高光谱成像已被应用于建立干贝水分含量预测模型, 其模型性能受样本划分方法及建模方法影响。 样本划分方法决定着所选样本是否具有代表性, 而建模方法决定着如何利用样本建立模型, 但样本划分方法与建模方法的内在联系却鲜有研究报道。 在方法优选上, 将样本划分方法与建模方法进行组合, 探究不同方法组合对干贝水分含量预测模型性能的影响, 对干贝水分检测建模及分级方法的优选具有重要意义, 同时也能为其他样本的光谱建模提供参考。 采集380～1 030 nm波段下270个干贝样本的高光谱图像, 提取干贝样本的光谱数据, 通过RS, KS, SPXY和CG四种常用的方法划分样本, 并以PLSR和LS-SVM两种常用的建模方法建立多个干贝水分含量预测模型, 计算和比较各模型的性能指标。 结果表明: PLSR模型使用RS法划分干贝水分含量样本最为适宜(其RPD为4.079 6), LS-SVM模型使用SPXY划分法最为适宜(其RPD为4.175 6), 划分样本方法的优劣与建模方法有关, 其优选需要结合特定的建模方法进行。 在常用的四种样本划分方法和两种建模方法中, 采用SPXY法划分干贝水分含量样本并结合LS-SVM法建模的效果和精度最好。

水分含量影响干贝的口感、 质地等品质特征, 而且与其贮存期密切相关。 应用高光谱成像与检测技术结合化学计量学方法, 实现干贝水分含量的快速检测。 实验采用高光谱成像系统采集380～1　030 nm波段范围内的高光谱图像, 采集得到6个不同干燥时期共90个干贝样本高光谱图像。 提取所有样本感兴趣区域的平均光谱数据, 采用连续投影算法(SPA)和权重回归系数法(Bw)分别提取了7个和4个特征波长。 基于所提取的特征波长和全波长分别建立光谱数据与水分含量的偏最小二乘回归(PLSR)模型, 三种模型分别是SPA-PLSR, Bw-PLSR和PLSR。 建模集和预测集相关系数都高于0.95, 预测均方根误差都低于10%, 三种模型均获得了较好的预测效果, 都能很好地预测干贝的水分含量。 在所有模型中, SPA-PLSR模型具有较少的波长变量和较高的预测能力(97.28%), 因此本文基于SPA-PLSR模型, 采用伪彩色图像编程技术实现了干贝图像上每个像素点的水分含量的可视化预测。 结果表明, 高光谱成像技术结合特征波长提取算法可用于干贝水分含量分布的可视化检测。

基于光辐射危害的算法, 建立眼光路中外加光学器具的光辐射危害降低量分析基础。通过引入起比较作用的原器具概念, 建立相对光辐射危害降低量和绝对光辐射危害降低量的概念和表达式, 以及两者间的换算关系。根据人眼瞳孔的限光机理, 推导了人眼瞳孔前和瞳孔后组织各自的光辐射危害降低量算法, 介绍了实际应用方法; 通过视觉应用分析, 提出暗光效增率的概念来评价视明度水平, 同时在暗光效增率的表达式基础上导出实用算法; 通过光源变换分析, 得出了运用光源显色性评价方法可评价色觉水平的结论, 同时给出了评价显色性的显色指数Ra应用标准。最后以举例形式说明, 该方法可实现系统评价目的。