1 西南科技大学 a.信息工程学院
2 b.极端物质特性实验室，四川绵阳 621010
3 妙仁堂医疗服务有限公司，四川绵阳 621050
确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法，本文应用太赫兹光谱技术结合模式识别方法对 6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等 6种常用中草药，共得到 420组太赫兹光谱数据，在 0.2~1.5 THz波段分别采用支持向量机 (SVM)、主成分分析 (PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对 6种中药材进行了定性鉴别分析。结果表明，太赫兹光谱数据结合线性判别分析和支持向量机建立的 LDA-SVM中草药品种识别模型最优，模型准确率达 100%，对未知样本的鉴别准确率达 98.41%。本文的 LDA-SVM模型具有较好的鉴别能力，能快速准确地鉴别出中药材的品种，为中草药的质量控制提供了又一鉴别手段。
太赫兹光谱 模式识别 定性鉴别 中草药 terahertz spectrum pattern recognition qualitative identification Chinese herbal medicine 太赫兹科学与电子信息学报
2023, 21(5): 586
1 危爆物品探测技术国家工程研究中心，北京 100084
2 清华大学工程物理系，北京 100084
为了提升太赫兹光谱分析的瞬时性和系统集成度，提出一种超表面光谱编码与计算重建相结合的太赫兹光谱测量方法。利用多种超表面结构的光谱编码器件对入射太赫兹波进行高随机光谱编码，并提出基于字典学习的稀疏恢复算法以实现光谱重建。理论计算和数值仿真表明，在4%噪声水平下，所提方法对乳糖透射光谱的重建误差小于3%，可为片上集成化太赫兹光谱仪的发展提供新途径。
太赫兹光谱 超表面 光谱编码 计算重建 激光与光电子学进展
2023, 60(18): 1811015
1 山西大同大学物理与电子科学学院, 山西 大同 037009
2 首都师范大学物理系, 北京 100048
3 云冈研究院, 山西 大同 037007
4 北京理工大学北京市毫米波与太赫兹技术重点实验室, 北京 100081
5 太赫兹技术(大同)研究院, 山西 大同 037000
为更好地设计基于不同材料、不同制作工艺文物的最佳保护方案, 文物保护科技人员首先需要选用最有效的无损检测方法对文物进行全面检测。太赫兹波具有光子能量低、对非金属和非极性物质有较强穿透性、可同时获得脉冲电场振幅和相位信息、较好的抗干扰能力等独特性质, 使其在诸多无损检测方法中脱颖而出。本文系统综述了太赫兹技术在文物无损检测应用中的最新研究进展; 阐述了不同类型文物材料的太赫兹光谱特征、太赫兹成像检测技术原理和特点; 指出了太赫兹无损检测技术对不同类型文物进行无损检测的技术关键点, 列举了太赫兹技术在文物科学领域最成功和最具代表性的应用实例。最后展望了太赫兹无损检测技术在文物保护领域的发展趋势。
无损检测 太赫兹光谱 太赫兹成像 文物检测 高灵敏度 nondestructive testing terahertz spectrum terahertz imaging cultural relics detection high sensitivity 太赫兹科学与电子信息学报
2023, 21(2): 157
1 战略支援部队信息工程大学, 河南 郑州 450001
2 河南工业大学粮食信息处理与控制教育部重点实验室, 河南 郑州 450001
3 河南工业大学信息科学与工程学院, 河南 郑州 450001
我国是农业大国, 保障粮食安全是国家发展的战略需要。 农产品检测技术的应用和发展对监控质量, 预防由农产品品质问题引发的安全事故至关重要。 太赫兹(Terahertz, THz)波位于电磁频谱空隙, 频率高于微波而低于红外线, 具备光子能量低、 穿透性好、 能表征分子结构等优点。 基于太赫兹波的光谱检测技术受到研究人员广泛关注, 在生物医学、 安全检查等方面得到应用, 被证明是一种可靠的检测手段。 在农产品应用领域, 太赫兹波特有的非接触、 无标记检测能力为农产品成分分析、 质量控制提供了技术手段, 其良好的穿透性和无损害性, 可以用来在不破坏农产品表面及外包装的前提下, 检测内部成分变化。 与其他光谱(超声、 X射线、 红外等)检测手段相比, 太赫兹波频率范围宽、 表征能力强, 可实现对目标物质的快速无损检测。 近几年, 随着太赫兹发射源、 探测器等设备以及光谱和成像技术的发展, 其在农产品领域的应用有了新的进展。 通过收集整理近期的文献资料, 综述了太赫兹技术在农产品检测方面的应用拓展和研究成果, 总结了目前存在的应用局限。 在此基础上, 对未来太赫兹光谱和图像检测的研究方向进行了展望, 提出提高检测灵敏度和检测速度是农产品领域太赫兹技术产业化应用的研究重点。 在检测系统中引入基于超材料的传感器是提升灵敏度的一种有效手段, 可以突破原有的太赫兹光谱检测极限, 对研究农药残留、 真菌毒素等危害农产品安全的痕量污染物具有重要意义。 在农产品快速成像检测方面, 基于单像素成像和压缩感知理论的太赫兹计算成像技术是提高检测速度的可行方案。 这些研究成果将为后续太赫兹技术的发展提供方向性指导, 对农产品检测领域的应用推广具有重要参考价值。
太赫兹波 太赫兹光谱 太赫兹成像 农产品检测 Terahertz Terahertz spectrum Terahertz imaging Agriculture detection 光谱学与光谱分析
2022, 42(11): 3330
太赫兹时域光谱不但包含了样品的化学信息和物理信息, 还承载了设备噪声、 样品状态、 环境参数等多方面的背景信息, 其光谱的多元性可能影响模型的性能, 降低预测精度。 能否在复杂、 重叠、 变动背景下从光谱数据中提取目标组分的特征信息, 去除冗余变量, 筛选特征谱区, 对太赫兹光谱定量、 定性分析至关重要。 以L-酒石酸为研究对象, 在室温下采集6个浓度: 10%, 20%, 40%, 50%, 60%和80%, 共计342个样本的L-酒石酸太赫兹吸收光谱。 利用密度泛函理论(DFT)中的B3LYP方法, 基于6-31G*(d,p)基组对L-酒石酸单分子模型进行优化并对其太赫兹频谱特性进行理论模拟计算, 分析对应特征波峰的分子振动模式, 得到0.2~1.6 THz频段吸收谱。 与实测吸收谱进行对比, 实验所测结果与理论计算结果对应的吸收峰位置基本吻合。 采用自举软缩减法(BOSS)对L-酒石酸的太赫兹吸收谱进行特征谱区筛选, 并与竞争性自适应加权采样(CARS)、 蒙特卡洛无信息变量消除法(MC-UVE)和间隔区间偏最小二乘法(iPLS)3种经典特征谱区筛选法进行对比, 分析结果显示BOSS算法选取的有效谱区与DFT理论计算特征谱区重合度最优。 分别使用全谱PLS, CARS-PLS, MC-UVE-PLS, iPLS及BOSS五种算法对L-酒石酸光谱进行建模回归分析, 实验结果表明, 四种谱区筛选方法相较于全谱PLS模型, 预测精度均有所提高, 其中BOSS算法预测能力提高最为显著, 其交互验证均方根误差(RMSECV)、 预测均方根误差(RMSEP)、 训练集决定系数()和测试集决定系数()分别为0.026 0, 0.026 0, 0.988 1和0.987 5, 相较其他模型有更高的预测精度和模型稳定性, 为实现基于太赫兹光谱技术的快速定量检测提供了一种有效的方法。
太赫兹光谱 L-酒石酸 密度泛函 谱区筛选 自举软缩减法 Terahertz spectrum L-tartaric acid Density functional theory Spectral region Bootstrapping Soft Shrinkage 光谱学与光谱分析
2022, 42(9): 2740
广东工业大学计算机学院, 广东 广州 510006
许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。 吸收峰提取法是常用的光谱特征提取算法, 但当光谱无明显特征吸收峰或峰位、 峰值相近或难以识别时, 难以利用吸收峰特征辨别物质。 将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰, 但常常需要人为定义特征而导致分类误差。 深度学习法能自动提取特征, 但在识别前往往需要进行复杂的预处理操作, 并且在特征提取的过程中容易丢失部分特征从而导致分类误差。 针对以上问题, 提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。 利用太赫兹光谱信号进行小波变换时, 由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系, 因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开, 能得到不同的二维的频率-尺度分布图, 又称小波系数图。 然后构造一个卷积神经网络(CNN)对小波系数图进行分类, 可得到太赫兹光谱物质的分类结果。 为了验证所提出算法的有效性, 将三组小波系数图数据与原始光谱数据分别输入CNN、 Support Vector Machin (SVM)、 Multilayer Perceptron (MLP)三种不同的分类器作对比, 从实验结果可以发现本文算法在三组数据中的识别率均达到了100%, 说明相比于传统方法, 本文方法能准确分类没有明显特征吸收峰的光谱, 证明了使用卷积神经网络识别小波系数图的有效性。 为了体现本文算法的优势, 与小波脊线寻峰识别算法作对比, 实验结果表明本文算法几乎不受峰频、 峰位、 峰值的影响, 无论是识别不存在吸收峰的淀粉, 还是识别相似度高的蔗糖和葡萄糖, 都具有较高的识别率, 分类准确率达97.62%, 证明了所提算法的优越性。 该算法为太赫兹光谱数据识别提供了一种新思路, 同时也可以推广运用到其他谱图物质的识别中。
太赫兹光谱 小波系数图 特征提取 物质分类 Terahertz spectrum Wavelet coefficient map Feature extraction Material classification 光谱学与光谱分析
2021, 41(12): 3665
物质的太赫兹光谱具有唯一性。 目前, 结合先进的机器学习方法, 研究基于规模光谱数据库的太赫兹光谱识别技术已成为太赫兹应用技术领域的重点。 考虑到由于实验条件及实验设备的影响, 很难收集到多物质均衡光谱数据, 而这又是对太赫兹光谱数据进行分类的基础。 针对这一问题, 提出一种基于WGAN的不均衡太赫兹光谱识别方法。 WGAN作为生成数据的一种新方法, 将模型达到纳什均衡条件下的生成数据用来补充数据集, 使其达到类别均衡。 生成数据可以有效映射真实数据分布, 通过将生成数据与真实数据混合训练可以提高识别不均衡光谱数据的准确率。 采用三种特征谱较为相似的麦芽糖化合物的太赫兹透射光谱数据进行验证, 首先利用S-G滤波和三次样条插值法对三种物质的光谱数据进行归一化处理, 然后通过构建WGAN模型对三种物质的不均衡太赫兹光谱数据进行扩展, 使其达到类别均衡。 实验在同一测试集下进行验证, 并利用三组对比实验证明WGAN在不均衡数据集处理中的效果。 首先利用WGAN生成数据, 随着迭代次数的增加, 生成数据逐渐符合真实数据分布。 实验结果证明, 使用WGAN扩展后的数据集训练SVM模型, 可以解决模型在测试集上小样本数据(Maltotriose, Malthexaose)偏向大样本数据(Maltoheptaose)的问题。 在将WGAN与传统处理不均衡数据集方法FWSVM和COPY对比后发现, 三种分类算法在dataset-1数据集上的训练集准确率都能达到90%以上。 但是由于模型泛化能力的限制, 传统方法在测试集上的效果并不是很理想, 而使用WGAN后的测试集准确率却能达到91.54%。 在不同不均衡度方面, 采用不均衡度为16, 81和256的数据集进行验证, 其三个测试集上的准确率分别为92.08%, 91.54%和90.27%, 可满足实际工作中处理不同不均衡度的要求。
太赫兹光谱 不均衡数据 机器学习 Terahertz spectrum Wasserstein GAN Unbalanced database Machine learning WGAN
1 昆明理工大学信息工程与自动化学院,云南 昆明 650504
2 昆明理工大学云南省计算机技术应用重点实验室,云南 昆明 650504
物质的太赫兹光谱具有独特的“指纹谱”特性,可以利用该特性对物质进行识别。随着人工智能技术的发展,深度学习算法在太赫兹光谱识别领域得到了越来越广泛的应用。然而在实际应用中,受实验设备、实验条件以及实验环境等因素的影响,所获取的太赫兹光谱数据并不总是大规模的,无法满足深度学习算法所需的数据量要求。为了解决这一问题,本文提出了一种基于生成对抗网络（GAN）的太赫兹光谱识别方法。首先利用S-G滤波器和三次样条插值法对物质的太赫兹光谱数据进行预处理,然后通过GAN生成具有真实太赫兹光谱数据分布的仿真数据,最后将生成的数据以及真实光谱数据作为训练样本对深层神经网络进行训练,从而得出物质的识别结果。实验结果表明：GAN模型生成的太赫兹光谱数据可以有效地模拟真实太赫兹光谱数据的总体特征,扩充太赫兹光谱数据样本,极大地提高了光谱的识别精度。
光谱学 太赫兹光谱 深度学习 深层神经网络 生成对抗网络 激光与光电子学进展
2021, 58(1): 0130001
1 西安建筑科技大学理学院, 陕西 西安 710055
2 西安应用光学研究所, 陕西 西安 710065
3 西安现代控制技术研究所, 陕西 西安 710065
针对混合物成分识别难题,采用太赫兹时域光谱技术获得物质的特征吸收光谱,研究0.1~7.0 THz宽带太赫兹吸收光谱处理方法和特征光谱识别方法。先扣除空气环境中环境噪声、背景噪声和随温度变化的水蒸气吸收谱对待测物质造成的影响,获得用于识别的太赫兹吸收光谱;基于模板匹配、数值平滑、主吸收峰提取与识别和混合物成分判定等方法,建立混合物成分的太赫兹光谱提取分析模型;调用太赫兹光谱数据库,采用模板匹配和吸收峰峰值、面积比对的方法,依次判断识别扣除各样品的太赫兹吸收光谱。最后,依据算法模型完成混合火炸药的太赫兹特征光谱探测与识别。结果表明,所提方法可逐一分辨混合物成分,是一种可靠的太赫兹宽带光谱特性识别方法。
机器视觉 混合物识别 太赫兹光谱 模板匹配 吸收峰提取 激光与光电子学进展
2020, 57(10): 101506
