1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 国家海洋局第一研究所, 山东 青岛 266061
利用PARASOL卫星搭载的多角度偏振地球反射率探测仪-3(POLDER-3)的偏振数据,反演了香河地区细粒子气溶胶光学厚度。反演数据与POLDER、MODIS业务化产品及AERONET数据进行对比分析,POLDER的细粒子气溶胶光学厚度反演效果显著优于MODIS产品,相关系数由0.67升至0.93,平均误差由0.32降至0.15。将POLDER偏振数据与神经元网络方法相结合,相关系数升至0.94,平均误差降为0.11。将该神经网络(NN)训练模型应用于杭州和香港地区进行验证,在杭州地区反演精度相似,在香港地区适用性较差。研究表明,利用POLDER偏振数据结合神经网络方法来提取细粒子气溶胶信息是可行的。
大气光学 细粒子气溶胶 偏振遥感 神经网络 POLDER 激光与光电子学进展
2020, 57(3): 030101
1 南京财经大学管理科学与工程学院, 江苏 南京 210046
2 江苏省质量安全工程研究院, 江苏 南京 210046
3 南京理工大学机械工程学院, 江苏 南京 210046
奶粉的真伪和掺伪近年来受到广泛的关注, 研究一种操作便捷, 能准确、 快速、 全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。 为实现奶粉的真伪鉴别, 采集三种品牌奶粉贝因美、 飞鹤和雀巢的拉曼光谱, 并利用拉曼谱图特征峰结合最近邻算法（nearest neighbor, NN）的模型对三种品牌奶粉进行识别, 在10次交叉验证的基础上, 平均识别率为99.56%。 为实现奶粉的掺伪分析, 将飞鹤奶粉与雀巢奶粉按不同质量比（0∶1, 1∶3, 1∶1, 3∶1, 1∶0）混合成五种掺伪奶粉, 提取掺伪奶粉中的脂肪, 采集脂肪样本的拉曼光谱, 分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析（kernel principal components analysis, KPCA）结合最近邻算法的模型对五种脂肪样本进行识别, 10次交叉验证下的平均识别率分别为93.33%和98.89%, 平均运算时间分别为0.085和0.104 s。 实验证明: 特征峰结合NN的算法可以快速实现对奶粉真伪的判别, 但此算法不能很好的区分掺伪奶粉; 拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、 准确、 快速的方法。
奶粉 拉曼光谱 核主成分分析 最近邻算法 真伪 掺伪 Milk powder Raman spectroscopy Kernel principal component analysis (KPCA) Nearest neighbor algorithm (NN) Authenticity Adulteration
西安北方光电科技防务有限公司, 陕西西安, 710043
在分析盲元特性的基础上, 依据形态学开闭运算对尖峰信号的滤波性质, 提出了一种新的红外焦平面阵列盲元检测算法。选取合适的结构元素, 运用开闭运算的滤波作用对图像进行平滑处理, 从平滑图像中减去其均值得到阵列噪声响应图像, 选取合适的图像均值的倍数作为检测阈值。对阵列图像进行开闭运算并与平滑图像取差后得到对过亮及过暗像素增强的图像, 每个像素与阈值进行比较判别出盲元。
红外焦平面阵列 盲元检测 数学形态学 滤波 IRFPA blind pixel detection morphologic operation filter
