导读:本文包含了光谱识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,地物,荧光,赤霉病,成分,时域,神经网络。
光谱识别论文文献综述
周月,孙霁,杨四刚,陈宏伟,徐坤[1]（2019）在《基于机器学习的太赫兹光谱分析与识别》一文中研究指出国内对转基因作物的监管非常严格,但是对转基因作物的检测缺乏快速准确的计量方法。太赫兹时域光谱结合机器学习分类算法可以实现对转基因作物快速有效地检测识别。通过太赫兹时域光谱技术提取了2种转基因油菜种子和一种非转基因油菜种子的太赫兹吸收谱,朴素贝叶斯算法、基于朴素贝叶斯的自适应提升算法、主成分分析结合随机森林算法、主成分分析结合支持向量计算法被应用于转基因油菜种子的太赫兹吸收谱的分类识别。通过实验对比,基于朴素贝叶斯的自适应提升算法获得了高达96.6%的检测准确率。该研究为运用太赫兹光谱技术手段开展转基因作物的快速检测提供方法参考。(本文来源于《无线电工程》期刊2019年12期）
孔德明,崔耀耀,孔令富,王书涛,史慧超[2]（2019）在《数字图像识别在混合油类叁维荧光光谱分析中的应用》一文中研究指出海上溢油已成为全球环境污染的重要问题之一,溢油严重破坏了海洋生态的平衡,并导致人类健康受到危害。因此,研究高效的溢油检测方法对保护海洋生态环境具有重要意义。叁维荧光光谱技术因能获得溢油的"指纹"图谱而成为溢油鉴别领域的有效分析手段,其与平行因子分析算法相结合获得了良好的溢油鉴别效果。但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围,且其对预估计组分数敏感,组分数选择是否准确直接影响最终定性定量结果,这些问题都会对油类检测造成使用上的限制。油类组分极为复杂,其中各组分间不存在统一的线性浓度范围,其相互之间还受到荧光猝灭效应的影响。直接对未经稀释的油类样本进行光谱数据采集,所获得的叁维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异,导致对叁维荧光光谱数据进行解析的平行因子分析算法不再适用。但组分的种类及含量相近的油样其光谱特征相似度较高,并且随着特定组分及其含量的改变,其光谱形状的变化规律也较为明显。基于此,将叁维荧光光谱和数字图像识别相结合,提出一种针对混合油类样本的辨识方法。首先,利用五种矿物油(汽油、柴油、航空煤油、机油和润滑油)配制叁类混合油样本,其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成;然后利用FS920荧光光谱仪获取样本的叁维荧光光谱数据,并对该数据进行求导及灰度化预处理,进而得到叁维荧光导数光谱灰度图;其次提取样本叁维荧光导数光谱灰度图的颜色、纹理和形状等数字图像特征;最后,通过Fisher判别分析建立样本的分类模型,采用逐步回归建立混合油样本各组分相对体积的定量模型。分类模型对叁类混合油样本的分类及识别效果良好。所建立的定量模型的线性相关性R大于0.99,显着性检验p值小于0.05。研究结果表明,叁维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。该研究为海面溢油检测提供了一种简单、可靠的识别方法。(本文来源于《光谱学与光谱分析》期刊2019年11期）
刘爽,谭鑫,刘成玉,朱春霖,李文昊[3]（2019）在《高光谱数据处理算法的小麦赤霉病籽粒识别》一文中研究指出赤霉病是小麦的一种主要病害,它会导致小麦减产甚至绝收,严重影响小麦种子质量,此外小麦受侵染分泌的真菌毒素危害人类身体健康。因此,小麦赤霉病籽粒的识别具有非常重要的意义。起初普遍采用色谱法和酶联免疫法进行赤霉病检测,这些方法设备昂贵、检测速度慢、准确性低。近年来,高光谱成像技术被广泛应用于农作物的识别与检测中,但是在小麦赤霉病检测的应用研究中,大多采用抽样检测的方法,图像采集完成后需要通过ENVI软件手动选取感兴趣区域。前期准备工作冗杂,而且容易发生漏检,漏检的小麦籽粒在存储运输过程中向周边籽粒快速侵染,难以保障小麦安全健康。鉴于此,利用高光谱成像系统结合机器学习提出了一种用于对大量小麦赤霉病籽粒样本快速可视化识别的算法,以降低漏检率并提升检测效率。实验分别采集健康小麦和染病小麦469～1 082 nm波段的高光谱图像,通过直方图线性拉伸结合图像分割的方法获取小麦样本的掩膜图像信息。利用Savitzky-Golay平滑去噪法与标准正态变量变换法(SNV)进行数据预处理,通过主成分分析法(PCA)和连续投影法(SPA)进行特征变量提取,筛选特征变量个数分别为4个和8个。在掩膜图像位置采集健康小麦样本与染病小麦样本各400份,其中75%用于建模集, 25%用于测试集。采用十折交叉验证法结合线性判别分析法(LDA)、 K-近邻算法(KNN)、支持向量机(SVM)分别建立分类模型,测试集准确率都达到90%以上。随后比较了网格法(GRID)、粒子群算法(PSO)、遗传算法(GA)叁种核参数寻优方法对SVM模型的影响,其中, SG-SPA-SVM(PSO)模型分类效果最优,建模集准确率为95.5%,均方根误差为0.212 1,测试集准确率为98%,均方根误差为0.141 4。基于样本点预测的基础之上,对掩膜获得所有小麦样本的光谱曲线进行预测并将识别结果反馈回掩膜中再进行伪彩色显示,实现染病籽粒可视化识别。结果表明,高光谱成像结合SG-SPA-SVM(PSO)算法建立的分类模型可以高效快速、准确无损、可视化的实现小麦赤霉病籽粒识别,为研制小麦赤霉病自动识别设备提供了算法基础。(本文来源于《光谱学与光谱分析》期刊2019年11期）
张涛,郝凤龙,贾二惠,张庆胜,赵颖[4]（2019）在《一种危险液体混合物的拉曼光谱定性定量识别方法》一文中研究指出危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、叁氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、叁氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,叁氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇叁种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或叁种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。(本文来源于《光谱学与光谱分析》期刊2019年11期）
[5]（2019）在《高光谱地物识别技术》一文中研究指出项目概况利用星载机载高光谱数据,主要面向城市和政府部门提供城市、国土、规划以及农业、环境污染等领域的监测数据,属国内领先。本项目的实施将依托中国科学院所属单位以及北京中科数遥信息技术有限公司组织开展,项目概况场地位于北叁环西路45号院内。(本文来源于《中国科技信息》期刊2019年22期）
邓凌云[6]（2019）在《电力设备的拉曼光谱重迭谱峰数据自动识别方法》一文中研究指出为了提高对变压器的交流侧稳控制能力,需要进行拉曼光谱重迭谱峰数据自动识别,提出一种基于最大功率响应及自适应调节的电力设备拉曼光谱重迭谱峰数据自动识别方法,采用稳控涉网全局联调检测方法进行电力设备的拉曼光谱数据采集,提取电力设备的拉曼光谱重迭谱峰特征量,采用全站发电功率响应分配方法进行电力设备的拉曼光谱特征检测,构建电力设备所有机组转子的负阻尼超低频特征量,采用系统惯量中心特征分析方法进行电力设备变压器的最大功率响应计算及输出自适应调节,采用多直流调制方法,实现电力设备的拉曼光谱重迭谱峰数据自动识别。仿真结果表明,采用该方法进行电力设备的拉曼光谱重迭谱峰数据识别的准确性较高,输出侧稳控制能力较强,系统频率振荡抑制性能较好。(本文来源于《自动化与仪器仪表》期刊2019年10期）
张晨,刘舒扬,赵安娜,王天鹤,贾晓东[7]（2019）在《基于小型化便携式光谱成像技术的分类识别系统研究》一文中研究指出小型化便携式光谱成像越来越多应用于日常生活中,给人们的生活提供了更多的便利。柑橘属水果是人们日常生活中经常食用和储存的水果之一,在智能冰箱中,柑橘由于品种相似等原因不利于识别和分类,光谱成像技术利用其物质不同的特征波长实现其识别。采用新型的单芯片式光谱成像芯片搭建小型化便携式的光谱成像系统,利用光谱成像技术实现对柑橘属水果的分类识别,并通过分批次样本进行交叉验证,同时建立光谱分辨率与准确度关系,通过约束光谱分辨率,有效提高了柑橘属水果分类识别的准确度,光谱分辨率小于20 nm,识别准确度可达到95%以上。(本文来源于《红外与激光工程》期刊2019年10期）
王小鸽,薛巍,赵君[8]（2019）在《西安市主城区不透水面光谱分析与识别制图》一文中研究指出城市不透水面在监测城市扩展和解释人类活动对生态环境的影响方面起着非常重要的作用。遥感技术以其时效性和空间强大的观测能力,可迅速从遥感图像中提取城市不透水面信息。本文以西安市主城区为对象,采用最小噪音分量变换法提取了Landsat TM影像中城市不透水面信息,即首先选取最小噪音分量变换后的前3个分量和线性光谱混合模型,计算得出高反照率、低反照率、植被、土壤4个模拟城市不同土地覆盖类型的终端地类分量,再通过综合低反照率、高反照率等2个终端地类得到西安市主城区不透水面的空间分布和面积数据,并以图展示。(本文来源于《陕西林业科技》期刊2019年05期）
王翔,赵南京,殷高方,孟德硕,马明俊[9]（2019）在《基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究》一文中研究指出塑料具有成本低、质量好,可塑性强等优点被广泛用于生产生活等领域,但废弃塑料处置不当容易引发二次污染。回收再利用有望成为解决废弃塑料污染问题的关键手段,其前提是对废料的准确分选。传统分选手段耗费时间,效率低下,难以实现废弃塑料的快速、经济、有效分类。激光诱导荧光技术是一种快速灵敏的光谱检测技术。具有操作简便,检测效率高,样品使用量小等优点常被应用于水体、土壤中油类,多环芳烃等有机污染物的快速识别与定量分析。利用激光诱导荧光技术可以快速采集不同塑料的荧光光谱,结合相应的模式识别算法,可实现塑料材质的快速准确识别。实验采集了8种塑料(ABS, HDPE, PA66, PLA, PP, PET, PS, PVC)共358组激光诱导荧光光谱,依据特征峰信息构建358×10的光谱矩阵。利用主成份分析法削减原光谱矩阵中的线性相关量,提高数据精度。结果显示前3个主成分的累计方差贡献值达98.085%,足以表征原光谱矩阵的主要信息。将降维的主成分PC1, PC2, PC3作为输入进行光谱分类,其中同种塑料光谱聚合度高,元素构成不同的塑料如PA66, PLA, HDPE和PVC的光谱分离度较好,而元素构成相同的塑料如PET和PLA的光谱分离度较差。PCA算法并不能准确的对未知塑料进行识别。BP-神经网络具有收敛速度快,预测精度高等特点被广泛用于模式识别和分类研究。将经PCA算法得到的简化特征矩阵作为BP-神经网络算法的输入集,其中随机抽取256组数据作为BP-神经网络算法模型的训练集,剩余的102组数据作为模型检测集。BP神经网络的隐藏层设定值为1,激活函数选择双极性Sigmoid函数,输出层为8种塑料样品。识别结果显示, 102组数据中只有一组HDPE光谱数据被错识为PS,其余101组数据全部正确识别。8种塑料荧光光谱的综合识别准确率达到99%。研究结果表明激光诱导荧光技术结合BP-神经网络算法可实现不同材质塑料的快速准确识别。为实现废弃塑料的自动化智能分选,降低回收成本,减少废弃塑料危害提供新的参考。(本文来源于《光谱学与光谱分析》期刊2019年10期）
[10]（2019）在《高光谱地物识别技术》一文中研究指出项目概况利用星载机载高光谱数据,主要面向城市和政府部门提供城市、国土、规划以及农业、环境污染等领域的监测数据,属国内领先。本项目的实施将依托中国科学院所属单位以及北京中科数遥信息技术有限公司组织开展,场地位于北叁环西路45号院内。(本文来源于《中国科技信息》期刊2019年19期）
光谱识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
海上溢油已成为全球环境污染的重要问题之一,溢油严重破坏了海洋生态的平衡,并导致人类健康受到危害。因此,研究高效的溢油检测方法对保护海洋生态环境具有重要意义。叁维荧光光谱技术因能获得溢油的"指纹"图谱而成为溢油鉴别领域的有效分析手段,其与平行因子分析算法相结合获得了良好的溢油鉴别效果。但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围,且其对预估计组分数敏感,组分数选择是否准确直接影响最终定性定量结果,这些问题都会对油类检测造成使用上的限制。油类组分极为复杂,其中各组分间不存在统一的线性浓度范围,其相互之间还受到荧光猝灭效应的影响。直接对未经稀释的油类样本进行光谱数据采集,所获得的叁维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异,导致对叁维荧光光谱数据进行解析的平行因子分析算法不再适用。但组分的种类及含量相近的油样其光谱特征相似度较高,并且随着特定组分及其含量的改变,其光谱形状的变化规律也较为明显。基于此,将叁维荧光光谱和数字图像识别相结合,提出一种针对混合油类样本的辨识方法。首先,利用五种矿物油(汽油、柴油、航空煤油、机油和润滑油)配制叁类混合油样本,其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成;然后利用FS920荧光光谱仪获取样本的叁维荧光光谱数据,并对该数据进行求导及灰度化预处理,进而得到叁维荧光导数光谱灰度图;其次提取样本叁维荧光导数光谱灰度图的颜色、纹理和形状等数字图像特征;最后,通过Fisher判别分析建立样本的分类模型,采用逐步回归建立混合油样本各组分相对体积的定量模型。分类模型对叁类混合油样本的分类及识别效果良好。所建立的定量模型的线性相关性R大于0.99,显着性检验p值小于0.05。研究结果表明,叁维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。该研究为海面溢油检测提供了一种简单、可靠的识别方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
光谱识别论文参考文献
[1].周月,孙霁,杨四刚,陈宏伟,徐坤.基于机器学习的太赫兹光谱分析与识别[J].无线电工程.2019
[2].孔德明,崔耀耀,孔令富,王书涛,史慧超.数字图像识别在混合油类叁维荧光光谱分析中的应用[J].光谱学与光谱分析.2019
[3].刘爽,谭鑫,刘成玉,朱春霖,李文昊.高光谱数据处理算法的小麦赤霉病籽粒识别[J].光谱学与光谱分析.2019
[4].张涛,郝凤龙,贾二惠,张庆胜,赵颖.一种危险液体混合物的拉曼光谱定性定量识别方法[J].光谱学与光谱分析.2019
[5]..高光谱地物识别技术[J].中国科技信息.2019
[6].邓凌云.电力设备的拉曼光谱重迭谱峰数据自动识别方法[J].自动化与仪器仪表.2019
[7].张晨,刘舒扬,赵安娜,王天鹤,贾晓东.基于小型化便携式光谱成像技术的分类识别系统研究[J].红外与激光工程.2019
[8].王小鸽,薛巍,赵君.西安市主城区不透水面光谱分析与识别制图[J].陕西林业科技.2019
[9].王翔,赵南京,殷高方,孟德硕,马明俊.基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究[J].光谱学与光谱分析.2019
[10]..高光谱地物识别技术[J].中国科技信息.2019
论文知识图
