粉体的密度作为一项很重要的物性参数,对粉体的流动性能有决定性作用,研究粉体的密度,对粉体加工、包装、输送、存储等具有重要意义。以小麦面粉作为实验对象,采用高光谱散射技术,结合高光谱散射图像特征提取方法中的矩方法,探索了面粉堆密度快速无损的检测方案。实验共采集了474个面粉样本在500~1000 nm范围内的高光谱散射图像,先对图像进行前期预处理,以消除图像噪声,并提取了散射图像的零阶矩特征和一阶矩特征;然后分别利用零阶矩特征、一阶矩特征,及零阶一阶联合特征建立了面粉堆密度的偏最小二乘预测模型。结果表明:相对于单一的零阶矩特征或一阶矩特征,联合特征获得了最好的建模结果;联合特征的预测相关系数RP为0.968,剩余预测偏差为3.95;矩方法可以有效提取高光谱散射图像特征,并可应用于粉体堆密度的高精度无损检测。

针对标准漫射近似模型受限于接近各向同性光辐射以及光源-探测器距离远大于一个输运平均自由程的问题，提出了一种改进标准漫射近似模型。该模型在空气-生物组织边界处引入另一个点源，减小了近光源处的误差。分析了各向异性因子和μ′s/μa(μ′s为有效散射系数，μa为吸收系数)比值对漫反射分布的影响，并结合非线性最小二乘算法对光学特性参数μa、μ′s进行了反演求解。结果表明，与标准漫射近似模型相比，改进模型可显著减小漫反射分布曲线误差，提高反演精度。改进模型的反演精度接近双点源Delta-P1近似模型，同时能较好地克服后者反演参数重复性较差的缺点。