下载文档原格式
《基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测研究》一、引言随着食品工业的快速发展，小麦作为主要粮食来源，其质量安全问题越来越受到人们的关注。
其中，小麦黄曲霉真菌毒素（AFs）污染成为严重影响小麦品质和食品安全的关键问题。
传统的检测方法如化学分析法、生物分析法等，虽然具有较高的准确性，但往往需要复杂的样品预处理和较长的检测时间，无法满足快速、无损的检测需求。
因此，本研究基于光谱及成像技术，开展小麦黄曲霉真菌毒素的快速无损检测研究，旨在为小麦质量安全检测提供新的技术手段。
二、研究内容（一）研究方法与材料本研究采用光谱及成像技术，结合化学计量学方法，对小麦样品进行快速无损检测。
研究材料包括小麦样品、黄曲霉菌株及相应的毒素标准品。
（二）光谱及成像技术原理光谱技术是通过测量物质对不同波长光的吸收、反射或透射，获取物质的光谱信息。
成像技术则是将光谱信息转化为图像信息，从而实现对物质的非接触式检测。
结合两者，可以实现对小麦样品中黄曲霉真菌毒素的快速无损检测。
（三）实验设计与实施1. 样品准备：采集不同污染程度的小麦样品，分别进行黄曲霉接种及毒素生成。
2. 光谱及成像数据采集：使用光谱仪和成像系统对小麦样品进行光谱及成像数据采集。
3. 数据处理与分析：采用化学计量学方法，对采集的光谱及成像数据进行处理与分析，建立黄曲霉真菌毒素的快速无损检测模型。
（四）结果与讨论通过实验，我们成功建立了基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测模型。
结果表明，该模型具有较高的准确性和稳定性，能够快速、无损地检测小麦样品中的黄曲霉真菌毒素。
与传统的检测方法相比，该模型具有更高的检测效率和更低的成本，为小麦质量安全检测提供了新的技术手段。
在实验过程中，我们还发现了一些值得进一步探讨的问题。
例如，不同品种、不同产地的小麦样品对黄曲霉真菌毒素的敏感程度可能存在差异，这需要在后续研究中加以考虑。
此外，光谱及成像技术的检测效果可能受到环境因素的影响，如温度、湿度等，这也需要在实际应用中加以注意。
第42 卷第 9 期2023 年9 月Vol.42 No.91181~1187分析测试学报FENXI CESHI XUEBAO（Journal of Instrumental Analysis）基于先进光谱融合技术-特征优化的复印纸无损识别张震，王继芬*，刘津彤（中国人民公安大学侦查学院，北京100038）摘要：为实现对犯罪现场复印纸的快速、无损、准确分类识别，该文将先进光谱融合技术应用于犯罪现场复印纸的“来源地-厂家-品牌”三维特征刻画与识别。
采用显微共聚焦拉曼光谱和傅里叶变换红外光谱技术采集了4个来源地（山东、河南、陕西、江苏）共200个样本的光谱数据信息。
选择并比较了希尔伯特变化和去卷积等预处理方法对模型区分能力的影响，借助主成分分析降维，并基于单一红外光谱数据集、拉曼光谱数据集和3种光谱融合数据集构建贝叶斯判别分类模型。
通过对不同模型分类准确率的比较，选取了以全谱数据集为基础的初级融合作为复印纸三维特征分类的最佳模型，分别实现了来源地（96.0%）、厂家（100%）、品牌（92.3%）的准确区分，为其在法庭科学研究领域的应用提供了参考与借鉴。
关键词：先进光谱融合；复印纸；特征优化；无损识别中图分类号：O657.3；O235文献标识码：A 文章编号：1004-4957（2023）09-1181-07Non-destructive Recognition of Copy Paper Based on AdvancedSpectral Fusion and Feature OptimizationZHANG Zhen，WANG Ji-fen*，LIU Jin-tong（School of Investigation，People's Public Security University of China，Beijing 100038，China）Abstract：In order to accurately recognize the copy paper found at the crime scene，the“source-manufacturer-brand”three-dimensional characteristics details of them were described and recog⁃nized by advanced spectral fusion technology. Spectral data of 200 samples from four sources（Shan⁃dong，Henan，Shaanxi and Jiangsu）were collected by microscopic confocal Raman spectroscopy and Fourier transform infrared spectroscopy. The effects of pre-processing methods including Hilbert variation，deconvolution were selected and compared. Principal component analysis was considered to extract characteristic variables. The Bayesian discriminant classification model was built based on different datasets including the single infrared spectra dataset，Raman spectral dataset and three spectral fusion approach datasets. The primary fusion based on the full spectra dataset was selected as the optimal model for recognizing the three-dimensional characteristics details of copy paper by com⁃paring the classification accuracy of different models. It realized the accurate classification of source （96.0%），manufacturer（100%） and brand（92.3%），respectively，which could provid some refer⁃ence for its application in the field of forensic science.Key words：advanced spectral fusion；copy paper；feature optimization；non-destructive recognition随着社会的发展，印刷文件的出现逐渐取代了笔迹文件，使得在日常工作和生活中出现了大量的印刷文件。
光谱重构算法
光谱重构算法是一种利用数学方法对原始光谱数据进行处理，以提取出更有意义、更准确的信息的算法。
其主要思想是将原始光谱数据拆分成若干个基本成分，再根据这些基本成分进行重构，以得到更为清晰、准确的波形。
这种算法可以广泛应用于各种领域，如化学、物理、生物等。
在化学领域，光谱重构算法可以用于分析化学物质的成分和结构；在物理领域，可以用于分析物质的能带结构和电子结构；在生物领域，可以用于分析生物组织的光谱特征以及其它生物化学信息等。
光谱重构算法的主要优势在于其能够将原始光谱数据中的噪声和干扰去除，从而使得结果更为准确和可靠。
此外，该算法还具有高效、快速的特点，能够处理大规模的光谱数据，提高分析效率和精度。
总的来说，光谱重构算法是一种重要的光谱分析方法，具有广泛的应用前景和重要的研究价值。
- 1 -。
基于主成分分析的光谱重建训练样本选择方法研究李婵;万晓霞;刘强;梁金星;李俊锋【摘要】训练样本构成是影响光谱重建精度的一个重要因素，针对学习型光谱重建算法中训练样本选择问题，提出了一种基于主成分分析的训练样本选择方法。
为了保证训练样本与重建样本的相似度，首先根据欧式距离最小原则从待选样本集中选择与重建样本相机响应值相似的样本，并去掉其中的重复样本；然后进行主成分分析；设定阈值筛选各主成分系数较大的样本作为训练样本，最后得到与主成分个数相同的训练样本子集。
为验证该方法的有效性，通过在镜头前加载宽带滤色片搭建多通道图像获取系统采集多通道图像信息，将得到的各样本子集用作训练样本，利用伪逆法重建光谱信息，最后将重建的光谱精度与常用的训练样本及训练样本选择方法得到的重建光谱精度进行比较。
实验结果表明：提出的方法显著提高了光谱重建的色度精度和光谱精度，优于常用的样本选择方法，能较大程度满足高精度颜色复制要求。
%The composition of training samples set is an important influence factor of spectral reflectance reconstruction process. Representative color samples selection for learning-based spectral reflectance reconstruction is discussed in this paper.A method based on Principal Component Analysis (PCA)is proposed to perform sample selection.First of all,a part of samples are select-ed according to the minimum Euclidean distance criteria in terms of camera response value from a large number of samples,which aim to ensure the similarity between training samples and target samples.Then the PCA data processing method is applied to these samples after removing the duplicate samples.The samples with larger principal component loadingsare regarded as the representative color samples.Different thresholds for each principal component are used to make decision whether the loadingof sample is large enough.In order to validate the proposed method,the selected samples are used as training samples to recover the spectral reflectance of color patches.A real multi-channel imaging system by loading broadband color filters in front of lens is used in the experiment to acquire the multi-channel image dataset.In this paper the pseudo-inverse method is employed to recon-struct spectral reflectance of target color patches.It is shown that the proposed method is superior to the previous methods in spectral reconstruction accuracy and can meet the requirements of high precision color reproduction.【期刊名称】《光谱学与光谱分析》【年(卷),期】2016(036)005【总页数】6页(P1400-1404,1405)【关键词】训练样本选择;主成分分析;光谱重建;多通道图像采集【作者】李婵;万晓霞;刘强;梁金星;李俊锋【作者单位】武汉大学印刷与包装系，湖北武汉430079;武汉大学印刷与包装系，湖北武汉 430079;武汉大学印刷与包装系，湖北武汉 430079;武汉大学印刷与包装系，湖北武汉 430079;武汉大学印刷与包装系，湖北武汉 430079【正文语种】中文【中图分类】O433多光谱成像技术在遥感及颜色科学中的应用越来越广，而如何重建获得高精度的光谱反射率信息是当前面临的关键问题。
智能优化算法应用于近红外光谱波长选择的比较研究宾俊;范伟;周冀衡;李鑫;梁逸曾【摘要】Near infrared spectroscopy (NIRS)is a kind of indirect analysis technology,whose application depends on the setting up of relevant calibration model.In order to improve interpretability,accuracy and modeling efficiency of the prediction model, wavelength selection becomes very important and it can minimize redundant information of near infrared spectrum.Intelligent op-timization algorithm is a sort of commonly wavelength selection method which establishes algorithm model by mathematical ab-straction from the background of biological behavior or movement form of material,then iterative calculation to solve combinato-rial optimization problems.Its core strategy is screening effective wavelength points in multivariate calibration modeling by using some obj ective functions as a standard with successive approximation method.In this work,five intelligent optimization algo-rithms,including ant colony optimization (ACO),genetic algorithm (GA),particle swarm optimization (PSO),random frog (RF)and simulated annealing(SA)algorithm,were used to select characteristic wavelength from NIR data of tobacco leaf for determination of total nitrogen and nicotine content and together with partial least squares (PLS)to construct multiple correction models.The comparative analysis results of these models showed that,the total nitrogen optimums models of dataset A and B were PSO-PLS and GA-PLS models.GA-PLS and SA-PLS models were theoptimums for nicotine,respectively.Although not all predicting performance of these optimization models was superior to that of full spectrum PLS models,they were simplified greatly and their forecasting accuracy,precision,interpretability and stability wereimproved.Therefore,this research will have great significance and plays an important role for the practical application.Meanwhile,it could be concluded that the informative wavelength combination for total nitrogen were 4 587~4 878 and 6 700~7 200 cm-1 ,and that for tobacco nicotine were 4 500~4 700 and 5 800~6 000 cm-1 .These selected wavelengths have actually physical significance.%近红外光谱(NIRS)是一种间接分析技术,其应用需建立相应的校正模型。
基于FBP算法实现CT图像重建及模板优化随着医疗技术的不断进步，计算机断层扫描（CT）成像技术在临床诊断中的应用越来越广泛。
CT图像通过对人体进行多角度的X射线扫描，能够获取具有高分辨率的断层图像，为医生提供了更准确的诊断依据。
CT图像的重建过程通常需要大量的计算和数据处理，因此如何优化CT图像重建算法成为了当前研究的热点之一。
本文将针对基于FBP（Filtered Back Projection）算法实现CT图像重建及模板优化进行探讨，以期可以提高CT图像重建的效率和质量。
一、FBP算法及其在CT图像重建中的应用FBP算法是一种经典的CT图像重建算法，它基于Radon变换理论，通过将X射线在人体内部的吸收情况转化为投影数据，并对投影数据进行滤波和反投影操作，最终得到图像的重建结果。
在实际应用中，FBP算法具有计算简单、速度快的优势，因此被广泛应用于CT图像重建领域。
在FBP算法中，首先需要进行X射线透射数据的采集，然后将采集到的数据进行滤波处理，最后进行反投影操作即可得到原始的CT图像。
传统的FBP算法在应用过程中存在一些问题，比如对噪声和伪影的敏感性较大、图像质量不高等。
对于传统的FBP算法进行优化成为了研究的重要方向之一。
针对传统的FBP算法在CT图像重建过程中的问题，研究人员提出了一种基于模板优化的方法，旨在提高图像重建效率和质量。
具体而言，模板优化指的是根据CT图像的特点，针对性地设计出一系列的滤波模板，以期能够在保留图像细节的同时抑制图像噪声，并提高图像的对比度和清晰度。
在进行模板优化时，首先需要对所获取的CT图像进行分析，了解图像的噪声分布情况以及需要突出显示的特征。
然后，根据分析结果设计出相应的滤波模板，并将其应用到FBP算法的滤波过程中。
通过这种方式，可以有效地提高CT图像的质量和清晰度，减少噪声和伪影的影响。
模板优化还可以结合深度学习等方法，通过训练神经网络来学习图像特征，进一步提高CT图像重建的效果。
《基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测研究》一、引言小麦黄曲霉真菌毒素是一种常见的食品污染物，对人类健康和食品安全构成严重威胁。
传统的检测方法主要依赖实验室化验和人工显微镜检查，过程繁琐且耗时，无法满足现代农业生产及食品质量安全的快速检测需求。
近年来，随着光谱及成像技术的发展，基于这些技术的无损检测方法在农业和食品工业中得到了广泛应用。
本文旨在研究基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测方法，为小麦生产和食品安全提供新的技术手段。
二、材料与方法1. 材料（1）实验样本：收集小麦样品，其中部分已知含黄曲霉真菌毒素，部分未含。
（2）设备：光谱仪、成像系统、计算机等。
2. 方法（1）光谱检测：采用可见/近红外光谱仪对小麦样品进行扫描，获取光谱数据。
（2）成像检测：利用高分辨率成像系统对小麦样品进行拍摄，获取图像数据。
（3）数据处理：将光谱数据和图像数据输入计算机，通过算法进行预处理、特征提取和模式识别。
三、实验结果与分析1. 光谱检测结果通过分析光谱数据，发现黄曲霉真菌毒素的存在与光谱某些波段的吸收或反射特征有关。
在可见光波段，黄曲霉毒素会导致光谱反射率降低；在近红外波段，黄曲霉毒素的吸收特征与正常小麦有明显差异。
通过建立光谱模型，可以实现对小麦中黄曲霉毒素的快速检测。
2. 成像检测结果高分辨率成像系统能够捕捉到小麦表面的微观结构变化和颜色变化。
黄曲霉真菌毒素感染后，小麦表面会出现颜色变化和斑点，这些变化可以通过图像处理技术进行识别和提取。
通过对图像进行分析，可以实现对小麦中黄曲霉毒素的无损检测。
3. 检测性能评价对光谱和成像检测结果进行统计分析，计算检测方法的准确率、灵敏度和特异性等指标。
结果表明，基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测方法具有较高的准确性和灵敏度，能够满足实际生产中的需求。
四、讨论与展望本研究表明，基于光谱及成像技术的小麦黄曲霉真菌毒素快速无损检测方法具有很大的应用潜力。
摘要颜色在日常生活中随处可见，与我们生活息息相关。
随着科学技术的不断发展，人们对彩色图像的颜色复制的要求也随着提高，颜色复制技术现已成为颜色工作者研究的热点。
目前，颜色复制技术主要有两种，色貌模型的颜色复制和光谱的颜色复制。
前者复制后的色彩在视觉上具有相同的颜色，光谱可能并不一致，无法避免由同色异谱现象带来的困扰。
光谱颜色复制是通过使用光谱反射率作为颜色信息传递和再现的媒介，能确保颜色的一致性，现已被广泛使用。
传统获取光谱反射率的方法主要有分光光度计和高光谱分析仪，但由于两者自身存在的局限性，常在实际应用中造成不必要的麻烦。
为此，颜色科技工作者们提出用多光谱成像技术来获取光谱反射率，利用多光谱成像系统相机输出的多通道图像信息对目标样本的光谱反射率进行估算，估算的过程被称之光谱重建。
彩色数码相机能够在多种条件下，对目标样本采取非接触式成像，且数码相机具有灵活方便性、性价比高等优势，因此本文采取彩色数码相机搭载一套滤光片组成多光谱成像系，统获RGB信号重建出物体表面反射率。
当前光谱重建得到物体表面光谱反射率估值的常用方法有伪逆法、主成分分析法和BP神经网络算法。
基于BP神经网络重建算法的不足，引入多项式模型和贝叶斯正则化修正项，改进传统的BP神经网络光谱重建算法，以此来优化算法提高精度。
为了便于验证重建算法的可行性，实验中训练样本使用标准色卡Digital ColorChecker SG，检验样本使用标准色卡Color Checker Rendition Chart。
实验结果表明本文所提出的算法重建的光谱反射率，无论在色度精度还是光谱精度上都优于传统神经网络算法，且精度远远大于伪逆法，主成分分析法，说明本文所提出的方法对物体表面颜色的真实再现具有一定的价值。
最后利用本文提出的贝叶斯正则化神经网络光谱重建算法，得到重建后的光谱反射，再结合色度学和计算机图形图像学知识重现蜡染画芯真实色彩。
对画芯中的同一色块，在光源不同角度下，对其重现后的颜色色块采用HSI和L*a*b*颜色空间分析。
分类号密级___________UDC ___________________学位论文快速拉曼光谱成像中的光谱重建算法研究作者姓名：王刚指导教师：陈硕副教授东北大学中荷生物医学与信息工程学院申请学位级别：硕士学科类别：工学学科专业名称：生物医学工程论文提交日期： 2017年11月论文答辩日期：2017年12月学位授予日期： 2018年1月答辩委员会主席：姜慧研评阅人：徐礼胜，齐守良，崔笑宇，李晨东北大学2017年12月A Thesis in Biomedical EngineeringDevelopment of spectral reconstruction algorithms for fast Raman spectroscopicimagingBy Wang GangSupervisor: Assoc. Prof. Chen ShuoNortheastern UniversityDecember 2017独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。
论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
学位论文作者签名：日期：2017年12月8日学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。
本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。
作者和导师同意网上交流的时间为作者获得学位后：半年□一年□一年半□两年□学位论文作者签名：导师签名：签字日期：2017年12月8日签字日期：2017年12月8日快速拉曼光谱成像中的光谱重建算法研究摘要拉曼光谱在各个领域发挥着越来越重要的作用，尤其在生物医学和医疗方面的作用更是逐渐显现。
高光谱重建是近年来在遥感领域受到广泛关注的一个研究方向。
它利用高光谱成像系统获取的图像数据，通过一定的算法和技术手段，对原始图像进行增强、修复或重构，以提高图像的分辨率、清晰度和信息量。
高光谱重建的方法多种多样，包括基于频域的重建方法、基于时域的重建方法、基于压缩感知的重建方法等。
其中，基于频域的重建方法通过分析图像的频谱特性，利用傅里叶变换等工具对图像进行频率域的分析和处理，从而实现对图像的重建。
基于时域的重建方法则通过分析图像的时间序列特性，利用差分、小波变换等技术对图像进行时间域的分析和处理，实现图像的重建。
而基于压缩感知的重建方法则是利用压缩感知理论，通过稀疏表示和优化算法等手段，对高光谱图像进行重建。
高光谱重建的应用范围非常广泛，包括环境监测、农业遥感、城市规划、军事侦察等领域。
例如，在环境监测领域，可以利用高光谱重建技术对大气污染、水污染等进行监测和评估；在农业遥感领域，可以利用高光谱重建技术对农作物生长状况、病虫害等进行监测和分析；在城市规划领域，可以利用高光谱重建技术对城市建筑、交通状况等进行监测和规划；在军事侦察领域，可以利用高光谱重建技术对敌方目标进行识别和定位。
然而，高光谱重建也存在一些挑战和问题。
首先，由于高光谱图像的获取成本较高，如何降低成本是亟待解决的问题之一。
其次，由于高光谱图像的空间分辨率较低，如何提高空间分辨率也是需要解决的问题之一。
此外，高光谱重建算法的复杂度较高，如何提高算法的效率和稳定性也是需要解决的问题之一。
总之，高光谱重建是遥感领域的一个重要研究方向，具有广泛的应用前景和重要的研究价值。
未来随着技术的不断发展和进步，相信高光谱重建技术将会取得更大的突破和应用。
