- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用近红外高光谱成像技术进行葡萄干品种鉴定
摘要： 不同品种的葡萄干具有不同的营养特性和商业价值。本研究探索了基于高光谱成像的葡萄干品种鉴别方法。采集了两种不同品种（五合白和香妃）葡萄干在874-1734纳米波段的高光谱图像，每个品种包含三个等级。提取像素级光谱并通过小波变换和标准正态变量进行预处理，同时计算对象级光谱（样本平均光谱）。对对象级和像素级光谱分别进行主成分分析（PCA）和独立成分分析（ICA）以筛选有效波长。像素级PCA得分图显示了两品种间及不同等级间的差异。构建支持向量机（SVM）、k近邻算法（k-NN）和径向基函数神经网络（RBFNN）模型来区分两个葡萄干品种。结果表明，基于对象级光谱并采用PCA优选波长的SVM和RBFNN模型均可用于葡萄干品种鉴别?？墒踊计籽橹ち烁吖馄壮上窦际跫鹌咸迅善分值挠行?。
关键词： 对象级、像素级、支持向量机、近红外高光谱成像、葡萄干
更新于2025-09-23 15:21:21
-
柚皮苷含量高光谱成像定量检测的建模优化研究
摘要： 随着现代计算科学与数据计量技术的发展，高光谱成像技术已应用于遥感领域，用于精准农业和作物品质检测。本文采用近红外高光谱成像（NIRHSI）技术定量测定柚皮苷在柚子果皮样品中的含量。通过研究系统测量条件及所构建高光谱仪器系统参数的影响，对模型优化进行了探讨。利用近红外区域常用的推扫式扫描仪建立了高光谱数据采集系统，并结合Savitzky-Golay平滑器（SGS）进行数据预处理，采用偏最小二乘回归（PLS）交叉验证模式建立了校正模型。通过比较近红外高光谱成像模型的感兴趣区域（ROI），对这些多元分析模型进行了优化。在近红外高光谱数据采集过程中，还对一些系统测量参数的合理值进行了调整和测试，例如使用不同瓦数的光照强度、不同镜头以及不同材质作为扫描背景。结果表明，交叉验证的PLS回归方法在校准和预测过程中表现良好，与SGS预处理的参数调整配合效果佳。除不同材质的扫描背景明显影响定量结果外，不同光照强度和不同镜头的对比情况无明显差异。本工作验证了近红外高光谱成像技术定量测定柚子果皮中柚皮苷含量的能力。通过比较测量参数和系统特性进行模型优化的测试，在其他光谱/高光谱数据分析领域具有应用前景。这是遥感的重要实验室模拟，为大规模在线高光谱数据采集系统的设计提供了重要的理论参考。
关键词： 柚皮苷、近红外高光谱成像、推扫式扫描仪、建模优化、感兴趣区域
更新于2025-09-23 01:47:40
-
结合(MC)LA-ICP-MS与近红外高光谱成像技术评估骨骼材料成岩状态以进行锶同位素分析的化学成像方法
摘要： 本文结合元素与同位素空间分布成像技术与近红外高光谱成像（NIR-HSI），用于评估骨骼遗骸的成岩状态。研究旨在确定如何在骨材料中识别生物源n(87Sr)/n(86Sr)同位素丰度比值区域——这一重要记录指标可与牙齿形成互补。通过激光剥蚀（LA）耦合分流至四极杆电感耦合等离子体质谱仪（ICP-QMS）和多接收电感耦合等离子体质谱仪（MC-ICP-MS）（联合方法简称LASS ICP-QMS/MC-ICP-MS），实现了元素（C、P、Ca、Sr）与同位素（n(87Sr)/n(86Sr)）成像。利用化学指标（I(C)/I(Ca)和I(C)×10/I(P)强度比）及1410 nm波长的NIR-HSI定位骨横截面上未受成岩过程改变的生物源区域以识别保存的胶原。这些区域测得的n(87Sr)/n(86Sr)同位素特征与采用溶解度剖面法（作为独立验证方法）揭示的生物源整体信号一致。骨外缘因次生矿物沉淀或腐殖质吸附导致的C强度升高可作为成岩改变的标志，这些区域同时呈现不同的n(87Sr)/n(86Sr)同位素组成。因此，当原始生物源材料未被成岩物质完全取代时，NIR-HSI与LASS ICP-QMS/MC-ICP-MS的联合应用可测定保存的生物源n(87Sr)/n(86Sr)同位素丰度比值。
关键词： LASS ICP-QMS/MC ICP-MS，成岩作用，人类骨骼遗骸，近红外高光谱成像
更新于2025-09-10 09:29:36
-
[美国农业与生物工程师学会 2017年 斯波坎，华盛顿州 2017年7月16日 - 7月19日 - ()] 2017年 斯波坎，华盛顿州 2017年7月16日 - 7月19日 - 《基于近红外高光谱成像的玉米籽粒品种分类》
摘要： 本研究采用近红外高光谱成像技术对玉米籽粒品种进行分类评价。首先获取四种常用玉米品种籽粒在1000-2500 nm有效光谱范围内的高光谱图像，通过光谱数学处理补偿微小光照差异，结合波段运算与阈值法去除图像背景，采用最小噪声分离(MNF)降噪。计算并提取各籽粒外观特征纹理参数（均值、方差、同质性、对比度、相异性、熵、二阶矩和相关性），与光谱数据共同建立分类模型。对高光谱图像提取的原始光谱进行移动平均平滑和标准正态变量变换后，采用竞争自适应重加权采样(CARS)方法筛选出四个最优波长（1352.20 nm、1615.50 nm、1733.10 nm和2478.20 nm）。分别基于全波长数据、四个最优波长数据以及四波长光谱与纹理特征组合，采用偏最小二乘判别分析(PLSDA)构建品种分类模型。结果表明：光谱与纹理特征组合的PLSDA模型性能最佳，校正集和预测集准确率分别达0.89和0.83，证实结合光谱与纹理特征的高光谱成像技术在品种分类应用中具有潜力。
关键词： 品种分类，玉米籽粒，近红外高光谱成像，偏最小二乘判别分析（PLSDA），竞争自适应重加权采样（CARS）方法
更新于2025-09-04 15:30:14