中国计量大学光学与电子科技学院，浙江 杭州 310018
塑料因其可塑性与低成本在日常生活与工业中被广泛使用，然而这也带来环境污染与资源浪费等问题，因此塑料分类成为重要研究课题。为验证高光谱成像技术在塑料分类中的可行性，采用近红外高光谱成像技术（NIR-HSI），比较了1100~1650 nm波段数据在9种常见塑料分类中的效果。涵盖K邻近法（K-NN）、支持向量机（SVM）、粒子群算法训练的SVM（PSO-SVM）、遗传算法优化的SVM（GA-SVM）等机器学习方法。通过验证数据筛选模型准确率后，将其应用于高光谱图像，通过可视化分类对比原始图像评估模型效果。结果显示，基于欧氏距离、余弦相似度的K-NN和GA-SVM分类效果最佳，验证数据的精度分别达到96.14%、96.21%和98.67%，在可视化分类上也呈现出良好效果。高光谱成像技术在塑料分选中具有很高的应用价值，只需获取特定塑料的光谱数据并进行适当处理，即可对不同颜色、形状、工艺的同类塑料制品进行有效区分。
近红外高光谱成像 塑料分类 机器学习 可视化分类 激光与光电子学进展
2024, 61(2): 0211031
1 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642
2 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642岭南现代农业科学与技术广东省实验室, 广东 广州 510642
3 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642岭南现代农业科学与技术广东省实验室, 广东 广州 510642农业农村部华南智慧农业公共研发中心, 广东 广州 510520
随着杂交水稻育种技术的快速发展, 杂交水稻品种日益繁多, 品质与价格也千差万别, 利用智能化手段对杂交水稻种子进行快速分类、 分级和品质检测成为杂交水稻研究领域的热点。 首先研究了不同预处理方式对基于近红外光谱的一维卷积神经网络分类模型对杂交水稻种子的分类效果的影响, 研究结果表明利用Savitzky-Golay卷积平滑算法预处理后的一维卷积神经网络分类模型可获得最佳的分类效果, 其验证集与测试集的分类精度为95.4%和92.9%。 利用随机森林特征波长选择算法选取3个最重要的特征波长分别构建基于单波长灰度图像数据集和基于3波长重构的伪彩色图像数据集, 研究了基于图像数据集的卷积神经网络VGG和残差网络ResNet的杂交水稻种子分类模型, 其研究结果表明基于伪彩色图像数据集的VGG卷积神经网络模型能够获得最优的分类效果, 其验证集与测试集的分类精度分别为92.8%和92.8%, 相比基于伪彩色图像数据集的ResNet分类模型, 其验证集提升3.6%, 测试集提升4.9%。 为了进一步提高分类的精度, 提出了一种图像信息与光谱信息融合的杂交水稻种子分类方法, 该方法利用1D-CNN网络分支提取种子的光谱特征, 利用2D-CNN网络分支提取种子图像的空间维度特征, 最终构建基于图谱融合的2Branch-CNN卷积神经网络分类模型, 其验证集与测试集的分类精度都得到明显改善, 分别达到98%和96.7%。 并利用混淆矩阵评估了2Branch-CNN分类模型对于各个种类的杂交水稻种子的分类效果。 研究结果表明通过图谱融合能有效提升卷积神经网络模型的分类精度, 构建基于光谱与图像数据融合的二分支卷积神经网络模型将为杂交品种的种子快速筛选与分级提供新思路。
深度学习 近红外高光谱 杂交水稻种子 特征融合 Deep learning Near-infrared hyperspectrum Hybrid rice seeds Feature fusion 光谱学与光谱分析
2023, 43(9): 2935
昆明理工大学现代农业工程学院, 云南 昆明 650500
三七粉是三七的主要消费和商品形式, 市场上存在以次充好、 甚至是掺假的现象, 由于是粉状物料, 难以用肉眼判别, 为了实现对不同质量等级的三七粉进行无损鉴别。 将30头、 40头、 60头和80头的三七主根研磨成粉, 制备样本。 采用可见近红外高光谱成像系统(400.68~1 001.61 nm)采集4种不同头数三七粉, 共计384个样品的高光谱图像, 提取高光谱图像感兴趣区域(ROI)的平均光谱值作为样本原始光谱。 将384个三七粉样本按2∶1的比例划分训练集和测试集。 采用卷积平滑(SG)、 多元散射校正(MSC)和标准正态变量变换(SNV)3种预处理方法对三七粉样本光谱信息进行预处理并建立支持向量机(SVM)分类模型, 通过比较基于3种预处理方法的SVM模型测试集分类准确率, 确定SNV为最优预处理方法。 采用迭代保留信息变量(IRIV)、 变量组合集群分析(VCPA)和变量组合集群分析混合迭代保留信息变量(VCPA-IRIV)3种特征选择方法提取SNV预处理后光谱的特征波长并建立基于特征光谱和原始光谱的SVM分类模型, 通过比较基于3种特征选择方法得到的特征波长建立的SVM模型测试集分类准确率, 发现将VCPA与IRIV相结合的VCPA-IRIV为最优特征选择方法。 VCPA-IRIV提取了18个特征波长代替全光谱数据参与建模, 该算法在降低模型复杂度的同时保持了模型的分类精度。 为了提高模型的分类精度, 采用引力搜索算法(GSA)对SVM模型中惩罚因子c和核参数g进行寻优, 并与网格搜索(GS)的结果进行比较, 结果表明, VCPA-IRIV-GSA-SVM模型分类效果最好, 测试集分类准确率达到100%。 可见, 利用可见近红外高光谱成像对三七粉进行质量等级无损鉴别是可行的, 为市场上三七粉的质量等级鉴别提供了参考。
可见近红外高光谱成像 三七粉 特征选择 支持向量机 引力搜索算法 Visible near-infrared hyperspectral imaging Panax notoginseng powder Feature selection Support vector machine Gravitational search algorithm 光谱学与光谱分析
2022, 42(7): 2255
中国农业大学信息与电气工程学院, 北京 100083
实现玉米等活体作物叶片不同区域以及近地冠层的水分含量检测, 可为研究作物生长中的水分胁迫响应机制, 以及旱情监测、 精准灌溉等提供有效技术手段。 大体积、 大重量、 低光通量的高光谱仪难以在田间实现活体检测, 将小体积、 小重量、 高光通量近红外相机加装滤光片使其具有波长分辨能力, 有望实现田间活体叶片水分含量成像检测。 基于玉米叶片的近红外高光谱数据, 对实现水分测量的特征波长位置及个数, 以及特征波长带宽和偏移限度等关键参数进行研究; 其中, 不同带宽的仿真数据依据滤光片透光分布函数得到; 固定带宽条件下的中心波长偏移仿真数据依据插值方法得到。 研究结果表明: 特征波长分别为1 150和1 400 nm, 带宽小于100 nm时可满足要求, 能够找到符合参数条件的滤光片产品; 在带宽为25 nm下所建水分含量模型, 其建模集的决定系数(R2)和均方根误差(RMSE)分别达到0.968, 1.245%, 预测集分别达到0.960, 1.298%, 可实现玉米叶片水分的准确检测。 为推测加装滤光片所建模型受环境温度的影响, 应用固定中心波长下的模型预测不同偏移量的仿真数据, 当偏移量为0.05 nm时, 模型预测误差为不漂移条件下3%左右, 可忽略, 由干涉滤光片中心波长漂移与温度的关系, 相当于环境温度在50 ℃的范围对检测结果影响不大。 该研究对近红外相机加装滤光片形成多光谱成像检测装置提供了重要技术参数支撑和环境工作范围建议, 装置的搭建工作已开始, 装置的实现可为现代农业作物生理、 生产研究提供新型、 有效手段。
近红外高光谱 近红外相机 滤光片 活体叶片 含水量 NIR hyperspectroscopy NIR camera Optical filter Live leaf Moisture content 光谱学与光谱分析
2021, 41(10): 3184
双氯芬酸钠是一种非甾体抗炎药, 抗炎症效果较好, 抗炎化学药物双氯芬酸钠有可能违禁添加到缓解炎症保健食品中。 目前已有一些文献研究水、 肉及牛奶等中的药物双氯芬酸钠, 主要利用高效液相色谱、 表面增强拉曼及电化学等方法, 需要相对复杂的预处理过程, 操作步骤相对复杂, 耗时。 为了快速、 无损检测保健食品中违禁添加物的成分, 探索建立采用1 000~2 524 nm波段或特征最优波段的光谱作为自变量, 将近红外高光谱成像技术结合化学计量学分析的方法定量分析缓解炎症保健食品中可能添加的不同浓度的双氯芬酸钠。 研究主要运用了8种光谱预处理方法, 基于全光谱波长建立了偏最小二乘回归及主成分回归模型, 同时, 为了提高模型的准确性和稳定性, 利用β系数方法选择最优波段1 130~1 147, 1 412~1 468, 1 658~1 709, 2 010~2 055, 2 122~2 178和2 395~2 423 nm为自变量建立与双氯芬酸钠浓度的多元线性回归模型。 比较了偏最小二乘回归、 主成分回归及多元线性回归三种模型。 分析结果显示, 经标准正态变量预处理方法建立多元线性回归模型, 该模型的准确性和和预测能力较好, 其预测最低限为0.05%, 预测值与实测值的R2为0.992 5, 预测均方根误差为0.004 9, 标准预测偏差为0.004 9, 说明近红外高光谱成像技术为快速定量分析缓解炎症保健食品中违禁添加抗炎药物双氯芬酸钠提供了理论基础。 有望进一步开发拓展到其他违禁添加药物的快速定量应用。
近红外高光谱成像技术 保健食品 双氯芬酸钠 多元线性回归模型 Near infrared hyperspectral image Dietary supplements Diclofenac sodium Multiple linear regression model
高光谱成像技术是一种将成像与光谱相结合的新型无损检测技术, 属于间接分析方法; 光谱模型的建立非常关键, 需综合考察各建模因素间的交互作用。 应用Box-Behnken法设计响应面试验优化冷鲜滩羊肉蛋白质含量的可见/近红外高光谱定量检测模型。 使用可见/近红外高光谱成像系统采集冷鲜滩羊肉样本的高光谱图像, 分析肉样反射光谱特性。 采用二维相关光谱技术(2DCOS), 以冷鲜滩羊肉中蛋白质含量为“外界扰动”, 研究扰动条件下光谱信号的动态变化, 解析二维相关光谱谱图特征, 寻找与微扰相关的敏感变量。 分别采用多元散射校正(multiplicative scatter correction, MSC)和标准正态变量变换(standard normalized variate, SNV)提取有用信号, 优化所选特征波段光谱质量。 为实现数据快速降维, 减少大量光谱数据处理负担, 采用变量组合集群分析法(variable combination population analysis, VCPA)和应用竞争性自适应加权算法(competitive adaptive reweighted sampling, CARS)对2DCOS范围内特征波段进行二次优选。 根据Design-Expert软件中Box-Behnken法设计响应面试验, 以特征优选、 光谱预处理及多元校正方法为考察因素, 各因素中3种不同方法为水平, 建立冷鲜滩羊肉蛋白质含量分析的优化检测体系。 结果表明, 波长473, 679, 734和814 nm处存在较强的自相关峰, 473~814 nm范围内的特征波段为冷鲜滩羊肉蛋白质检测的敏感区域; MSC和SNV能够消除肉样自身散射作用的干扰, CARS和VCPA对特征波段进行二次优选, 分别优选出了16和9个特征波长; 各因素对蛋白质可见/近红外光谱模型预测性能的影响顺序为特征优选方法>预处理方法>多元校正方法, 优选出2DCOS-SNV-LSSVM模型具有较高的运行速率和预测能力, 其Rc=0.858 8, RMSEC=0.005 8; Rp=0.860 4, RMSEP=0.005 7。 研究表明, Box-Behnken法在可见/近红外高光谱(400~1 000 nm)建模参数优化选择中的应用, 可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析, 为分析对象光谱模型的优化及提高预测结果的准确性提供理论参考。
可见/近红外高光谱 Box-Behnken设计 二维相关光谱 滩羊肉 蛋白质 Visible-near infrared hyperspectral Box-Behnken design Two-dimensional correlation spectra Tan mutton Protein
高光谱成像技术可以无损检测植物不同尺度的理化信息, 现有研究往往以分析高光谱图像的平均光谱为主, 忽略了其空间维度的信息。 以模式植物拟南芥为研究对象, 探究高光谱成像不同扫描速度引起的图像空间分辨率差异对植物冠层含水率测量的影响, 为高光谱成像在线快速检测植物冠层含水率提供优化方案。 首先利用室内在线高光谱成像系统分别在20, 30和40 mm·s-1三种扫描速度下采集了拟南芥冠层高光谱图像, 并提取拟南芥冠层平均反射光谱。 其次, 利用偏最小二乘算法(PLSR)建立了拟南芥冠层含水率与平均反射光谱的定量分析模型, 通过决定系数(R2)、 均方根误差(RMSE)、 相对分析误差(RPD)对模型进行评估。 比较基于原始光谱与多元散射校正算法(MSC)、 Savitsky-Golay平滑算法等预处理光谱建立的PLSR模型, 选取最佳光谱预处理方法用于后续的数据处理。 最后, 利用连续投影算法(SPA)分析比较基于最优特征波长与全波长的模型预测准确度, 探明高光谱图像扫描速度对拟南芥冠层含水率预测的影响规律。 研究结果表明, 当扫描速度从20 mm·s-1提升到30 mm·s-1时, 基于MSC预处理的全波段PLSR模型预测拟南芥冠层含水率决定系数降低0.88%, 小于1%; 当扫描速度从20 mm·s-1提升到40 mm·s-1时, 拟南芥冠层含水率决定系数降低2.3%。 说明在适当提高扫描速度的同时, 能够保证植物冠层的高含水率预测准确度。 改变高光谱扫描速度可以更有效地利用高光谱图像空间维度有效信息, 扫描速度适当增大后, 高光谱图像的空间维度信息改变, 提高实际生产应用环节的图像采集效率, 减少数据处理时间。
拟南芥 冠层含水率 近红外高光谱 扫描速度 Arabidopsis thaliana Canopy moisture content Near-infrared hyperspectral imaging Scanning speed SPA PLSR SPA PLSR 光谱学与光谱分析
2020, 40(11): 3508
1 山东农业大学机械与电子工程学院, 山东 泰安 271018
2 农业农村部南京农业机械化研究所, 江苏 南京 210014
3 College of Agriculture, Food and Natural Resources, University of Missouri, Columbia 65211, USA
4 Biological Systems Engineering, Washington State University, Washington 99350, USA
货架期是影响果蔬品质和供应安全的重要因素, 快速准确预测果蔬货架期已成为消费者、 生产者和管理者共同关注的问题。 猕猴桃含有多种有机物和氨基酸, 具有丰富的营养价值, 深受广大消费者的喜爱。 但由于猕猴桃表面颜色变化不明显, 人们仅凭感官难以准确判断猕猴桃的货架期和质量等级。 采用高光谱成像结合化学计量学方法对不同储存条件下的保鲜猕猴桃进行了货架期预测。 首先采集了4 ℃和(18±2) ℃下保鲜时间为0, 2, 4天各120个猕猴桃样本在400～1 000 nm的高光谱数据, 测定其硬度值和可溶性固形物含量(SSC), 获取猕猴桃切片高光谱图像。 对猕猴桃平均光谱提取并进行Savitzky-Golay卷积平滑预处理后, 通过光谱数据主成分分析(PCA), 发现不同货架期和储存温度的猕猴桃样本在前2个主成分空间形成一定的聚类, 4 ℃下猕猴桃样本出现少量重叠。 为了减少波长变量, 提高运算速度, 使用载荷系数法(XL)与连续投影算法(SPA)选择特征波长。 其中, 4 ℃猕猴桃样本的XL和SPA特征波长分别7个(481, 501, 547, 665, 723, 839, 912 nm)和10个(406, 428, 520, 617, 665, 682, 723, 818, 878和983 nm); (18±2) ℃猕猴桃样本XL特征波长为508, 545, 665, 672, 720, 839和909 nm, SPA特征波长为575, 622, 731, 756, 779, 800, 828, 865, 920和983 nm。 基于3∶1的光谱数据集划分三个货架期虚拟等级值1, 2和3, 以全光谱数据、 特征波长为输入, 建立非线性最小二乘支持向量机(LS-SVM)预测模型。 结果表明, 对于4 ℃下3种货架期猕猴桃样本, 在全光谱和XL, SPA特征波长上的预测集准确度分别达到92.2%, 92.2%, 91.1%; (18±2) ℃时预测准确度均为100%。 猕猴桃切片图像PCA分析显示, 除PC5中有部分噪声影响外, 其他主成分图像均能完整反映猕猴桃切片信息, PC2图像可以明显呈现出猕猴桃切片在不同货架期的变化程度。 进一步分析猕猴桃硬度和可溶性固形物含量发现, 随着货架期延长, 猕猴桃可溶性固形物含量逐渐增加, (18±2) ℃时二者存在正相关性, 相关系数为0.557 6。 硬度则随货架期延长逐渐减小, 4和(18±2) ℃下硬度值和货架期之间存在负相关性, 相关系数分别为-0.335 6和-0.562 0。 结合猕猴桃光谱信息, 可以发现猕猴桃光谱反射率与其单个理化指标不成线性关系, 而是多个指标的综合反映。 因此, 采用高光谱成像技术可以全面、 准确、 快速的预测猕猴桃货架期, 为猕猴桃的生产、 销售提供技术指导。
猕猴桃 货架期 近红外高光谱技术 化学计量学 Kiwifruit Shelf-life Near-Infrared hyperspectral imaging technique Chemometrics methods 光谱学与光谱分析
2020, 40(6): 1940
1 宁夏大学农学院, 宁夏 银川 750021
2 宁夏大学土木与水利工程学院, 宁夏 银川 750021
3 宁夏大学物理与电子电气工程学院, 宁夏 银川 750021
滩羊肉的新鲜度是其品质安全的一个重要衡量指标, 也是肉品品质安全控制的关键环节。 挥发性盐基氮（TVB-N）是表征肉品腐败过程主要的化学信息, 能有效地评价出滩羊肉的新鲜度。 然而, TVB-N的传统检测过程繁琐且人为影响因素大, 检测结果缺乏客观性和一致性, 不能满足当今肉品检测过程无损、 快速、 高效的需求。 高光谱成像技术符合现代检测技术向多源信息融合方向发展的需求, 已在食品安全领域得到广泛应用。 利用可见/近红外高光谱成像技术（400~1 000 nm）结合动力学和化学计量学方法以及计算机编程技术, 将同时实现滩羊肉贮存期内（15 ℃环境）TVB-N 浓度的快速检测和贮藏期的预测。 研究中提取每个样品感兴趣区域的平均光谱数据, 选用蒙特卡洛算法剔除异常样本。 采用X-Y共生距离（SPXY）法划分为校正集和预测集, 分别选用多元散射校正（multiplicative scatter correction, MSC）、 卷积平滑（savitzky-golay, SG）、 标准变量变换（standard normalized variate, SNV）、 归一化（normalization）、 基线校准（baseline）五种方法对原始光谱数据进行预处理, 优选出最佳预处理方法。 采用竞争性自适应重加权法（campetitive adaptive reweighted sampling, CARS）和连续投影算法（successive projections algorithm, SPA）分别提取了21个和6个特征波长。 为优化模型并提高其模型精度, 采用SPA算法对 CARS 所选特征波长进行二次提取, 优选出14个特征波长。 基于所提取的特征波长建立TVB-N浓度的PLSR模型, 优选出 SNV-CARS-SPA-PLSR 模型具有较高的预测能力（R2c=0.88, RMSEC=2.51, R2p=0.65, RMSEP=2.11）。 同时, 建立了滩羊肉TVB-N变化与贮藏时间的动力学模型, 并将优化后的光谱模型和动力学反应模型相结合建立了滩羊肉光谱吸光度值与贮藏时间的高光谱动力学模型, 实现对贮藏时间的预测, 并通过 PLS-DA判别模型对滩羊肉贮藏时间进行判别分析（校正集判别准确率为100%, 预测集为97%）。 研究表明, 利用可见/近红外高光谱成像技术结合动力学和化学计量学方法以及计算机编程技术, 可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析, 为开发实时在线检测装备提供理论参考。
可见/近红外高光谱 动力学模型 PLS-DA判别模型 新鲜度 化学计量学 Visible/near infrared spectroscopy Dynamic model PLS-DA discriminant model Freshness Chemometrics 光谱学与光谱分析
2019, 39(6): 1909
为了比较4 ℃、15 ℃两种贮藏温度下滩羊肉pH值的变化, 优选出滩羊肉贮藏期间的最优模型,采用pH酸度计测量样本pH值, 建立两种贮藏温度下传统动力学的零级和一级模型; 应用近红外（900~1 700 nm)高光谱成像采集两种贮藏温度下滩羊肉的光谱数据, 剔除异常值后进行光谱预处理; 使用连续投影算法（SPA)提取特征波长, 建立全波段和特征波长的偏最小二乘（PLSR)预测模型; 对比分析得到的最优光谱模型与动力学模型相结合, 确定滩羊肉光谱动力学模型。结果表明,4 ℃和15 ℃的传统动力学模型的相关系数分别为0.502和0.912; 4 ℃下原始光谱经PLSR建模后效果最优, 相关系数Rc为0.821, Rp为0.863, 15 ℃经SG-S(3,7)+De-trending（4)预处理后经PLSR建模效果最优, 相关系数Rc为0.876, Rp为0.819。因此, 高光谱结合传统动力学的模型检测羊肉pH值的方法是可行的, 该模型可以预测15 ℃下滩羊肉的贮藏期。
近红外高光谱 动力学模型 贮藏温度 near-infrared hyperspectra pH pH kinetic model storage temperature PLSR PLSR
