基于SVM的可见/近红外光的玉米和杂草的多类识别

杂草的识别分类在精准农业的变量喷施中具有重要的作用.因此提出了一种新的基于SVM(支持向量机),利用决策二叉树在可见/近红外图像中识别作物和杂草的方法.根据近红外波段的光谱特性,利用阈值法实现了植物和土壤背景的分割.将植物冠层的多光谱反射特征、纹理特征和形状特征相结合,采用最大投票机制算法构造合理的决策二叉树,实现了分...     

多角度成像解析大豆冠层的二向反射特征

植被冠层二向性反射特征是定量遥感必须关注的一个问题。论文借助自主研发的多角度成像系统,在不同观测时间对不同种植密度下的大豆冠层进行多角度成像数据采集,通过对图谱合一的高光谱影像中大豆植株、土壤背景和阴影叶片进行逐步分离,对比分析纯大豆植被与植被-土壤混合冠层的二向反射（Bidirectional Reflectance, BR）变化特征,研究发现:在主平面观测时,土壤光谱去除后,即纯植被冠层反射率在前向观测时,随着天顶角的减小而增大,这不同于植被和土壤同时存在时的研究结果（BR 随着天顶角的增加而增大）;当观测方向由主平面的前向朝后向变动时,可见光和近红外波段的纯植被冠层反射率表现为逐步增大的趋势,这和土壤光谱去除前的变化趋势也不同;在垂直主平面观测时,去除土壤背景后的纯植被冠层反射率与混合植被反射率特征有相同的趋势,但在垂直主平面方向的对称性更强。上述结果在不同密度、不同观测时间的大豆冠层BR 特征有相近的趋势,这为多角度遥感的发展提供了必要的基础研究。     

基于可见光图像的近红外场景仿真

利用地物光谱仪采集了晴天条件下典型地物在380~1100 nm的光谱反射率,并利用经过定标后的CMOS相机采集典型地物不同时段的可见光、近红外图像,结合相机辐射定标结果和地物目标的反射率建立了可见光、近红外图像灰度值的映射关系,且对简单场景进行图像分割,并通过查找表快速将可见光图像转化为近红外图像。建立了太阳辐射模型,在反演精度要求不是很高的条件下,可以反演一天内任意时刻的近红外图像。仿真结果表明,本文方法可生成真实感较好的近红外图像,为后续的各时段、各种天气条件及多种地物的近红外场景仿真奠定基础。     

利用可见/近红外光谱测定小麦叶面积指数的改进研究

改进了小麦叶面积指数的可见/近红外光谱测定模型。以不同方法实现了小麦冠层反射光谱的预处理,并采用偏最小二乘回归算法（PLS）建立小麦叶面积指数估测模型对其进行比较分析,发现小波除噪结合一阶导数能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.849与0.835。为进一步优化模型,对经一阶导数结合小波除噪后的光谱采用主成分分析法（PCA）降维,以前4个主成分（含原始光谱84.867%特征信息）为输入变量,采用小二乘支撑向量机回归算法（LS-SVR）建立了小麦叶面积指数估测模型,其校正集与预测集R2分别达0.905与0.883,具有比PLS算法更高的精度。结果表明:以小波除噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型精度是可行的,且LS-SVR是建模的优选方法。     

多层感知机结合辐射传输模型的复杂陆地表面云检测

云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSIⅡ影像中的云像元...     

近红外谱域显微干涉仪的位移传感特性研究

为研究近红外谱域显微干涉仪在近红外波段的位移传感特性,分析了条纹载频对位移量提取的影响,建立了测量光谱中心波长与干涉仪位移传感范围之间关系公式,讨论了光源可见光分量对近红外光栅光谱仪所记录条纹的串扰现象并提出抑制方法。构建近红外迈克尔逊型谱域显微干涉实验系统,单次测量位移量传感精度优于0.02 m。测量标准台阶板的台阶高度（其标称值为7.732 m）,测量偏差为0.044 m。采用近红外谱域显微干涉装置,无需轴向扫描即可实现位移量测量,将光谱仪记录的谱域干涉信号转换为随波数线性变化信号处理能有效提高位移传感精度,增大中心波长能够有效提高位移传感范围,在系统中加入短波截止滤光片则能有效抑制可见光分量对近红外光谱域条纹造成的串扰。     

叶面降尘的高光谱定量遥感模型

利用自主设计的叶面降尘量测定方法,测定了榆树叶面的降尘量数据,结合地面高光谱遥感数据,研究了叶面降尘对榆树叶片高光谱特征的影响及叶面降尘量的高光谱定量反演.研究结果表明,叶面降尘可提高可见光波段的反射率,降低近红外波段的反射率,且对可见光波段的影响要大于近红外波段; 叶面降尘对三边位置没有影响,对三边幅值和面积有明显影响; 利用降尘光谱指数和三边参数建立的叶面降尘量模型,只具备粗略预测能力,而采用多元线性回归、主成分回归、偏最小二乘回归建立的模型,均具有很强的预测能力,其中以一阶微分建立的偏最小二乘回归模型的效果最佳,预测决定系数为0.92,预测均方根误差为1.06,样本标准差与预测均方根误差比为8.2.     

基于PCR和PLS的蔗糖浓度透反射测量方法研究

利用近红外透反射光谱技术,研究短波近红外光谱(780~1100nm)无损检测蔗糖溶液的可行性,并通过主成分回归(PCR)和偏最小二乘(PLS)方法建立了蔗糖溶液的近红外定量分析模型。采用Savitzky-Golay卷积平滑(5点)和多元散射校正(MSC)进行预处理,并且对预处理后的数据进行建模分析。PCR定量分析的结果:主成分数PC=7,交互验证相关系数RCV=0.957335,交互验证的校正标准偏差RMSECV=0.015859;PLS定量分析结果:主成分数PC=4,交互验证相关系数RCV=0.975789,交互验证的校正标准偏差RMSECV=0.012251。分别用PCR和PLS的校正模型对预测集样本进行预测,两种模型的预测标准偏差RMSEP分别为0.0127,0.0118。二者均对高浓度蔗糖溶液的预测结果比较理想,而且在PLS模型下,77%以上的样本相对误差在10%以下,较PCR模型的高。综合结果,PLS所建立的模型简单,而且精度很高,所以,基于短波近红外光谱的蔗糖浓度的快速无损检测是可行的。     

采用可见/近红外成像光谱技术的玉米籽粒品种识别

利用地面成像光谱辐射测量系统（Field Imaging Spectrometer System,FISS）获取了5种玉米籽粒的成像光谱数据,经反射率反演、噪声去除和一阶微分处理后,运用Wilk-lambda逐步判别法进行波段选择并建立判别模型。交叉验证结果表明:（1） 平均识别精度为91.6%,除了高油115的识别精度仅有87%外,其他品种的识别精度均在90%以上;（2） 在分类方案、光谱波段数、每类样本数量不变的情况下,分类精度受类别数和类别间可分性的影响;（3） 随着入选波段数的增加模型识别精度逐步提高。因此成像光谱技术在玉米品种的识别以及质量检测方面具有重要的应用前景。     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.     

基于可见/近红外反射光谱的稻米品种与真伪鉴别

利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400~500nm、910~1400nm与1940~2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.     

近红外光谱技术在快速鉴别南蛇藤品种中的应用

提出了一种利用近红外光谱技术对南蛇藤品种进行快速无损鉴别的方法。收集了6种南蛇藤样本,并用光谱仪获得了它们在12493～4000 cm^-1范围的光谱曲线。通过用主成分分析法对预处理后的光谱数据进行聚类分析,获得了10个主成分。再结合不同的化学计量分析方法建立了品种鉴别模型。由于主成分1和2上的得分分布对不同样本的聚类效果明显,可根据得分分布定性地区分南蛇藤品种。从220个样本中随机抽取165个样本作为建模集,并将其分别用于建立线性鉴别分析、人工神经网络和支持向量机模型。剩下的55个样本用于预测验证。经过主成分数的优化,鉴别精度均达到了100%。结果表明,本文提出的方法对南蛇藤的品种具有很好的分类和鉴别作用。     

基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究

应用可见/近红外光谱技术对茄子叶片进行灰霉病害还未在叶片表面出现病症时的早期检测.采用化学计量学方法建立早期检测模型.主成分分析用于对光谱数据进行降维,得到若干个最重要的主成分.但直接从聚类图中无法进行是否染病的鉴别.因而将其作为变量输入BP神经网络,从而减少了计算量,提高了建模精度.检测结果显示,模型具有良好的检测效果,能够达到100%的识别率,正确率也能达到88%.说明运用可见/近红外光谱技术能够实现当病症还未在叶片表面出现时的快速准确的早期检测,为灰霉病早期检测提供了新的途径.     

In situ spectral reflectance monitoring of III-V epitaxy

Near normal incidence spectral reflectance was used to monitor the growth of ALAs, GaAs, and AlGaAs films by metalorganic chemical vapor deposition in real time. The simultaneous acquisition of reflectance data over a wide spectral bandwidth allows compositional discrimination between layers and greater thickness sensitivity than single wavelength measurements. The potential of this technique for application to device structures was demonstrated by moni-toring the fabrication of AlAs/AlGaAs visible distributed Bragg reflectors.     

基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法

提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.     

基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

提出了一种基于可见-近红外光谱技术与BP人工神经网络(BP-ANN)算法快速进行污水类型鉴定的新方法.以FieldSpec(R)3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集(132份)和检验集(36份).分别采取全波段(400～2450 nm)与择取波段(400～1800 nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型.利用36个未知样对模型进行检验.结果表明:两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度.说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一.     

基于可见-近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见-红外光谱家蚕蚕种快速鉴别新方法.主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取.从主成分1和2对所有建模样本的得分图可以看出,主成分分析法对不同种类家蚕蚕种具有较好的聚类作用,可以定性分析家蚕蚕种品种.提取了6个能解释原始光谱的大部分信息的主成分,作为BP神经网络的输入,建立了三层BP人工神经网络模型.选取了4个典型的家蚕蚕种品种,共120个样本,其中随机选取了100样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到100%.说明该方法具有很好的分类和鉴别作用,为家蚕蚕种的品种鉴别提供了一种新的途径.     

Optimized Colorimetric Photonic‐Crystal Humidity Sensor Fabricated Using Glancing Angle Deposition

Colorimetric sensing, where environmental changes are transduced into visual color changes, provides an intuitively simple yet powerful detection mechanism that is well‐suited to the realization of low‐cost and low‐power sensors. A new approach in colorimetric sensing exploits the structural colour of photonic crystals (PCs) to create new color‐changing materials, however much work is still required to simultaneously achieve optimized sensor response and low‐cost, scalable nanofabrication. This work responds to these challenges by designing, fabricating and evaluating a mesoporous PC sensor optimized to exhibit as large as possible color‐shift in response to small changes in relative humidity (RH). A novel design optimization is achieved by employing a colorimetric framework that translates simulated/measured spectral quantities into numeric color values directly related to color perception. The sensor design is then realized using a mesoporous TiO₂ PC, fabricated using glancing angle deposition (GLAD). The GLAD technique is a bottom‐up, single‐step nanofabrication method providing the nanoscale precision required to successfully realize the optimized PC design. The PC sensor is shown to be highly sensitive and stable: the PC structural‐color changes visibly due to RH changes smaller than 1%, and the response is stable over hundreds of hours of sensor operation. Additionally, measurements and simulations are used to reveal the important link between the PC optical modes, pore geometry, and sensor response which will be useful in future PC sensor experiments. The combination of bottom‐up nanofabrication with visible color‐based sensing, coupled with the useful design methodology, will lead to further developments in low‐cost, widely deployable optical sensors.     

基于近红外光谱检测不同产地石榴的糖度

基于可见/近红外漫透射光谱技术,探讨了对不同产地石榴的品质进行快速无损检测的可行性。首先,利用能够有效抑制杂散光影响的动态在线检测装置采集石榴的近红外光谱,测试石榴糖度的真值;然后结合主成分分析法对不同产地的石榴进行聚类分析,大致将样品分为两类;最后建立不同产地石榴的偏最小二乘判别分析模型,模型的判别准确率为97%以上。采用多种预处理方法(S-G平滑、归一化、基线校正、MSC等)建立了两类石榴的单一模型,结果表明:基线校正的效果明显优于其他方法,所建立的四川石榴模型的预测集相关系数R_p为0.82,预测集均方根误差(RMSEP)为0.37,建模集相关系数R_c为0.90,建模集均方根误差(RMSEC)为0.31;云南石榴模型的R_p为0.81,RMSEP为0.33,R_c为0.87,RMSEC为0.27。在后期采用未参与建模的样品的分选验证实验中,两个产地石榴的判别率为95%,糖度的分选准确率可达92.5%。结果表明,近红外光谱在石榴产地的判别和糖度的分选上具有重要意义,可为以后的石榴在线分选研究提供依据。