光学 精密工程
2023, 31(16): 2362
华中科技大学光学与电子信息学院，湖北 武汉 430074
动态光散射技术在微米与亚微米级颗粒系粒径分析领域中具有广泛应用，但缺乏非球形颗粒系粒径分布（PSD）的反演模型和算法，限制了其在生物医疗等领域中的应用。基于机器学习方法，设计了基于广义回归神经网络（GRNN）的PSD反演模型和算法，可应用于多角度动态光散射法的粒径分析场景中。以生物医疗领域中的双凹圆饼形和椭球形血红细胞作为典型的非球形颗粒物模型，通过仿真实验测试了所设计的算法。实验结果表明，与传统的正则化Tikhonov算法相比，所设计的反演算法粒径分析准确性更好且耗时更短。对多角度动态光散射法中的散射角度数量进行了仿真实验。结果表明，仅使用2个散射角度处获得的数据依然能实现非球形颗粒系粒径分布的准确反演。
散射 多角度动态光散射 颗粒系粒径分布 广义回归神经网络 非球形颗粒分析
1 哈尔滨商业大学计算机与信息工程学院, 黑龙江省电子商务与信息处理重点实验室, 黑龙江 哈尔滨 150028
2 哈尔滨商业大学食品工程学院, 黑龙江 哈尔滨 150028
豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品, 是制作禽畜类饲料的主要原料, 其品质决定营养价值。 针对现有豆粕品质检测方法存在着有毒化学试剂使用多、 操作复杂、 分析时间长、 无法满足实际生产线快速检测及调控需求等问题, 提出一种基于近红外光谱分析的豆粕品质多组分检测方法, 以期用于产品质量在线检测及调控。 从大豆油脂加工生产线上采集豆粕样品449个, 利用105 ℃烘箱法、 凯氏定氮法和索氏提取法分别测定样品的水分、 蛋白质和脂肪化学值, 采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱。 首先利用马氏距离法剔除异常样本, 然后用多种方法对光谱数据进行降噪处理, 对比分析发现小波去噪效果最优。 分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集。 为了探讨豆粕组分的近红外吸收特性, 剔除光谱冗余信息, 降低模型计算复杂度, 采用区间偏最小二乘法(iPLS)对4 000~10 000 cm-1全谱进行特征提取, 优选出水分、 蛋白质和脂肪的特征吸收波段分别为4 904~5 200, 4 304~4 600和4 304~4 600 cm-1。 最后建立豆粕组分含量的广义回归神经网络(GRNN)预测模型。 为了减少网络的输入变量, 缩小网络规模, 提高运行速度, 采用PLS对光谱数据降维, 提取主因子得分作为GRNN输入变量。 通过交叉验证循环法优选网络参数光滑因子spread值, 建立豆粕多组分含量PLS-GRNN预测模型, 并与经典的PLS和BP模型对比, 发现PLS-GRNN模型效果更优, 其水分、 蛋白质和脂肪的预测集R2分别为0.976 9, 0.940 2和0.911 1, RMSEP分别为0.091 2, 0.383 4和0.113 4, RSD分别为0.79%, 0.83%和8.53%。 虽然脂肪的预测误差相对较大, 但也在模型评定标准可用范围之内。 实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的, 能够用于实际生产过程中的品质监控。
豆粕品质 近红外光谱 区间偏最小二乘 广义回归神经网络 Soybean meal quality Near-infrared spectroscopy (NIR) Interval partial least squares (iPLS) Generalized regression neural network (GRNN) 光谱学与光谱分析
2022, 42(5): 1433
利用激光诱导击穿光谱技术(LIBS)结合广义回归神经网络(GRNN)算法对不同类别的日用陶瓷进行了分类识别。首先采集了不同产地的日用陶瓷样品的LIBS光谱数据，再筛选出陶瓷坯体主要元素的特征谱线，建立了GRNN分类模型。结果显示，对LIBS光谱进行有效数据的提取能够大大增加建模效率，平均建模时间从改进前的16.31 s缩短至0.36 s。为了优化分类模型的性能，对光谱数据进行了归一化处理，再利用马氏距离筛除了异常光谱，结合主成分分析(PCA)进行了数据降维，在保证模型效率的情况下，测试集单次预测正确率可以达到100%，平均预测正确率为99.74%。实验结果表明，LIBS技术结合GRNN分类算法能够实现日用陶瓷的有效分类。
光谱学 激光诱导击穿光谱技术 日用陶瓷 分类 广义回归神经网络 主成分分析 中国激光
2022, 49(21): 2111001
1 南京信息工程大学, 江苏省大气海洋光电探测重点实验室, 江苏 南京 210044
2 江苏省大气环境与装备技术协同创新中心, 江苏 南京 210044
3 南京信息工程大学, 江苏省气象光子学与光电探测国际合作联合实验室, 江苏 南京 210044
玫瑰、蔷薇和月季三种花同属于蔷薇属植物, 这三种花外貌相似, 极易混淆。蔷薇属植物具有重要的观赏价值、药用价值等, 因此快速鉴别蔷薇属植物具有重要意义。利用激光诱导击穿光谱 (LIBS) 技术对三种花进行原位在线检测, 可以识别三种花中的主要元素。通过植物中所含元素的差异以及同一元素对应谱线的相对强度的差异, 可以辨别玫瑰、蔷薇和月季。此外, 在蔷薇属植物光谱中还可以探测到 CN 自由基, 利用 LIFBASE 软件模拟光谱中的 CN, 计算 CN 的振动温度和转动温度, 得到的参数可以视为实验参数。在对比分析三种不同花的激光诱导击穿光谱后, 选择强度差异显著的特征谱线作为变量, 结合广义回归神经网络 (GRNN) 对花属进行预测, 正确率可达 93.3%。
光谱学 检测蔷薇属植物 激光诱导击穿光谱 广义回归神经网络 spectroscopy detection of the genus Rosa L. laserinduced breakdown spectroscopy general regression neural network
1 燕山大学信息科学与工程学院，河北 秦皇岛 066004
2 燕山大学电气工程学院，河北 秦皇岛 066004
柴油和生物柴油混合油液三维荧光光谱中的荧光峰较多，导致混合油液的主要特征峰不明显，而且随着柴油占比的减少，三维荧光光谱的最大荧光强度位置会发生偏移，荧光强度与柴油占比不满足线性关系。因此，检测混合油液中的柴油占比较为复杂。本团队采用二维主成分分析(2DPCA)对混合油液的三维荧光光谱进行重构，重构荧光光谱中的冗余信息减少，在最佳激发波长450 nm下有能代表柴油的发射光谱(465～500 nm)。利用麻雀搜索算法(SSA)对广义回归神经网络(GRNN)进行优化，构建2DPCA-SSA-GRNN预测网络，该网络输入是训练集中的9个样本经2DPCA重构后能代表柴油的发射光谱，网络输出是柴油占比。最后利用建立的网络预测测试集中4个样本的柴油占比，柴油占比分为85.02%、73.76%、63.80%、53.37%，平均回收率为98.39%，均方根误差为0.90%，预测效果较未利用重构发射光谱的网络具有较大提升，均方误差降低了0.97个百分点，平均回收率提高了1.24个百分点。本文为优化神经网络预测物质占比提供了新方法。
光谱学 三维荧光光谱 二维主成分分析 柴油 广义回归神经网络 麻雀搜索算法 中国激光
2022, 49(18): 1811002
提出一种基于广义回归神经网络（GRNN）拟合光谱共焦系统的光谱响应以准确定位峰值波长。利用采集到的光谱信号作为样本数据，将光谱数据中的信号波长λ作为GRNN模型的输入变量，光谱波长的归一化强度作为输出变量，基于样本的输入变量和输出变量的联合概率密度函数作为验证条件，对光谱信号的预测输出进行Parzen非参数核回归，得到波长对应的归一化强度的最大概率输出值，实现光谱的重新表征。由于GRNN网络将输出变量附近样本点的权重考虑在内，因此一定程度上能够消除光谱信号随机噪声的影响，提高光谱信噪比，减小光谱信号的表征误差，提高峰值波长提取的准确性。实验表明GRNN模型对色散焦移的拟合系数为0.999 9，系统分辨率约为2 μm，测量误差的均方根误差约为0.01 μm，优于传统的最值法、质心法、高斯拟合等算法，能够有效地抑制色散模型波长提取引起的模型波动，提高系统测量的分辨率与稳定性。
广义回归神经网络 光谱共焦 光谱分析 峰值提取 精密测量 General regression neural network Spectral confocal Spectral analysis Peak extraction Precise measurement
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。这样可以避免果蝇算法陷入局部最优,提高模型预测精度。将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。
光计算 广义回归神经网络 双陷波超宽带天线 果蝇算法 局部最优 光滑因子 激光与光电子学进展
2021, 58(4): 0420001
华东交通大学机电与车辆工程学院, 江西 南昌 330013
为探索不同光谱预处理方法对太赫兹(THz)光谱的影响,采用平滑、多元散射校正、基线校正和归一化相以及多元散射校正和归一化结合等预处理方法。为优化模型、减少运算量,采用主成分分析(PCA)对太赫兹光谱进行波段压缩,以降低数据维数,基于压缩后的数据分别建立反向传播神经网络 (BPNN)和广义回归神经网络(GRNN)检测模型。实验结果表明:经多元散射校正结合归一化校正处理后的GRNN模型效果最佳,得到的预测相关系数为0.9967,预测均方根误差为0.0050。本实验验证了THz光谱检测技术对奶粉中违禁添加剂三聚氰胺检测的可行性,并建立了较优的掺杂三聚氰胺奶粉样品的GRNN检测模型。该研究对促进奶粉行业的健康发展具有较为重要的意义。
光谱学 太赫兹光谱技术 奶粉 三聚氰胺 广义回归神经网络 主成分分析 激光与光电子学进展
2020, 57(22): 223001
1 浙江工业大学信息工程学院, 浙江 杭州 310023
2 上海交通大学区域光纤通信网与新型光通信系统国家重点实验室, 上海 200240
针对高阶正交幅度调制和大线宽相干光正交频分复用(CO-OFDM)系统,提出了一种基于广义回归神经网络(GRNN)的非线性均衡算法。将接收端进行相位噪声恢复之后的批量数据作为训练数据样本,通过训练学习得到GRNN的唯一参数平滑因子,然后对测试数据进行非线性均衡。对传输速率为50 Gb/s,传输距离为100 km的CO-OFDM系统进行了仿真验证。仿真结果表明,在大线宽和高阶调制下,GRNN非线性均衡算法对系统非线性损伤的补偿效果优于相应反向传播神经网络(BPNN)非线性均衡算法,且其训练运行时间远小于BPNN。GRNN非线性均衡算法能极大促进CO-OFDM系统在中长距离光纤传输中的应用。
光通信 相干光正交频分复用 大线宽 高阶正交幅度调制 广义回归神经网络 非线性均衡
