导读:本文包含了透射光谱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,冷却液,心病,激光,种蛋,特征,折射率。
透射光谱论文文献综述
祝志慧,洪琪,吴林峰,王巧华,马美湖[1]（2019）在《基于紫外-可见透射光谱技术和极限学习机的早期鸡胚雌雄识别》一文中研究指出为了对鸡种蛋胚胎进行雌雄识别,探究利用紫外-可见-近红外透射光谱进行鸡胚雌雄识别的可行性,搭建了鸡种蛋透射光谱检测系统,采用横向和竖向大头朝上2种放置方式获取210枚鸡种蛋孵化0～15 d的光谱,光谱范围为360～1 000 nm。构建极限学习机(ELM)鸡胚雌雄识别模型,通过比较不同放置方式和孵化天数下模型的识别准确率,发现竖向放置且孵化第7 d的识别效果最好;将竖向放置孵化第7 d的光谱初步分为紫外(360～380 nm)、可见光(380～780 nm)、近红外(780～1 000 nm)、紫外-可见光(360～780 nm)和全波段(360～1 000 nm)5个不同的波段范围来分析,预测集准确率分别为82.86%, 77.14%, 75.71%, 84.29%和81.43%,筛选出360～780 nm的紫外-可见光波段为有效波段;在紫外-可见光(360～780 nm)波段,采用多元散射校正(MSC)去噪,并用竞争性自适应重加权采样算法(CARS)和连续投影算法(SPA)筛选特征波长降维,建立不经筛选特征波长、 CARS筛选特征波长和SPA筛选特征波长的3种ELM模型。其中不经筛选特征波长的ELM模型识别效果最好,但输入变量最多,隐含层神经元为680且激活函数为sig时,预测集准确率为84.29%。SPA筛选特征波长的ELM模型识别效果次之,输入变量有9个,隐含层神经元为840且激活函数为hardlim时,预测集准确率为81.43%。CARS筛选特征波长的ELM模型识别效果最差,输入变量有27个,隐含层神经元为100且激活函数为sig时,预测集准确率为78.57%;用遗传算法(GA)优化ELM模型的权值变量和隐含层阈值,不经筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%, SPA筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%, CARS筛选特征波长建立的GA-ELM模型,预测集准确率为81.43%。紫外-可见光波段不经筛选特征波长的GA-ELM模型识别效果和经SPA筛选特征波长的GA-ELM模型相同,表明SPA筛选的特征波长变量能够有效反映360～780 nm波段的信息, SPA使用的变量数仅占紫外-可见光波段的2.14%,因此,雌雄识别最佳模型为紫外-可见光波段经SPA筛选特征波长的GA-ELM模型,预测集准确率为87.14%,其中,雌性识别率为88.57%,雄性识别率为85.71%,单个样本平均判别时间0.080 ms。结果表明紫外-可见透射光谱技术和ELM模型为孵化早期鸡胚蛋雌雄识别提供了一种可行方法。(本文来源于《光谱学与光谱分析》期刊2019年09期）
周宜,李晓,贺利,王洋洋,刘北城[2]（2019）在《基于冠层透射微分光谱的小麦植株含水量监测研究》一文中研究指出为实现基于可见光透射微分光谱的小麦植株含水量监测,通过叁年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r|> 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r>0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。(本文来源于《麦类作物学报》期刊2019年09期）
芦兵,孙俊,杨宁,武小红,周鑫[3]（2019）在《基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究》一文中研究指出为了实现对茶叶病害的准确预测,避免病害特征提取过程中对茶叶的二次破坏,利用荧光透射技术对茶叶赤叶病叶片的荧光透射光谱特性展开研究。实验采集了健康茶叶叶片样本45个、赤叶病初期叶片样本60个及赤叶病中期叶片样本60个,并按照2∶1的比例划分成训练集和预测集样本数,通过荧光透射手段利用高光谱仪器采集这些叶片的原始荧光透射光谱。通过对这3组叶片样本平均光谱强度曲线的分析,证实了利用荧光透射光谱信息对这3种病害类型叶片进行分类的可行性。然后使用多项式平滑(savitzky-golay,S-G)方法对原始光谱进行平滑和降噪处理。最后采用竞争性自适应重加权抽样法(competitive adaptive reweighted sampling,CARS)对预处理后的光谱数据进行特征波长的选取。经过50次加权采样后,最终选取出4个特征波长,分别为:463, 512, 586和613 nm。为了最大化提取样本的病害特征信息,强化分类器输入病害特征值的典型性,使用高光谱反射技术,采集4个特征波长下的高光谱图像,分别使用2种不同的纹理提取算法提取病害叶片图像的纹理信息进行对比分析。首先利用灰度共生矩阵(GLCM)提取4幅图像的纹理信息,分别计算4个方向的灰度共生矩阵(0°, 45°, 90°及135°),然后计算5个共生矩阵的均值和方差。为了提高鲁棒性,取4幅图像纹理信息的平均值作为该叶片的纹理特征值,最终得到10个特征值。利用LBP(local binary patterns)算法获取特征波长下高光谱图像的纹理信息,并使用Uniform模式对LBP模型进行降维,最终每幅图像得到944个维度的LBP特征值,同样取4幅图像的平均值作为该叶片的LBP纹理特征值。最后通过极限学习机(ELM)分别建立特征光谱联合灰度共生矩阵纹理信息及LBP算子纹理信息的预测模型,由于模型的输入特征值不在一个量纲,首先对输入特征值进行归一化处理,然后再定义模型的输出标签,即健康叶片的预测模型输出为1,赤叶病早期为2,中期为3。实验测得基于CARS-GLCM-ELM模型的预测准确率为81.82%,基于CARS-LBP-ELM模型的预测准确率为85.45%,说明利用荧光透射光谱联合LBP算子纹理信息预测效果更好。由于没有达到预期效果,利用Softplus函数对ELM的隐含层激活函数进行了优化,替换掉原来的Sigmod函数,优化后的模型预测分类正确率达到92.73%,基本达到了预期效果。该研究将病害叶片的荧光光谱信息和对应特征波长下高光谱图像的纹理信息进行了融合,研究结果可为茶叶病害的快速、准确预测提供一定的参考价值。(本文来源于《光谱学与光谱分析》期刊2019年08期）
李绵,徐均琪,王建,李候俊,苏俊宏[4]（2019）在《ZnS薄膜在532nm波长激光辐照下的光谱透射及激光损伤特性》一文中研究指出为探究ZnS薄膜的激光辐照效应,采用热蒸发沉积技术制备了ZnS薄膜,探究了薄膜在532nm波长激光诱导辐照下,不同能量阶和不同脉冲数对薄膜折射率、消光系数、损伤形貌、表面粗糙度和激光损伤阈值的影响。研究结果表明:ZnS薄膜的平均损伤阈值为1.59J·cm-2,用平均阈值能量的60%对薄膜进行辐照处理后,可将ZnS薄膜在532nm处的折射率从2.360 4提高到2.384 9 (15脉冲辐照)。用5脉冲辐照薄膜表面后,薄膜的消光系数会随着激光能量的增加而减小。532nm激光辐照下,ZnS薄膜经历了从轻度损伤到极度损伤的缓慢演变阶段。在5脉冲的基础上,增加激光的辐照能量会使薄膜的表面粗糙度Ra下降,最大可由1.52nm下降到0.429nm。(本文来源于《西安工业大学学报》期刊2019年04期）
吴苗[5]（2019）在《漫透射光谱电化学原位研究穿梭体介导的胞外电子传递过程》一文中研究指出微生物胞外电子传递是地球表层系统元素循环与能量交换的重要驱动力,穿梭体通过自身的氧化还原循环,介导并加速微生物与矿物之间的电子转移。但目前为止,穿梭体的实时氧化还原状态与胞外电子传递强弱之间的定量关系还不太清楚。因此,本研究搭建了漫透射光谱电化学测试系统,原位测试了典型穿梭体介导的胞外电子传递过程,探究了AQS氧化还原状态变化与电流强弱之间的关系。结果表明,在反应初期,电流的上升与AQS氧化还原状态密切相关,而反应中后期,AQS的氧化还原状态不再发生明显的变化,但电流仍然继续上涨,说明体系中除了AQS氧化还原状态以外,可能有其他更重要的因素在起着持续的作用。(本文来源于《广东化工》期刊2019年14期）
张瑜,谈黎虹,何勇[6]（2019）在《基于傅里叶变换近红外透射光谱的汽车用无水冷却液和制动液掺水检测》一文中研究指出冷却液和制动液是车辆工作过程中非常重要的油品,对车辆的正常运行具有非常重要的作用。在冷却液和制动液中掺水是掺假的主要手段之一,掺水后的冷却液和制动液,其有效成分会减少,从而影响了冷却液和制动液本来的功能,对车辆造成危害,从而影响车辆的正常运行。实现对冷却液和制动液含水率的快速准确检测,是保证冷却液和制动液品质的关键。采用傅里叶变换近红外光谱对不同品牌的掺水的汽车无水冷却液和制动液含水率检测进行了研究。分别采集了3个不同品牌无水冷却液和4个不同品牌制动液在掺入不同含水率(0%, 5%, 10%, 15%, 20%, 25%, 30%, 35%)下的近红外透射光谱,并基于10 067～5 442 cm~(-1)范围内的光谱进行了研究。不同含水率的无水冷却液和制动液近红外透射光谱存在差异。单个品牌不同含水率的无水冷却液及制动液的主成分分析(PCA)表明不同含水率样本之间存在差异。采用二阶导数(Second derivative)对单个品牌以及包含有不同品牌的无水冷却液及制动液(不同含水率)的特征波数进行了选择,发现不同品牌之间选择的特征波数相近,且单个品牌与包含不同品牌之间选择的特征波数也相近,而经过特征波数选择后波数减少了至少98.67%。基于单个品牌样本的全谱以及包含有不同品牌样本的全谱和特征波数,分别建立偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)模型,所有模型的建模集和预测集决定系数均高于0.9,剩余预测偏差(RPD)均高于3,含水率预测模型取得了较好的预测结果。基于全谱的模型预测效果与基于特征波数的模型预测效果相当,表明特征波数选择可用于无水冷却液和制动液中含水率的检测。基于单个品牌样本的模型预测效果与包含不同品牌样本的模型预测效果相近,表明包含品牌差异,建立基于多个品牌的无水冷却液和制动液掺水量的预测模型是可行的。研究结果表明,近红外透射光谱结合化学计量学方法可用于不同品牌汽车无水冷却液和制动液掺水量检测,为研究开发在线检测仪器奠定了基础,也为其他类型的车用液体制品中含水率的检测提供了技术和方法参考。(本文来源于《光谱学与光谱分析》期刊2019年07期）
韩小平,杨威,宋海燕,韩渊怀,郭锦龙[7]（2019）在《叶酸溶液的二维可见-近红外透射光谱响应研究》一文中研究指出叶酸是一种重要的维生素,在日常饮食中人体摄入叶酸普遍不足。探索叶酸的快速检测手段,对富含叶酸食品的检测及其功能性产品的开发有重要的意义。该研究配置了20个浓度梯度的叶酸溶液,采用可见-近红外光谱仪获得了不同浓度下的透射光谱图。视浓度为外扰,应用二维相关光谱相关理论对叶酸溶液进行分析。结果表明,在可见光谱区内有3个较强的特征波,从强到弱依次为430、450和550 nm,并且在这些波段处的吸光度值与叶酸溶液的浓度呈线性相关,其相关系数在0. 98以上;在短波近红外光谱区内有6个较明显的特征波,从强到弱依次为1 410、1 440、1 490、1 540、1 520和1 510 nm。该研究明确了在可见-近红外透射光谱作用下,叶酸溶液的敏感波段和敏感程度,为叶酸的快速检测提供了理论依据。(本文来源于《农业工程》期刊2019年06期）
宋杰,李光林,杨晓东,张信,刘旭文[8]（2019）在《基于四方对称光源透射光谱的脐橙可溶性固形物检测》一文中研究指出提高利用可见-近红外(Vis-NIR)透射光谱检测脐橙内部物质含量的准确性在生产实际中具有重要意义。该研究利用特制的可见-近红外透射光谱测量装置采集了199个福本脐橙果蒂向上、水平、向下3种位置的透射光谱,比较了多元散射校正(multivariate scattering correction, MSC)、标准正态变量变换(standard normal variate transformation, SNV)、一阶导数和二阶导数预处理的效果,并采用效果最好的一阶导数对透射光谱进行预处理。在此基础上,结合后向区间偏最小二乘法(backward interval partial least squares, BiPLS)优选特征波段,竞争性自适应重加权采样(competitive adaptive re-weightedsampling,CARS)挑选特征变量建立了基于果蒂向上、水平、向下3种位置各自的透射光谱以及3种位置的平均光谱和加权光谱的可溶性固形物(soluble solid content, SSC)的偏最小二乘(partial least squares, PLS)模型。在果蒂向上、水平、向下3种位置各自的透射光谱建立的PLS模型中,基于果蒂水平位置透射光谱的PLS模型最优,校正相关系数为0.914,校正均方根误差为0.380,预测相关系数为0.924,预测均方根误差为0.404。基于果蒂向上、水平、向下3种位置平均透射光谱和加权透射光谱建立的PLS模型均取得了较好的预测结果,预测相关系数均大于0.91,预测均方根误差均小于0.43。该研究可以为脐橙内部物质含量在线检测装备的研制提供参考。(本文来源于《农业工程学报》期刊2019年10期）
张海辉,田世杰,马敏娟,赵娟,张军华[9]（2019）在《考虑直径影响的苹果霉心病透射光谱修正及检测》一文中研究指出针对苹果霉心病近红外透射光谱信息受果实直径影响的难题,提出了一种能够修正果实直径对透射光谱影响的方法。基于透射光谱采集平台获取327个红富士苹果的可见/近红外光谱(350～1 100 nm)信息,采用电子游标卡尺获取其直径(光程)信息。以直径为80 mm健康苹果的平均光谱作为参考光谱,将327个苹果的光谱与参考光谱进行比较,结合直径信息利用公式求得透射光在果实内的衰减系数P,用衰减系数P进行透射光谱的修正。修正后光谱建立支持向量机(SVM)模型、误差反向传播神经网络(BP-ANN)模型,并与修正前原始光谱建立模型进行对比。实验结果表明,应用此光谱修正方法能够显着提高模型判别精度,其中应用SVM算法对修正后的光谱建立模型效果最好,对训练集和测试集的判别准确率分别为99. 34%和90. 20%,相对于原始光谱建立的模型判别准确率分别提高了7. 84和5. 89个百分点。基于此方法修正果实直径对于透射光谱的影响是可行的,构建的模型能够实现苹果霉心病的准确判别。(本文来源于《农业机械学报》期刊2019年01期）
郭志明,陈全胜,欧阳琴,邹小波,赵杰文[10]（2018）在《近红外透射光谱无损定量评价苹果水心病程度》一文中研究指出苹果水心病从外部无法辨识,果实腐烂易造成面源扩散造成巨大经济损失。研究尝试利用近红外透射光谱技术无损定量评价苹果的水心病,为水心病的辨识和预警提供智能化解决方案。以新疆阿克苏苹果为研究对象,利用自主搭建的农产品品质近红外透射光谱采集系统获取600～1 100 nm的光谱信息,然后沿赤道位剖开并由相机拍摄苹果的横剖面,利用围剿算法分割图像并计算水心病面积和苹果截面的面积,以病变面积比值为指标建立定量预测模型;研究有比较的采用多种光谱预处理方法,发现多元散射校正处理效果最好,采用偏最小二乘法建立定量模型的校正集与预测集相关系数分别是0.8946、0.8219,标准偏差分别是2.15,2.39;为提高定量预测的精度,进一步采用连续投影-偏最小二乘法和遗传-偏最小二乘法进行模型优化,其中连续投影算法进行波长筛选后结合偏最小二乘法建立的定量检测模型的检测效果最好,其中水心面积比与可溶性固形物含量校正集和预测集相关系数分别是0.9122,0.8733,标准偏差1.97,0.354。(本文来源于《中国食品科学技术学会第十五届年会论文摘要集》期刊2018-11-07）
透射光谱论文开题报告
（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：
为实现基于可见光透射微分光谱的小麦植株含水量监测,通过叁年田间试验,测定自拔节期以后小麦关键生育时期冠层透射光谱和植株含水量,确立了透射光谱微分参数与植株含水量间定量关系。结果表明,与小麦冠层原始透光率相比,一阶微分光谱能够很好地减轻生育时期的影响。将不同生育时期数据综合,不同波段的透射率与植株含水量相关性均较差,而微分光谱在439、735、823及950 nm处与植株含水量相关性较好(|r|> 0.57),以735 nm处相关性最高。基于蓝光、黄光和红光波段筛选了21个光谱特征参数,其中红边振幅(Dr)、红蓝振幅归一化指数(Dr-Db)/(Dr+Db)、红边面积(SDr)、右峰面积(RSDR)、双峰面积比(RIDA)及双峰面积归一化指数(NDDA)6个光谱特征参数与植株含水量间相关性较好(r>0.70)。在以上优选的光谱参数中,红边双峰面积比值(RIDA)及归一化指数(NDDA)与植株含水量的回归关系表现最好,拟合精度r~2大于0.69,均方根误差RMSE低于4.87,模型具有很好的稳定性,可以实时精确估测小麦植株含水量。这表明利用冠层透射微分光谱可对小麦植株含水量进行精确监测,对指导作物精确灌溉管理具有较大的应用潜力。
（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。
透射光谱论文参考文献
[1].祝志慧,洪琪,吴林峰,王巧华,马美湖.基于紫外-可见透射光谱技术和极限学习机的早期鸡胚雌雄识别[J].光谱学与光谱分析.2019
[2].周宜,李晓,贺利,王洋洋,刘北城.基于冠层透射微分光谱的小麦植株含水量监测研究[J].麦类作物学报.2019
[3].芦兵,孙俊,杨宁,武小红,周鑫.基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究[J].光谱学与光谱分析.2019
[4].李绵,徐均琪,王建,李候俊,苏俊宏.ZnS薄膜在532nm波长激光辐照下的光谱透射及激光损伤特性[J].西安工业大学学报.2019
[5].吴苗.漫透射光谱电化学原位研究穿梭体介导的胞外电子传递过程[J].广东化工.2019
[6].张瑜,谈黎虹,何勇.基于傅里叶变换近红外透射光谱的汽车用无水冷却液和制动液掺水检测[J].光谱学与光谱分析.2019
[7].韩小平,杨威,宋海燕,韩渊怀,郭锦龙.叶酸溶液的二维可见-近红外透射光谱响应研究[J].农业工程.2019
[8].宋杰,李光林,杨晓东,张信,刘旭文.基于四方对称光源透射光谱的脐橙可溶性固形物检测[J].农业工程学报.2019
[9].张海辉,田世杰,马敏娟,赵娟,张军华.考虑直径影响的苹果霉心病透射光谱修正及检测[J].农业机械学报.2019
[10].郭志明,陈全胜,欧阳琴,邹小波,赵杰文.近红外透射光谱无损定量评价苹果水心病程度[C].中国食品科学技术学会第十五届年会论文摘要集.2018
论文知识图
