您好,欢迎访问北京市农林科学院 机构知识库!
筛选
科研产出
排序方式:

时间

  • 时间
  • 相关度
  • 被引量
资源类型: 中文期刊
收录级别:SCI(精确检索)
189条记录
基于全透射近红外光谱的西瓜不同部位可溶性固形物含量在线检测研究

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:可溶性固形物含量(SSC)是评价西瓜果肉品质优劣的关键指标。西瓜SSC在线检测模型的建立,可以实现西瓜品质按其SSC进行在线分级,满足不同人群需求,提高市场竞争力。以160个京美2K西瓜为研究对象,通过实验室自主研发的在线检测设备,采集了西瓜两种姿态的可见近红外全透射光谱数据,分别与西瓜不同部位SSC建立偏最小二乘回归(PLSR)预测模型,探究西瓜SSC在线检测的最佳姿态和检测部位。首先,分别定义西瓜不同部位SSC测量值为瓜蒂糖、中心糖、瓜脐糖和整果糖,在线检测的两种姿态分别定义为T1姿态和T2姿态。其次对比西瓜不同部位SSC,探讨西瓜SSC评价标准。然后去除光谱透射强度值较低且频率较高,包含大量噪声和无用信息的光谱数据,最终选取波长范围(671~1 116 nm)的光谱进行分析。采用卷积平滑(SGS)算法分别与多元散射校正(MSC)、单位矢量归一化(UVN)和标准正态变量变换(SNV)这3种算法相结合对两种姿态下的光谱数据进行预处理,随后对应西瓜不同部位SSC分别建立预测模型。通过对比不同模型的预测结果发现:使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好,而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好;T1姿态明显比T2姿态的光谱数据所建模型的预测效果好;对西瓜瓜蒂糖和整果糖的预测结果较好,瓜脐糖次之,中心糖最差。最后采用竞争性自适应重加权算法(CARS)分别对预测瓜蒂糖和整果糖的模型进行优化。其中,共挑选出81个波长点用于建立预测瓜蒂糖模型,106个波长点用于建立预测整果糖模型,两模型的预测集相关系数分别为0.881 0和0.875 8,均方根误差分别为0.866 7%和0.758 9%,不仅模型得到了简化,还提高了模型的预测精度。研究结果表明,西瓜不同姿态和对不同部位SSC预测的差异,会影响西瓜SSC在线检测和品质评价分级结果,应根据用户的实际需求进行模型选取和优化;为此,提出了糖度评价指数,为进一步开发西瓜SSC在线检测设备提供了技术支撑。

关键词: 近红外光谱 西瓜 可溶性固形物含量 在线检测 模型优化

 全文链接 请求原文
综合光谱纹理和时序信息的油茶遥感提取研究

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:具有极高营养价值且被誉为东方“橄榄油”的油茶树是我国南方地区重要经济林,我国是世界上油茶树分布最广的国家。提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义。以地处亚热带地物复杂且多山地丘陵的湖南省常宁市为研究区,该区域分布有大量农田和森林,且部分植被季节变化较大,对油茶的遥感提取带来了很大挑战。提出了基于春夏秋三期的GF-2号高分辨率卫星影像,综合植被指数、纹理特征、 PCA主成分3种特征,以及春夏、春秋、夏秋、春夏秋四种不同时序组合和随机森林(RF)算法共构建了17种分类场景(S1—S17),运用随机森林(RF)、支持向量机(SVM)、最大似然(MLC)三种不同分类算法开展油茶遥感提取实验,筛选出最优特征组合、最佳分类季节与最优时序组合、最优分类方法。结果表明:仅基于光谱信息分类精度低,纹理特征的加入可大幅提升精度,而PCA对于精度的提升效果微弱;通过比较不同季节单时期的分类结果发现油茶提取精度最高的季节为夏季,夏季单时期影像在最优特征组合(S8)中油茶生产者精度(PA)为94.06%,油茶用户精度(UA)为92.57%;在分类场景S10—S17中实验发现,采用时序信息要比单时期影像有明显的精度提升,时序组合分类精度由高到低依次为:春夏秋、春夏、春秋、夏秋;综合光谱、纹理、时序信息通过随机森林(RF)、支持向量机(SVM)、最大似然(MLC)进行油茶提取,随机森林算法分类精度总体表现最好。采用春夏秋多时相遥感植被指数、纹理、 PCA的随机森林方法(S17)是分类精度最高的方案,总体精度(OA)和Kappa系数分别为96.85%和0.961 0,油茶生产者精度(PA)为98.31%,油茶用户精度(UA)为94.33%;采用春夏时相遥感植被指数、纹理的随机森林方法(S10)为兼顾计算效率与精度的最优方案,总体精度(OA)和Kappa系数分别为95.62%和0.9458,油茶生产者精度(PA)为96.93%,油茶用户精度(UA)为95.09%。所提出的最佳油茶遥感提取方案能够为亚热带地区油茶及其他经济林的遥感监测提供参考。

关键词: 油茶 遥感 时序 植被指数 纹理特征

 全文链接 请求原文
中红外及近红外光谱在小杂粮品质检测中的应用进展

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:中红外光谱以及近红外光谱在现代分析化学中有重要的地位,是人类认识物质结构、功能、成分以及含量的重要途径.小杂粮泛指生育期短、种植面积少、种植地区和种植方法特殊,有特种用途的多种粮豆,其特点是小、少、特、杂.小杂粮营养丰富,既是传统口粮,又是保健食品资源.随着人民生活水平的提高和膳食结构的改善,小杂粮作为药食同源的新型食品资源,在现代绿色保健食品中占有重要地位.对小杂粮进行品质检测可为小杂粮生物活性物质研究、品质分级、小杂粮育种、产地溯源与真伪鉴别等方面提供可靠的数据支撑.按照麦类小杂粮及豆类小杂粮分类,对国内近30年来小杂粮品质检测有关文献加以综述.研究表明,麦类小杂粮品质检测文献更多,约占文献数量的2/3左右,且以近红外光谱技术应用居多;豆类小杂粮品质检测文献相对较少,约占文献数量的1/3左右,且以中红外光谱技术应用居多.中红外光谱、近红外光谱在小杂粮品质检测分析方面有诸多重要应用.其中,中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征,而近红外光谱则更多应用于小杂粮中粗蛋白、粗脂肪、水分等主要品质指标的定量分析检测,可为小杂粮品质监测、科学育种提供高效的数据来源.近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱不再局限于小杂粮品质指标定量分析,而且还被应用于小杂粮产地溯源等领域,亦取得了良好的效果.最后对中红外光谱、近红外光谱在小杂粮品质无损分析检测方面做出了展望.

关键词: 小杂粮 中红外光谱 近红外光谱 品质检测

 全文链接 请求原文
基于无人机成像高光谱估算马铃薯植株氮含量

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1~3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM) 3种方法建立马铃薯PNC估算模型。结果表明:(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4)现蕾期到淀粉积累期,基于图谱融合特征的马铃薯PNC估算效果明显优于单一光谱特征和单一图像特征。(5)马铃薯各生育期,基于同种变量利用ENR构建的PNC估算模型效果较好,BLR次之,ELM较差。其中,以图谱融合特征为模型变量,利用ENR构建的PNC估算模型精度和稳定性最好,5个生育期的建模R~2分别为0.91、 0.75、 0.82、 0.77和0.69, RMSE分别为0.24%、 0.31%、 0.26%、 0.22%和0.29%, NRMSE分别为6.59%、 9.79%、 9.58%、 7.87%和11.03%。该研究可为马铃薯的氮营养监测提供一种快捷高效的技术手段。

关键词: 无人机 马铃薯 高光谱 图像特征 植株氮含量

 全文链接 请求原文
两种近红外光谱仪的番茄可溶性固形物含量定量模型比较研究

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:以番茄可溶性固形物含量(SSC)的无损速测为例,分别采用线性渐变分光(LVF)、数字光处理(DLP)近红外光谱仪对大、小番茄采集近红外光谱数据;分别基于两种近红外光谱仪数据计算大、小番茄平均光谱及差谱,并比较两种近红外光谱仪所采集大、小番茄近红外光谱数据的特征;对两种近红外光谱仪的数据分别进行主成分分析(PCA),并比较了大、小番茄前3主成分的得分分布;按SSC梯度对数据进行分级,采用偏最小二乘(PLS)回归结合全交互验证算法分别基于两种近红外光谱仪数据建立番茄SSC定量校正模型。结果表明:(1)大、小番茄LVF近红外光谱的平均光谱及其差谱的光谱特征分别与DLP近红外光谱的平均光谱及其差谱的光谱特征相似。(2)大、小番茄LVF近红外光谱数据PCA前3主成分得分散点分离趋势不明显,而DLP近红外光谱数据PCA前3主成分得分散点基本上不具有分离趋势。(3)基于LVF近红外光谱数据所建各模型的相对预测性能(RPD)皆不低于2.11,其中标准化预处理所建模型具有最佳性能,模型维数(Nf)、校正测定系数(RC~2)、校正均方根误差(RMSEC)、交互验证测定系数(R~2CV)、交互验证均方根误差(RMSECV)、RPD、预测相关系数(RP)、预测均方根误差(RMSEP)分别为8、0.949 1、0.27、0.899 9、0.38、3.16、0.882 6、0.63;基于DLP近红外光谱数据所建各模型的RPD皆不低于1.60,其中标准化预处理所建模型具有最佳性能,Nf、RC~2、RMSEC、R~2CV、RMSECV、RPD、RP、RMSEP分别为5、0.823 5、0.49、0.728 6、0.62、1.94、0.788 4、0.80。该研究可为番茄SSC的无损快速测定以及果蔬品质无损快速检测的仪器选择与评价提供一定的参考。

关键词: 番茄 可溶性固形物含量 近红外光谱仪 定量模型

 全文链接 请求原文
利用光谱空间特征估算马铃薯植株氮含量

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:植株氮含量(PNC)是评价作物长势和营养状况的重要指标,快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明,仅采用影像的光谱信息估算作物的PNC存在饱和现象,该研究尝试采用植被指数(VIs)结合二维离散小波分解技术(DWT)提取的多个尺度的高频信息(HFI)构建一种光谱空间特征(VIs+HFI),探究VIs、 HFI和VIs+HFI估算PNC的能力。首先,以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次,基于预处理的无人机影像,提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1~5尺度的HFI。然后,将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析,分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响,根据KMO检验结果对筛选的HFI进行主成分分析(PCA)降维处理。最后,采用岭回归和极限学习机(ELM) 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型,并进行评估。结果表明:(1)马铃薯各生育期,1~5尺度的HFI对估算PNC均有贡献。(2)以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。(3)马铃薯各生育期,以岭回归方法构建的PNC估算模型优于ELM方法。其中,以VIs+HFI为模型变量构建的PNC估算模型效果最优,5个生育期的建模R~2分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%; NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。

关键词: 无人机 马铃薯 植株氮含量 植被指数 高频信息

 全文链接 请求原文
利用无人机高光谱影像的冬小麦氮含量监测

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要.旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力.首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期 4 个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据.其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的 12 种植被指数和 12 种光谱特征参数.然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型.结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性.其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用 SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R2=0.64,RMSE=24.68%,NRMSE=7.96%,验证R2 =0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R2=0.81,RMSE=15.79%,NRMSE=7.41%,验证R2 =0.84,RMSE=15.10%,NRMSE= 7.08%;开花期:建模R2 =0.78,RMSE=9.88%,NRMSE=5.66%,验证R2 =0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R2=0.49,RMSE=13.68%,NRMSE=9.85%,验证R2=0.40,RMSE= 18.29%,NRMSE=14.73%).研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考.

关键词: 无人机 冬小麦 高光谱 氮含量 逐步回归 光谱特征参数

 全文链接 请求原文
基于改进的WOA-LSSVM樱桃番茄内部品质检测方法研究

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:基于近红外光谱技术与统计方法,提出了一种樱桃番茄内部品质快速、无损检测方法。首先采集样品的近红外光谱,采用多元散射校正(MSC)、 Savitzky-Golay卷积平滑(SG)、 Savitzky-Golay卷积一阶导数(SG 1st)、去趋势化(De-trending)、变量标准化(SNV)5种预处理方法消除光谱干扰,筛选出最佳预处理方法;然后采用连续投影算法(SPA)、稳定性竞争性自适应重加权算法(SCARS)、遗传算法(GA),以及引入自动有序预测因子选择算法进行改进的遗传算法(IGA)4种特征波长提取方法减少变量冗余,选择最优特征波长提取方法;最后结合回归方法——将冯诺依曼拓扑结构、轮盘赌选择、锦标赛选择和自适应权重与鲸鱼算法相结合来对算法进行改进,采用改进的鲸鱼算法优化最小二乘支持向量机方法(IWOA-LSSVM),与基于粒子群算法优化的BP神经网络方法(PSO-BPNN)和基于鲸鱼算法优化的最小二乘支持向量机方法(WOA-LSSVM)进行对比,分别建立樱桃番茄内部品质含量的预测模型。结果表明:樱桃番茄内部品质中的可溶性固形物(SSC)含量使用De-trending-IGA-IWOA-LSSVM模型效果最佳,其中校正集决定系数和预测集决定系数分别是0.917 2和0.866 7,校正均方根误差和预测均方根误差为0.542 3和0.768 2,预测相对误差达到2.592 9;维生素C(VC)含量使用SG-IGA-IWOA-LSSVM模型预测效果最准确,其中校正集决定系数和预测集决定系数分别为0.857 6和0.821 6,校正均方根误差和预测均方根误差分别是0.661 4和0.634 2,预测相对误差达到2.078 5。以上结果表明,采用近红外光谱技术与统计方法结合可实现对樱桃番茄内部品质的快速无损预测分析。

关键词: 樱桃番茄 机器学习 鲸鱼算法 近红外光谱技术

 全文链接 请求原文
拉曼高光谱系统中线激光对不同筋度面粉的穿透深度研究

光谱学与光谱分析 2023 EI SCI 北大核心 CSCD

摘要:激光对面粉的穿透深度是利用拉曼高光谱技术有效检测面粉中添加剂的基础。在偶氮甲酰胺(ADA)顶部放置不同筋度且不同厚度的面粉制备双层样品,采集不同筋度面粉、 ADA、双层样品的拉曼高光谱图像。ADA拉曼特征峰对应的单波段图像结合阈值分割创建检测图像以识别ADA像素,根据识别结果计算线激光对不同厚度面粉层的穿透率。结果显示,ADA拉曼特征峰位于1 335 cm~(-1)处,以此波段灰度图像创建的双层样品检测图像中,线激光对2 mm不同筋度面粉层的穿透率均在99%以上,因此选择该厚度作为线激光对面粉的有效穿透深度。

关键词: 面粉 偶氮甲酰胺 拉曼特征峰 阈值分割 穿透深度

 全文链接 请求原文
基坑排水对城市内河水体溶解性有机质的影响研究

光谱学与光谱分析 2022 EI SCI 北大核心 CSCD

摘要:工程施工时基坑排水是保障基坑安全的必要措施,排出水进入城市内河,对内河及下游水生态安全产生影响.该研究采集哈尔滨市何家沟欧亚之窗公园段建筑工程施工过程中基坑排出水(W 1)、排水口上游100 m处(W2)、排水口处(W3)、排水口下游50 m处(W4)、排水口下游100 m处(W5)、排水口下游200 m处(W6)的水体样品,应用三维荧光光谱-平行因子分析方法,测定溶解性有机质(DOM)的荧光光谱特征,分析DOM的组成和来源,探究基坑排水对城市内河水体环境的影响.结果表明:内河水体腐殖化指数(HIX)在0.337~0.381范围内,腐殖化程度低,W1,W3~W6的HIX差异不显著,均显著低于W2,说明排水进一步降低了内河水体腐殖化程度.荧光指数(FI370)介于2.330~2.900范围内,生物指数(BIX)在0.897~1.140范围内,W1和W2的FI370和BIX均显著高于W3~W6,两者具有极强的自生源特征,说明排水使下游水体自生源特征降低.水体样品DOM中共识别出2类4种有机组分:可见类富里酸组分(C1)、类色氨酸组分(C2)、紫外类富里酸组分(C3)和类酪氨酸组分(C4),即类富里酸物质(C1、C3)和类蛋白物质(C2、C4),两者间成负相关关系.FI370与4种有机组分间均呈极显著的相关性,说明DOM组成简单.W2具有相对较高的DOM浓度,而排水口下游水体DOM浓度低,基本保持稳定.类蛋白物质在上游水体中占有相对较高的比重,在W4中,4种有机组分相对比重差异不显著,W5和W6类富里酸物质的相对比重有升高趋势,同样说明基坑排水导致内河水体自生源特征降低.除pH值升高外,下游水体样品溶解氧(DO)、总氮、总磷等理化指标含量均降低,pH值与类富里酸物质呈正相关,与类蛋白物质呈负相关,而DO、化学需氧量及水体养分指标与之相反.水体DOM有机组分与理化指标的相关性不同,可直接或间接影响DOM组成.因此,工程施工基坑排水可降低城市内河水体DOM浓度,改变了水体DOM组成.

关键词: 三维荧光光谱;城市内河;排水;溶解性有机质

 全文链接 请求原文

首页上一页123456...下一页尾页