山东理工大学农业工程与食品科学学院, 山东 淄博 255000
使用便携式近红外（901～1 650 nm）和可见光（400～900 nm）光谱仪结合多变量分析方法无损检测水稻水分含量, 选用100种不同品种的水稻并采集其光谱信息, 其中粳稻52种, 籼稻34种, 糯稻14种。 采用GB 5009.3—2016中的直接干燥法测定每种水稻样本的水分含量。 利用蒙特卡洛偏最小二乘法（MCPLS）剔除水稻样本中的异常值, 基于近红外和可见光光谱的数据集分别剔除8个和4个异常值。 采用基于联合X-Y距离的样本划分法（SPXY）按照3: 1的比例划分样品, 近红外和可见光数据集分别得到69、 72个校正集和23、 24个预测集。 采用正交信号校正（OSC）、 多元散射校正法（MSC）、 去趋势变换（De-trend）、 标准正态变换（SNV）、 基线校正（Baseline）、 Savitzky-Golay 卷积导数（S-G导数）、 标准化（Normalize）、 移动平均平滑(moving average)、 Savitzky-Golay卷积平滑处理法（S-G平滑）共9种算法对原始光谱数据进行预处理, 基于近红外和可见光光谱的OSC、 SNV和OSC、 Moving average预处理效果较好, 进行后续模型的处理。 选择特征波长以减小光谱信息冗余并提高模型检测效果, 基于近红外和可见光光谱的最佳波长选择方法分别为连续投影算法（SPA）和竞争性自适应重加权算法（CARS）, 分别保留15, 39个特征波长。 之后, 建立偏最小二乘回归（PLSR）、 主成分回归（PCR）模型。 结果表明, 基于近红外和可见光光谱的最优模型分别为SPA-PLSR和OSC-CARS-PCR, 其预测集相关系数（R2P）, 预测集均方根误差（root mean square error forprediction, RMSEP）和预测集归一化均方根误差（normalized root mean square error, NRMSEP）分别为0.810 3、 0.802 1, 0.412、 0.388和3.62%、 3.34%。 基于近红外光谱的SPA-PLSR模型预测效果更好, 鲁棒性更高, 预测效果好于可见光光谱。 本研究验证了便携式近红外和可见光光谱仪快速、 无损检测水稻中水分含量的可行性, 为水稻收获、 贮藏等过程水分含量的测定提供技术支持, 为后续便携式光谱仪的开发提供参考。
近红外光谱 可见光光谱 水稻 水分含量 便携式 快速检测 Near-infrared spectra Visible spectra Rice Moisture content Portable Rapid detection 光谱学与光谱分析
2023, 43(7): 2059
1 西南科技大学信息工程学院，四川 绵阳 621010
2 甘肃银光化学工业集团有限公司理化检测中心，甘肃 白银 310027
3 西南科技大学四川天府新区创新研究院，四川 成都 610299
本文以炸药奥克托今（HMX）为例，开展了基于太赫兹光谱的固体粉末含水率检测方法的研究。首先，设计了适用于含水试样的预处理模具，避免预处理和测量过程中HMX粉末水分流失。其次，采用太赫兹时域光谱系统测量了HMX脱水过程的太赫兹光谱，获得了不同含水率HMX的太赫兹折射率和吸收系数。最后，研究了基于支持向量机回归（SVR）的含水率分析方法。提出了融合试样质量和太赫兹折射率的建模方法，解决了基于折射率或吸收系数的回归模型泛化性差的问题。在此基础上，采用遗传算法（GA）和粒子群算法（PSO）对SVR建模过程的正则化参数和核函数进行寻优。结果表明，基于PSO-SVR的模型最优，建模决定系数（R2）为0.996，均方根误差（RMSE）为0.009%，外部验证R2为0.991，RMSE为0.015%。
太赫兹光谱技术 固体粉末含水率 数据融合 定量分析 光学学报
2023, 43(23): 2330003
1 安徽建筑大学 电子与信息工程学院, 合肥 230601
2 安徽建筑大学 安徽省古建筑智能感知与高维建模国际联合研究中心, 合肥 230601
为了快速无损地检测评估木材的霉变及含水量, 利用高光谱激光雷达系统主动获取木材的高光谱数据, 设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本, 进行时长为4个月的间隔性测量, 分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化; 然后在分析样本不同含水量光谱特性的基础上, 采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长; 最后分别建立偏最小二乘回归预测模型。结果表明, 正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时, 光谱反射率随时间变化缓慢并趋于稳定; 基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳, 预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测, 为木质建筑的快速无损检测提供了新思路。
遥感 高光谱激光雷达 偏最小二乘回归 木材 霉变 含水量 remote sensing hyperspectral LiDAR partial least squares regression timber mildew moisture content
1 华北理工大学机械工程学院，唐山 063210
2 河北省工业机器人产业技术研究院，唐山 063210
本文使用Fick扩散模型对陶瓷坯体的干燥过程进行了模拟，在实际干燥工艺参数数值范围内，分析了热风速度、温度和相对湿度三个因素对陶瓷坯体内部温度、含水率和干燥速率的影响。结果表明，增加热风速度能够加大坯体表面区域的水分散失速率，但对坯体内部含水率变化影响较小；提高温度能够显著增加坯体内部的干燥速率，当温度从35 ℃增加至75 ℃时，最大干燥速率的变化幅度为46.34%；相对湿度对坯体平衡含水率影响较大，当相对湿度从5%增大至85%时，平衡含水率从0.8%增大至5.1%(均为质量分数)，提高相对湿度能够改善坯体干燥均匀性，保证坯体干燥质量。模拟和试验数据基本吻合，计算结果将为进一步深入研究陶瓷坯体干燥的传热传质过程，以及后续干燥曲线的优化提供理论依据。
陶瓷坯体 传热传质 干燥参数 温度分布 含水率分布 干燥速率 ceramic green body heat and mass transfer drying parameter temperature distribution moisture content distribution drying rate
1 湖南省农业科学院 湖南省核农学与航天育种研究所/湖南省农业生物辐照工程技术研究中心 长沙 410125
2 湖南大学隆平分院 长沙 410125
以不同含水量的芦苇木质纤维素（以下简称芦苇）为试验材料，采用5 MeV电子束辐照处理，研究了电子束辐照对不同含水量芦苇化学组分、超分子结构、粉碎粒径及酶解性能的影响。结果表明：不同含水量的芦苇经电子束辐照后均发生降解，超分子结构受到破坏，粉碎后小粒径颗粒显著增加，酶解转化率大幅度提高；当吸收剂量相同时，不同含水量芦苇的表观形貌、超分子结构及粉碎粒径分布没有明显区别，但酶解转化率与含水量呈负相关，含水量5%、10%和50%的芦苇经过500 kGy 电子束辐照后，纤维素酶解转化率分别22.24%、19.76%和18.57%，半纤维素酶解转化率分别为25.04%、23.84%和19.56%，经过1 000 kGy电子束辐照后，含水量5%、10%和50%的芦苇纤维素酶解转化率分别为54.09%、47.27%和49.24%，半纤维素酶解转化率分别62.30%、53.25%和47.83%；当吸收剂量为500 kGy时，含水量为5%的芦苇纤维素、半纤维素较含水量10%和50%芦苇降解严重，而当吸收剂量为1 000 kGy时，含水量为50%的芦苇纤维素、半纤维素则较含水量5%和10%的芦苇降解严重，并且较含水量5%和10%的芦苇，含水量为50%的芦苇纤维素、半纤维素更多地被降解为非糖类物质。
电子束 辐照 含水量 芦苇 木质纤维素 结构 酶解 Electron beam Irradiation Moisture content Phragmites australis Lignocelluloses Structure Enzymatic hydrolysis 辐射研究与辐射工艺学报
2023, 41(2): 020401
1 东北大学资源与土木工程学院, 辽宁 沈阳 110819
2 辽宁省固废产业技术创新研究院, 辽宁 沈阳 110819
3 辽宁省生态气象和卫星遥感中心, 辽宁 沈阳 110166
尾矿库作为高势能的人造泥石流危险源, 在尾砂含水量过高时有溃坝风险, 低含水量状态下产生扬尘则会危害周围环境。 尾砂含水量实时、 动态监测对于尾矿库安全状况及矿区环境保护具有重要意义。 相比传统采样化验手段, 高光谱遥感拥有观测面积大、 数据实时易获取、 光谱信息丰富的特点, 为快速、 高精度尾矿水分监测提供了手段。 以鞍山-本溪铁矿群中的高硅型铁尾矿为研究区, 实地采集尾砂样品77个, 利用可见光-近红外(350～2 500 nm)光谱仪获取其光谱数据, 分析不同含水率尾砂光谱特征及机理； 引入竞争性自适应加权重采样法(CARS)筛选水分敏感波段, 并基于敏感波段建立三维波段光谱指数(TBI), 结合随机森林(RF)、 粒子群优化的极限学习机(PSO-ELM)及卷积神经网络(CNN)算法建立尾砂水分反演模型, 以国产高分五号高光谱卫星为数据源进行模型应用, 获取尾矿库表层含水时空分布特征。 结果表明: (1)尾砂光谱反射率随含水率升高明显下降, 在1 455和1 930 nm处出现O—H吸收特征, 吸收深度随含水率减小而逐渐减小； (2)基于CARS方法能够对高光谱数据(305波段)有效降维, 筛选出18个水分敏感波段, 进一步利用敏感波段构建不同形式的尾砂含水率TBI指数集, 其中三维差值指数TBI5=(R1 097.47-R1 990.67)-(R1 990.67-R437.39), 与水分含量相关性最高, 达到0.84； (3)对比RF, PSO-ELM及CNN方法以及不同形式的输入数据, 基于尾砂含水率TBI指数联合反射率数据集作为输入数据进行CNN建模, 室内光谱模型达到验证精度R2=0.92, 相对分析误差RPD=3.43, 基于该模型利用高分五号卫星数据反演可获取研究区尾砂含水率空间分布结果, 实地验证R2达到0.79, 相对分析误差RPD=2.20, 获得较好的预测效果。 可为基于高光谱技术的铁尾矿水分含量大面积实时快速监测提供参考。
可见光-近红外光谱 三维光谱指数 国产高分五号卫星 铁尾矿 尾砂含水率 Visible-near-infrared spectra Three-band spectral index Domestic Gaofen-5 satellite Iron tailings dam Moisture content of tailings 光谱学与光谱分析
2023, 43(4): 1225
1 中国石油大学(华东)地球科学与技术学院, 山东 青岛 266580
2 齐鲁工业大学(山东省科学院), 山东省科学院海洋仪器仪表研究所, 山东 青岛 266061
3 中国石油大学(华东)计算机科学与技术学院, 山东 青岛 266580
4 山东科技大学海洋科学与工程学院, 山东 青岛 266590
潮滩沉积物水分的分布在空间和时间上会有很大的变化, 含水量的变化会导致沉积物中生源要素含量的变化。 因此, 实时、 准确、 快速的监测潮滩沉积物含水量, 对了解潮滩的各种特性, 掌握潮滩生源要素信息, 潮滩资源的开发有着重要意义。 采集青岛市东大洋村潮间带的沉积物115份, 分别测定新鲜样品、 风干4周、 风干8周样品的可见近红外光谱和含水量。 以db10小波基和sym6小波基对原始光谱进行小波变换, 采用偏最小二乘回归建立潮滩沉积物含水量模型。 通过10阶小波变换获取原始光谱的低频信息An和高频信息Dn(n=1, 2, …, 10), 通过原始光谱S分别与高频信息Dn做差值, 得到S-Dn, 对An, Dn和S-Dn建立潮滩沉积物含水量模型, 并对模型结果进行分析。 原始光谱建立模型的为0.841, RMSEP为2.767, RPD值为2.481。 通过对db10小波基变换后的低频和高频信息分析, 无用信息主要集中在D3和D4, 去除D3和D4建立的含水量模型, 相比于原始光谱模型精度有明显提高, 为0.878, RMSEP为2.501, RPD值为2.749; 通过sym6小波基变换后进行分析, 无用信息主要集中在D5和D9, 去除D5和D9建立含水量模型与原始光谱模型相比, 精度也有一定提高, 为0.87, RMSEP为2.475, RPD值为2.768。 因此通过小波变换对原始光谱划分低频信息和高频信息进行分析, 能够有效找到潮滩沉积物含水量的干扰信息, 实现特征信息提取, 从而建立准确度更高的潮滩沉积物含水量模型, 为潮滩沉积物含水量实时、 动态监测提供理论基础。
潮滩沉积物 小波变换 含水量 可见-近红外光谱 Tidal flat sediment Wavelet transform Moisture content Visible near infrared spectroscopy 光谱学与光谱分析
2022, 42(4): 1156
王瑾杰 1,2,3,4,5丁建丽 1,4,5葛翔宇 1,4,5张喆 1,4,5韩礼敬 1,4,5
1 新疆大学地理与遥感科学学院,新疆 乌鲁木齐 330017
2 北京师范大学防沙治沙教育部工程研究中心,北京100875
3 中国科学院数字地球重点实验室,北京100094
4 新疆大学新疆绿洲生态自治区重点实验室,新疆 乌鲁木齐 830017
5 新疆大学智慧城市与环境建模自治区普通高校重点实验室,新疆 乌鲁木齐 830017
无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。 高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率, 可获取高质量的高光谱数据。 然而, 高光谱数据通常伴随噪声和数据冗余, 高光谱信息利用效率低, 常规预处理难以满足精准估算的需求。 因此, 为解决上述现实问题, 针对机载高光谱影像的数据挖掘必不可少。 利用分数阶微分(FOD)技术逐像元处理机载高光谱数据(步长为0.1)。 通过对比FOD技术与整数阶技术对高光谱数据的改善能力, 从光谱层面探寻最佳FOD阶数。 在梯度提升回归树(GBRT)算法下构建土壤含水量(SMC)估算模型, 最终在最佳模型下评估SMC的空间分布。 结果表明: FOD技术提高光谱与SMC的相关系数(rmax=0.768), 与原始光谱、 一阶微分和二阶微分处理后的光谱同SMC相关系数相比, 分别提升0.168, 0.157和0.158。 FOD技术提升模型估算精度的主因是突出有效光谱信息的作用, 特别是与水分胁迫密切敏感的叶绿素、 植物结构和水分响应波段(430, 460, 640, 660和970 nm)。 即使FOD技术取得理想的结果, 不同阶数的效果仍有差异。 高阶FOD对影像增加了一定噪声, 相较于高阶FOD(1<阶数<2), 低阶FOD(0<阶数<1)对相关性的改善更为明显。 FOD技术对SMC估算模型的性能有很大提高, 在0.4阶模型下取得最优结果(Rp2=0.874, RMSEP=1.458, RPIQ=3.029)。 此外, 0.1—0.9阶和1.6—1.9阶的SMC估算模型比整数阶模型更优(Rp2提升0.8%~13.8%), 但根据模的RPIQ发现, 低阶FOD模型在模型的预测能力方面更强。 在0.4阶模型下反演农田土壤水分的空间分布表明干旱区农田SMC具有显著的空间异质性。 研究结果表明低阶FOD技术有效地实现对高光谱数据挖掘, 从而实现农业SMC的精准估算。 该研究提出了针对机载高光谱影像处理的新方法, 为干旱区精准农业实施和管理提供新的策略。
高光谱 无人机 分数阶微分 精准农业 土壤含水量 Hyperspectral UAV FOD Precision farming Soil moisture content 光谱学与光谱分析
2022, 42(11): 3559
东北林业大学工程技术学院, 黑龙江 哈尔滨 150040
为实现温度不稳定环境下木材含水率的近红外光谱检测, 探究了不同温度下木材近红外光谱的变化规律及温度变化对近红外预测木材含水率的影响。 对从林场采集的樟子松、 水曲柳、 大青杨和红松原木木块试样各75块, 共计300块试样, 进行了不同温度和含水率条件下的近红外光谱采集。 采用单一温度下的校正集分别与各个温度下的验证集建立偏最小二乘含水率预测模型, 探究温度变化对木材含水率模型预测准确性的影响。 比较了不同光谱预处理的木材含水率预测温度全局模型。 采集相同含水率下不同温度的近红外光谱数据, 对光谱进行光谱平均、 一次微分、 主成分分析和偏最小二乘判别分析, 以探究温度变化时, 木材近红外光谱的变化规律。 结果显示: (1)温度对木材样品光谱存在显著影响; 主成分分析和判别分析表明不同温度下的样品有明显聚类趋势, 温度判别准确率为96.1%。 温度会影响木材的近红外光谱在特定波长吸收峰的位置及吸光度, 在含水率相同的情况下, 随着温度的升高, 特定位置吸收峰有逐渐向高频波段转移的趋势且在零下低温时波峰移动变化更明显。 (2)不同温度下的PLS含水率预测模型对温度变动的适应能力有差异, 木材含水率预测模型更适应于检测与建模样本相同温度的样品。 与单一温度模型相比, PLS温度全局模型对于温度变化具有很好的适应性和应用潜力, RMSEP低于大部分单一温度模型。 基于SG平滑+多元散射校正+一次微分预处理联用的PLS含水率温度全局模型有较好的预测效果和温度适应性, RMSEP降为0.074。 可见, 温度变动是近红外法检测木材含水率的过程中不可忽视的扰动因素; 基于光谱预处理的温度全局模型可以显著提高温度适用性。 该研究可进一步促进近红外光谱技术在木材生产、 加工过程中的应用。
木材 含水率 近红外光谱 温度变化 全局模型 Wood Moisture content Near-infrared detection Temperature influence Global calibration model 光谱学与光谱分析
2022, 42(11): 3387
