文章詳情
基于高光譜成像技術(shù)的蟲(chóng)草粉末無(wú)損鑒定的實(shí)驗(yàn)探索
日期：2025-07-20 05:25
瀏覽次數(shù)：3700
摘要：
摘要
通過(guò)近紅外高光譜成像技術(shù)建立對(duì)冬蟲(chóng)夏草粉末的真假鑒別及含量判斷的無(wú)損檢測(cè)方法。方法：1、通過(guò)光譜范圍為1um~2.5um的高光譜相機(jī)對(duì)真假及不同含量的蟲(chóng)草粉末進(jìn)行高光譜反射光譜采集。2、通過(guò)反射率校正、噪聲與背景去除后，通過(guò)主成分分析變換（PCA）提取真假樣本，再通過(guò)偏*小二乘法變換（PLSA）對(duì)樣本含量進(jìn)行分析判斷。結(jié)論：通過(guò)近紅外高光成像技術(shù)可以準(zhǔn)確的對(duì)蟲(chóng)草粉的真假進(jìn)行差別，并可對(duì)蟲(chóng)草粉有效含量進(jìn)行評(píng)判，含量評(píng)判準(zhǔn)確性有待進(jìn)一步驗(yàn)證。
1、 實(shí)驗(yàn)部分
1.1 儀器與樣本
儀器：測(cè)試儀器為北京卓立漢光儀器有限公司自主開(kāi)發(fā)的高光譜分選儀-GaiaSorter-N25（如圖1）。光譜范
圍1~2.5um，光譜分辨率10nm，幀速100fps。
樣本：由青海唐古拉藥業(yè)公司提供的10種蟲(chóng)草粉樣本。其中偽品兩個(gè)（9號(hào)與10號(hào)），標(biāo)準(zhǔn)樣品三
個(gè)（6號(hào)、7號(hào)與8號(hào)），以及將8#與10#真假樣本以不同比例混合的樣品（1~5號(hào)）。
分析軟件：Evince(瑞典Umbio公司)
1.2實(shí)驗(yàn)原理及方法
實(shí)驗(yàn)原理：高光譜成像技術(shù)的定義是在多光譜成像的基礎(chǔ)上，在從紫外到近紅外（200-2500nm）的光譜范圍內(nèi)，利用成像光譜儀，在光譜覆蓋范圍內(nèi)的數(shù)十或數(shù)百條光譜波段對(duì)目標(biāo)物體連續(xù)成像。在獲得物體空間特征成像的同時(shí)，也獲得了被測(cè)物體的光譜信息。
高光譜成像技術(shù)具有超多波段（上百個(gè)波段）、高的光譜分辨率（幾個(gè)nm）、波段窄（≤10-2λ）、光譜范圍廣（200-2500nm）和圖譜合一等特點(diǎn)。優(yōu)勢(shì)在于采集到的圖像信息量豐富，識(shí)別度較高和數(shù)據(jù)描述模型多。由于物體的反射光譜具有“指紋”效應(yīng)，不同物不同譜，同物一定同譜的原理來(lái)分辨不同的物質(zhì)信息。
實(shí)驗(yàn)方法：由于高光譜檢測(cè)是一種無(wú)損檢測(cè)技術(shù)，所以樣品無(wú)需制備，將樣本放置在分選儀的載物臺(tái)通過(guò)軟件
即可得到樣品的高光譜反射數(shù)據(jù)。
2、 結(jié)果與討論
圖3合成RGB圖像
2.1 將測(cè)試原始數(shù)據(jù)進(jìn)行降噪處理后，通過(guò)主成份分析變換（PCA）進(jìn)行背景扣除后，再次進(jìn)行主成份分析變換（PCA）后結(jié)果如下：
圖4主成分分析結(jié)果
通過(guò)主成份分析，可以明顯將9#、10#樣品與其它樣品進(jìn)行區(qū)分，判斷9#與10#樣品為偽品。
2.2 進(jìn)一步將6#樣品與8#樣品做為樣本，將7#樣品做為未知區(qū)域進(jìn)行偏*小二乘法變換（PLSA）實(shí)現(xiàn)分類(lèi)判別，判定結(jié)果如下：
Predicted as: # Predicted
6# 122 (3.85%)
8# 2933 (92.5%)
Not Classified 115(3.63%)
Total3170 (100%) 3170 (100%)
分析結(jié)果表明：7#樣品為8#與6#的混合樣品，混合比例約為3.85%：92.5%，其中有約3.63%的區(qū)域無(wú)法歸類(lèi)差別。
2.3 將8#樣品與10#樣品做為樣本，將1~5#樣品做為未知區(qū)域進(jìn)行偏*小二乘法變換（PLSA）實(shí)現(xiàn)分類(lèi)判別，判斷8#與10#樣本的混合比例，結(jié)果如下：
1#樣品：
Predicted as: # Predicted
8# 1841 (91.1%)
10# 168 (8.31%)
Not Classified 12 (0.594%)
Total2021 (100%) 2021 (100%)
2#樣品：
Predicted as: # Predicted
8# 1648 (81.1%)
10# 385 (18.9%)
Not Classified 0 (0%)
Total2033 (100%) 2033 (100%)
3#樣品：
Predicted as: # Predicted
8# 1816 (90.5%)
10# 182 (9.07%)
Not Classified 8 (0.399%)
Total2006 (100%) 2006 (100%)
4#樣品：
Predicted as: # Predicted
8# 1905 (97.5%)
10# 6 (0.307%)
Not Classified 42 (2.15%)
Total1953 (100%) 1953 (100%)
5#樣品：
Predicted as: # Predicted
8# 1866 (65.9%)
10# 959 (33.9%)
Not Classified 5 (0.177%)
Total2830 (100%) 2830 (100%)
3、 結(jié)論
通過(guò)以上對(duì)蟲(chóng)草粉樣品在近紅外波段的反射高光譜圖像采集，經(jīng)過(guò)主成份分析，可有效的對(duì)蟲(chóng)草粉的真偽進(jìn)行鑒別。進(jìn)一步通過(guò)偏*小二乘法分析對(duì)樣本區(qū)域進(jìn)行分析判斷，可對(duì)樣品的有效成份含量進(jìn)行鑒別。由于目前樣本采樣數(shù)量較小，對(duì)于成份含量判斷的準(zhǔn)確性還需進(jìn)一步實(shí)驗(yàn)驗(yàn)證。
實(shí)驗(yàn)初步驗(yàn)證了高光譜技術(shù)在蟲(chóng)草粉鑒別的可行性。進(jìn)一步還需通過(guò)實(shí)驗(yàn)和分析判斷出理想的特征波段，以降低數(shù)據(jù)采集量，并進(jìn)一步優(yōu)化數(shù)據(jù)分析模型與數(shù)據(jù)處理速度，從而達(dá)到在線檢測(cè)的速度與準(zhǔn)確性要求。
通過(guò)近紅外高光譜成像技術(shù)建立對(duì)冬蟲(chóng)夏草粉末的真假鑒別及含量判斷的無(wú)損檢測(cè)方法。方法：1、通過(guò)光譜范圍為1um~2.5um的高光譜相機(jī)對(duì)真假及不同含量的蟲(chóng)草粉末進(jìn)行高光譜反射光譜采集。2、通過(guò)反射率校正、噪聲與背景去除后，通過(guò)主成分分析變換（PCA）提取真假樣本，再通過(guò)偏*小二乘法變換（PLSA）對(duì)樣本含量進(jìn)行分析判斷。結(jié)論：通過(guò)近紅外高光成像技術(shù)可以準(zhǔn)確的對(duì)蟲(chóng)草粉的真假進(jìn)行差別，并可對(duì)蟲(chóng)草粉有效含量進(jìn)行評(píng)判，含量評(píng)判準(zhǔn)確性有待進(jìn)一步驗(yàn)證。
1、 實(shí)驗(yàn)部分
1.1 儀器與樣本
儀器：測(cè)試儀器為北京卓立漢光儀器有限公司自主開(kāi)發(fā)的高光譜分選儀-GaiaSorter-N25（如圖1）。光譜范
圍1~2.5um，光譜分辨率10nm，幀速100fps。
樣本：由青海唐古拉藥業(yè)公司提供的10種蟲(chóng)草粉樣本。其中偽品兩個(gè)（9號(hào)與10號(hào)），標(biāo)準(zhǔn)樣品三
個(gè)（6號(hào)、7號(hào)與8號(hào)），以及將8#與10#真假樣本以不同比例混合的樣品（1~5號(hào)）。
分析軟件：Evince(瑞典Umbio公司)
1.2實(shí)驗(yàn)原理及方法
實(shí)驗(yàn)原理：高光譜成像技術(shù)的定義是在多光譜成像的基礎(chǔ)上，在從紫外到近紅外（200-2500nm）的光譜范圍內(nèi)，利用成像光譜儀，在光譜覆蓋范圍內(nèi)的數(shù)十或數(shù)百條光譜波段對(duì)目標(biāo)物體連續(xù)成像。在獲得物體空間特征成像的同時(shí)，也獲得了被測(cè)物體的光譜信息。
高光譜成像技術(shù)具有超多波段（上百個(gè)波段）、高的光譜分辨率（幾個(gè)nm）、波段窄（≤10-2λ）、光譜范圍廣（200-2500nm）和圖譜合一等特點(diǎn)。優(yōu)勢(shì)在于采集到的圖像信息量豐富，識(shí)別度較高和數(shù)據(jù)描述模型多。由于物體的反射光譜具有“指紋”效應(yīng)，不同物不同譜，同物一定同譜的原理來(lái)分辨不同的物質(zhì)信息。
實(shí)驗(yàn)方法：由于高光譜檢測(cè)是一種無(wú)損檢測(cè)技術(shù)，所以樣品無(wú)需制備，將樣本放置在分選儀的載物臺(tái)通過(guò)軟件
即可得到樣品的高光譜反射數(shù)據(jù)。
2、 結(jié)果與討論
圖3合成RGB圖像
2.1 將測(cè)試原始數(shù)據(jù)進(jìn)行降噪處理后，通過(guò)主成份分析變換（PCA）進(jìn)行背景扣除后，再次進(jìn)行主成份分析變換（PCA）后結(jié)果如下：
圖4主成分分析結(jié)果
圖5 6#、9#、10#樣品典型光譜
通過(guò)主成份分析，可以明顯將9#、10#樣品與其它樣品進(jìn)行區(qū)分，判斷9#與10#樣品為偽品。
2.2 進(jìn)一步將6#樣品與8#樣品做為樣本，將7#樣品做為未知區(qū)域進(jìn)行偏*小二乘法變換（PLSA）實(shí)現(xiàn)分類(lèi)判別，判定結(jié)果如下：
Predicted as: # Predicted
6# 122 (3.85%)
8# 2933 (92.5%)
Not Classified 115(3.63%)
Total3170 (100%) 3170 (100%)
分析結(jié)果表明：7#樣品為8#與6#的混合樣品，混合比例約為3.85%：92.5%，其中有約3.63%的區(qū)域無(wú)法歸類(lèi)差別。
2.3 將8#樣品與10#樣品做為樣本，將1~5#樣品做為未知區(qū)域進(jìn)行偏*小二乘法變換（PLSA）實(shí)現(xiàn)分類(lèi)判別，判斷8#與10#樣本的混合比例，結(jié)果如下：
1#樣品：
Predicted as: # Predicted
8# 1841 (91.1%)
10# 168 (8.31%)
Not Classified 12 (0.594%)
Total2021 (100%) 2021 (100%)
2#樣品：
Predicted as: # Predicted
8# 1648 (81.1%)
10# 385 (18.9%)
Not Classified 0 (0%)
Total2033 (100%) 2033 (100%)
3#樣品：
Predicted as: # Predicted
8# 1816 (90.5%)
10# 182 (9.07%)
Not Classified 8 (0.399%)
Total2006 (100%) 2006 (100%)
4#樣品：
Predicted as: # Predicted
8# 1905 (97.5%)
10# 6 (0.307%)
Not Classified 42 (2.15%)
Total1953 (100%) 1953 (100%)
5#樣品：
Predicted as: # Predicted
8# 1866 (65.9%)
10# 959 (33.9%)
Not Classified 5 (0.177%)
Total2830 (100%) 2830 (100%)
3、 結(jié)論
通過(guò)以上對(duì)蟲(chóng)草粉樣品在近紅外波段的反射高光譜圖像采集，經(jīng)過(guò)主成份分析，可有效的對(duì)蟲(chóng)草粉的真偽進(jìn)行鑒別。進(jìn)一步通過(guò)偏*小二乘法分析對(duì)樣本區(qū)域進(jìn)行分析判斷，可對(duì)樣品的有效成份含量進(jìn)行鑒別。由于目前樣本采樣數(shù)量較小，對(duì)于成份含量判斷的準(zhǔn)確性還需進(jìn)一步實(shí)驗(yàn)驗(yàn)證。
實(shí)驗(yàn)初步驗(yàn)證了高光譜技術(shù)在蟲(chóng)草粉鑒別的可行性。進(jìn)一步還需通過(guò)實(shí)驗(yàn)和分析判斷出理想的特征波段，以降低數(shù)據(jù)采集量，并進(jìn)一步優(yōu)化數(shù)據(jù)分析模型與數(shù)據(jù)處理速度，從而達(dá)到在線檢測(cè)的速度與準(zhǔn)確性要求。
