1 上海体育学院运动科学学院, 上海 200438
2 上海海关动植物与食品检验检疫技术中心, 上海 200135
3 上海大学环境与化学工程学院, 上海 200444
4 南京海关动植物与食品检测中心, 江苏 南京 210001
5 上海如海光电科技有限公司, 上海 201201
6 中国检验检疫科学研究院, 北京 100176
橄榄油因其高营养等特点, 成为植物油中日常消费量逐渐增大的主要品类。 橄榄油按照加工工艺分为初榨、 精炼和混合等不同质量等级。 由于不同等级橄榄油价格差异较大, 导致橄榄油市场存在以次充好等问题。 同时, 涉及等级鉴定的指标繁杂, 对应的理化检测方法大部分涉及大型实验室设备, 检测成本高、 效率低且工作量繁重。 我国是橄榄油的主要进口国, 采用产品标准中逐项指标确认后判定的模式, 无法满足目前急速增长的进口产品快速通关要求。 该研究聚焦进口橄榄油在口岸监管现场的快速质量评价需求, 开发了多光谱信息同时采集和降维融合成像的方法, 将紫外-可见光谱与拉曼光谱进行特征数据融合, 构建拉曼-紫外可见2D谱图, 通过二维成像进行指纹特征判断, 构建特级初榨橄榄油、 精炼橄榄油以及果渣油的标准2D融合成像源图, 作为等级区分标准对照二维谱, 进行橄榄油等级可视化判定； 结合空间角度值转化算法对橄榄油进行等级定性评判, 通过角度值计算得到特级初榨橄榄油与精炼橄榄油的夹角范围在0.794 7～1.094 7之间, 与油橄榄果渣油其值在1.157 0～1.319 8之间, 而特级初榨橄榄油之间角度值均小于0.1, 由此可进行不同橄榄油的等级判定； 采用角度决策模型进行橄榄油掺杂样品定量分析。 制备不同等级橄榄油的混合样本计算得到特级初榨混合精炼橄榄油、 果渣油的模型相关系数r分别为0.994 2和0.991 0, 代入不同样本进行验证, 相对误差在-4.48%~2.58%之间。 采用拉曼-紫外可见融合光谱结合化学计量学建立二维标准谱图对橄榄油等级可视化判定, 并建立初榨橄榄油掺伪检测模型进行橄榄油含量的定量分析, 实现口岸食品质量和安全风险信息的多维度、 高精度和高准确度直观展示。 通过采用进口橄榄油质量等级的快速筛查方法, 能有效提高口岸关注风险的监测效率, 提高进口食品监管的精准度, 为口岸食品风险监测方式模式的智慧转换提供技术支撑。
融合光谱 可视化 定量分析 橄榄油 质量等级鉴定 Fusion spectrum Visualization Quantitative analysis Olive oil Quality grade identification 光谱学与光谱分析
2023, 43(4): 1117
1 华北理工大学人工智能学院, 河北 唐山 063210
2 华北理工大学河北省工业智能感知重点实验室, 河北 唐山 063210
3 河钢集团钢研总院, 河北 石家庄 050000
4 华北理工大学电气工程学院, 河北 唐山 063210
我国每年的钢铁生产与出口量位居世界前列, 而在钢铁生产过程中产生的废钢是一种重要的资源。 废钢的精准分类是电炉炼钢的关键环节, 对于环境能源的可持续发展也具有重要意义。 为了提高废钢回收利用的效率, 提出了一种利用激光诱导击穿光谱结合XGBSFS特征优选的废钢牌号智能识别方法, 与k最邻近算法（kNN）、 支持向量机（SVM）分类算法联合建立了XGBSFS-SVM、 XGBSFS-kNN两种优化模型。 首先通过Lapa-80型固体脉冲激光器采集3类共18种不同的废钢样品在170~400 nm范围内的激光诱导击穿光谱数据, 通过k值校验剔除光谱数据中的粗大误差, 并对剔除后剩余的数据进行平均, 每个样品28组共得到504组平均光谱数据; 然后对光谱数据进行基线校正、 归一化等预处理, 降低基体波动影响; 最后将处理后的光谱数据从每类钢种中提取一个样品的数据作为模型的测试集, 剩余数据作为模型的训练集, 并提取光谱数据中Si, Cu和C等元素的16条特征谱线作为分类特征, 用于模型的输入, 经过基于XGBoost的XGBSFS特征选择算法对变量进行优化后, 应用kNN、 SVM建立废钢智能识别模型。 XGBSFS-SVM、 XGBSFS-kNN算法模型在测试集上的准确率分别为100%和98.8%, 输入维数也均由16维降至2维, 且两种模型的建模时间分别由3.1下降至2.79 s, 3.26 s下降至1.64 s, 相较于单独使用SVM和kNN的算法模型, 提出的优化模型预测精度和建模效率较高, 且泛化能力较好。 经过对比建模时间和准确率综合效果, 选取XGBSFS-SVM模型用于不同废钢的智能快速识别。 实验结果表明, 该研究提出的LIBS与XGBSFS特征优选方法能够有效的对特征变量进行优化建模, 为工业生产中废钢种类的快速智能识别和钢铁的回收提供了一种新技术。
激光诱导击穿光谱 牌号识别 特征选择 废钢 Laser induced breakdown spectroscopy Grade identification Feature selection Scrap steel
华南理工大学聚合物新型成型装备国家工程研究中心, 广东省高分子先进制造技术及装备 重点实验室, 华南理工大学聚合物加工工程教育部重点实验室, 广东 广州 510640
在聚合物加工过程中, 如果在同一生产线上混用不同牌号的原材料, 可能会影响产品性能, 降低产品合格率。 然而采用传统方法识别相同类型不同牌号的聚合物往往耗时长且具有滞后性, 目前还缺乏一种快速实时的牌号识别方法。 因此, 以5种不同牌号的通用聚苯乙烯(GPPS)为研究对象, 利用自主开发的安装于挤出机上的在线近红外光谱测量系统, 将近红外光谱与化学计量学、 机器学习算法相结合, 实现对挤出过程中GPPS牌号的快速在线识别。 首先利用在线近红外光谱测量系统实时采集5种不同牌号GPPS熔体的在线近红外光谱, 波长范围为900~1 700 nm。 经过谱图分析后, 利用主成分分析结合K均值聚类算法验证在线近红外光谱数据对于不同牌号的可分性。 最后采用偏最小二乘判别分析和随机森林两种算法分别建立GPPS牌号识别模型并进行对比。 结果表明: ①经过基线校正、 最大最小归一化、 7点移动平均平滑预处理后, 在线近红外光谱在1 207, 1 388, 1 407和1 429 nm处的特征峰峰值会随着牌号的变化呈阶梯状改变, 以前3个主成分得分作为K均值聚类的输入变量得到聚类正确率为88%, 说明了不同牌号GPPS在线近红外光谱数据的可分性; ②所建立的两种预测模型均能够对GPPS牌号有效识别, 最佳主因子数为3的偏最小二乘判别分析模型对验证集的分类正确率为90.4%, 以前5个主成分得分作为输入变量建立的随机森林模型对验证集的分类正确率达95.6%, 所以随机森林模型的牌号识别性能更好。 因此, 在线近红外光谱测量系统结合化学计量学、 机器学习算法可以实现GPPS牌号的快速在线识别, 为在生产线上利用近红外光谱识别同种聚合物的不同牌号提供参考。
近红外光谱 牌号识别 通用聚苯乙烯 偏最小二乘判别分析 随机森林 Near-infrared spectroscopy Grade identification General purpose polystyrene Partial least square-discriminant analysis Random forest 光谱学与光谱分析
2021, 41(9): 2759
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院大学, 北京 100049
3 新松机器人自动化股份有限公司中央研究院, 辽宁 沈阳 110168
4 东北大学信息科学与工程学院, 辽宁 沈阳 110819
相比于传统的固体激光器,光纤激光器有利于设备的小型化和激光诱导击穿光谱(LIBS)技术的推广。将光纤激光器LIBS(Fiber-LIBS)技术应用于铝合金牌号的识别,采用数据筛选、归一化、支持向量机和主成分分析相结合的分类算法,对6种牌号共24块铝合金样品按牌号分类。结果表明:与单纯应用支持向量机的分类算法相比,数据筛选、归一化、支持向量机和主成分分析相结合的分类算法能够将平均预测准确率从92.34%提高到99.83%,并且可将建模时间缩短一个数量级以上。实验结果表明了光纤激光器应用于LIBS系统中进行金属牌号识别的可行性。
光谱学 牌号鉴定 激光诱导击穿光谱 光纤激光器 铝合金牌号 激光与光电子学进展
2018, 55(6): 063002
