基于偏最小二乘法的樟树叶片叶绿素含量高光谱估算

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集樟树叶片光谱,并用UV2450-紫外可见分光光度计对观测叶片进行叶绿素含量测定.考虑到植物色素(叶绿素和类胡萝卜素)对叶片反射光谱的影响主要体现在可见光波段,选取400~900 nm范围波段光谱反射率与叶片叶绿素含量反演偏最小二乘法(PLS)模型,其中29个样本用于建模,10个样本用于验证,结果表明:当主成分个数为4时,PLS模型具有最佳的效果,4个主成分累计解释了99.91%的自变量信息和89.71%的因变量信息,此外,PLS模型能够充分利用高光谱信息,具有较高的精度和稳定性.通过与原始光谱和一阶导数光谱拟合的估测模型进行对比分析,得出PLS模型无论是从建模样本精度还是验证的误差方面均优于这两种传统的模型,适合于利用高光谱数据进行叶绿素含量的估测.     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935～1720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9...     

基于LS-SVM和高光谱技术的玉米叶片叶绿素含量检测

为实现玉米叶片叶绿素含量的快速无损测定,采集不同氮素水平的玉米叶片,制备校正集样本60个,验证集样本16个,获取400～1 100 nm波段范围的高光谱数据和相应叶绿素含量.采用变量标准化、13点平滑、一阶导数3种预处理方法结合,根据相关系数图谱选择470～760 nm波段作为光谱数据分析对象;利用最小二乘支持向量机建...     

混和稀土光谱解析方法的研究

采用偏最小二乘法及导数偏最小二乘法对一含有三种稀土与间乙酰偶氮氯磷的混和体系光谱进行剖析,结果表明偏最小二乘法及导数偏最小二乘法均适合多组份分析。在本体系中,因含有基体干扰,导数偏最小二乘法其定量、定性分析略优于偏最小二乘法。     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12 500~4 000 cm-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求.研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的.     

高光谱成像技术及其在农产品检测中的应用

高光谱成像是一项将光谱与成像科学相结合的分析技术,本文介绍了高光谱成像的基本原理和系统构成,指出其优点及不足之处,并讨论了高光谱在农产品检测中的一些应用。     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的.综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900 nm的高光谱图像数据,通过主成分分析提取547 nm波长下的特征图像.     

采用近红外光谱技术快速检测桃汁原汁含量的方法研究

利用近红外光谱技术结合偏最小二乘法（PLS）对桃汁样本中原汁的含量进行定量分析. 采用5种不同预处理方法优化检测数据,结果表明标准化预处理所建立的定量检测模型性能最优,其预测相关系数（R²_p）、预测均方根误差（RMSEP)、校正相关系数（R²_c）、校正均方根误差（RMSEC）分别为0.9988、0.0140、0.9973、0.0212. 研究为桃汁等果汁饮品中原汁含量的检测提供一种快速、无损、简便、廉价、准确的方法.     

基于高光谱成像技术的血迹检测及血指印可视化研究

目的 血迹是命案现场最为常见的物证之一,血手印的检验意义重大,由于很多物种有血液,所以现场血手印复杂多样,种属鉴定更是必要工作,其主要任务包括确定生物性检材的来源,是否来自人体,必要时还需要确定检材来自何种动物.目前常采用的种属鉴定方法有3类:形态学方法、血清学方法和技术检测方法.探索用光学无损的方法进行种属鉴定,研究...     

基于高光谱成像的不同花期薇甘菊特征分析及监测模型研究

薇甘菊是世界上危害巨大的杂草之一,入侵能力强,严重威胁当地生态系统.使用SOC710VP成像光谱仪获取薇甘菊不同花期高光谱数据,选取与薇甘菊不同花期显著相关的参数,建立不同花期监测模型.结果表明,盛花期和未开花期光谱反射率存在明显"绿峰"和"红谷",整体值大小依次为盛花期、未开花期、枯花期;一阶微分曲线在绿光波段、红边,未开花期、盛花期和枯花期均存在明显波峰,且值的大小依次为未开花期、盛花期、枯花期;在750～900 nm,盛花期和未开花期波峰、波谷出现波段范围大致相似,枯花期出现3个波峰,峰值依次减小;薇甘菊不同花期与光谱反射率及光谱一阶微分在529～671、734～744、770～786、791～796 nm和833～838 nm极显著相关,以NDVI、RVI、GI、DVI和HI特征参数构建的多元线性回归模型的拟合效果最佳.根据薇甘菊高光谱特征参数建立的监测模型,可有效地监测薇甘菊不同花期,研究结果可用于薇甘菊发生发展的监测.     

近红外光谱定量预测奶粉中三聚氰胺的含量

近红外光谱技术(NIRS)结合偏最小二乘算法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型.采用二阶导数光谱建立模型,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型的定标模型的相关系数(R)为0.9999,定标标准分析误差(SEC)为1.43%,预测相关系数(R)达到0.9284,预测标准分析误差(SEP)为1.03%,模型具有较好的预测效果.研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析.     

傅立叶近红外漫反射光谱的偏最小二乘法应用研究

对小麦粉的傅立叶近红外漫反射光谱和成分浓度数据进行了偏最小二乘法处理,对小麦粉的水分、蛋白质干基以及湿面筋干基同时进行了定标和预测.结果证明:偏最小二乘法充分利用了样品的光谱信息和化学组分浓度信息,对于成分复杂以及光谱重叠现象严重的光谱仍然给出了优良的定标和预测结果.     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

耦合高光谱数据估算土壤含水率的方法

在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉平原潮土土样的原状光谱反射率(R_und)和烘干光谱反射率(R_dry);基于R_dry确定研究区同一土壤类型在烘干状态下(SMC为0)的标准光谱(Std­R);采用差值、比值、归一化的方法耦合R_und和Std­R,得到耦合光谱(Cpl­R_S、Cpl­R_D、Cpl­R_N);提取耦合光谱中水分敏感波段的光谱(Moe­R_S、Moe­R_D、Moe­R_N),基于偏最小二乘回归方法(PLSR)建立SMC的估算模型.结果表明,标准光谱具有良好的代表性,能够为光谱耦合提供统一且稳定的背景值;耦合土样的原状光谱和标准光谱可以有效地削减土壤水分以外其它因素对土壤高光谱观测的影响;利用耦合光谱的水分敏感波段建立的SMC估算模型相较基于R_und建立的模型,有效降低了模型的复杂度,精度有较大程度地提升,建模集Rc(2)从0.46最高上升至0.61,验证集Rp(2)从0.49最高上升至0.71,RPD值从1.39最高上升至1.72,模型的稳定性、拟合度和预测能力都得到提升.该方法简单、易推广,为快速准确评估农田墒情提供了新途径.     

水果成熟度的高光谱成像无损检测研究

水果成熟度作为衡量水果品质和等级的一个重要指标,区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率.高光谱技术是一种新型光谱技术和计算机视觉融合技术,它可以从图像维和光谱维对水果的综合品质进行评价.分析了国内外将该技术应用于水果成熟度检测方面的研究进展,提出了利用高光谱图像技术检测枣和梨成熟度的方法,利用不同成熟度的水果在可见光及近红外波段的反射率,初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长.     

基于近红外光谱的大鲵黏液粉掺伪的定性定量研究

采用近红外光谱扫描不同掺伪样品,用偏最小二乘线性判别法分别建立掺伪大鲵黏液粉的2分类(纯大鲵黏液粉和掺伪样品)和5分类(纯大鲵黏液粉、掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉)定性判别模型;用偏最小二乘回归分别建立4类掺伪大鲵黏液粉的定量校正模型。结果表明,原始光谱经一阶导数+标准变量变换预处理后,所建2分类和5分类小二乘线性判别定性模型的校正集和预测集均无误判数;大鲵黏液粉掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉的定量预测模型能够较好地验证黏液掺伪成分。     

高光谱识别目标的光谱分离分析方法

介绍了线性混合光谱模型,提出了一种分析复合光谱的方法-通过已有的光谱数据库,利用约束最小二乘法分离出像元组份,并能计算像元组份比,对此进行实验,验证了其可行性,并分析了一个30通道的遥感图像。实验以及图像分析的结果表明此种方法能用来分析混合像元问题,即能分离出像元组份,计算出像元组份比获昨比值图像,能利用高光谱数据识别小于地面像元的目标。     

基于光谱技术的水污染物检测与仿真研究

提出一种基于光谱技术的水污染物质量浓度的检测与仿真方法,结合机器学习可最终实现对水污染物的定性分析和定量检测.通过偏最小二乘法选取合适的波段建立标准模型,利用合适的主成分数定量分析湖水中两种污染物氨氮和化学需氧量的质量浓度.以武汉东湖为例,选取不同区段的3个水样作为待测水样.对于氨氮,选取标准溶液在188.477～189.935nm之间的11个波点建立标准模型,采用3个主成分进行预测,3个待测水样的氨氮质量浓度分别为103.939,37.291,15.592 mg/L.对于化学需氧量,选取标准溶液在235.785～237.210 nm之间的11个波点建立标准模型,采用1个主成分进行预测,其中2个待测水样的化学需氧量质量浓度较低,另一个浓度为19.421 mg/L.通过与国家标准对比表明:东湖氨氮含量严重超标,化学需氧量轻微超标.     

应用高光谱植被指数反演冬小麦叶绿素的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。本研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明：(1)最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;(2)不同植被指数抗噪声能力有一定的差异,其中DVI、NDVI和SAVI等抗噪能力比较强,MCARI和TCARI抗噪能力比较弱;(3)联合反演模型反演结果为R2=0.7415,RMSE=0.4026,优于MTCI的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。