-
让品牌有温度、有情感
专注品牌策划15年
1、光谱分类技术
高光谱技术（光谱成像技术）
发布时间：2023-04-22 07:34:03
稿源：
创意岭 阅读：
76
大家好！今天让创意岭的小编来大家介绍下关于高光谱技术的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。
开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等
只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端
创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008
本文目录:
一、光谱分类技术
高光谱遥感在地质应用研究中，光谱分类技术亦很重要。用得较多的方法有最大似然性法（MLC），人工神经元网络法（ANN）和高光谱角度制图法（SAM）。
1.最大似然性法（MLC）
MLC法可谓是经典的分类方法，已在宽波段遥感图像分类中普遍采用。它主要根据相似的光谱性质和属于某类的概率最大的假设来指定每个象元的类别。MLC法最大优点是能快速指定被分类象元到若干类之中的一类中去。但对于高光谱数据。如再加上类别数较多时，MLC法的运算速度则明显减慢，且所需的训练样本亦很大。为了减少计算工作量，Jia＆Richards（1994）发现通过将高光谱数据分成几个波长组能够减少处理时间。他们改进的MLC法称简化最大似然性判别函数（SMLDF）。依据所有波段间的相关性分成若干连续的波段组，由这些不同波段组构成每个类别的协方差阵，再从每个波段组计算出判别函数值，最后求所有波段组产生的函数值的和.对每个象元分类。该法与传统的MLC比较，能显著地减少计算时间，特别是对高光谱数据的处理更为明显，同时能保证几乎与传统MLC结果的精度相同。另外，这种方法所要求的每类训练样本数明显地比传统MLC所要求的少。因此可降低准备训练样本的成本。其基本算法简述如下。
传统的MLC算法的判别函数由下式表示：
中亚地区高光谱遥感地物蚀变信息识别与提取
i=1，2，…C
式中：x为象元光谱向量，mi为第i类均值向量，∑i为第i类N×N的协方差阵，其中N为总光谱波段数，C是类别数。式（4-9）的判别准则一般如下：对于j（j=1，2，…，C；j≠i），假如gi（x）＞gj（x）则
x∈ωi （4-10）
式中：ωi为第i类光谱类别。
如前所述，这种方法已被广泛应用在宽波段遥感中，如对MSS、TM及SPOTHRV数据的MLC分类。随着光谱维（波段数）N的增大（如AVIRIS数据的波段数大于200），有两个难题需要解决：一是由于N的增大相应分类时间成平方增长；二是对于一些小类别，为了保证可靠的估计结果，所需要的训练样本可能不够。Jia ＆ Richards（1994）对光谱数据先分成几个波段组再进行分类的技术（SMLDF）就是针对上述两大难题设计的。高光谱数据相邻波段间的相关性一般都比较高，与相隔较远的波段相关性较低。
2.人工神经元网络技术（ANN）
人工神经元网络（ANN）技术能被用于多源数据的综合分析，特别是处理没有一定分布（如正态）、定性或名义的数据（Yang等，1997；Gong，1996；Sui，1994；Peddle等，1994；和Bendikts-son等，1993）。因此这类技术备受重视，已在遥感图像分类（如Civco，1993；Salu ＆ Tilton，1993；Dreyer，1993；Azimi-Ssdjadi等，1993；Kanellopoulos等，1992；Liu＆Xiao，1991）、自然资源分析与预测（如 Gopal＆Woodcock，1996；Gong等，1994；Guan＆Gert-ner，1991a＆1991b；Yin＆Xu，1991）及特征提取（如Fiset等，1996）中得到应用。神经元网络首先要求一定数量的具有已知样本特征的训练样本，然后用训练好的网络结构对待处理样本（象元）进行分类处理。在高光谱地质遥感中，ANN技术被用来识别矿物和成图（如Yang等，1997；Benediktsson等，1995）。ANN技术的不足之处是在高光谱数据分析中由于波段多（输入模式多），常需要很长的迭代时间，且不易找到全局最佳解。另外，不能事先确定ANN的结构参数值，一般需根据具体数据集的实验确定（Gong等，1997）。
3.光谱角度制图法
光谱角度制图法（SAM，即夹角余弦方法）通过计算一个测试光谱（象元光谱）与一个参考光谱之间的“角度”来确定它们两者之间的相似性。参考光谱可以是实验室光谱或野外测定光谱或是从图像上提取的象元光谱。这种方法假设图像数据已被缩减到“视反射率”，即所有暗辐射和路经辐射偏差已经去除。它被用于处理一个光谱维数等于波段数的光谱空间中的一个向量（Knlse等，1993 a；Baugh等，1998）。下面通过两波段（二维）的一个简单例子来说明参考光谱和测试光谱的关系。它们的位置可考虑是二维空间中的两个光谱点。各个光谱点连到原点可以代表所有不同照度的物质。照度低的象元比起具有相同光谱特征但照度高的象元往往集中在原点附近（暗点）。SAM通过下式确定测试光谱ti与一个参考光谱ri的相似性：
中亚地区高光谱遥感地物蚀变信息识别与提取
式中：nb等于波段数。这种两个光谱之间相似性度量并不受增益因素影响，因为两个向量之间的角度不受向量本身长度的影响。这一点在光谱分类上可以减弱地形对照度的影响（它的影响反映在同一方向直线的不同位置上）。结果，实验室光谱可直接用来与遥感图像视反射率光谱比较而达到光谱分类识别的目的。具体应用SAM方法直接实现光谱匹配分类可参考童庆禧等（1997）在总结Board-man（1990）的SAM方法基础上提出的执行流程。利用高光谱数据，这种技术在地质矿物分类成图中的应用较有潜力。例如，Miyatake＆Lee（1997）应用SAM技术和高光谱数据在美国内华达州的北Cuprite和Goldfield 地区编制的交错矿物图。Yang等（1997）和 Baugh等（1998）也利用此法和AVIRIS图像数据分别在美国内华达州Cuprite矿产区和南Cedar山区编制矿产图，获得成功。
二、食品安全检测的检测技术
色谱技术实质上是一种物理化学分离方法，即当两相作相对运动时，由于不同的物质在两相( 固定相和流动相)中具有不同的分配系数(或吸附系数)，通过不断分配( 即组分在两相之间进行反复多次的溶解、挥发或吸附、脱附过程) 从而达到各物质被分离的目的。色谱技术已经发展成熟，具有检测灵敏度高、分离效能高、选择性高、检出限低、样品用量少、方便快捷等优点，已被广泛应用于食品工业的安全检测中。色谱中常用的方法有气相色谱法、高效液相色谱法、薄层色谱法和免疫亲和色谱法。
气相色谱法能够准确、灵敏地进行快速定性与定量分析，在食品安全检测中广泛的应用于天然毒素、农药、食品添加剂、兽药等的检测。薄层色谱法(thin-layer chromatography)是20 世纪30年代发展起来的一种分离和分析方法。仪器操作简单、方便、应用广泛，但灵敏度不高。薄层色谱广泛的应用于农药、毒素、食品添加剂等方面，在定性、半定量以及定量分析中发挥着重要作用。质谱分析是一种测量离子荷质比的分析法，质谱作为理想的色谱检测器，不仅特异，而且具有极高的检测灵敏度。色谱与质谱联用技术结合了两者的优点，成为分析化学的研究热点。其中，气相色谱-质谱联用技术(GC-MS)与液相色谱-质谱技术(LC-MS)应用广泛，前者用于有机物的定性定量分析，后者通常用于极性较大，热稳定性强、难挥发的样品分析。 光谱分析法是利用物质发射、吸收电磁辐射以及物质与电磁辐射的相互作用而建立起来的一种方法，通过辐射能与物质组成和结构之间的内在联系及表现形式，以光谱测量为基础形成的方法。光谱分析是一种无损的快速检测技术，分析成本低。其中，拉曼光谱、红外光谱、近红外光谱以及荧光光谱等在食品安全检测中应用较为广泛。
近红外光是指波长介于可见区与中红外区之的电磁波，波数范围为12500～4000cm。近红外光谱(NIR)分析技术是一种间接的分析技术，通过建立校正模型对样品进行定性或者定量分析。近红外光谱技术具有速度快、无需制备样品以及成本低等优势，已经广泛应用于食品安全分析方面。拉曼光谱(raman spectroscopy)技术是一门基于键的延伸和弯曲的振动模式，利用散射光的强度与拉曼位移作图获取信息。在食品安全检测分析中，可以定性分析待测物质，也可以定量检测食品成分中含量的多少。高光谱图像技术(hyperspectral imaging)是20 世纪80年代发展起来的新技术，集图像信息与光谱信息于一身，在农畜产品、食品的品质与安全性检测中有着广泛的应用。 生物检测技术是近年来飞速发展，且在食品检测中备受关注。由于食品多数来源于动植物等自然界生物，因此自身天然存在辨别物质和反应能力。利用生物材料与食品中化学物质反映，从而达到检测目的的生物技术在食品检验中显示出巨大的应用潜力，具有特异性生物识别功能、选择性高、结果精确、灵敏、专一、微量和快速等优点。应用较广泛的方法有酶联免疫吸附技术、PCR 技术、生物传感器技术以及生物芯片技术等。
酶联免疫吸附技术(enzyme-linked immu-nosorbent assay，ELISA)是建立在免疫酶学基础上，将抗原抗体反应的高度特异性和酶的高效催化作用相结合而发展建立的一种免疫分析方法。基本原理是利用酶标记的抗原或酶标记的抗体作为主要试剂，通过复合物中的酶催化底物呈色反应来对待测物质进行定性或定量，在农药和兽药残留、违法添加物质、生物毒素、病原微生物、转基因食品等食品安全检测方面广泛应用，如恩诺沙星、瘦肉精以及嗜碱耐盐性奇异变形杆菌等的测定。PCR(polymerase chain reaction)技术，即聚合酶链式反应技术，是一种体外酶促合成，扩增特定的DNA片段的方法，是调查食品源疾病爆发及鉴定响应病原菌的有用工具，以其特异性强、灵敏度高以及准确快速等优点在食品检测领域广泛应用。
生物传感器是一种将生物识别元素与目标物质结合的物理传感器，具有高特异性和灵敏度、反应速度快、成本低等优点，已经成为食品检测中的重要工具。主要应用于食品添加剂、致病菌、农药和抗生素、生物毒素等方面的检测。如食品中亚硝酸盐、鼠伤寒沙门菌、有机磷酸酯和氨基甲酸盐、黄曲霉素B1等的快速测定。生物芯片法是一项综合分子生物技术、微加工技术、免疫学、计算机等技术的全新微量分析技术，将分析过程集成在芯片上完成，实现样品检测的连续化、集成化、微型化和信息化。在食品安全检测中可应用于食源性微生物、病毒、药物、真菌毒素以及转基因食品等的检测分析。 食品安全的隐患和食品安全问题日趋严重，随着《中华人民共和国食品安全法》颁布实施，人们对食品安全的重视和关注程度也不断增强，食品安全监管随之成为新的关注焦点。国内发生了很多食品安全事件，如2010年青岛毒韭菜事件、2011年瘦肉精事件等等，这些食品安全问题都直接威胁着人们身体健康和生命安全。《中华人民共和国食品安全法》中明确提出食品安全监管应实现从农田到餐桌全程监管，这为监管成为政府执法部门提出一大难题。
国内食品安全监管部门逐步调整监管模式，由以往由部门监督向技术监管转变。技术监管中检测的准确性、检测速度的快慢等问题是急需解决的问题。食品快速检测技术是技术监管的前体，作为保障食品安全的主要手段，越来越引起各监管部门的重视。由于食品原料大量使用农药、激素、抗生素以及加工过程中非法添加的有毒有害物质，食品中毒事件频发，且突发性强，蔓延快，传统的检测手段已经无法满足监督快速和预警需要。食品快速检测技术是相对传统检验检测而言的。用快速检测技术方法在现场对样品进行筛查，其特点是相对危害指标进行定性检测，检测速度快，能赢得时间，可消除食品安全隐患。产品实验室检测结果虽然准确、可靠，但周期长、费用高、操作繁琐。
三、光谱技术 项目名字
光谱技术项目名字有高温高压下宽带超快光谱原位测量系统研制、高精度太赫兹光梳成像仪器开发与应用、多色拉曼光谱微流控芯片高通量稀有细胞分选系统、多色拉曼光谱微流控芯片高通量稀有细胞分选系统、适于生命体系中金属/类金属形态分析的光谱系统研制、飞秒时间分辨红外吸收光谱装置研制等。
以上光谱项目是国家自然科学基金委员会发布2021年度国家自然科学基金申请项目评审结果的通告，其中国家重大科研仪器研制项目(自由申请)83项，83个项目中有多项涉及光谱仪器，包括红外、拉曼、太赫兹以及高光谱、超快光谱等。
光谱技术简介：
光谱是复色光经过色散系统分光后，被色散开的单色光按波长大小而依次排列的图案，全称为光学频谱。光谱中最大的一部分可见光谱是电磁波谱中人眼可见的一部分，在这个波长范围内的电磁辐射被称作可见光。光谱并没有包含人类大脑视觉所能区别的所有颜色，譬如褐色和粉红色。
光波是由原子运动过程中的电子产生的电磁辐射。各种物质的原子内部电子的运动情况不同，所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况，有重要的理论和实际意义，已成为一门专门的学科——光谱学。分子的红外吸收光谱一般是研究分子的振动光谱与转动光谱的，其中分子振动光谱一直是主要的研究课题。
以上内容参考 百度百科-光谱
四、土壤分散处理的好坏对测定结果的影响？
实验流程的质量控制，是保证实验结果准确的有效手段，质量控制贯穿检测的各个环节，从样品采集、运输流转、制备、保存、以及样品检测到实验管理，每一个环节都有质的影子。那么，如何做好各个环节的质量控制呢？今天，小析姐就和大家一起聊一聊。
当前国家土壤环境质量监测网络全面铺开的大背景下，土壤环境质量监测须严格按照相关技术规范和标准规定实施全过程质量控制，做好现场布点采样、运输流转、制样保存、实验室分析及数据处理审核等质量控制工作。加强监测人员的技术培训和监督，坚持监测人员持证上岗；使用符合要求的仪器设备并定期进行检定或校准，必要时进行期间核查；严格对报告质量把关。让具有代表性、客观性、准确性的监测数据，为政策制定、技术研究提供基础数据支撑，更好地为土壤保护和污染防治提供技术支持。
样品采集、运输和制备的质量控制
1、样品采集和运输流转的质量保证
土壤样品的采集方法对监测结果影响很大，采样造成的误差可能比分析测试的误差还要大。土壤环境监测的布点、采样需严格按照HJ/T 166-2004《土壤环境监测技术规范》中的相关规定进行。
点位布设：为使所采集的样品具有同等代表性，布点应遵循“随机”和“等量”的原则。布点方法有简单随机、分块随机和系统随机三种；基础样品数量可由均方差和绝对偏差、变异系数和相对偏差计算得出；布点数量要能满足样本容量的基本要求。一般要求每个监测单元最少设3个点，实际工作中还要根据调查目的、调查精度和调查区域环境状况等因素来确定。
样品采集：样品采集通常按3个阶段进行，即前期采样、正式采样和补充采样，面积较小的土壤污染调查和突发性污染事故调查可直接采样。区域环境背景土壤采样、农田土壤采样、建设项目土壤环境评价监测采样、城市土壤采样、污染事故监测土壤采样，不同的类型有不同的特点及方式，需按照相应的规定要求进行作业。
运输流转：在样品采集现场需认真填写采样记录、样品标签、样品信息登记表，与样品逐一核对无误后把样品分类装箱，并在运输过程中严防样品损失、混淆和玷污。样品由专人送到实验室后，送样人和接样人应同时清点及核实样品信息，在样品交接单上签字确认，双方各存一份交接单备查。
2、样品制备和保存的质量保证
样品制备：实验室需设风干室和磨样室，风干室应通风良好、整洁、无尘、无易挥发性化学物质，并避免阳光直射。制样人员与样品管理员同时清点核实、交接样品，在样品交接单上签字确认。还应具备相应的风干、粗粉碎、磨样、过筛、装样所需工具及容器，制样操作要符合规范要求，并严格防止标签和样品混错，防止制样工具造成交叉污染。
样品保存：样品保存方法是否得当、保存时间是否符合要求都会影响样品测试结果。易分解或易挥发等不稳定组分的样品应低温保存运输，尽快送到实验室分析测试；需要新鲜样品的土样用可密封的聚乙烯或玻璃容器在4℃以下避光保存，应使土样充满容器，在样品有效保存时间内完成检测。
挥发性、半挥发性、难挥发性有机物的测试样品用棕色玻璃瓶保存，可保存的时间分别为7 d、10 d、14 d。砷、金属(汞和六价铬除外)测试样品可用聚乙烯或玻璃瓶保存，有效保存时间为180 d，六价铬、氰化物样品有效保存时间分别仅有1 d、2 d，汞待测样品需用玻璃瓶装，可保存28 d。
实验室分析质量控制
1、实验室内部质量控制
实验室内部质量控制是实验室分析检测人员采取措施对分析质量进行的自我控制，通常有精密度控制、准确度控制以及检测过程中的干扰处理。
精密度控制：精密度是指使用特定的分析程序重复分析测定均一样品所获得测定值之间的一致性程度。土壤环境监测中，每批样品每个项目须做20 %平行样品，样品数少于5个时至少应有1个平行样，平行样可为实验室明码平行或现场密码平行。不同测定项目的平行双样测定结果误差允许范围不同，在相应允许误差范围之内即判定为合格。若平行双样测定合格率低于95 %，则应对当批样品重新测定，并增加样品数10 %~20 %的平行样，直至平行双样测定合格率高于95 %。
准确度控制：准确度是反映方法系统误差和随机误差的综合指标。准确度控制可通过使用标准物质或质控样品，或通过测定加标回收率进行控制。每批要测质控平行双样，在精密度合格的前提下，质控样测定值必须在保证值(95 %的置信水平)范围内，否则本批样品需重新测定。当测定项目无标准物质或质控样品时，可通过加标回收实验来确定准确度。每批试样随机抽取10 %~20 %进行加标回收测定，样品数少于10个时适当增加加标率。加标量视被测组分含量而定，加标后被测组分的总量不能超出方法的测定上限，加标体积不超过原试样体积的1 %，否则应进行体积校正。加标回收率应在允许范围内，当加标回收合格率小于70 %时，对不合格者重新进行回收率测定，并增加10 %~20 %的试样做加标回收，直至总合格率大于等于70 %。
土壤环境检测技术规范要求对必测项目做准确度质控图，用质控样的保证值(X)与标准偏差(S)，在95 %的置信水平，以X为中心线、X±2S为上下警告线、X±3S为上下控制线绘制质量控制图，用于分析质量的自控，能更准确分析测试结果质量的可信度。
检测过程中受到干扰的处理：检测过程中如遇停水、停电、停气等影响到检测质量的干扰时，全部样品应重新测定；仪器发生故障时，用同等级且能满足检测要求的仪器重新测定，无备用仪器时，将故障仪器维修后经检定合格再重新测定。
2、实验室间质量控制
实验室间的质量控制主要在于定期参加实验室间比对和能力验证活动，确保实验室检测能力和水平，保证出具数据的可靠性和有效性。如通过能力验证或者机构间比对发现某项检验检测结果不理想时，应系统地分析原因，采取适宜的纠正措施，并通过试验来验证其有效性。
实验室管理方面的质量控制
1、监测人员质量控制
数据质量由工作质量来保证，而工作质量的核心在于人员。监测人员是土壤环境监测的主要实施者，人员专业素质与工作能力的高低直接影响监测质量的好坏。如果监测人员质量控制观念不强，质量意识不足，在实施监测的过程中易出现散漫、不严谨和不够负责的现象，而如果监测人员专业知识及技能不足，则在监测过程中无法保证规范的操作，可能在监测的源头即采样过程出错，也可能在实验室引起误差，数据处理方法不够科学等，那么最后的监测结果很可能会与实际情况偏差较大。因此，加强土壤环境监测人才队伍建设非常重要，监测技术人员应全部实现持证上岗，实验室应定期参加或开展土壤环境监测技术人员培训，并加强对人员专业素养和技术能力的监督，不断加强监测队伍的素质和能力建设。
2、仪器设备质量控制
土壤环境监测的仪器设备，包括采样仪器、实验室分析仪器及相关辅助设备，其性能是否完好直接影响监测工作效率和质量，仪器设备应按照正确的方法进行操作并做好日常的维护保养，需要检定或校准的仪器应定期送至法定计量检定机构或被授权计量校准机构进行检定或校准，确认仪器技术性能满足监测工作要求，并在检定或校准有效期内使用。对有较高准确度要求的关键仪器，或易漂移、易老化、性能不够稳定或使用频繁的仪器，一般还应在两次检定或校准之间做期间核查，以保证仪器的精度和连续稳定的运行。使用过程中出现可疑情况、使用环境条件发生重大变化、维修或借出后返回的仪器也应及时进行核查。
3、报告质量控制
监测报告是监测结果的最终呈现，为确保监测数据准确无误，应建立数据质量管理责任制，严格执行三级审核制度，从分析、审核到签发做到分工负责、层层把关，发现可疑数据或疑难问题，监测负责人应组织相关人员查证分析解决，并对相关数据进行追溯，做到有疑问的数据决不上报。此外，应重视对报告编制人员的培训教育，尽可能避免报告编制环节的差错。
以上就是关于高光谱技术相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。
推荐阅读：
赣公网安备 50019002502384号
