蚕茧近红外反射（NIR）光谱的模式识别──Ⅰ．对雌雄鲜茧、死笼茧的非破坏性识别

探讨了利用蚕茧近红外反向光谱识别雌雄茧、死笼茧的方法及可行性。采用６２５０型近红外光谱分析仪,从波长６８０ｎｍ到１２３５ｎｍ对２０５颗鲜茧做了非破坏性扫描测试,用逐步判别方法从一、二阶导数光谱数据中抽取特征向量,以此特征向量建立Ｂａｙｅｓ差别函数,对３７５个检验样本进行识别,其符合率达９５．７％,该方法明显优于以茧的重和大小差别雌雄的方法。实验结果还表明,雌雄茧近红外反射光谱的差别,主要是由于蚕肾     

蚕茧近红外反射(NIR)光谱的模式识别II.光谱识别中特征值选取方法的探讨

为提高蚕茧近红外光谱识别中雌雄茧的判别效果,从四个方面探讨了从光谱数据中提取特征向量的方法。对中系品种、日系品种及其杂交种１３２３颗蚕茧的光谱数据分析的结果表明：以减少错判率为目标选取特征向量,距离逐步判别方法优于Ｂａｙｅｓ逐步判别方法和Ｆｉｓｈｅｒ逐步判别方法;手动选择特征值优于自动选择特征值;２群逐步判别优于３群逐步判别;２阶导数光谱优于１阶导数光谱。从而给出蚕茧光谱识别中的特征向量选取及雌雄判别方法。     

雌雄蚕蛹近红外反射光谱的差异及其模式识别

采用6250型近红外光谱分析仪,从波长6印到1 235nm分别对日系蚕蛹217颗、中系蚕蛹174颗、杂交种蚕蛹330颗做了扫描测试,结果表明：雌雄蚕蛹的近红外光谱有极显著的差异。从日系217颗蚕蛹中随机选取雌雄各50颗作为学习样本,采用逐步判别方法从其二阶导数光谱中抽取5个特征波长作为观测向量,利用二次型判别函数对其余621颗蚕蛹的性别进行识别,其准确率达98.7%。该方法明显优于以蚕蛹重量或大小识别蚕蛹雌雄的方法。     

圈养高山麝种群年龄组的粪便光谱判别

提出了一种利用粪便可见-近红外反射光谱进行圈养高山麝种群年龄组分析的新方法.以FieldSpec~((R))3地物光谱仪采集了145份高山麝粪便(成体麝粪样45份,亚成体和幼体各50份)的光谱数据,将其随机分成训练集(100份)和检验集(45份).光谱经S.Golay平滑和一阶导数处理后以主成分分析法(PCA)降维.以前6个主成分(含原始光谱95.00%的特征信息)作为新变量,利用训练集样本,分别以Fisher线性判别、Bayes逐步判别以及BP-神经网络(BP-ANN)3种方法建立高山麝种群年龄组的分析模型.对检验集45个未知样的预测表明,BP-ANN模型判别的准确率最高,为84.44%.3种方法所建的模型对幼麝粪样判别的准确率最高,可达93.33%.分析发现亚成体粪样具有过渡性质,但幼麝粪样与成体粪样易于判别.结果表明,利用粪便的可见-近红外反射光谱进行高山麝年龄组的快速、非接触性判别是可行的,且PCA 结合BP-ANN判别是一种优选方法.     

多孔β—TCP生物陶瓷植入兔股骨后的拉曼光谱

以５１４．５ｎｍ和６３２．８ｎｍ激光激发,采用显微拉曼光谱和近红外傅里叶变换拉曼光谱分别研究了磷酸三钙（β－ＴＣＰ）生物陶瓷植入兔股骨后陶瓷、界面和兔股骨的拉曼光谱。对其拉曼光谱特征频率进行了初步的归属,叙述了可见光和近红外光谱的优缺点。在植入区和界面的拉曼光谱中,磷酸钙、胶原、蛋白质和脂类的拉曼特征频率同时出现,说明除磷酸钙外,还含有胶原、蛋白质和脂类,他们是有机骨基质主要组成。实验结果表明,生     

基于机器学习的蛋白质编码区识别

针对DNA序列编码区的识别问题,本研究提出一个特征向量和逻辑回归的组合模型。首先对DNA序列进行数值处理转化为特征向量,并结合k字符相对频率技术提取特征向量的元素特征,之后利用二分类逻辑回归算法,对编码区和非编码区进行准确区分。选取了HMR195和BG570两个基准数据集进行五折交叉验证,结果表明,平均AUC(Area Under Curve)值分别为0.981 3和0.987 4,明显优于传统的贝叶斯判别法和VOSSDFT等方法。此外,本文提出的特征向量的维度很低,提高了运算效率。因此,本文组合模型能够较为高效准确地识别蛋白质编码区。     

青海祁连瑞香狼毒的光谱差异特征提取

瑞香狼毒是分布在青海省高寒草甸的主要毒害草之一,近年来其迅速蔓延对当地畜牧业危害严重并使草地生态系统日趋退化.在海北州祁连县选取狼毒分布的典型退化草甸,采用2012—2014年狼毒盛花期获取的实测光谱数据,分析狼毒与牧草的光谱差异性.结果表明： 在350~900 nm的可见光 近红外波段,狼毒顶花的光谱反射特征明显异于狼毒叶片和同期牧草等绿色背景,顶花与绿色背景的光谱反射率差异主要体现在红谷和蓝谷.随着盖度的增加,狼毒群落光谱反射率整体升高,在近红外反射峰处狼毒群落与牧草群落光谱反射率具有最大差值,且不同盖度狼毒群落之间的差异性最明显.顶花与绿色背景以及狼毒群落与牧草群落的一阶导数光谱差异均体现在黄边幅值和蓝边幅值.狼毒群落盖度与光谱特征参量的线性回归分析表明,红谷与狼毒群落盖度的相关性最好(R²=0.94),反演狼毒群落盖度的精度最高.盛花期区分狼毒与牧草的主要光谱特征参量为红谷、蓝谷与近红外反射峰,其对应的红、蓝及近红外波段的组合可用于构建狼毒提取的敏感指数.     

野鸭湖典型湿地植物光谱特征

遥感技术已成为湿地植被识别和分类的重要手段,而深入研究地面植物群落光谱特征对于利用遥感影像的湿地植被分类具有指导意义。以典型淡水湿地——野鸭湖湿地为实验区,测定其典型湿地植物群落的反射光谱,并重采样以模拟OMIS机载成像光谱仪红-近红外的50个波段。在此基础上应用二阶导数的方法得到湿地植物识别的9个最佳波段:515.3,553.1,626.5,687.5,733.9,810.6,821.1,833.0,966.8nm。这些波段可以很好的识别湿地植物类型:沉水植物在810.6,821.1,833.0nm存在独特的吸收/反射特征,与其他湿地植物类型相区别。浮水、挺水、湿生、中生植物相比,浮水植物在515.3nm的吸收特征和553.1nm的反射特征较为突出;浮水、湿生、中生植物在687.5nm的吸收特征与挺水植物相比更为显著,但挺水植物在733.9nm的反射特征尤为明显;湿生植物在626.5nm的吸收特征比浮水、挺水、中生植物更加显著;中生植物缺少在626.5nm的吸收特征,但在966.8nm的吸收特征最为明显。研究成果不仅可以为野鸭湖湿地植被的高光谱遥感数据处理及湿地植被制图提供一定的科学依据,而且可以为淡水湿地植被的遥感识别和分类提供一定的参考、借鉴。     

基于高光谱的苹果果期冠层光谱特征及其果量估测

苹果冠层光谱特征是苹果树遥感生理监测和生产管理的重要依据。对栖霞市苹果果期的冠层反射光谱进行实测,结合数码照相技术探明了苹果果期的反射光谱特性和敏感波段,并通过敏感波段与果树比指标建立回归模型,实现了对苹果冠层果量(果树比)的无损估测。结果表明:苹果树果期冠层光谱曲线总体表现为对蓝光和红光的吸收及对绿光的反射,在近红外750—1300nm之间表现为强烈的反射,且在1650nm和2200nm附近呈现两个反射峰。选择435、670、730、940、1140nm和1480nm等6个波段为苹果果期的敏感波段。利用这些波段分别构建了差值、比值及归一化植被指数,筛选了最佳光谱参数,进而构建了果量(果树比)估测模型,经筛选验证确定苹果果量的最佳估测模型为:y=0.0086[NDVI(940,730)]2-1.0934NDVI(940,730)+0.3209。模型为苹果果期果量的精确估测提供了比较快捷的方法途径。     

利用近红外光谱对杂种松及其亲本的鉴别分析

为了在林木育种和良种推广过程中对杂种松的真实性进行简单、快速鉴别,本研究以我国南方培育推广的2个杂种松及其3个亲本树种为研究材料,通过近红外光谱仪扫描各树种的针叶来采集数据,最后采用PLS-DA（偏最小回归-判别分析）方法建模对杂种松及其亲本进行鉴别。研究结果显示：本研究中PLS-DA方法对杂种松具有较高的判别能力,可以较好地将研究的2个杂种松及其3个亲本树种区别开来。因此,近红外光谱结合PLS-DA判别分析方法可以用来分析鉴别松树中的杂种和纯种,相对于同工酶和分子标记这些种质鉴别方法,近红外光谱技术具有简便、快捷等优点,值得在林木种质判别分析中进一步研究利用。     

近红外窄带光照下不同水果背景中桔小实蝇的图像分割

【目的】为了增强水果背景中桔小实蝇Bactrocera dorsalis Hendel（双翅目实蝇科）的识别效果,研究了该种昆虫与不同水果之间的反射光谱差异。【方法】采用紫外 可见光 近红外分光光度计测量了桔小实蝇与16种水果在400~2 500 nm波段的反射光谱。在中心波长为565 nm和827 nm的窄谱带光源及日光3种光源分别照射下,分别拍摄各种水果背景中的桔小实蝇照片,并用大津Otsu算法对照片进行二值化处理。【结果】发现桔小实蝇的反射率随波长增加而缓慢地增大,最大反射率小于40%。而16种水果的最强反射峰全部或部分落在在777～896 nm。不同水果平均最大反射率为41.10%～97.89%,与桔小实蝇在此波段的低反射率（约30%）形成强烈的反差。在827 nm中心波长窄带光源照射下拍摄的照片中,发现桔小实蝇为黑色,而背景水果呈现大面积的白色,形成高反差,桔小实蝇很容易被辨识。相反,在日光和565 nm中心波长窄带光源照射的照片中,水果背景存在较多的黑色斑块,容易与桔小实蝇的黑区混淆;或者该虫形成白斑,从而无法识别。【结论】选用近红外波段的窄带光源照射能明显提高桔小实蝇与水果图像的对比度,增强桔小实蝇的分割效果。     

西红柿的光生态研究

采用叶片的反射光谱测量来研究西红柿的光生态。西红柿叶片在４５０ｎｍ处、６８０ｎｍ处各有一条带宽为１２０ｎｍ的吸收带,这说明蓝、红光能够促进西红柿的生长。往聚乙烯树脂中添加荧光助剂、着色剂模拟西红柿作用光谱制成农膜。用这种农膜苫盖温室大棚进行西红柿生产。通过产量调查来进一步认证西红柿的光生态。     

梨冠网蝽数学形态特征的提取与分析

【目的】利用图像处理技术获取昆虫外部数学形态特征,并用于雌雄个体判别,对其远程鉴定具有重要意义。本研究的目的是通过对图像获取技术的研究,获得梨冠网蝽Stephanitis nash Esaki et Takeya雌雄个体差异的参数指标。【方法】利用中国农业大学IPMist实验室开发的BugShape(v1.0)软件对梨冠网蝽成虫的外部数学形态特征进行提取,并使用SPSS(v22.0)对数据进行分析。【结果】扫描分辨率高低对部分参数有显著影响,其中周长、中胸宽、中胸宽/腹宽等参数随着分辨率的增加而增大。软件自动测量参数(面积、等效圆半径、偏心率、紧凑度、圆形度)和手动测量参数(中胸宽、腹宽、体长/中胸宽、体长/腹宽、中胸宽/腹宽)在雌雄个体间存在显著差异。在4800dpi时,手动测量梨冠网蝽的体长为2.25mm左右,雌性成虫的中胸宽和腹宽分别比雄性成虫宽0.02mm和0.19mm。在1200dpi分辨率下,利用手动测量参数对雌雄个体进行判别时,交叉验证判别正确率达99%,仅使用自动测量参数进行判别时,交叉验证判别的正确率为79%,而同时使用两类参数时,交叉验证判别正确率为97%。【结论】利用图像处理技术对梨冠网蝽进行雌雄识别时扫描的最佳分辨率为1200dpi,获取到的部分参数在雌雄个体间存在显著差异,可以作为判别其两性的参考指标。     

掌纹屈肌线纹型的量化研究

本文提出一组定量描述掌纹屈肌线纹型的特征向量,以描述和区分传统皮纹学中定义的6种掌纹屈肌线纹型。用该特征向量对151例(302只手掌掌纹)样本的6种屈肌线纹型进行了描述,并用Fisher判别分析进行了多类判别。结果发现,6种屈肌线纹型的分类判别正确率达到96.0%,其中桥贯型、悉尼型、通贯型、叉贯型的分类正确率为100%。为检验判别效果,用"刀切法"原则进行了回代交叉核实,验证后的正确率亦为96.0%,验证效果较好。结论认为,所采用的特征向量与相应的判别方法结合,能描述并区分不同的屈肌线纹型,并可得到较高分类正确率。     

陇中黄土高原春小麦光谱反射特征

通过田间小区试验,测定了3个春小麦品种(高原602、陇春8139和定西24)在不同生育期和不同种植密度的光谱反射率及对应叶面积指数(LAI)和地上生物量,分析了其光谱反射的一般特征和红边参数特征以及光谱变量与LAI和地上生物量的相关性.结果表明:在整个波段内,春小麦冠层光谱表现为高原602＞陇春8139＞定西24,其叶片光谱表现为定西24＞陇春8139＞高原602;春小麦冠层光谱在可见光波段和中红外波段成熟期明显大于孕穗期,而叶片光谱在近红外波段孕穗期明显大于成熟期;随着种植密度的提高,在近红外波段冠层和叶片的光谱反射率逐渐增加;冠层光谱的红边均具有"双峰"现象,从孕穗期到成熟期,冠层红边位置呈现"蓝移"现象;LAI和地上生物量与冠层光谱变量之间存在较好的相关性.     

基于近红外漫反射光谱快速测定淫羊藿蛋白质含量

采用近红外漫反射光谱技术对淫羊藿(Epimedium)的蛋白质含量进行快速且无损检测。近红外漫反射光谱经二阶导数处理、标准多元离散校正及主成分分析聚类处理后, 采用改进最小二乘法回归得到的定标模型预测效果最佳, 定标决定系数、交互验证标准差及交互验证相关系数分别为0.923、0.554和0.717。近红外光谱分析法的测定结果与用凯氏定氮法所得结果无显著差异, 两种方法测定值的相关性较高(R²=0.933 9)。重复性实验表明, 近红外光谱分析法的相对标准偏差为0.937%。该研究首次采用近红外光谱分析法测定了8种淫羊藿的蛋白质含量。该方法简便、精确, 在淫羊藿资源开发利用和药材质量控制方面具有参考意义。     

近红外光谱技术在运动脑功能研究中的应用

近红外光谱是一种评估生物组织氧合水平的无创性光学技术,这一技术以血液动力学原理为基础,能实时监测局部脑区的动态变化。近红外光谱作为一种客观的测量工具,在人体运动科学领域广泛运用。近红外光谱技术可用于区别体能水平、监控耐力训练和抗阻训练过程特征以及考察运动中的认知活动变化。本文综述了近红外光谱技术原理及其在抗阻运动、运动中枢疲劳和运动认知领域的运用,并对近红外光谱在运动科学领域的未来研究趋向作了分析。     

在药品监管中建立近红外药品快速识别体系的分析及应用

近红外药品快速识别体系是医学界为了限制假药流入市场的一种重要措施,在药品监督工作中占有重要地位。本文从近红外药品快速识别体系的可行性入手,对近红外药品定性分析模型作详细分析,得出相关结论,供同行参考借鉴。     

泥炭藓群落的光谱特征及遥感识别研究

以中位泥炭藓(Sphagnum magellanicum Brid.)为研究对象,分别从实测冠层光谱和遥感传感器模拟光谱层面分析其群落的光谱特征。研究结果显示,中位泥炭藓与北方针叶林光谱差异明显,最佳光谱识别区间为740～1140 nm和1230～1412 nm。在可见光波段上,中位泥炭藓与云杉(Picea engelmannii Parry ex Engelmann)和黑松(Pinus contorta Douglas ex Loudon)的绿峰位置有所差异。水竹(Phyllostachys heteroclada Oliver)和中位泥炭藓的光谱识别特征波段集中在可见光-近红外波段,分别为400～550、560～696、1025～1143 nm。中位泥炭藓与北方针叶林以及水竹的特征光谱区间存在细微差异,且与水竹在可见光波段有较好的可分性,因此不同纬度带上中位泥炭藓群落的特征谱宽有所差异。红外波段是中位泥炭藓识别的最佳光谱区间。在多光谱遥感水平上,中位泥炭藓识别效果较好,传感器的识别能力依次为:MSI> ALI> OLI> ASTER。在2个中位泥炭藓群落的光谱特征分析中,导数、对数、包络线去除法的光谱降维能力有所差异,其中包络线去除法效果最好。     

泥炭藓群落的光谱特征及遥感识别研究

以中位泥炭藓（Sphagnum magellanicum Brid.）为研究对象,分别从实测冠层光谱和遥感传感器模拟光谱层面分析其群落的光谱特征。研究结果显示,中位泥炭藓与北方针叶林光谱差异明显,最佳光谱识别区间为740~1140 nm和1230~1412 nm。在可见光波段上,中位泥炭藓与云杉（Picea engelmannii Parry ex Engelmann）和黑松（Pinus contorta Douglas ex Loudon）的绿峰位置有所差异。水竹（Phyllostachys heteroclada Oliver）和中位泥炭藓的光谱识别特征波段集中在可见光-近红外波段,分别为400~550、560~696、1025~1143 nm。中位泥炭藓与北方针叶林以及水竹的特征光谱区间存在细微差异,且与水竹在可见光波段有较好的可分性,因此不同纬度带上中位泥炭藓群落的特征谱宽有所差异。红外波段是中位泥炭藓识别的最佳光谱区间。在多光谱遥感水平上,中位泥炭藓识别效果较好,传感器的识别能力依次为：MSI > ALI > OLI > ASTER。在2个中位泥炭藓群落的光谱特征分析中,导数、对数、包络线去除法的光谱降维能力有所差异,其中包络线去除法效果最好。