高光谱检测技术ppt课件

1、第四章第四章 高光谱图像检测技术高光谱图像检测技术第一节 近红外光谱检测技术第二节 高光谱图像检测技术第一节 近红外光谱检测技术1. 光与物质的作用F1、简单透过F2、只改动传播方向折射、衍射、弹性散射F3、传播方向和波长同时改动非弹性散射F4、被吸收F5、发出不同波长的光F6、简单反射F处置方法：F1和6属于宏观景象，由几何光学就可很好地阐明；F2、3、4、5需思索物质的微观构造及性质。400-800纳米纳米1纳米纳米 = 10 米米1000纳米纳米 = 0,000 001 米米 = 0,001毫米毫米可见光可见光200紫外紫外0,2X-射线射线近红外近红外1200-2400中远红外中远红外

2、收音机收音机3mm-20cm10m-30km-9红外光谱红外光谱微波微波2. 光散射的定义及物了解释光的散射定义: 指由于媒质中存在的气体，液体或固体的微小粒子对光束的影响，使光波偏离原来的传播方向而向周围散射的景象物了解释： A: 强调粒子概念分子场吸收一个光子的同时，发射一 个光子拉曼散射 B: 强调动摇概念由于物质密度的起伏光被散 射瑞利散射3散射引起反射，折射及衍射：散射是衍射的一种特殊情况，即散射是细微粒子比波长要小的衍射效应。3使透射光强减弱的缘由:光的吸收与光的散射3 3 其中，：吸收系数3 ：散射系数leII0leII03. 近红外光与固体样品的作用 食品物料的光学特性主要包括

3、光反射率、光透过率、光吸收率、光密度、光发射景象等，如图。小麦中各成分的光谱4.分子吸收能量后发生的变化F分子吸收一个光子后，分子就从基态跃迁到激发态；反之，当分子释放一个光子，分子能量降低的程度与光子的能量相当。 F原子轨道刻划了原子中的电子的分布，同理，分子轨道描画了分子中电子的分布。F在电子跃迁过程中，电子从一个分子轨道跃迁到另一个轨道，并伴随着分子能量的添加或者减少。5.光谱丈量的根本方法1透射率TransmittanceT=I/I0 (普通采用百分比)2吸光度Absorbance A=lg (I0 /I)I0 ： 单色光的入射能量I ：光经过样品后的出射能量3反射率RReflecta

4、nceLambert-Beer Law理想的情况下，浓度为C的某种特定成分对于某波长光辐射的吸收可用如下公式描画：其中 I: 透射光强度； I0: 入射光强度 c: 特定成分的浓度(concentration) : 特 定 成 分 在 某 吸 收 波 优 点 的 吸 收 系 数 (absorptivity) L: 光程长(样品的厚度, pathlength)clTAIITclIIln/)exp(00 近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录的主要是含氢基团X-HX=C、N、O振动的倍频和合频吸收。不同基团如甲基、亚甲基、苯环等或同一基团在不同化学环境中的

5、近红外吸收波长与强度都有明显差别，NIR光谱具有丰富的构造和组成信息，非常适宜用于碳氢有机物质的组成与性质的丈量。对称伸缩振动-非对称伸缩振动-摇摆振动-摇摆振动-弯曲振动-剪切振动 透射光光谱法透射光光谱法反射光谱法反射光谱法可用于可用于定性和定性和定量定量分析分析定性分析常用的方法定性分析常用的方法 聚类分析是典型的无监视方式识别方法, 利用同类样本彼此类似, 即物以类聚 , 聚类分析就是使类似的样本聚 在一同, 从而到达分类的目的 另一种常用方法是Mahananobis间隔, 其中心是经过多波长下的光谱数据, 定量描画出丈量样本离校正集样本的位置, 因此在光谱匹配、异常点检测和模型外推方

6、面都很有用。 目前国际流行的方法是依托主成分分析( PCA )结合Mahananob is间隔判据 , 既利用了PCA处置不丧失信息的特点, 又利用Mahananob is间隔便于建立定量域值的优点。定量分析常用的方法定量分析常用的方法 定量分析是经过多元校正方法建立光谱与组成或性质间的校正模型, 运用该模型可预测未知样品的组成或性质。 各种多元校正技术有多元线性回归法(mu ltiple linear regression, MLR ) 主成分回归法( principa l component regression, PCR ) 偏最小二乘法( partia l least square,

7、PLS) 人工神经网( art ific ia lneura l ne tw ork, ANN ) 拓扑( topo logy, TP)法优点：1快速，通常30秒内就可给出分析结果，可进展在线分析；2制样简单；3信息量大，可同时测定多组分；4经定标建模后，无须用其他常规化学分析手段，不运用有毒有机 试剂，无污染；5非破坏性分析，可实现产品的无损质量检测；6可运用光纤，从而可实现远程分析检测。缺陷：1建立模型需求大量有代表性且化学值知的样品； 2模型需求不断的维护改良 ；3近红外测定精度与参比分析精度直接相关，在参比如法精度不够的情况下，无法得到称心结果。 食品： 酒制品、饮料、调味品、乳制品、

8、食用油、烘焙食品、肉类等成分鉴别、产地鉴别、真伪鉴别农牧：谷类作物、烟草、咖啡、水果、蔬菜、茶叶等 成分鉴别、成熟度、质量分级、种类鉴定、产地鉴别、真伪鉴别石油炼制： 原油、天然气、汽油等 成分鉴别、重整1用近红外光谱技术鉴别蜂蜜真伪参考文献：钟艳萍，钟振声，陈兰珍，叶志华，赵静近红外光谱技术定性鉴别蜂蜜种类及真伪的研讨J现代食品科技，2019，26(11)：1280-1282运用例运用例 在120004000 cm-1 范围内采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱，结合一阶导、多元散射校正及变量规范化)三种方法对光谱进展预处置，以主成分分析结合马氏间隔判别法，在不同谱区建立蜂蜜种类及

9、真伪定性鉴别模型。研讨发现61005700 cm-1 谱区为最正确建模波段，种类判别正确率达90%以上，真伪鉴别正确率93.10% 。2植物油质量分析中的运用 1994 年Sato采用近红外光谱技术鉴别大豆、玉米、棉籽、橄榄、花生及油菜等植物油种类。 陈永明等结合遗传算法建立了不同产地的橄榄油近红外分析模型, 可以快速、无损地鉴别出未知产地的橄榄油, 将为其他植物油产地鉴别提供了一种便利手段。在油脂植物含油量测定中的运用 刘福莉等利用傅里叶变换近红外透射光谱法扫描食用调和油中大豆油、花生油以及玉米油的光谱, 采用偏最小二乘法( PLS )建立了各自含油量的定量分析模型, 其R2EV分别为99.

10、 89% 、99. 88%、99. 76%, RMSEP分别为1. 09%、1. 17% 、1. 48%。在脂肪酸化学组成测定中的运用Kova lenko 等研讨了不同统计分析方法对脂肪酸预测准确性的影响, 发如今总饱和脂肪酸(棕榈酸+ 硬脂酸)上获得的预测结果较好( R2EV = 0. 91 0. 94) , 而在油酸(R2EV = 0. 76 0. 81)、亚油酸(R2EV = 0. 73 0. 76)和亚麻酸(R2EV = 0. 67 0. 74)上的预测效果次之。2在乳品行业的研讨及运用乳制品液体奶奶粉及奶酪 液态奶是多种物质组成的混合物, 如新颖牛奶, 是包含真溶液、高分子溶液、胶体

11、悬浮液、乳浊液及其过渡形状的分散体系。 Chen 等研讨建立了检测鲜牛奶中脂肪含量的近红外模型, 调查了不同光谱预处置方法及波长范围( 700 1100 nm) 对模型的影响。奶粉及奶酪 针对奶粉质量问题频出的景象,近年来国内借助近红外光谱技术对奶粉的化学目的进展检测的报道较多。丁丽等 建立了奶粉中三聚氰胺的近红外定量分析模型,。朱俊平等 利用近红外光谱分析了儿童高钙奶粉中水分、蛋白、脂肪、乳糖和蔗糖的含量。3近红外在无损检测方面的研讨运用 水果褐变检测很早以前曾经开场，Lord等首先研讨了元帅水心病苹果在贮藏中褐变发生过程，在冷藏条件下褐变产生在贮藏一个月后，而常温下褐变仅在采摘7 d后就发

12、生。 韩东海等先后对受损苹果颜色和组织的近红外光谱特性以及苹果水心病的光学无损检测进展了研讨。 利用可见近红外延续透射光谱技术(650900 nm)对苹果内部褐变进展了研讨。分析了其光谱特性，选择715 nm，750 nm，810 nm 3个特征波出息展了褐变果判别分析，实验结果阐明，样品的正确判别率到达9565 利用红外光谱法可以在不损伤苹果的前提下，在不到1 min的时间内快速地判别出苹果内部能否发生褐变，检测准确性高，为实现水果在线分选提供了可行性支持。1. 分光系统的性能参数F 波长分辩率F 分光能够的波长范围F 能量利用率(亮度)F 分光所需时间(速度)2.对近红外光谱系统的要求F可

13、靠性：光谱横轴波长及纵轴能量稳定F多用性：灵敏可变的测样方式，广大的波长范围、 F方便性：对应的计量学软件F快速性：软、硬件的高速度F在线性：自动进样系统、强抗干扰才干3.近红外分光的硬件F光源F分光元件F光电检测F谱图获得1滤光片型近红外仪器A1A2A3A4A5A62光栅旋转分光原理(光栅扫描)3傅立叶变换式分光法光栅固定分光原理(多通道)仪器分光系统仪器分光系统二极管阵列检测器Array瞬时多波长检测自动波长准确性检查并自动校准附：近红外检测技术的建模校准附：近红外检测技术的建模校准校准 = 教会仪器 近红外光谱定量分析技术又称“黑匣子分析技术，是一种间接的丈量方法，即经过对样品光谱和其质

14、量参数进展关联，建立预测模型，然后经过预测模型和未知质量参数的样品光谱来预测样品的组成和性质。 近红外是间接检测 必需校准 必需有参考分析方法近红外技术运用前提条件近红外技术运用前提条件 普通来讲，能否运用近红外技术定量准确检测某种成分的含量主要由以下三方面的要素决议：被检测的样品能否有很好的近红外光谱反响特性，即通常所说的“红外活性。仪器本身的特性及相关的技术目的：检测过程中光谱的反复性精度、信噪比以及波长范围等要素。用于建模定标的样品的化学值的准确程度。什么是校准& 描画特定近红外波长光的吸收特性和样品组& 成之间的关系。Y = C0 + C1*A1 + C2*A2 + +

15、 Cn*An 红外光谱定量分析流程红外光谱定量分析流程 G在丈量方法一致的情况下，浓度预测误差(RMSEP)与仪器精度(SNR)成反比例关系，即仪器精度越高，浓度预测误差越小。G在浓度丈量精度目确实定时，一定的仪器精度是实现该预测精度目的的必要前提。多变量校正方法丈量精度的实验结论建模方法对丈量精度与仪器精度的影响结论G假设采取有效的建模方法，即使在仪器精度一样的情况下，都可以有效地提高预测精度，而且还可以大大降低实现期望预测精度所必需的仪器精度的要求。G选择有效的建模方法如优选波长变量，改良建模算法等对于提高复杂近红外光谱丈量情况的预测效果具有重要意义。 光谱定量分析流程搜集样品参与界外点重

16、新建模检查分析方法检修仪器日常分析对模型进展评价建立多元回归模型选择验证集选择校正集对光谱必要的处置测定全波长谱图测定全部样品的物化性质检测结果能否正确仪器及操作能否正确样品能否为界外点正确不正确不是是正确不正确校正模型训练集样品的选择F尽能够要覆盖待分析样品的范围F对于待测的物化性质，样品应均匀分布F样品的基底应一样如PH值或水分F假设各组分间相互反响，要留意光谱采集合采集瞬间的组成变化F包括尽能够多的有代表性的样本F样本变化范围越大，模型的适用范围越宽，但分析结果的精度能够变差；模型适用范围小时，分析结果的精度相对较高，但适用面变窄。对样品物化性质的测定F对于人工合成样品，比较简单F对于复杂的天然产品，必需选用被大家接授权威的分析方法。F模型预测结果的准确性在很大程度上取决于规范丈量结果的准确性。F用多次分析结果的平均值来降低误差建模常用化学计量学方法建模常用化学计量学方法 多元线性回归Multivarate Linear Regression, 缩写为MLR 主成分分析Principle Component Analysis,缩写为PCA 主成分回归Principle Component Regressi