邹小波江苏大学教授博士生导师

第30卷第13期农业工程学报 V ol.30 No.132014年7月Transactions of the Chinese Society of Agricultural Engineering Jul. 2014 169 基于高光谱图像的黄瓜叶片叶绿素含量分布检测邹小波，张小磊，石吉勇，李志华，申婷婷（江苏大学食品与生物工程学院，镇江 212013）摘要：植物叶片叶绿素含量及分布是植物营养信息表达的重要指标。

为了给大棚黄瓜营养元素的控制提供理论依据，该研究利用高光谱图像建立简单实用的光谱值和叶绿素含量关系的模型，从而实时、无损地检测叶片的叶绿素分布。

选取黄瓜叶片的高光谱图像数据块中450～850 nm波段作为研究波段。

选取8个具有代表性的植被指数，建立特征波长λ下相应的光谱反射值Rλ与黄瓜叶片叶绿素含量之间的关系模型。

结果显示，基于最优指数(R695–705)−1−(R750–800)−1的模型可以很好地预测黄瓜叶片叶绿素的含量，校正集和预测集相关系数r分别为0.8410和0.8286，最小均方根误差RMSE分别为0.2045和0.2190 mg/g。

最后根据最优模型预测叶片上任意位置叶绿素的含量，并通过伪彩手段描述叶绿素含量的分布。

研究结果表明，利用高光谱图像技术分析黄瓜叶片叶绿素含量及其在叶面上的分布是可行的。

另外，该研究确定的最优植被指数所包含的695～705和750～800 nm 2个波段可用于搭建更加简便实用的快速检测叶片叶绿素的便携式多光谱设备。

关键词：叶绿素；光谱图像；线性回归；植被指数；叶绿素分布doi：10.3969/j.issn.1002-6819.2014.13.021中图分类号：S203；Q94-3 文献标志码：A 文章编号：1002-6819(2014)-13-0169-07邹小波，张小磊，石吉勇，等. 基于高光谱图像的黄瓜叶片叶绿素含量分布检测[J]. 农业工程学报，2014，30(13)：169－175.Zou Xiaobo, Zhang Xiaolei, Shi Jiyong, et al. Detection of chlorophyll content distribution in cucumber leaves based on hyperspectral imaging[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(13): 169－175. (in Chinese with English abstract)0 引 言叶绿素是最常见的有机化学组分之一，是植物叶片的天然成色物质，在光合作用中起着重要作用，叶绿素的含量分布与果蔬的营养状况息息相关。

乙醇水溶液体积分数和温度的近红外激光拉曼光谱研究邹小波;沈乐丞;石吉勇【摘要】为了研究乙醇水溶液近红外激光拉曼光谱随体积分数和温度的变化,首先通过便携式近红外激光拉曼光谱仪测得0～100％乙醇水溶液在10 ～30℃的拉曼光谱,然后将温度和拉曼光谱值一起用于建立体积分数预测模型,以提高其预测精度.结果表明:带有温度值的PLS模型相关系数(Rc)为0.997 6,校正均方根误差(RMSEC)为1.94,预测模型相关系数(Rp)均达到0.995 0以上,建立的乙醇水溶液联合模型性能较稳定,能够满足不同温度下乙醇水溶液体积分数的测定,满足实际在线检测的需要.进一步研究温度与乙醇水溶液的近红外拉曼光谱的关系,在体积分数0～100％每隔10％建立一个近红外拉曼光谱的温度PLS模型,得到11个模型的相关系数,R 值在0.734 4和0.954 7之间,并且随着乙醇体积分数变大,R值越来越大.【期刊名称】《江苏大学学报（自然科学版）》【年(卷),期】2015(036)002【总页数】5页(P171-175)【关键词】乙醇水溶液;拉曼光谱;体积分数;温度;联合模型;偏最小二乘【作者】邹小波;沈乐丞;石吉勇【作者单位】江苏大学食品与生物工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013【正文语种】中文【中图分类】O657.37醇-水二元体系长期以来是一个热门的研究对象，学者们采用实验手段［1］和计算机模拟方法［2-3］对其进行了深入研究，获得了较多的有关动力学特性和分子结构的信息.由于水的拉曼散射很微弱，拉曼光谱是研究水溶液中的生物样品和化学化合物的理想工具［4］.张洪波等［5］用乙醇分子的2个拉曼特征峰(位于2 970 cm-1和2 873 cm-1附近)的强度比值与体积分数间的线性关系实现了对水溶液中乙醇体积分数的测定.吴斌等［6］发现乙醇水溶液位于2 800～3 050 cm-1的3个C—H伸缩振动特征峰的峰值位置相对纯乙醇对应峰位的偏移量大致与乙醇体积分数呈线性相关，据此进行一元线性回归及进一步二元线性回归得到乙醇体积分数与C—H伸缩振动频率变化量的回归模型.吴斌等［7］还用激光拉曼光谱研究液态乙醇的水合作用过程，发现位于2 800～3 050 cm-1区间的C—H伸缩振动频率随乙醇中加入水量的增加整体呈现蓝移趋势，而位于1 048 cm-1附近的C—O伸缩振动频率的变化规律却与此相反，分析认为，这种现象主要由溶液内部分子间发生的不同水合作用所致，并据此阐明了液态乙醇的水合作用过程.李响等［8］将自适应偏最小二乘的方法应用于酒精浓度检测过程中，实现了拉曼光谱的噪声和背景自动扣除，从而更好地对拉曼光谱进行预处理，所得的乙醇浓度预测模型优于其他传统方法.但以上研究都是基于激光拉曼光谱仪，该设备价格昂贵，因此都是停留在实验室阶段，无法实现在线检测.另外，众所周知，乙醇水溶液的密度、声速等物理特性会随温度发生一定的变化，但乙醇水溶液的拉曼光谱随温度变化很少有人研究.近年来由于便携式激光拉曼光谱仪具有携带方便、操作过程简单、使用条件不苛刻、价格适宜等优点而得到广泛的应用.由于近红外波段的荧光背景影响小，噪声低，窄带激光器能提供更多的物质成分信息［9］，因此近红外激发拉曼光谱技术以其独特优势成为研究化学材料［10-12］以及生物大分子结构［13-15］的有力手段而备受研究者关注.但是正因为获得的信息数据冗杂，严重影响了拉曼信号的识别和比较.因此，提取光谱有效信息，是光谱分析工作必须解决的关键问题之一.偏最小二乘法(PLS)是一种基于因子分析的多变量校正方法，是目前在定量分析中应用最多的多元分析方法［16］.通过这种方法对光谱进行筛选，可以剔除不相关或非线性变量的影响.因此文中用此方法来研究乙醇水溶液近红外激光拉曼光谱随体积分数和温度的变化，为实现乙醇水溶液体积分数的在线快速定量检测提供参考.1 试验与方法1.1 试验样品采用无水乙醇(分析纯，体积分数99.7%，国药集团化学试剂有限公司)与超纯水配置待测溶液，共配制乙醇水溶液样本11个，乙醇体积分数范围为0～100%，间隔为10%.试验温度为10～30℃，每隔1℃测一次.1.2 拉曼光谱采集采用美国EnWave Optronics的HRC-10便携式近红外拉曼分析仪.激发源:NIR，频率稳定，狭窄线宽二极管激光器，785 nm;激光功率:150～200 mW;线宽:0.5 cm-1;光纤探测器:2个单一光纤的永久结合体，100μm激发光纤，200μm收集光纤，焦距为6 mm;光谱范围:300～3 900 cm-1;积分时间为20 s，平均参数为2，窗口滤波参数为0.使用前预热15 min，使输出达到稳定.从10℃开始，依次量取2 mL左右不同体积分数乙醇水溶液于3 mL进样瓶中，先收集暗电流参考数据，再收集拉曼光谱，直至30℃.1.3 光谱数据处理及PLS建模采用MATLAB 7.14.0.739(R2012a)软件来进行数据处理及建模.PLS是处理两数据块之间关系的一种数学方法，它将因子分析和回归分析结合，是一种经典的化学计量学算法，也是使用最多和效果最好的处理方法之一.其中模型精度采用校正均方根误差(RMSEC)表示，RMSEC越小，则说明模型的拟合精度越高，模型越可靠.模型的拟合程度采用复相关系数R表示，R越接近1，则说明预测值与实测值之间的相关程度越好.模型的预测能力采用预测均方根误差(RMSEP)表示，RMSEP越小，则表明模型对外部样本的预测能力越高.2 试验结果与分析2.1 乙醇和超纯水的拉曼光谱分析图1为乙醇和超纯水的拉曼光谱，乙醇分子的不同拉曼特征峰对应着分子内不同原子基团的振动模式，从低波数到高波数，800 cm-1以前的峰均为容器峰，峰1(840.4 cm-1)为对称 C—C—O骨架伸缩，峰2(1 006.6 cm-1)为C—O伸缩，峰3(1 050.8 cm-1)为 C—C—O骨架剪式摇摆，峰4(1 237.7 cm-1)为乙醇分子CH2形变，峰5(1 411.7 cm-1)为CH3反对称形变，峰6(3 278.1 cm-1)为非对称CH2伸缩，峰7(3 355.2 cm-1)为非对称CH伸缩，乙醇的这7个典型的特征峰在文献［17］中也有描述.从图1还可以看出纯水没有明显的特征峰.图1 乙醇和超纯水的拉曼光谱2.2 乙醇水溶液的拉曼光谱分析2.2.1 不同温度乙醇水溶液体积分数模型的建立及预测分别对10，15，20，25和30 ℃(即从10 ℃ 开始每漂移5℃取一个温度值)下的10个体积分数建立乙醇与拉曼光谱之间的多元校正模型，并利用所建立的模型进行相互预测，以判定所建模型的优劣，得到结果如表1 所示.其中模型 1，2，3，4，5分别代表10，15，20，25和30℃的体积分数校正模型.由表 1 可知，模型1，2，3，4，5 的校正相关系数(R c)分别为 0.997 3，0.997 9，0.993 4，0.992 5和 0.988 3，RMSEC 分别为 2.21，1.82，3.48，3.67和4.41，较高的R c和较低的RMSEC对于一个可靠的模型是十分必要的，但一个模型的优劣不仅取决于此，还要求有较高的预测相关系数(R p)和较低的RMSEP，在实际应用中后者往往尤为重要.由表1可知，对于与建模样品温度相同的模型，R p较高，RMSEP也较低，但对于与建模样品温度不同的预测集样品，R p最低值为0.995 3，RMSEP最高达到3.74.由此可以看出单个温度的体积分数模型对不同温度的样品体积分数的预测效果不是很理想，也就是说温度漂移对体积分数模型预测精度影响很大.结果说明5个模型的适用范围都较窄，不能很好地满足预测乙醇水溶液体积分数的要求.表1 不同温度下体积分数模型的建立及预测性能模型训练集预测集10℃ 15℃ 20℃ 25℃ 30℃R c RMSEC R p RMSEP R p RMSEP R p RMSEP R p RMSEP R p RMSEP 1 0.997 3 2.21 0.999 9 0.44 0.997 2 3.54 0.996 7 3.66 0.998 9 2.750.996 7 3.74 2 0.997 9 1.82 0.995 3 2.78 0.999 7 0.64 0.997 8 2.30 0.9 9712.23 0.996 9 2.36 3 0.993 43.48 0.997 2 2.56 0.998 7 1.55 1.000 0 0.000.9985 2.06 0.997 9 2.54 4 0.992 5 3.67 0.999 1 1.50 0.999 0 1.37 0.998 12.10 0.999 3 1.08 0.997 7 2.03 5 0.988 3 4.41 0.997 7 2.06 0.999 5 1.300.998 6 2.73 0.998 9 1.51 0.998 9 1.342.2.2 乙醇水溶液联合模型的建立及预测为了解决上述问题，使所建体积分数预测模型准确可靠，覆盖范围宽，适用性广，试验进一步对上述5个温度处10个体积分数联合建立乙醇与拉曼光谱之间的多元校正模型.得到校正模型的R c为0.997 6，RMSEC为1.94，此模型相关系数较高，模型拟合度较高，用不同温度的体积分数模型来检测此模型的预测能力，得到结果如表2所示，预测模型R p均达到0.995 0以上，RMSEP均小于2.92.结果表明:建立的乙醇水溶液体积分数混合模型性能较稳定，能够满足不同温度下乙醇水溶液体积分数的测定，具有较高的适用范围，满足实际检测的需要，为开发快速、灵敏、实时在线检测乙醇体积分数的装备奠定基础.表2 联合模型的预测结果温度/℃ R p RMSEP 温度/℃ R p RMSEP 温度/℃ R p RMSEP 10 0.999 1 1.55 17 0.998 6 1.63 24 0.998 5 2.29 11 0.999 0 1.30 180.998 5 2.12 25 0.999 4 1.00 12 0.998 2 1.78 19 0.999 3 1.35 26 0.998 3 2.23 13 0.999 2 1.20 20 0.998 7 1.85 27 0.999 3 1.40 14 0.999 6 0.88 21 0.997 9 2.29 28 0.998 4 1.69 15 0.999 5 0.97 22 0.998 7 1.74 29 0.999 6 1.02 160.995 2 2.92 23 0.998 7 1.57 30 0.998 7 1.682.3 乙醇水溶液拉曼光谱的温度分析图2显示了纯乙醇在10～30℃时的拉曼光谱，将最后2个峰放大示于图右上角.从图2可以看出，纯乙醇在不同温度下的21条光谱几乎重叠成一条光谱，变化规律不明显，用肉眼很难看到温度变化的影响，本研究决定用PLS方法来建立温度模型.对11个乙醇体积分数处的21个温度分别建立乙醇温度与拉曼光谱之间的多元校正模型，结果如表3所示.每个体积分数下温度模型的相关系数R均在0.734 4和0.954 7之间，说明温度对拉曼光谱强度具有影响.这是因为随着乙醇水溶液温度逐渐上升，乙醇分子的振动-转动作用变强，也即拉曼效应变强，导致拉曼光谱强度变大.从表3还可知随着乙醇体积分数变大，其相应的温度模型相关系数R 也越来越大.说明乙醇体积分数越大，温度变化对拉曼光谱强度的影响越大.这是由于体积分数增大，单位体积溶液中的乙醇分子增多，此时拉曼光谱强度会由于温度变化而变化得更明显.图2 10～30℃下的纯乙醇拉曼光谱表3 体积分数0～100%的温度模型结果体积分数/% R RMSE 体积分数/% R RMSE 0 0.734 4 4.41 60 0.855 7 3.21 10 0.749 8 4.14 70 0.891 8 3.07 20 0.757 0 4.04 80 0.927 4 3.2030 0.803 5 3.84 90 0.943 3 2.11 40 0.836 4 3.33 100 0.954 7 2.02 50 0.847 5 3.253 结论文中建立的乙醇水溶液联合模型性能较稳定，能够满足不同温度下乙醇水溶液体积分数的测定，满足实际在线检测的需要.进一步研究温度与乙醇水溶液的近红外拉曼光谱的关系，建立的11个温度PLS模型的相关系数R值在0.734 4和0.954 7之间，并且随着乙醇体积分数变大，R值越来越大.说明温度对不同体积分数下的拉曼光谱具有影响，并且温度随乙醇体积分数的增大对拉曼光谱的影响加大.参考文献(References)【相关文献】［1］ Sikorska A，Ponikwicki N，Koniecko A，et parative studies of the mixing effect on the thermal effusivity，compressibility，and molar volume for aqueous solutions of alcohols［J］.Int J Thermophys，2010，31(1):131-142.［2］ AlaviS，Takeya S，Ohmura R，et al.Hydrogen-bonding alcohol-water interactionsin binary ethanol，1-propanol，and 2-propanol+methane structure II clathrate hydrates ［J］.The Journal of Chemical Physics，2010，133(7):1-6.［3］ Mandal A，Prakash M，Kumar R M，et al.Ab initio and DFT studies on methanol water clusters［J］.JPhys Chem A，2010，114(6):2250-2258.［4］贾丽华，王一丁，曲冠男，等.激光诱导等离子体对水团簇受激拉曼散射的影响［J］.红外与毫米波学报，2012，31(4):375-378.Jia Lihua，Wang Yiding，Qu Guannan，et al.Influenceof laser-induced plasma on Raman scattering of water cluster［J］.J Infrared Millim Waves，2012，31(4):375-378.(in Chinese)［5］张洪波，宿德志，何焰蓝.用傅里叶变换拉曼光谱法测定乙醇浓度［J］.分析测试技术与仪器，2007，13(3):190-193.Zhang Hongbo，Su Dezhi，He Yanlan.Determination of ethanol concentration using FT-Raman spectroscopy［J］.Analysis and Testing Technology and Instruments，2007，13(3):190-193.(in Chinese)［6］吴斌，骆晓森，陆建，等.用激光拉曼频移测定乙醇水溶液的浓度［J］.光学精密工程，2011，19(2):392-396.Wu Bin，Luo Xiaosen，Lu Jian，et al.Determination of ethanol concentration of aqueous solution by using Raman stretching frequency shifts［J］.Optics and Precision Engineering，2011，19(2):392-396.(in Chinese)［7］吴斌，刘莹，韩彩芹，等.用激光拉曼光谱研究液态乙醇的水合作用过程［J］.光谱学与光谱分析，2011，31(10):2738-2741.Wu Bin，Liu Ying，Han Caiqin，et al.Hydration of liquid ethanol probed by Raman spectra［J］.Spectroscopy and Spectral Analysis，2011，31(10):2738-2741.(in Chinese)［8］李响，吕勇.拉曼光谱检测酒精浓度的背景扣除技术研究［J］.北京信息科技大学学报:自然科学版，2013，28(2):27-30.Li Xiang，Lü Yong.Background subtraction in Raman measurement of ethanol concentration［J］.Journal of Beijing Information Science and Technology University:Natural Science Edition，2013，28(2):27-30.(in Chinese)［9］廖艳林，刘晔，曹杰，等.一种基于光纤器件的表面增强拉曼散射光谱检测系统［J］.中国激光，2012，39(7):215-219.Liao Yanlin，Liu Ye，Cao Jie，et al.A kind of surface enhanced Raman scattering spectroscopy detection system based on optical devices［J］.Chinese Laser，2012，39(7):215-219.(in Chinese)［10］刘文涵，吴小琼，杨未，等.环境光对 PE塑料薄膜近红外激光拉曼光谱的影响［J］.光谱实验室，2006，23(6):1135-1138.Liu Wenhan，Wu Xiaoqiong，YangWei，et al.Influence of environment light on the near-infrared laser Raman spectrum of PE plastic film［J］.Chinese Journal of Spectroscopy Laboratory，2006，23(6):1135-1138.(in Chinese) ［11］刘文涵，吴小琼，郑建珍，等.环境光对谷氨酸钠溶液近红外激光拉曼光谱的影响［J］.光谱学与光谱分析，1994，26(12):2244-2246.Liu Wenhan，Wu Xiaoqiong，Zheng Jianzhen，et al.Studies of influences of environmental light on near infrared laser Raman spectra of sodium glutamic acid solution ［J］.Spectroscopy and Spectral Analysis，1994，26(12):2244-2246.(in Chinese)［12］刘文涵，汪涓涓，张丹.外界光对 ZnCl2溶液近红外激光拉曼光谱的影响［J］.光谱实验室，2009，26(5):1141-1144.Liu Wenhan，Wang Juanjuan，Zhang Dan.Studies of near-infrared laser Raman spectra of ZnCl2 solution effected by environmental light［J］.Spectroscopy Laboratory，2009，26(5):1141-1144.(in Chinese)［13］冯尚源，陈荣，李永增，等.人血红细胞傅里叶变换红外和近红外拉曼光谱［J］.光谱学与光谱分析，2005，25(5):712-714.Feng Shangyuan，Chen Rong，Li Yongzeng，et al.Fourier transform infrared and near infrared Raman spectra of human red blood cell［J］.Spectroscopy and Spectral Analysis，2005，25(5):712-714.(in Chinese)［14］马寒露.表面增强拉曼光谱快速检测孔雀石绿技术研究［D］.镇江:江苏大学食品与生物工程学院，2009.［15］刘仁明，刘瑞明，武延春，等.基于新型NIR-SERS基底的肝癌血清 NIR-SERS光谱研究［J］.光学学报，2011，31(6):270-275.Liu Renming，Liu Ruiming，Wu Yanchun，etal.Investigations on NIR-SERS spectra of serum for liver cancer based on NIR-SERS substrate［J］.Acta Optica Sinica，2011，31(6):270-275.(in Chinese)［16］黄晓玮，邹小波，赵杰文，等.近红外光谱结合蚁群算法检测花茶花青素含量［J］.江苏大学学报:自然科学版，2014，35(2):165-170.Huang Xiaowei，Zou Xiaobo，Zhao Jiewen，et al.Measurement of anthocyanin content in flowering tea using near-infrared spectroscopy combined with ant colony optimization［J］.Journal of Jiangsu University:Natural Science Edition，2014，35(2):165-170.(in Chinese)［17］邹晗，郑晓燕，潘玉莲.乙醇和甲醇混合溶液的拉曼光谱法研究［J］.大学物理实验，2005，18(4):1-6.Zou Han，Zheng Xiaoyan，Pan Yulian.A research on Raman spectroscopy ofmixed liquor of ethanol and methanol［J］.Physical Experiment of College，2005，18(4):1-6.(in Chinese)。

第11期（总第516期）2020年11月农产品加工Farm Products ProcessingNo.11Nov.文章编号：1671-9646（2020）llb-0140-02“现代食品检测技术”课程教学改革和创新孙宗保，**邹小波，赵延胜，石吉勇，郭志明，赵杰文，李欢欢收稿日期：2020-07-07基金项目：江苏高校优势学科建设工程资助项目（2018）。

作者简介：孙宗保（1976—），男，博士，副教授，研究方向为食品品质分析与检测*通讯作者：邹小波（1974—），男，博士，教授，研究方向为食品品质分析与检测。

（江苏大学食品与生物工程学院，江苏镇江212013）摘要：“现代食品检测技术”是食品类专业课程培养体系中一门极具特色且实践性很强的专业课，随着食品检测技术发展日新月异，新的教育理念及现代教学手段和方式的不断发展，需要在教学过程中不断改革和创新，培养出适应时代需求的高素质综合性人才。

关键词：现代食品检测技术；教学；改革；创新中图分类号：G642 文献标志码：A doi ： 10.16693/ki.1671-9646（X ）.2020.11.080Teaching Reform and Innovation of Modem Food Detection TechnologySUN Zongbao, NOU Xiaobo, ZHAO Yansheng, SHI Jiyong, GUO Zhiming, ZHAO Jiewen, LI Huanhuan（School of Food and Biological Engineering ， Jiangsu University ， Zhenjiang ， Jiangsu 212013， China ）Abstract ： Modern Food Detection Technology is a highly characteristic and practical professional course in the food professional curriculum training system. With the rapid development of food detection technology ， and the continuous development of neweducational concepts and modern teaching methods ， it is necessary to reform and innovate constantly in the teaching process to cultivate high-quality comprehensive talents to meet the needs of the times.Keywords ： Modern Food Detection Technology ； teaching ； reform ； innovation“现代食品检测技术”课程最初形成于本世纪初 国家开始设立食品质量与安全专业，江苏大学是国 内最早开设该课程的高校之一。

遗传算法优化BP及RBF神经网络用于苹果气味分类
赵杰文;刘木华;潘胤飞;邹小波
【期刊名称】《食品科学》
【年(卷),期】2004(025)002
【摘要】本文研究了用遗传算法优化BP和RBF两种神经网络的方法来建立对"好"、"坏"苹果气味识别的分类模型.形容结果表明,对"好"、"坏"苹果气味进行分类时,遗传算法优化BP和RBF神经网络建立的分类模型判别准确率均大于83%.
【总页数】4页(P39-42)
【作者】赵杰文;刘木华;潘胤飞;邹小波
【作者单位】江苏大学生物与环境工程学院,江苏,镇江,212013;江苏大学生物与环境工程学院,江苏,镇江,212013;江苏大学生物与环境工程学院,江苏,镇江,212013;江苏大学生物与环境工程学院,江苏,镇江,212013
【正文语种】中文
【中图分类】Q811;TP212
【相关文献】
1.基于改进的遗传算法优化BP神经网络并用于红酒质量等级分类 [J], 毕艳亮;宁芊;雷印杰;王伟
2.一种基于遗传算法优化BP神经网络的陶瓷原料分类方法 [J], 杨怡涵;柳炳祥
3.基于遗传算法优化的BP神经网络大肠癌证型分类 [J], 刘秀峰;刘芬
4.遗传算法优化确定BP神经网络的遥感图像分类 [J], 黄孝斌; 沈军; 李国新; 钱利军; 郝强
5.遗传算法优化的BP神经网络在居民负荷分类中的应用 [J], 王慧娟;黄万方;蒲刚强;魏国晟;梁成林
因版权原因，仅展示原文概要，查看原文内容请购买。

附件1、报告人简介王源超，博士生导师，1968年生。

教育部长江学者特聘教授、国家杰出青年基金获得者。

现任南京农业大学植物保护学院副院长，植物病理学国家重点学科负责人，国家大豆产业技术体系病虫害研究室主任。

中国菌物学会理事，《植物病理学报》、《南京农业大学学报》等5种重要学术刊物编委。

先后在美国、韩国、荷兰等国家进行合作研究，长期从事卵菌病害成灾机理以及植物疫病控制的应用基础研究，对检疫性植物病原菌的快速检测技术、疫霉菌对寄主识别的分子机理、疫霉菌致病性的变异机制等进行了系统的研究。

先后主持国家公益性行业科研专项、国家863计划项目、国家自然科学基金、国家973计划子课题和948项目等30余项。

先后获得教育部自然科学奖和科技进步奖3项、在国内外刊物上发表研究论文120多篇，其中的包括Plant Cell、MPMI、Science等SCI 期刊上论文60余篇，其中第一作者或联系作者27篇，总影响因子超过120，论文被SCI刊物引用500余次，获得国家发明专利5项，参编教材或著作3本。

邹小波，男，1974年12月出生，博士，博士后，教授、博士生导师，江苏大学学科建设办主任，研究生院副院长。

主要从事食品、农产品质量与安全无损检测研究。

主持国家863、国家自然基金等20多项国家、省部级课题；已授权国家发明专利21项、国际PCT专利5项；发表论文中有57篇被SCI、EI收录，被引用661篇次；撰写专著1本，合著外文专著1本；获国家技术发明二等奖1项，省部级一等奖3项和二等奖1项。

并获霍英东优秀青年教师二等奖、江苏省十大科技之星、中国机械工业青年科技成就奖、教育部新世纪人才、全国百篇优秀博士论文、江苏特聘教授等荣誉。

研究方向：食品、农产品无损检测研究，生物传感器及其在食品中的检测研究王金玉，博士生导师、国务院特贴专家；国家肉鸡体系岗位专家，江苏省优势学科畜牧学科、国家重点培育学科带头人；国家畜禽遗传资源委员会家禽专业委员会委员；全国畜牧业标准化委员会委员；江苏省家禽业协会会长；江苏省劳动模范。

不同颜色银杏叶总黄酮含量分布高光谱图像检测石吉勇;邹小波;张德涛;陈正伟;赵杰文【摘要】Hyperspectral imaging technology was used to determine total flavonoid content distribution map on different color ginkgo biloba leaves (green,green-yellowish,yellow).Firstly,120 Ginkgo biloba leaves were used to collect hyperspectral image data cube and determine total flavonoids concentrations.Secondly,the average gray value of each band in hyperspectral image data cube was calculated as spectal data of Ginkgo biloba leaf.The spectal data and total flavonoids concentrations were used to bulid calibration model (R =0.930 7) by using multiple stepwise regression method.Finaly,the calibration model was used to predict the total flavonoid content of each pixel in the hyperspectral image.This enables construction of a distribution map of total flavonoid content on the ginkgo leave.Distribution maps of total flavonoid content in three color groups (green,green-yellowish,yellow) were calculated.Results indicate that the level of total flavonoid for green,green-yellowish,and yellow were in an increasing order.Higher level of total flavonoids could be noticed at the margin area of the leaves,while lower levels occured at the area near the leafstalk of the ginkgo leaves.This research provided a method to determine major constituent of food and agricultural products.%利用近红外高光谱图像技术研究了总黄酮含量在不同颜色(绿色、黄绿色、黄色)银杏叶片上的二维分布规律.采集120片银杏叶在近红外波段(900～1 700 nm)下的高光谱图像信息,并利用分光光度计法测定银杏叶片的总黄酮含量;计算高光谱图像中不同波段下的平均灰度作为银杏叶对应的光谱信息,利用逐步线性回归方法建立黄酮含量校正模型(R =0.9307);逐一提取待测银杏叶高光谱图像中每个像素点在不同波段的光谱信息,并将其代入黄酮含量校正模型以计算出各个像素点处对应的黄酮含量,从而绘制总黄酮含量在整个银杏叶片上的二维分布图.研究结果表明,银杏叶总黄酮含量随着绿色、黄绿色、黄色而呈现出递增趋势,且总黄酮含量高的区域主要位于叶片的边缘,总黄酮含量低的区域主要位于叶柄附近.研究为揭示有机组分在农产品、食品中的分布规律提供了技术手段.【期刊名称】《农业机械学报》【年(卷),期】2014(045)011【总页数】5页(P242-245,33)【关键词】银杏叶;总黄酮;含量检测;高光谱图像【作者】石吉勇;邹小波;张德涛;陈正伟;赵杰文【作者单位】江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013【正文语种】中文【中图分类】O657.3引言银杏叶提取物对脑缺血、脑功能障碍、脑伤后遗症和抗衰老等有显著疗效，已被应用于食品、药品、饮料和化妆品中［1－2］。

专利名称：线扫描成像过程中扫描目标移动速度均匀性的检测方法
专利类型：发明专利
发明人：邹小波,石吉勇,赵杰文,黄晓玮,朱瑶迪,李志华
申请号：CN201310713918.6
申请日：20131220
公开号：CN103645337A
公开日：
20140319
专利内容由知识产权出版社提供
摘要：本发明公开了线扫描成像过程中扫描目标移动速度均匀性的检测方法，包括步骤一，获取矩形校正板ABCD的扫描图像；步骤二，对扫描图像A’B’C’D’进行数据处理；步骤三，计算扫描目标移动速度的均匀性表征值S。

本发明可定量的计算扫描目标移动速度的均匀性，可用于精准校正线扫描成像系统，从而获取扫描目标的高精度图像信息，可应用于对扫描目标进行高精度的计算机视觉检测。

申请人：江苏大学
地址：212013 江苏省镇江市学府路301号
国籍：CN
代理机构：江苏纵联律师事务所
代理人：戴勇
更多信息请下载全文后查看。

专利名称：一种荧光探针有效工作温度参数的界定方法专利类型：发明专利
发明人：石吉勇,李文亭,邹小波,黄晓玮,李志华,胡雪桃,郭志明,史永强,石海军
申请号：CN201910789120.7
申请日：20190826
公开号：CN110618115A
公开日：
20191227
专利内容由知识产权出版社提供
摘要：本发明属于分析测试技术领域，涉及一种荧光探针有效工作温度参数的界定方法；具体包含温度偏移情况下探针信号的检测、荧光探针对温度偏移响应规律解析、以及探针有效工作温度的定量界定三个步骤；本发明通过解析荧光探针信号对温度正向偏移和负向偏移的响应规律，分别构建了荧光信号正向偏移幅度函数和荧光信号负向偏移幅度函数，实现了允许检测误差范围内荧光探针对应工作温度参数的精确界定，可为荧光探针在实际应用中的有效工作温度范围界定提供参考依据，从而实现待测分析物的高效、精准荧光法检测。

申请人：江苏大学
地址：212013 江苏省镇江市京口区学府路301号江苏大学
国籍：CN
更多信息请下载全文后查看。

专利名称：基于计算机视觉的软胶囊质量在线检测的装置与方法
专利类型：发明专利
发明人：赵杰文,许友谊,孙乐六,邹小波,葛福才,厦蓉,张应龙
申请号：CN200610096741.X
申请日：20061013
公开号：CN1943886A
公开日：
20070411
专利内容由知识产权出版社提供
摘要：本发明涉及一种按照物品的特性进行实时在线检测的机器视觉检测装置和方法，其由胶囊排列输送部分、计算机视觉识别部分和胶囊剔除动作部分组成；其特征是计算机视觉识别部分的摄像头安装在胶囊排列输送部分的输送链上方，胶囊剔除动作部分安装在胶囊排列输送部分的输送链侧面。

胶囊排列输送部分主要包括振动送料器和输送链。

胶囊剔除动作部分实现的功能是剔除那些重量不合格、异型的软胶囊，主要由气源、电磁阀和喷嘴顺序连接组成。

计算机视觉识别部分，其由一个逐行扫描的摄像系统、一个光照箱、光电触发传感器、控制模块和相应的软件组成。

本发明通过计算机视觉达到间接检测胶囊重量的目的，保证高速在线检测软胶囊重量的准确性。

申请人：江苏大学
地址：212013 江苏省镇江市学府路301号江苏大学内
国籍：CN
代理机构：南京知识律师事务所
代理人：汪旭东
更多信息请下载全文后查看。

基于小波滤噪和iPLS 的草莓近红外光谱糖度检测模型石吉勇,邹小波,赵杰文,殷晓平(江苏大学食品与生物工程学院,江苏镇江212013)摘要 [目的]获得精度高、鲁棒性强的草莓近红外光谱糖度检测模型。

[方法]利用K -S (K enn a rd -S ton e)方法划分样本集,并用小波滤噪法对草莓1000～2500nm 近红外光谱进行预处理,最后用偏最小二乘法(P L S )和区间偏最小二乘法(iP L S)分别建立预测模型。

[结果]采用区间偏最小二乘法将光谱划分为20个子区间,利用其中的第16个子区间建立的糖度模型效果最佳,其校正时的相关系数R c 和校正均方根误差RM SEC 分别为0.9355和0.259,预测时的相关系数R p 和预测均方根误差RM SEP 分别为0.9202和0.305。

[结论]用小波滤噪和联合区间偏最小二乘法所建立的草莓糖度模型不仅能有效地减少建模所用的变量数,缩短运算时间,而且预测能力和精度均得到提高。

关键词 近红外光谱;草莓;糖度;区间偏最小二乘法中图分类号 O 657.7 文献标识码 A 文章编号 0517-6611(2009)12-05752-03T e s t in g M od e l o f Su ga r D e g re e in S traw b e rry by N e a r In fra re d Spe c trum B a se d o n W a v e le t D en o is in g an diPLS SH I J i-y o n g e t a l (C o llege o f F o od an d B io lo g ica l E n g in ee r in g ,J ian gsu U n ive rs ity ,Z h en jian g ,J ian gsu 212013)A b s tra c t [O b je ctive]T h e resea rch a i m ed to ob ta in th e te stin g m ode l o f su ga r con ten t o f n e ar in fra red spectrumin straw be r ry w ith h igh accu racy and s tron g robu stn ess .[M e th od]T h e K -S (K enn a rd -S ton e)m e th od w a s u sed to d iv ide th e sam p le se t an d th e w ave le t n o ise filte r in g m e th od w a s u sed to pre-trea t th e n e ar in fra red spectruma t 1000～2500nminstraw be rry ,a t la st th e pa r tia l lea st squ a re s(P L S )an d in terva l pa r tia l lea st squ a re s(iP L S )w e re u sed to se t u p th e p red iction m ode l re sp..[R esu lt]T h e spec trumw a s d iv ided to 20su b i n te rva l w ithth e i n te rva l par tia l lea st squ a re s an d th e e ffect o f su ga r con -ten t m ode l es tablish ed by th e ir 16sub in te rva l w a s op ti m um.T h e cor re la tion coe ffic ien t R c in co rrection an d roo t m e an squ a re e rro r o f co rrection RM SEC w e re 0.9355and 0.259re sp.an d th e co r re la tion co e fficien t R p in fo reca st and th e ro o t m e an squ a re e r ro r o f fo reca st w e re 0.9202an d 0.305re sp..[C on clu sion ]T h e straw be r ry su g ar con ten t m ode l e stab lish ed by w ave le t n o ise filter in g m e th od and in te rva l pa r tia l lea st squ a re s n o t on ly cou ld decrea se th e va r iab le num be r o f m ode lin g e ffectiv e ly an d sh o rten th e ope ra tion ti m e ,bu t a lso cou ld i m prov e th e p red iction ab ility an d p re cis ion.K e y w o rd s N IR spec tro scopy ;S traw be rry ;S u ga r de g re e ;in terva l pa r tia l leas t squ a re基金项目 国家863高科技项目(2008AA 10Z2);国家自然基金资助项目(30671199);江苏省自然科学基金资助项目(B K 2006707-1)。

镇江肴肉香味活性成分加工过程中的变化研究孙宗保;李国权;邹小波【期刊名称】《食品与发酵工业》【年(卷),期】2010(036)002【摘要】为了确定镇江肴肉的香味活性成分并分析其在加工过程中的变化,采用气相色谱-质谱联用技术结合气相色谱-嗅觉测量法进行分析,镇江肴肉中共检测到20种香味活性成分,其中3-甲基丁醛、2-戊基呋喃等13种成分被鉴定.镇江肴肉的香味活性成分主要形成于肴肉的加工过程或后续加工过程中添加的辅料带入.香辛料对改善镇江肴肉的香气具有重要的作用,腌制增加了镇江肴肉的多种香气成分,但部分醛和酮类风味物质相对含量有一定程度的下降,蒸煮有利于脂肪氧化降解和氨基酸的降解,促进了风味物质的产生,对镇江肴肉特征风味的形成具有极为重要的重用.【总页数】4页(P180-183)【作者】孙宗保;李国权;邹小波【作者单位】江苏大学食品与生物工程学院,江苏,镇江,212013;江苏恒顺集团有限公司,江苏,镇江,212000;江苏大学食品与生物工程学院,江苏,镇江,212013;江苏恒顺集团有限公司,江苏,镇江,212000【正文语种】中文【相关文献】1.浓香型白酒发酵过程中微生物消长与香味物质变化研究 [J], 吕辉;张宿义;冯治平;赵金松;方军2.真空包装水晶肴肉加工及贮藏过程中的菌相研究 [J], 肖香;董英;祝莹;王敏;王莉莉3.“国井”芝麻香高温堆积过程中微生物与香味成分的变化规律研究 [J], 许玲;张秋月4.陈化过程中不同部位烤烟烟叶香味成分变化的研究 [J], 熊文;王玉;王保兴;王洪云;徐济仓;侯英;邹悦5.打叶复烤过程中烘烤调香烟叶香味成分及感官质量的变化研究 [J], 朱海滨;王柱石;胡战军;杨义;李觅;郑仕方;张敏;叶贤文;保华因版权原因，仅展示原文概要，查看原文内容请购买。

渗油醋胶囊高光谱快速检测技术石吉勇;邹小波;赵杰文;洪兆鹏;黄晓玮;朱瑶迪【期刊名称】《农业机械学报》【年(卷),期】2015(46)7【摘要】针对渗油醋胶囊具有与合格醋胶囊相似颜色,难以用肉眼或者计算机视觉进行快速检测的问题,利用高光谱图像信息对化学成分的敏感性,采用高光谱图像技术捕捉渗油醋胶囊在430～960 nm波段下的特征信息,结合线性判别分析(LDA)、K最近邻判别法(KNN)建立渗油醋胶囊的判别模型.在K值为3、主成分因子数为2时,KNN模型对应的校正集识别率和预测集识别率分别达到100％.研究表明,高光谱图像技术可以有效表征渗油醋胶囊表面外渗成分的光谱特征,实现对渗油醋胶囊的快速检测.【总页数】4页(P210-213)【作者】石吉勇;邹小波;赵杰文;洪兆鹏;黄晓玮;朱瑶迪【作者单位】江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013【正文语种】中文【中图分类】TP391.4;TS207.7【相关文献】1.基于高光谱成像技术的药用胶囊铬含量快速检测方法研究 [J], 陈丰农;陈浦兰;谢亚平;应南娇;Hamed Hamid Muhammed;杨勇2.高光谱图像技术快速预测发酵醋醅总酸分布 [J], 朱瑶迪;邹小波;石吉勇;赵杰文;林颢3.基于高光谱图像的香醋醋醅均匀性快速判别 [J], 邹小波;申婷婷;朱瑶迪;石吉勇;胡雪桃;沈冰4.枣醋发酵液中还原糖含量和酒精度的可见–近红外高光谱快速定量分析 [J], 蒋慧霞;贾柳君;张海红;吴宝婷;李冬冬;李子文;;;;;;5.基于高光谱多参数的冷鲜牛肉品质快速检测技术 [J], 方瑶;谢天铧;郭渭;白雪冰;李鑫星因版权原因，仅展示原文概要，查看原文内容请购买。

一种近红外光谱特征子区间选择新算法石吉勇;邹小波;赵杰文;殷晓平;陈正伟【期刊名称】《光谱学与光谱分析》【年(卷),期】2010(030)012【摘要】为了简化光谱模型和提高模型精度,在传统遗传算法中引入Metropolis 接受准则,提出了一种新的模拟退火-遗传区间选择算法(SAA-GA-iPLS),用于快速提取近红外光谱特征子区间,采用偏最小二乘法(PLS)建市近红外光谱模型.以黄瓜叶近红外光谱数据及其类胡萝卜素含量为例,将全光谱分为40个区间,模拟退火-遗传算法能快速优选出7个子区间(分别为第3,5,14,18,21,32,33子区间),在所选7个子区间的基础上建立了黄瓜叶类胡萝卜素PLS光谱模型.与传统遗传算法的比较结果表明:无论是建模效果还是算法执行效率,模拟退火-遗传算法均优于传统遗传算法.【总页数】4页(P3199-3202)【作者】石吉勇;邹小波;赵杰文;殷晓平;陈正伟【作者单位】江苏大学食品与生物工程学院,江苏,镇江,212013;江苏大学食品与生物工程学院,江苏,镇江,212013;江苏大学食品与生物工程学院,江苏,镇江,212013;江苏大学食品与生物工程学院,江苏,镇江,212013;江苏大学食品与生物工程学院,江苏,镇江,212013【正文语种】中文【中图分类】TP242162;S123【相关文献】1.一种计算有效的Nystrom特征子空间匹配主用户频谱感知新算法 [J], 陈若男;孙晓颖;刘国红2.一种基于SIFT描述子的特征匹配新算法 [J], 杨亮;郭新宇;赵春江;乔晓军3.一种新的近红外光谱信息区间选择方法 [J], 徐龙;卢建刚;杨秦敏;陈金水;施英姿4.基于改进的联合区间随机蛙跳算法的近红外光谱波长选择 [J], 程介虹;陈争光5.向后迭代区间选择算法及其在近红外光谱模型转移中的应用 [J], 郑开逸;冯雨航;张文;黄晓玮;李志华;张迪;石吉勇;邹小波因版权原因，仅展示原文概要，查看原文内容请购买。