1 南昌航空大学 测试与光电工程学院，江西 南昌 330063
2 华东交通大学 机电与车辆工程学院，江西 南昌 330013
剪切散斑干涉是一种非接触式、全场高精度光学变形测量技术，由于环境等因素导致采集的散斑条纹图像存在大量随机噪声,进而影响测量精度。传统去噪方法在滤除噪声的同时，容易导致条纹边缘信息的丢失甚至破坏。针对该问题，本文提出基于正余弦变换和双调滤波相结合的剪切散斑干涉图像去噪方法。该方法首先对相位条纹图进行正余弦变换获得两幅图像，其次对这两幅图像分别运用双调滤波方法进行去噪，最后将滤波后的两幅图像合并为最终的相位条纹图。实验结果表明：经本文方法滤波后的相位图散斑抑制指数为0.999，平均保持指数为2.995，证明该方法较传统去噪方法能更好地改善相位图质量，且能较大程度地保留相位条纹的细节及边缘信息。
剪切散斑 干涉 光学测量 去噪 双调滤波 shearography interference optical measurement denoise bitonic filtering
华东交通大学 智能机电装备创新研究院, 南昌 330013
为了获得稳健的近红外光谱模型, 采用变量选择结合模型更新的方法, 以240个红富士苹果为对象, 取得近红外漫透射光谱和糖度数据, 建立偏最小二乘回归模型, 对苹果糖度含量进行预测, 并采用后向区间偏最小二乘法和竞争性自适应重加权算法, 对建模变量进行了选择, 通过将新批次中的一些样品加入到旧批次中重新校准来实现模型更新。结果表明,变量选择可以提高模型性能, 预测决定系数提高到0.7915, 预测均方根误差降低到0.5810, 预测偏差降至0.2627;结合模型更新策略, 可以进一步降低预测均方根误差和预测偏差;仅使用20个样品进行模型更新已经明显改善了模型性能, 预测决定系数提高到0.8506, 预测均方根误差降到0.4358, 预测偏差降到0.1045。这一结果对于多种水果建立稳健的近红外光谱模型是有帮助的。
光谱学 后向区间偏最小二乘 竞争性自适应重加权 苹果 模型更新 spectroscopy backward interval partial least squares competitive adaptive reweighted sampling apple model update
华东交通大学智能机电装备创新研究院, 江西 南昌 330013
黄桃含有丰富的营养物质, 深受消费者的喜爱。 但在加工运输的过程中极易受到碰伤, 给果农和销售商带来极大地经济损失。 以往利用高光谱技术检测水果碰伤, 通常是仅仅利用光谱信息或者图像特征建立水果碰伤检测模型, 很少将图谱融合用于水果碰伤的检测。 光谱反射率容易受到外界杂散光的影响, 会丢失一部分真实信息, 图像包含的信息量较少, 仅仅只靠几个特定波段的图像很难精准识别。 因此, 为了实现对黄桃碰伤程度的精准分类, 从而可根据不同碰伤程度的黄桃制定不同的处理方式, 减小经济损伤。 提出一种利用高光谱的光谱信息结合图像特征建立模型来检测不同碰伤程度的黄桃。 以180个黄桃作为实验样品, 首先分别采集轻度、 中度和重度碰伤黄桃的高光谱图像, 在每个黄桃的碰伤位置选取100×100像素的区域作为感兴趣区域, 利用ENVI4.5软件提取碰伤区域的光谱信息。 然后采用主成分分析(PCA)算法对采集的高光谱图像进行降维处理, 在前5个PC图像中最终选择PC1图像作为黄桃碰伤的主成分图像, 根据PC1图像的权重系数曲线挑选出6个特征波长对应的图像作为特征图像, 将平均灰度值作为黄桃碰伤的图像特征。 最后, 分别利用光谱信息、 图像特征、 光谱信息结合图像特征建立黄桃碰伤的PLS-DA模型, 利用分类正确率来评价各个模型的性能。 结果表明, 基于光谱信息结合图像特征建立的PLS-DA模型的判别效果最好, 对轻度碰伤、 中度碰伤和重度碰伤的分类准确率分别为85%, 90%和100%, 总体正确率达到91.7%。 为了能够进一步提高PLS-DA模型的精确度和运行效率, 利用竞争性自适应重加权(CARS)算法对融合数据中的光谱数据进行特征波段的筛选。 利用特征波段结合图像特征建立的模型分类预测效果最好, 对轻度碰伤、 中度碰伤和重度碰伤黄桃的预测正确率分别为95%, 90%和95%, 总体正确率达到了93.3%。 研究表明基于高光谱的光谱数据结合图像特征建立PLS-DA模型检测黄桃碰伤程度是可行的, 为黄桃的采后处理提供了依据。
黄桃 高光谱成像 光谱信息 图像特征 碰伤程度 偏最小二乘判别 Yellow peaches bruise Hyperspectral imaging Spectral information Image features Damage degree Partial least squares linear discriminant
华东交通大学智能机电装备创新研究院, 江西 南昌 330013
我国高速铁路运行距离长, 服役环境多变, 对车轮钢的性能要求较高。 车轮钢的晶粒尺寸直接影响着车轮钢的力学性能, 且晶粒的特征和测量对材料科学有着重要的作用, 因此为了保证高速列车的安全运行, 对高铁车轮的晶粒度等级进行检测是十分必要的。 利用激光诱导击穿光谱(LIBS)实验平台对5个不同晶粒度等级的ER8高速列车车轮钢样品(经过不同热处理得到不同晶粒度等级)进行击穿获取光谱信息, 比较了基体元素Fe和合金元素(Cr, Mo, Co)的谱线强度与5个不同晶粒度等级的样品之间的相关性, 发现均与样品晶粒度等级存在不同程度的相关性。 利用此关系建立以谱线强度为变量的偏最小二乘判别分析(PLS-DA)模型, 在建立模型前分别采用标准正态变量变换(SNV)、 多元散射校正(MSC)和Savitzky-Golay卷积平滑方法进行预处理。 通过比较各种预处理方法, 得出采用SNV预处理后建立的模型效果最佳, 建模集误判个数为4个, 准确率为95.7%, 预测集误判个数为3个, 准确率为90%。 在SNV预处理方法的基础上, 分别选择竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)和CARS-SPA三种波长筛选方法进行波长筛选, 比较基于不同特征波长筛选的模型效果, 结果表明, 使用CARS进行波段筛选后建立的模型效果最佳, 建模集误判个数为2个, 准确率为97.9%, 预测集的误判个数为1个, 准确率为96.7%, 模型的准确率均高于90%, 可以将不同晶粒度等级的样品进行分类。 综合分析以上判别分析模型结果, 发现结合SNV预处理和CARS波段筛选后的PLS-DA模型的准确率最高。 研究表明, 采用激光诱导击穿光谱技术结合偏最小二乘判别分析高铁车轮钢晶粒度等级具有一定可行性, 可将其用于评估车轮钢表面晶粒度等级, 同时也为LIBS技术应用于不同晶粒度等级的高铁车轮钢研究提供了一定的基础依据。
车轮钢晶粒度等级 谱线强度 LIBS Wheel steel grain size grade Spectral characteristics PLS-DA LIBS PLS-DA 光谱学与光谱分析
2022, 42(11): 3428
华东交通大学机电与车辆工程学院, 江西 南昌 330013
我国铁路跨度长、 运营时间长、 运行环境变化较大, 故对于车轮的磨损较大, 为保障高速铁路的安全运行, 高速列车车轮表面硬度就成为了一项重要参考指标。 激光诱导击穿光谱(LIBS)实验平台对8块不同硬度的HS7高铁车轮用钢样品进行击穿获取LIBS光谱数据, 发现基体元素(Fe)和合金元素(Cr, Mo, W)的谱线强度、 离子与原子线的强度比值(Ⅱ/Ⅰ)以及合金元素谱线强度与基体元素谱线强度的强度比值(A/M), 分别与样品硬度有着不同程度的相关关系。 利用此相关关系分别建立了以谱线强度和谱线强度结合谱线强度比值为变量的偏最小二乘法(PLS)定量分析模型, 在建立模型前采用标准正态变量变换(SNV)、 Savitzky-Golay卷积二阶导和高斯滤波(Gaussian filter)三种预处理方法来减小实验误差。 结果表明, 以谱线强度为变量的模型中采用SNV预处理后建立的PLS模型效果最佳, 校正集的确定系数为0.98, 均方根误差为1.30, 预测集的确定系数为0.90, 均方根误差为2.43; 以谱线强度结合谱线强度比值为变量的模型中采用原始数据建立的PLS模型效果最佳, 校正集的确定系数为0.99, 均方根误差为0.79, 预测集的确定系数为0.94, 均方根误差为2.44, 且通过对比发现以谱线强度结合谱线强度比值为变量的模型其预测精确度及其稳定性相比于以谱线强度为变量的模型均有所提升。 该结果表明, 利用谱线强度和离子与原子线的强度比、 合金元素谱线强度与基体元素谱线强度的强度比相结合的结果作为模型变量, 能显著提升PLS模型对于金属材料表面硬度预测的能力, 可以构建一种相关性更强的定量分析模型。 研究表明, 采用激光诱导击穿光谱技术结合偏最小二乘法定量分析高铁车轮硬度具有一定可行性, 可将该技术应用于现场诊断、 估算高速列车车轮表面硬度, 为维持高速列车安全运行提供一定的保障。
激光诱导击穿光谱 高速列车车轮表面硬度 谱线强度 偏最小二乘法 Laser-induced breakdown spectroscopy Surface hardness of high speed train wheels Spectral line intensity Partial least squares 光谱学与光谱分析
2022, 42(10): 3109
华东交通大学机电与车辆工程学院, 智能机电装备创新研究院, 江西 南昌 330013
为了控制水稻螟虫预警和喷洒农药用量, 实现对水稻螟虫虫害的无损检测, 提出了基于主成分分析特征波段检测方法和基于迭代阈值的最优波段检测方法, 确定了水稻茎秆螟虫检测的特征波段和最优波段, 提取出单波段和组合波段的图像来分割虫孔, 从而实现水稻螟虫的精准的无损检测。 首先通过高光谱得到的120个样品反射率信息分析确定了光谱区域为450~1 000 nm。 基于主成分分析特征波段检测方法, 对高光谱图像进行主成分分析, 通过前五个主成分图像比较确定第三主成分图像为最佳, 然后根据第三主成分图像中各个波段的贡献率来选取特征波长(668.8和750 nm), 最后结合全局阈值分割和图像掩膜等图像处理方法实现对虫孔区域的判别。 而利用基于迭代阈值的最优波段检测方法, 在可见光波段450~750 nm范围和近红外波段750~1 000 nm范围内应用混合距离挑选最佳的单波段, 通过单波段来确定组合波段, 对单波段和组合波段进行迭代阈值分割, 其中753.5 nm波长分割效果最好, 故确定753.5 nm为最优波长, 然后提取该波长的图像采用一种基于迭代阈值虫孔提取方法和形态学处理, 最后能对水稻茎秆虫孔区域进行判别来实现水稻茎秆虫害是否存在。 对60个虫害水稻茎秆和60个正常水稻茎秆进行检测, 应用基于主成分分析特征波段检测方法在668.8和750 nm波长处检测率分别为95.8%和93.3%, 而应用基于迭代阈值的最优波长检测方法在753.5 nm波长处检测率高达96.7%。 说明利用基于迭代阈值的最优波长检测方法对水稻螟虫的检测更加精确, 也说明所获取的特征波段和最优波段为以后水稻螟虫虫害的多光谱成像技术提供了理论参考。
高光谱成像 主成分分析 最优波段 阈值分割 水稻螟虫 无损检测 Hyperspectral imaging Principal component analysis The optimal band Threshold segmentation Rice borer Non-destructive detection 光谱学与光谱分析
2021, 41(12): 3844
华东交通大学机电与车辆工程学院, 水果智能光电检测技术与装备国家地方联合工程研究中心, 江西 南昌 330013
毛桃从果树上成熟到最后到达消费者手中, 中间需要经过采摘、 包装、 运输等一系列过程, 在每一个过程中都有可能产生碰伤果。 因此查看哪一个过程产生的碰伤果最多, 从而对加工过程进行针对性地改进就显得尤为重要。 纵观国内外高光谱技术在检测水果碰伤方面的应用, 绝大多数都是忽略图像特征而只使用了光谱特征, 基于图像特征结合光谱特征建模的少之又少。 其次在水果碰伤时间定性判别方面, 多以天数为间隔, 时间间隔较大意味着水果碰伤时间越久, 其变化越明显, 检测准确率也就越高, 目前尚缺乏有效方法对于碰伤时间较短的水果进行碰伤时间分类。 以90个模拟表面碰伤的毛桃为实验样本, 分别采集毛桃碰伤12, 24, 36和48 h后的高光谱图像。 毛桃样品的光谱特征提取是采用感兴趣区域的100个像素点的平均光谱以防止单个像素点的光谱信息与整体光谱信息差距较大; 通过主成分分析(PCA)对毛桃图像进行降维后选取最能体现毛桃碰伤的PC1图像, 在 PC1图像的权重系数曲线中波峰波谷处挑选出4个特征波长点(512, 571, 693和853 nm)作为特征图像, 特征图像灰度化操作后计算得到平均灰度值作为毛桃碰伤图像特征。 最后基于最小二乘支持向量机(LS-SVM)算法分别建立毛桃碰伤时间的光谱特征模型、 图像特征模型以及图像特征结合光谱特征模型共三种判别模型, 并且根据其分类准确率来判断模型的性能。 结果表明: 三种毛桃碰伤模型的分类准确率都随碰伤时间的增加而增加; 基于径向基核函数(RBF_kernel)建立的图像特征结合光谱特征的模型预测效果最好, 对碰伤12, 24, 36和48 h的毛桃样品识别正确率分别为83.33%, 96.67%, 100%和100%, 这可能是由于具有非线性特点的径向基核函数所建立的模型更加适合用于毛桃碰伤时间的分类。 图像特征结合光谱特征的模型能够较好地实现对水果碰伤时间的估计, 可为水果外部品质分选提供一定的参考和依据, 并对水果销售和深加工企业具有一定的借鉴意义。
高光谱成像 图像特征 光谱特征 最小二乘支持向量机 毛桃 碰伤时间 Hyperspectral imaging Image features Spectral features Least squares support vector machine Wild peach Bruising time 光谱学与光谱分析
2021, 41(8): 2598
华东交通大学机电与车辆工程学院, 江西 南昌 330013
果品内部化学基础信息与光谱信息较好对应是提高模型的关键。 大量的皮厚、 体积大的水果果肉在可见-近红外区域透光性差、 光折射角度难以确定、 化学基础信息获取不准, 导致品质预测效果差。 以西瓜为研究对象, 对西瓜不同区域的可溶性固形物与品质属性的内在联系进行探讨。 水果市场购买360个西瓜样品, 在线检测装置采集光谱时参数用两种设置: 积分时间100 ms、 电流8.0 A和积分时间为150 ms, 电流8.15 A, 后者的光谱吸收峰值强度更高。 西瓜可溶性固形物含量测定时, 将西瓜分为8份, 分别测量心糖、 中糖、 外围糖、 底边糖(SSC)和混合糖(SSC)的平均值, 西瓜内部不同区域可溶性固形物有较大的差异, 果中心的心糖值最高, 而越靠近瓜皮区域的糖度值越低。 以西瓜不同区域可溶性固形物为因变量, 卷积平滑(S-G)降解光谱噪声后的光谱为自变量建立可溶性固形物偏最小二乘预测模型, 建模集270个, 预测集90个。 对比模型发现, 提高分选装置的积分时间和卤钨灯电流, 可以增加可溶性固形物模型预测精度; 局部区域的可溶性固形物作为模型的因变量预测效果也高于混合糖为因变量建立的模型。 由于可见-近红外入射后在瓜果内部发生一定角度的折射、 光停留在浅层区透射等原因, 靠近瓜皮的底边糖区域表征了较多的西瓜果肉信息, 建模效果最佳, 预测集相关系数为0.89, 均方根误差为0.24, 建模集相关系数为0.96, 均方根误差为0.18。 而中糖、 外围糖等具有一定深度且在光的直线区域表征的西瓜果实内部信息较少, 建模效果较差。 因此西瓜底边糖为最佳的可溶性固形物采集区域。 研究结果揭示了水果光散射规律特征及其与品质属性的内在联系, 可供实现光谱数据库和分析模型的在线更新参数。
西瓜 可见-近红外 装置参数 可溶性固形物 预测模型 Watermelon Visible/near infrared Device parameters Soluble solids Prediction model 光谱学与光谱分析
2020, 40(10): 3265
华东交通大学机电与车辆工程学院, 江西 南昌 330013
甲醇汽油和乙醇汽油都为清洁能源, 但甲醇汽油和乙醇汽油的优缺点各有不同, 其中甲醇、 乙醇的含量决定了汽油性能的优劣, 对甲醇汽油和乙醇汽油进行判别区分以及醇类汽油中醇含量进行定量测定非常重要。 通过中红外光谱技术对醇类汽油的类型进行判别并对其含量进行定量分析。 首先通过对比分析甲醇汽油和乙醇汽油的中红外光谱图, 采用随机森林(random forest, RF)对甲醇汽油和乙醇汽油样品进行判别; 在建立甲醇汽油和乙醇汽油样品定性判别模型之后, 分别建立甲醇汽油和乙醇汽油的定量测定模型, 从而精确测定汽油中对应的醇的含量。 为减小在实验过程中实验仪器振动、 噪声等原因导致的光谱漂移、 光散射等现象, 对中红外光谱进行预处理。 首先采用不同预处理, 如(savitzky-golay, S-G)卷积平滑、 多元散射校正(multiplicative scatter correction, MSC)、 标准正态变量变换(standard normal variable transformation, SNV)、 导数(derivatives)等方法进行校正, 分别建立适合甲醇汽油和乙醇汽油的检测模型。 预处理后的数据分别建立甲醇汽油、 乙醇汽油的最小二乘支持向量机(least square support vector machine, LS-SVM)模型。 采用随机森林(random forest, RF)对甲醇汽油和乙醇汽油样品进行判别, 发现当决策树个数为61时, 判别正确率达到98.28%。 对于LS-SVM模型, 比较建模结果可知: 无论是甲醇汽油还是乙醇汽油, 标准正态变量变换(SNV)预处理效果最好, 经SNV校正处理后建立的甲醇汽油甲醇含量测定LS-SVM模型的预测相关系数Rp为0.9519, 均方根误差(root mean square error of prediction, RMSEP)为1.766 3; 经过标准正态变量变换后建立的乙醇汽油乙醇含量测定LSSVM模型的预测相关系数Rp为0.951 5, 均方根误差RMSEP为1.770 3。 该研究可为甲醇汽油、 乙醇汽油的定性判别和其含量测定提供技术参考和理论依据, 为甲醇汽油产业提供测量醇类汽油检测的新方法, 具有较为重要的现实意义, 也为其他类型的化工产品的检测奠定了基础。
中外光谱 醇类汽油 最小二乘支持向量机 随机森林 Mid-infrared spectroscopy Alcohol gasoline Least square support vector machine Random forest 光谱学与光谱分析
2020, 40(5): 1640
1 华东交通大学 机电与车辆工程学院，水果智能光电检测技术与装备国家地方联合工程研究中心，南昌 330013
2 江西联创宏声电子股份有限公司，南昌 330096
为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估,并利用预测集相关系数Rp和预测集均方根误差eRMSEP对模型进行了评价。结果表明,最小二乘支持向量机模型评价能力最强，预测集相关系数Rp=0.9958，预测集均方根误差eRMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。
光谱学 定量分析 太赫兹技术 苯甲酸 化学计量学 spectroscopy quantitative analysis terahertz time-domain spectroscopy benzoic acid chemometrics
