光谱技术在果品无损检测中的应用研究进展

介绍了常用的果品无损检测方法,包括电子鼻法、X射线计算机断层成像法、机械方法、磁共振(核磁共振)成像光谱学法、拉曼光谱学法、近红外光谱技术等;重点综述了高光谱成像技术在无损检测水果结构特性、生化成分和安全性等方面的研究进展,以期为水果品质的无损检测研究提供参考。

高光谱偏振技术的研究进展及展望

高光谱偏振技术是一种融合了高光谱和偏振成像的新兴技术,其在多个科学领域成为研究热点。本文旨在全面综述高光谱偏振技术的研究进展,并展望其未来发展方向。首先介绍了高光谱偏振技术的基本原理,解释了高光谱和偏振成像相结合的优势。然后,根据不同的设计原理介绍了偏振光谱仪器的分类。接下来详细讨论了该技术在遥感、医学、环境监测、地球科学和材料科学等领域的广泛应用。通过对不同领域的案例研究进行梳理,展示了高光谱偏振技术在提供更为丰富、精确信息方面的独特优势。最后对高光谱偏振技术目前面临的挑战进行了分析,包括仪器设备的精密性、数据处理的复杂性以及与其他传感设备的有效融合的问题。针对这些挑战,探讨了未来技术发展方向。未来的研究应着重于提升该技术的高光谱和时间分辨率,提高数据处理和分析准确性,扩展不同应用场景的适用性,以更好地满足不同领域的需求。综合而言,高光谱偏振技术作为一种全面、高效的信息获取手段,在多个领域取得了显著的研究进展。通过优化高光谱偏振技术满足更宽广的应用领域,高光谱偏振技术有望成为未来科学研究和实际应用中的重要工具。

光谱技术在果树叶片营养诊断上的应用研究进展

光谱技术具有分析速度快、操作简单、多元素同时监测、不需要消耗化学药品、自动化程度较高等特点,其可以实现作物单株和大样本的营养诊断和分析。综述了光谱技术在果树叶片大量元素(N、P、K)、中微量元素(Ca、Mg、Fe、Mn、Cu、Zn)营养诊断上的应用研究进展,并讨论了该领域今后进一步的研究方向。

基于高光谱成像技术的南果梨酸度无损检测方法

南果梨是一种重要的水果品种,其酸度是评估果品质量的重要指标之一。然而,传统的南果梨酸度检测方法通常需要破坏性采样和化学分析,不仅耗时费力,而且容易导致样品污染和浪费。因此,旨在探索一种基于高光谱成像技术的无损检测方法,以实现对南果梨酸度的快速、准确、无损检测。首先,采集室温20℃下不同贮藏天数南果梨的高光谱数据,其光谱波长范围为400~1000 nm,并且通过理化实验测量南果梨样本的可滴定酸;其次,采用多元散射校正(multipli⁃cative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、Savitzky-Golay平滑滤波等多种方法对光谱数据进行预处理,建立偏最小二乘回归模型(partial least squares regression,PLSR),选择出建模效果最佳的预处理方法,结果显示MSC方法效果最优;然后结合连续投影算法(successie projection algorithm,SPA)提取特征波段,在700~900 nm范围内确定9个特征光谱变量;最后,以提取出的9个特征光谱变量作为输入矢量,分别建立PLSR模型、极限学习机(extreme learning machine,ELM)模型以及遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm op⁃timization,PSO)优化的BP神经网络模型。研究结果表明,基于MSC预处理和SPA算法特征提取的PSO-BP模型预测精度最高,效果最好,预测集决定系数R^(2)_(p)=0.911,RMSEP=0.032。可见,基于高光谱成像技术的SPA-PSO-BP模型可用于南果梨酸度的检测,为南果梨的品质评价提供参考。

联合运用多光谱和激光雷达技术构建的林分生物量估算模型

以广东省广州市从化石门国家森林公园为研究区域,选择4种不同林分类型(针阔混交林、阔叶林、针叶林、竹林),各林分类型选择3个20 m×20 m地块作为样方;结合激光雷达、多光谱图像、实测数据,构建多元非线性反演模型和多元线性回归模型,估算森林地上生物量,并选择最佳模型进行精度评价。结果表明:(1)依据多源数据建立的4种不同林分类型的多元非线性地上生物量反演模型的精度最高,针阔混交林样地地上生物量预测值为42.79 t·hm^(-2)、阔叶林样地地上生物量预测值为60.46 t·hm^(-2)、针叶林样地地上生物量预测值为32.99 t·hm^(-2)、竹林样地地上生物量预测值为1.92 t·hm^(-2)。(2)研究区中4种不同林分类型的多元非线性地上生物量反演模型的拟合精度,由大到小依次为竹林(决定系数为0.919)、阔叶林(决定系数为0.813)、针叶林(决定系数为0.786)、针阔混交林(决定系数为0.713),均符合精度要求。采用多光谱和激光雷达数据结合的方式,能够较精准地提取林分地上生物量信息,可准确估算针阔混交林、阔叶林、针叶林、竹林的地上生物量。

光谱技术在作物养分监测中的应用研究进展

作物养分与作物生长状况和产量密切相关,养分管理是作物生产管理中重要的环节之一。但目前我国作物养分管理形式粗放,过量施肥情况时有发生。快速准确监测作物养分含量,优化养分管理至关重要。传统的通过化学分析方法测定养分含量费时费力,且难以实现对大面积作物的快速测量。光谱技术因其高效、无损、精准等特点,在农业生产领域得到快速发展。利用光谱技术监测作物养分含量对于及时指导作物生长、合理施肥和农业可持续发展等具有重要意义,有助于实现农业精准化、数字化、智能化。本文对国内外相关研究成果进行综述,介绍了近地光谱数据、无人机遥感光谱数据、卫星遥感光谱数据3种光谱数据类型,系统性综述了光谱技术在作物营养元素(叶绿素、氮、磷、钾、其他养分)监测上的应用,并从光谱数据预处理和建模分析方法等光谱数据处理流程方面进行了总结分析,最后在此基础上分析了光谱技术在作物养分监测上面临的难题和未来发展趋势,以期为光谱技术在现代农业生产上的开发应用提供参考。

荧光增白剂与人血清白蛋白相互作用的多种光谱法及分子对接技术研究

通过多种光谱方法与分子对接技术,从分子水平上对两种荧光增白剂(C.I.135、C.I.185)与人血清白蛋白(HSA)的相互作用机制进行研究。稳态荧光光谱及紫外-可见光谱实验结果表明,C.I.135、C.I.185与HSA均形成了基态复合物(HSA-C.I.135、HSA-C.I.185),猝灭机理为静态猝灭机理,热力学参数表明氢键与范德华力是结合作用的主要作用力,并且结合过程都是自发进行。三维荧光光谱结果表明C.I.135、C.I.185可以改变HSA的氨基酸残基微环境和构象,C.I.185对HSA产生的影响是最大的。分子模拟实验进一步验证上述实验结果。

基于高光谱成像技术对菜心种子霉变的识别

为了鉴别健康与霉变菜心种子,本研究通过高光谱成像技术获得健康与霉变菜心种子光谱,建立判别模型。基于原始光谱和9种预处理后光谱建立支持向量机判别(SVM-DA)模型,发现基于一阶导数预处理后光谱的模型表现最出色,建模集和预测集的准确率分别为95.87%和95.74%。为了去除冗余或不必要的信息,采用遗传算法(GA)对原始光谱和各种预处理后光谱进行波段筛选,并再次建立SVM-DA模型,在这些模型中,FD-GA-SVM-DA模型性能最优,建模集和预测集准确率分别达97.71%和96.81%。研究表明,基于高光谱技术鉴别健康和霉变菜心种子具有可行性。

食品检测中近红外光谱分析技术的应用研究

为了实现对食品成分、品质等方面的准确检测,为食品安全监管和质量控制提供有效的技术支持,引入近红外光谱分析技术,开展了该项技术在食品检测中的应用研究。通过样品制备、选择光谱采集设备、设置采集参数,采集食品近红外光谱,引入标准正态变量变换算法和自适应滤波算法,预处理采集的光谱数据,基于预处理后的数据,结合主成分分析法,构建食品成分特征与近红外光谱数据之间的数学模型,实现近红外光谱分析技术在食品检测的应用设计。实验结果表明,提出的研究应用后,食品成分检测结果与真实值更加接近,检测均方根误差较小,食品检测的准确性得到了显著提升。

基于显微高光谱成像技术判别食源性致病菌种类的方法研究

如何实现对食源性致病微生物的早期快速检测是全球食品安全领域面临的挑战之一。传统的致病菌生化检测方法虽然准确性高,但是过程复杂、耗时漫长,易错过控制疫情爆发的窗口期。该研究提出一种基于暗场显微高光谱成像技术的检测方法,能够借助显微镜技术突破传统光谱成像的灵敏度和分辨率极限,并利用可见/近红外光谱为单个致病菌细胞添加高分辨率的图像和光谱信息。以空肠弯曲杆菌、大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌为检测对象,采用显微高光谱成像技术进行数字化表征和数据采集,结合双向长短期记忆网络(Bi-LSTM)算法对各致病菌细胞的图像和光谱数据进行建模分类。结果显示,显微尺度的致病菌光谱数据呈现可判别的分布规律,新采用的Bi-LSTM网络在光谱数据集中表现优异,在三种致病菌的分类任务中取得了91.0%的平均准确率,而传统的线性判别分类器(LDA)和支持向量机分类器(PCA-SVM)的平均准确率分别为80.1%和88.5%。但是,仅依赖光谱数据进行致病菌种类判别仍然存在较为严重的假阳性问题,尤其是在大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌的分类中存在错误分类。图像信息的加入则能够显著改善各分类的识别准确率,其中Bi-LSTM分类器取得了高达98.1%的准确率,LDA和PCA-SVM均取得了95.3%的准确率。研究结果表明,显微高光谱成像技术在食源性致病菌的特异性光谱和图像表征中具有优势,提出的Bi-LSTM网络能够直接处理高维的图谱特征,两种技术的融合在食源性致病菌细胞级别的早期检测应用中展现潜力。

光谱技术结合水分校正与样本增广的棉田土壤盐分精准反演

棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外(400~1 000 nm)和长波近红外(960~1 693 nm)技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法(external parameter orthogonalization,EPO),校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络(deep convolutional generative adversarial networks,DCGAN),进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R^(2)和均方根误差分别为0.942、115.420μS/cm,验证集R^(2)和均方根误差分别为0.910和136.472μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。

光谱分析技术用于畜禽养殖粪污成分检测的研究进展

作为一种“放错了地方的资源”,养殖业所产生的粪污排放量大、成分复杂,借助先进理化分析手段开展成分分析,进而针对性地开展发酵处理,实现“变废为宝”具有重要意义。传统的粪污成分理化检测方法存在耗时长、前处理过程复杂等问题,近年来,光谱分析技术因具有检测速度快、成本低等优点,在养殖粪污成分检测研究领域已开展较多研究,并在未来应用中展示出良好前景。本文介绍了传统的粪污检测方法及存在不足;综述了基于光谱分析技术检测养殖粪污中碳氮元素、金属元素、干物质/有机物和磷元素等成分含量的研究进展;并对光谱分析技术用于养殖粪污检测在预测模型构建、样品制备方法和检测仪器研发等方面存在的问题和改进方向进行了总结,可为养殖粪污资源化高效利用提供理论支撑。

高光谱遥感技术在矿山地质环境调查中的应用

矿山地质环境受矿产资源开采活动的影响而产生剧烈变化,直接或间接影响了生态环境的可持续发展。近年来,高光谱遥感技术因其具备高光谱分辨率、空间信息与光谱信息合一的优势,解决了传统遥感技术仅能识别大致地物的问题,被广泛应用于矿山地质环境研究与监测。在梳理相关文献的基础上,介绍了高光谱遥感技术原理及发展现状,归纳了高光谱遥感技术在矿区植被、矿区水体、矿区土壤和矿区大气等方面的应用与监测;对矿区高光谱发展前景进行展望,认为未来随着遥感技术的发展对矿山地质环境的监测将逐渐有序化、长期化。

多光谱技术在食品无损检测中的应用进展

食品检测技术在确保食品安全方面发挥着至关重要的作用,传统的食品检测方法具有一定的破坏性且费时、低效、操作繁琐和不客观,因此探究无损、快速、高效的检测技术,对保障食品安全和质量评估具有十分重要的意义。多光谱成像(Multispectral Imaging,MSI)技术是一种新兴的无损检测技术,具有快速、无损、客观等特点,为食品领域快速、无损检测提供了新的方法和手段。论文介绍了MSI成像技术的原理、优缺点以及多光谱成像技术的数据分析方法,对国内外多光谱技术在水果的品质评估、蔬菜分级、肉制品掺假和水产品的腐败变质检测等领域应用研究进展进行了综述,最后对多光谱技术在未来食品的内部品质和外部品质无损检测中的发展进行总结展望。

近红外光谱分析技术在玉米品质检测中的应用研究进展

玉米是我国重要的粮食作物和动物饲料来源。为实现精准化营养和自动化加工,在玉米种植、仓储、深加工、饲用等领域,玉米的营养品质、安全指标及种子质量等备受关注。传统的化学检测方法会对样品产生破坏,耗时耗力,并且需要专业的技术人才进行操作,难以满足日益增长的玉米检测需求。近红外光谱分析技术具有检测速度快、操作简单、多组分同时分析等优点。本文主要综述近红外光谱分析技术在检测玉米的化学成分、安全指标、种子质量等方面的研究进展,旨在为近红外光谱分析技术在玉米的品质评价、种质选择等方面的检测应用提供参考。

中红外腔衰荡光谱技术的研究进展及应用

中红外基频指纹吸收谱具有吸收强、谱线宽且密集的特点。通常吸收红外光谱的气体分子在3000cm^(-1)附近的中红外基频吸收强度比近红外吸收高约2个数量级,因此逐渐成为腔衰荡光谱(CRDS)技术的研究热点。简述了CRDS技术的工作原理及技术优势,介绍了中波红外CRDS技术特点并分析对比了近红外与中红外波段的CRDS技术差异,论述了基于中红外波段的CRDS技术研究现状,最后基于应用研究进展对其前景进行了展望。

基于人工智能技术的高光谱人脸自动化识别系统设计

为有效识别人脸区域,提升其在多种领域应用效果,设计基于人工智能技术的高光谱人脸自动化识别系统。以模块化思想设计嵌入式系统架构,采集与预处理高光谱人脸图像,并将预处理后的图像数据放入RAM存储器;人脸检测模块调用RAM存储器存储数据,并加载Haar人脸分类器,完成人脸区域检测提取工作;之后由人脸特征提取与识别模块经人脸区域LBP特征提取、LeNet-5卷积神经网络人脸识别模型构建与训练等操作,输出人脸识别结果。实验结果表明,该系统能够在较短时间内完成LeNet-5卷积神经网络人脸识别模型训练。

基于拉曼光谱技术的聚合物材料制备与组成分布的研究进展

聚合物材料制备过程和聚合物中添加剂的含量及分布决定了材料的性能,拉曼光谱技术为相关研究提供了一种有效的表征手段。基于拉曼光谱的基本原理,介绍了表面增强拉曼光谱、拉曼光谱成像、激光显微共聚焦拉曼光谱等多种拉曼光谱衍生技术,总结了相关技术在聚合物加工和聚合反应过程中的应用,评述了聚合物中添加剂分布的检测,涵盖了乳化剂、染料以及其他添加剂的浓度、分布及迁移规律等,并对拉曼光谱衍生技术进行了展望。

基于PPF投影算法和高光谱技术的卷烟牌号识别模型

针对卷烟成分复杂、牌号识别难度大的问题,提出了一种基于PPF投影算法和高光谱技术的卷烟牌号识别模型。首先,采用PPF投影算法对原始光谱及经多元散射校正(MSC)、一阶微分(1^(st)D)、二阶微分(2^(nd)D)处理后的数据进行光谱相似度表征;然后,通过连续投影算法(SPA)和遗传算法(GA)进行特征波长选取,以利于后续分类性能的提升;最后,分别采用支持向量机(SVM)、极限梯度提升(XGBoost)算法建立牌号识别模型,并进行性能评价。结果表明:在高光谱技术结合PPF投影算法中,2ndD为最佳波段处理方法,能够显著增强光谱可分性;基于2ndD-SPA-SVM建立的识别模型为最佳模型,训练集、测试集的总体分类精度(OA)分别为94.58%、92.50%;不同牌号卷烟配方烟丝的叶丝和膨胀丝占比差异越大,类别之间的相似度越小,识别准确率越高。该模型可为不同牌号的卷烟提供一种新的高效快速、准确无损的分类判别方法,为高光谱技术在卷烟品牌维护、叶组配方设计等中的应用提供参考。

机器学习辅助光谱分析技术在环境微/纳塑料研究中的应用

微/纳塑料在环境中广泛存在,威胁着全球生态系统的平衡和稳定,因此有必要确定和评估微/纳塑料的环境赋存特征、环境行为和效应以及生态毒性效应。然而微/纳塑料具有的低浓度、小尺寸及容易吸附其他物质等特点,为其在复杂环境基质中的分析带来了巨大挑战。大多数分析方法在提供环境样本中微/纳塑料的定性定量信息方面存在成本高、准确性差、时间效率低等问题,而具有无损、高效、操作方便等优点的光谱分析技术可以弥补这些方法的不足。但采集的微/纳塑料光谱信号可能会受到环境样本中复杂成分的背景噪声干扰,亟需采用智能化手段提高分析的准确性和效率。机器学习具有强大的数据处理和自动化分析能力,准确性高、应用性广,适用于复杂光谱数据的分类和解析,将机器学习与光谱分析技术相结合有望成为微/纳塑料分析的可靠方法。首先对常用的机器学习辅助光谱分析技术进行综述,然后系统性地讨论了机器学习辅助光谱分析技术在微/纳塑料的环境赋存特征、环境行为和效应、生态毒理效应等研究中的应用,最后对该技术的发展前景进行了总结和展望。机器学习辅助光谱分析技术有望为环境中微/纳塑料的生态环境健康风险评估和污染防治提供重要数据支持。