10.3964/j.issn.1000-0593(2019)11-3407-07
数字图像识别在混合油类三维荧光光谱分析中的应用
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.三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,所获得的三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,导致对三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,将三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)配制三类混合油样本,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三维荧光光谱数据,并对该数据进行求导及灰度化预处理,进而得到三维荧光导数光谱灰度图;其次提取样本三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.分类模型对三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,显著性检验p值小于0.05.研究结果表明,三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.
溢油检测、三维荧光光谱、数字图像识别、Fisher判别、逐步回归
39
O433.4(光学)
国家自然科学基金项目;河北省自然科学基金项目
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
3407-3413