1 东北大学资源与土木工程学院, 辽宁 沈阳 110819
2 高分辨率对地观测系统辽宁先进技术协同创新应用中心, 辽宁 沈阳 110819
3 信息工程大学地理空间信息学院, 河南 郑州 450001
针对某些特定环境下, 伪装目标和背景目标出现的“异物同谱”现象, 传统的可见光及多光谱遥感伪装识别存在局限性, 为此, 将高光谱应用到典型伪装材料的特征分析与识别。 以北方地区常用丛林迷彩伪装网为研究对象, 利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱, 通过光谱相似性度量和包络线去除处理, 分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段, 并基于近红外波段构建光谱比值指数RCI, 用于识别绿色植被环境中的伪装目标, 最后通过高光谱成像实验获取仿真伪装环境高光谱图像, 并利用高光谱图像对识别效果进行验证。 结果显示: (1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似, 且反射率随浸水时间的增加而整体呈下降趋势; 1 900 nm波段是伪装网反射光谱对含水量响应最为明显的波段, 其光谱特征会因浸水处理而相似于植被, 相似度从0.895提高到了0.939。 (2)丛林迷彩伪装网和植被在可见光波段的相似度较高, 光谱波动情况相似, 但在近红外波段光谱特征差异明显。 通过包络线统去除分析得出970, 1 190和1 440 nm波段附近处是丛林迷彩伪装网识别的敏感波段, 且基于迷彩伪装网和各植被在900~1 900 nm波段范围内存在的2处明显反射率斜率的差异, 构建了伪装网识别特征指数RCI1(R1 190/R1 270)和RCI2(R1 270/R1 440)。 (3)基于RCI指数构建决策树分类模型, 可以快速有效的将伪装目标从绿色植被背景中提取出来。 实验结果表明, 基于RCI指数对伪装目标区域进行识别提取, 所得结果在形态和大小上与原影像具有较好地一致性, 识别精度可达95%, 表明该指数对于伪装目标具有较好的识别效果。
高光谱 可见光-近红外光谱 伪装网 光谱指数 分类识别 Hyperspectral Visible-NIR Spectrum Camouflage net Spectral index Classification
1 State Key Laboratory for Superlattices and Microstructures, Institute of Semiconductors, Chinese Academy of Sciences, Beijing 100083, China
2 Key Laboratory of Interface Science and Engineering in Advanced Materials of Ministry of Education, Research Center of Advanced Materials, Science and Technology, Taiyuan University of Technology, Taiyuan 030024, China
3 College of Materials Science and Opto-electronic Technology, University of Chinese Academy of Sciences, Beijing 100029, China
Frontiers of Optoelectronics
2018, 11(3): 245–255
1 浙江大学生物系统工程与食品科学学院， 浙江 杭州310058
2 浙江出入境检验检疫局， 国家级羽毛绒检测重点实验室， 浙江 杭州311208
鹅绒和鸭绒的外观相似但在品质上鹅绒优于鸭绒， 各国羽绒毛标准对鹅绒毛中的鸭绒毛含量都有最高限定。 传统检测方法为高倍显微镜目测法， 该方法劳动强度大， 且不适宜大批量样本的分析及现场快速检测。 利用可见/近红外光谱结合连续投影算法（SPA）特征波长选择的建模方法对鹅绒中混有鸭绒含量进行了定量检测。 在450～930 nm范围内， 通过SPA选择的8个特征波长建立多元线性回归模型， 取得了较好的预测结果， 相关系数为0.983， 校正均方根误差（RMSEC）为5.44%， 预测均方根误差（RMSEP）为5.75%， 有望用于羽绒毛品质的快速检测。
羽绒品质 定量分析 可见/近红外光谱 连续投影算法 波长选择 Down quality Quantitative analysis Visible/NIR spectroscopy Successive projection algorithm Wavelength selection
华东交通大学机电工程学院， 光机电技术及应用研究所， 江西 南昌330013
大多数短波CCD硅检测器为2 048或3 648像元， 相邻波长间隔小， 预处理算法对其适用性差。 本文在600.09～980.47 nm光谱范围内， 采用等间隔抽取方法重构光谱矩阵。 经不同光谱预处理后， 分别采用遗传算法(GA)和连续投影算法(SPA)， 筛选偏最小二乘法(PLS)建模变量。 采用留一法交叉验证评价模型的预测能力， 经比较， SPA筛选变量建立的PLS模型的预测效果最优， 南丰蜜桔可溶性固形物、 总酸和维生素C的PLS模型交叉验证标准差分别为0.661°Brix， 0.067%和2.91 mg·(100 g)-1。 结果表明光谱抽取结合SPA的变量筛选方法可提高南丰蜜桔品质可见近红外光谱模型的预测能力。
可见近红外 光谱抽取 连续投影 南丰蜜桔 Visible-NIR Spectra extraction Successive projections algorithm Nanfeng mandari 光谱学与光谱分析
2011, 31(9): 2399
为了实现沙棘汁品牌的快速无损鉴别,提出了采用可见近红外光谱分析技术(NIR)鉴别沙棘汁品牌的方法。采用FieldSpec3光谱仪对三种沙棘汁进行光谱分析,各获取40个样本数据。采用平均平滑法和多元散射校正(MSC)方法对样本数据进行预处理,再用主成分法(PCA)对光谱数据进行聚类分析并获得各主成分数据。将120个沙棘汁样本随机分成90个建模样本和30个预测样本,把基于累计可信度选择的建模样本的8个主成分(PCs)数据作为BP网络的输入变量,沙棘汁品牌作为输出变量,建立三层反向传播(BP)神经网络鉴别模型,并对30个预测样本进行预测。结果表明,在阈值设定为±0.1的情况下,该模型对预测集样本品牌鉴别准确率达到了100%。所以应用近红外光谱技术结合主成分分析和BP神经网络算法识别沙棘汁品牌是一种有效的方法。
可见-近红外光谱 主成分分析 人工神经网络 品牌 沙棘汁
浙江大学生物系统工程与食品科学学院,浙江 杭州 310029
采用可见/近红外光谱分析方法对冷鲜猪肉中的脂肪、蛋白质和水分含量进行了研究。光谱数据经多元散射校正(MSC)处理后,分别建立0-4 ℃和20 ℃下的原始光谱、一阶导数和二阶导数的偏最小二乘(PLS)定量分析模型,比较其相关系数(r)、校正标准差(RMSEC)和预测标准差(RMSEP),得到一阶导数处理后的模型最好,并且0-4 ℃下的模型优于20 ℃下的模型。0-4 ℃和20 ℃下脂肪的相关系数(r)分别为0.950和0.924,蛋白质为0.713和0.455,水分为0.944和0.914;脂肪的预测标准差(RMSEP)分别为2.41和2.95,蛋白质为5.44和4.25,水分为2.37和2.38。由此可见,可见/近红外光谱分析方法能够很好的检测冷鲜猪肉中的脂肪和水分,蛋白质的检测结果较差是由冷鲜肉加工工艺引起的。另外,两种温度下光谱曲线在770 nm附近产生了波长漂移,漂移量约10 nm。
可见/近红外 冷鲜肉 脂肪 蛋白质 水分 Visible/NIR Chilled pork Fat Protein Water
北京市纳米光电子学重点实验室,首都师范大学, 北京 100037
本文借助紫外-可见-近红外吸收光谱、透射电子显微镜技术, 研究灰银胶中加入氯离子后此体系的宽波段吸收光谱的变化, 旨在探索氯离子对纳米银颗粒表面特性的影响。实验结果表明, 氯离子的加入会引起胶体中银颗粒的凝聚和银纳米颗粒的聚集体形态的变化, 造成银颗粒的本征吸收光谱的“蓝移”和近红外区新吸收带的出现。最后我们初步分析了此现象产生的机制。
灰银胶 氯离子 紫外-可见-近红外光吸收光谱 Silver colloid Chlorine anion UV-Visible-NIR absorption spectra
北京市纳米光电子学重点实验室,首都师范大学,北京,100037
本文利用Nd:YAG激光器1064nm激发光照射金、银等贵金属,通过改变激发光的照射时间,制备出各种金、银胶体.对上述胶体进行了透射电镜(TEM)测量金属粒子的尺寸大小及形态表明这些胶体为粒径介于5～25nm的纳米体系,并对该体系进行了紫外-可见-近红外吸收光谱的研究;在制备胶体的同时还获得了纳米级粗糙金属表面,对该表面进行了扫描电镜(SEM)的测量.
激光烧蚀 纳米粒子 紫外-可见-近红外吸收光谱 胶体 Laser ablation nanoparticles UV-visible-NIR absorb
