文章詳情
基于高光譜成像技術的蟲草粉末無損鑒定的實驗探索
日期：2025-06-04 21:00
瀏覽次數：3686
摘要：
摘要
通過近紅外高光譜成像技術建立對冬蟲夏草粉末的真假鑒別及含量判斷的無損檢測方法。方法：1、通過光譜范圍為1um~2.5um的高光譜相機對真假及不同含量的蟲草粉末進行高光譜反射光譜采集。2、通過反射率校正、噪聲與背景去除后，通過主成分分析變換（PCA）提取真假樣本，再通過偏*小二乘法變換（PLSA）對樣本含量進行分析判斷。結論：通過近紅外高光成像技術可以準確的對蟲草粉的真假進行差別，并可對蟲草粉有效含量進行評判，含量評判準確性有待進一步驗證。
1、 實驗部分
1.1 儀器與樣本
儀器：測試儀器為北京卓立漢光儀器有限公司自主開發的高光譜分選儀-GaiaSorter-N25（如圖1）。光譜范
圍1~2.5um，光譜分辨率10nm，幀速100fps。
樣本：由青海唐古拉藥業公司提供的10種蟲草粉樣本。其中偽品兩個（9號與10號），標準樣品三
個（6號、7號與8號），以及將8#與10#真假樣本以不同比例混合的樣品（1~5號）。
分析軟件：Evince(瑞典Umbio公司)
1.2實驗原理及方法
實驗原理：高光譜成像技術的定義是在多光譜成像的基礎上，在從紫外到近紅外（200-2500nm）的光譜范圍內，利用成像光譜儀，在光譜覆蓋范圍內的數十或數百條光譜波段對目標物體連續成像。在獲得物體空間特征成像的同時，也獲得了被測物體的光譜信息。
高光譜成像技術具有超多波段（上百個波段）、高的光譜分辨率（幾個nm）、波段窄（≤10-2λ）、光譜范圍廣（200-2500nm）和圖譜合一等特點。優勢在于采集到的圖像信息量豐富，識別度較高和數據描述模型多。由于物體的反射光譜具有“指紋”效應，不同物不同譜，同物一定同譜的原理來分辨不同的物質信息。
實驗方法：由于高光譜檢測是一種無損檢測技術，所以樣品無需制備，將樣本放置在分選儀的載物臺通過軟件
即可得到樣品的高光譜反射數據。
2、 結果與討論
圖3合成RGB圖像
2.1 將測試原始數據進行降噪處理后，通過主成份分析變換（PCA）進行背景扣除后，再次進行主成份分析變換（PCA）后結果如下：
圖4主成分分析結果
通過主成份分析，可以明顯將9#、10#樣品與其它樣品進行區分，判斷9#與10#樣品為偽品。
2.2 進一步將6#樣品與8#樣品做為樣本，將7#樣品做為未知區域進行偏*小二乘法變換（PLSA）實現分類判別，判定結果如下：
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%的區域無法歸類差別。
2.3 將8#樣品與10#樣品做為樣本，將1~5#樣品做為未知區域進行偏*小二乘法變換（PLSA）實現分類判別，判斷8#與10#樣本的混合比例，結果如下：
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、 結論
通過以上對蟲草粉樣品在近紅外波段的反射高光譜圖像采集，經過主成份分析，可有效的對蟲草粉的真偽進行鑒別。進一步通過偏*小二乘法分析對樣本區域進行分析判斷，可對樣品的有效成份含量進行鑒別。由于目前樣本采樣數量較小，對于成份含量判斷的準確性還需進一步實驗驗證。
實驗初步驗證了高光譜技術在蟲草粉鑒別的可行性。進一步還需通過實驗和分析判斷出理想的特征波段，以降低數據采集量，并進一步優化數據分析模型與數據處理速度，從而達到在線檢測的速度與準確性要求。
通過近紅外高光譜成像技術建立對冬蟲夏草粉末的真假鑒別及含量判斷的無損檢測方法。方法：1、通過光譜范圍為1um~2.5um的高光譜相機對真假及不同含量的蟲草粉末進行高光譜反射光譜采集。2、通過反射率校正、噪聲與背景去除后，通過主成分分析變換（PCA）提取真假樣本，再通過偏*小二乘法變換（PLSA）對樣本含量進行分析判斷。結論：通過近紅外高光成像技術可以準確的對蟲草粉的真假進行差別，并可對蟲草粉有效含量進行評判，含量評判準確性有待進一步驗證。
1、 實驗部分
1.1 儀器與樣本
儀器：測試儀器為北京卓立漢光儀器有限公司自主開發的高光譜分選儀-GaiaSorter-N25（如圖1）。光譜范
圍1~2.5um，光譜分辨率10nm，幀速100fps。
樣本：由青海唐古拉藥業公司提供的10種蟲草粉樣本。其中偽品兩個（9號與10號），標準樣品三
個（6號、7號與8號），以及將8#與10#真假樣本以不同比例混合的樣品（1~5號）。
分析軟件：Evince(瑞典Umbio公司)
1.2實驗原理及方法
實驗原理：高光譜成像技術的定義是在多光譜成像的基礎上，在從紫外到近紅外（200-2500nm）的光譜范圍內，利用成像光譜儀，在光譜覆蓋范圍內的數十或數百條光譜波段對目標物體連續成像。在獲得物體空間特征成像的同時，也獲得了被測物體的光譜信息。
高光譜成像技術具有超多波段（上百個波段）、高的光譜分辨率（幾個nm）、波段窄（≤10-2λ）、光譜范圍廣（200-2500nm）和圖譜合一等特點。優勢在于采集到的圖像信息量豐富，識別度較高和數據描述模型多。由于物體的反射光譜具有“指紋”效應，不同物不同譜，同物一定同譜的原理來分辨不同的物質信息。
實驗方法：由于高光譜檢測是一種無損檢測技術，所以樣品無需制備，將樣本放置在分選儀的載物臺通過軟件
即可得到樣品的高光譜反射數據。
2、 結果與討論
圖3合成RGB圖像
2.1 將測試原始數據進行降噪處理后，通過主成份分析變換（PCA）進行背景扣除后，再次進行主成份分析變換（PCA）后結果如下：
圖4主成分分析結果
圖5 6#、9#、10#樣品典型光譜
通過主成份分析，可以明顯將9#、10#樣品與其它樣品進行區分，判斷9#與10#樣品為偽品。
2.2 進一步將6#樣品與8#樣品做為樣本，將7#樣品做為未知區域進行偏*小二乘法變換（PLSA）實現分類判別，判定結果如下：
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%的區域無法歸類差別。
2.3 將8#樣品與10#樣品做為樣本，將1~5#樣品做為未知區域進行偏*小二乘法變換（PLSA）實現分類判別，判斷8#與10#樣本的混合比例，結果如下：
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、 結論
通過以上對蟲草粉樣品在近紅外波段的反射高光譜圖像采集，經過主成份分析，可有效的對蟲草粉的真偽進行鑒別。進一步通過偏*小二乘法分析對樣本區域進行分析判斷，可對樣品的有效成份含量進行鑒別。由于目前樣本采樣數量較小，對于成份含量判斷的準確性還需進一步實驗驗證。
實驗初步驗證了高光譜技術在蟲草粉鑒別的可行性。進一步還需通過實驗和分析判斷出理想的特征波段，以降低數據采集量，并進一步優化數據分析模型與數據處理速度，從而達到在線檢測的速度與準確性要求。
