利用高光谱激光雷达检测木材的霉变与含水量

为了快速无损地检测评估木材的霉变及含水量,利用高光谱激光雷达系统主动获取木材的高光谱数据,设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本,进行时长为4个月的间隔性测量,分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化;然后在分析样本不同含水量光谱特性的基础上,采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长;最后分别建立偏最小二乘回归预测模型。结果表明,正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时,光谱反射率随时间变化缓慢并趋于稳定;基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳,预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测,为木质建筑的快速无损检测提供了新思路。

基于高光谱激光雷达的绿萝叶绿素3维重建

为了准确重建正反面叶片叶绿素3维分布,利用高光谱激光雷达,采集了不同生长状态的绿萝叶片与植株的空间-光谱域点云数据,设计了一种基于分类预测的重建方法。通过偏最小二乘回归构建叶片正面与反面光谱的叶绿素含量预测模型,采用光谱自适应阈值选择方法实现植株点云中叶片正反面的分类,并根据类别标签选择模型计算叶绿素含量,重建植株的叶绿素3维分布。结果表明,该方法得到的植株叶绿素3维分布更接近真实值,决定系数达到0.69,均方根误差为4.97。这一结果可为植物表型研究提供新的数据基础和理论方法。

基于高光谱指数分割的草莓硬度预测与研究

为了快速无损检测草莓硬度,连续5天采集了草莓高光谱数据和硬度信息,提出一种基于高光谱多指数阈值逐层分割的硬度预测方法。首先分析各组分(果肉、霉变果肉、草莓籽和萼片)的光谱反射率差异并确定特征波段,利用特征波段构建新的归一化特征指数,完成分割阈值的确定,采用逐层分割的方法以排除无关部分的干扰;通过连续投影算法、主成分分析法及2次组合降维来降低光谱信息冗余度并提取特征,利用随机森林与偏最小二乘法分别对原始光谱及降维后特征建立回归模型,并确立最佳预测模型;最后利用最佳预测模型对草莓果肉部分进行硬度拟合,得到硬度分布图像,实现了草莓硬度预测结果的直观显示。结果表明,基于2次降维建立的偏最小二乘模型效果最好,测试集和预测集的相关系数分别为0.9101和0.9099,测试集均方根误差为0.1344。该研究为草莓硬度的无损检测和显示提供了参考。