全局特征的通道维度提升至两倍,然后对其通道维度进行两次降维,恢复至原始维度,减少了全局特征损失.SMLP_Res可对通道中的病害特征重校准,减少对识别任务无效的冗余信息,最后构建农作物病害识别模型SMLP_ResNet,在减少模型层数同时提高其识别率.使用两个不同难度的多种植物和病害混合的公开数据集AI Challenger 2018和Plant Village验证本文模型.实验结果表明,SMLP_ResNet模型在18、50和101层时达到了较高的识别率,其中SMLP_ResNet18模型效果最佳,在两个数据集中的病害识别率分别为86.93% 和99.32%.SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络,还高于其他研究者提出的模型的准确率,且模型权重大小为48.6 MB,仅约为AlexNet网络权重的五分之一,能够在模型参数量较小的情况下实现较高的病害识别率.从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征,其背景信息以及叶片健康部位的权值较小.该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别,提高了对叶片病害区域的辨识度,减少了背景等冗余特征的影响,适用于面向多种农作物不同病害下的高精度识别.
全文链接
请求原文
基于多维随机森林的番茄灰霉病高光谱图像早期检测
《光谱学与光谱分析 》 2022 EI SCI 北大核心 CSCD
摘要：植物病害的自动早期检测对于作物精确保护至关重要.提出了一种基于多维光谱序列(multi-di-mensional spectral series,MDSS)和加权随机森林(weighted random forest,WRF)的番茄灰霉病早期诊断与鉴别方法.目的是利用叶片多个观测维度的光谱曲线整体变化趋势建立作物病害检测模型,以期在肉眼明显可见叶面病斑前对作物病害实现诊断.将健康叶片接种灰霉病菌第3天作为叶片成功染病第1天.试验首先采集番茄健康叶片和染病叶片7天内每天的高光谱图像,提取感兴趣区域并计算平均光谱作为初始光谱数据,经筛选共得到(156×7)组有效样本.将样本数据按时间顺序拆分成分别包含1~7个维度的光谱数据形成多维原始光谱序列,为增加维度间差异性,相邻原始光谱序列相减构成多维关联光谱序列.分别采用符号聚合近似估计(symbolic aggregate approximation,SAX)和符号傅里叶近似估计(symbolic Fourier approxi-mation,SFA)两种符号化方法将光谱序列离散成局部辨别性特征.基于多维光谱序列的局部辨别性特征建立加权随机森林(MDSS-SAX-SFA-WRF)分类模型,实现病害早期检测.相应地,基于单维光谱序列(single-dimensional spectral series,SDSS)的番茄灰霉病识别模型被作为基准模型与MDSS-SAX-SFA-WRF模型比较.试验结果显示,MDSS-SAX-SFA-WRF检测模型在包含2至7个光谱序列维度的56个测试样本数据中均获得90% 以上识别准确率,在包含5个光谱序列维度测试集中得到最高99% 的识别准确率,较SDSS-SAX-SFA-MRF检测模型在染病第5天的识别率高8.2个百分点.另外受随机干扰的影响,SDSS-SAX-SFA-MRF模型准确率在染病5~7 d出现大幅度回落至最低84%,MDSS-SAX-SFA-WRF模型识别率在肉眼可见病斑阶段依然保持超过98% 的较高检测水准,未过度回落.因此,提出的基于多维光谱曲线整体变化趋势和加权随机森林(MDSS-SAX-SFA-WRF)的分类模型能够有效实现番茄灰霉病早期检测,并具有较强的鲁棒性,为染病初期的番茄灰霉病鉴别提供新思路.
关键词： 早期病害识别 高光谱成像技术 番茄灰霉病 随机森林 多维时间序列
全文链接
请求原文
对比主成分分析的近红外光谱测量及其在水果农药残留识别中的应用
《光谱学与光谱分析 》 2020 EI SCI 北大核心 CSCD
摘要：近红外光谱(NIR)分析具有测试方便、不破坏样本、响应快速等优势,但是,由于在谱带分布和结构分析中存在着许多复杂因素,使得在提取特征光谱信息时存在许多困难。现阶段,虽然已经有多种光谱数据降维方式被广泛使用,但是这些传统的数据降维方式都有一个局限性,就是数据的降维仅仅针对于一个数据集,当数据集中有多个关键因素形成干扰时,数据降维和分类的结果往往不是很理想,得不到想要分析的信息。这一问题造成了在分析近红外光谱时建立的数据降维模型极差,无法正确的对样品进行预测分类。对比主成分分析(contrastive principle component analysis, cPCA)是一种基于主成分分析(PCA)的改进算法,起源于对比学习,并应用于基因组信息解析。cPCA算法的优势就是能够将一个数据集中的降维推广到两个相关联数据集之间的降维,从而能够得到数据集中的关键信息。将cPCA算法应用于近红外光谱处理中,建立了准确的近红外光谱数据降维模型。在实验验证中,使用cPCA算法对不同类型水果(苹果和梨)表面农药残留进行分析。结果表明,在对不同类型的水果进行农药残留分析时,使用PCA算法进行数据降维只能区分出不同的水果类型,而水果表面是否喷洒农药这一关键的特征信息并不能分析出来;而使用cPCA算法进行数据降维分析时,由于对背景光谱的约束作用,能够清晰的将有无喷洒农药的样本分类。这说明了, cPCA在近红外光谱数据降维中有着明显的优势,解决了近红外光谱数据降维模型中数据集受限和特征信息的提取问题,进而建立准确的近红外光谱数据降维模型。
全文链接
请求原文
溶液阴极辉光放电结合标准加入法和背景去除法分析水溶液中的Ca和Mg
《光谱学与光谱分析 》 2020 EI SCI 北大核心 CSCD
摘要：溶液阴极辉光放电发射光谱法易受水体样品中的基体效应影响,而且对于实际水体样品组份相对复杂,含有多种元素,受基体效应干扰更加明显,导致金属元素浓度预测精度降低。为了减少溶液阴极辉光放电发射光谱法中水体样品基体效应的影响,常常利用定量分析方法对金属元素进行分析。这些定量分析方法中,标准加入法尤其适合于待测物质基体效应较为显著或者含有干扰物质等情况,然而标准加入法容易受到背景信号的干扰,使测量结果产生误差,因此在进行标准加入法之前需要消除光谱数据的背景干扰。最简单的谱线干扰消除法是离峰校正法,此法扣除线峰左右两侧的背景强度值,以达到消除背景干扰的目的;小波变换法同样也适用于消除背景干扰,并且具备普适性,利用此法对小波进行多尺度分层,而后对小波低频系数进行处理,获得校正后的数据。在独立开发的溶液阴极辉光放电发射光谱系统上,利用基于标准加入法的离峰校正法和小波变换法对水溶液样品中Ca和Mg含量进行预测。实验结果比较发现,基于传统的标准加入法,测得5, 10和20 mg·L~(-1)浓度的Ca样品的相对误差分别为157.0%, 105.1%和47.0%, Mg的相对误差分别为20.1%, 3.1%和2.8%。然而,结合标准加入法和离峰校正法后, Ca的相对误差分别降低至15.4%,-8.8%和3.3%, Mg的相对误差分别降低至14.5%, 0.1%和0.8%。采用小波变换算法消除背景干扰后的标准加入法, Ca元素的相对误差分别降至13.2%,-7.6%和-1.4%, Mg的相对误差分别降至13.4%,-0.4%和0.5%。结果表明,离峰校正法和小波变换法结合标准加入法测量Ca和Mg的准确度显着提高,两种方法能有效地消除背景干扰,降低基体效应,使预测精度升高。其中,小波变换法结合标准加入法可用于多种类型的背景校正场合,无需选择合适的背景校正点,而且预测精度更高,相比离峰校正法具有一定的优势。
关键词： 溶液阴极辉光发射光谱法 金属元素检测 标准加入法
全文链接
请求原文
