中文
English
專注光譜傳感和光電應用系統
電話：86-0755-23229824
手機：18948346937 / 13510373651
地址：深圳市寶安區沙井街道后亭茅洲山工業園工業大廈全至科技創新園科創大廈11層C
微信：
微信客服號：
抖音官方號：
立即溝通
在激光誘導擊穿光譜技術具有多成分同時探測分析、快速、在線定性分析及定量檢測等特點。水稻產地溯源研究方面，在前期農作物產地溯源研究基礎上，采用LIBS技術結合機器學習算法，對同一品種水稻的不同水稻產地進行快速識別研究。
水稻是中國主要糧食作物,而水稻品質與其生長的外部環境如土壤特性、氣候、日照時間和灌溉水等環境息息相關,高品質水稻的產地區域面積有一定地域限制,因此水稻可看成為是一個明顯的地理標志物。市場常出現一些假冒或者貼牌的知名優質水稻出售,損害了水稻品牌，降低了消費者的水稻品質保障,并且擾亂了市場穩定性，因此對于水稻產地快速識別技術的需求十分迫切。
在激光誘導擊穿光譜技術具有多成分同時探測分析、快速、在線定性分析及定量檢測等特點。水稻產地溯源研究方面，在前期農作物產地溯源研究基礎上，采用LIBS技術結合機器學習算法，對同一品種水稻的不同水稻產地進行快速識別研究。
一、實驗內容
圖1激光誘導擊穿水稻光譜實驗裝置
在相同實驗條件下，獲得五個產地的水稻LIBS光譜信號。實驗過程中，為了防止水稻樣品表面過度激光燒蝕，將壓制成片的水稻樣品固定在三維平移臺上“弓”狀勻速運動，使每發激光脈沖作用在新的位置。為了降低激光脈沖能量抖動對水稻LIBS光譜穩定性的影響，采用100個脈沖進行LIBS光譜平均。實驗工作是在標準大氣壓、室內溫度為25℃、空氣相對濕度為35%的環境下開展。
圖2水稻LIBS光譜（產地依次為大安、公主嶺、前郭、松原、洮兒河）
水稻內的元素含量與產地土壤特性、日照條件以及灌溉水質有關，水稻LIBS光譜強度的差異性，可反映出水稻的產地屬性，因此選取多條元素LIBS特征光譜信息可對水稻產地進行識別。
表1水稻LIBS特征譜線
在實驗過程中，受到激光脈沖能量抖動、空氣流動和樣品壓制不均勻等因素影響，導致水稻LIBS光譜譜線強度間絕對值存在一定的差異，從而削弱譜線強度相對低的元素作用。
在實驗過程中，受到激光脈沖能量抖動、空氣流動和樣品壓制不均勻等因素影響，導致水稻LIBS光譜譜線強度間絕對值存在一定的差異，從而削弱譜線強度相對低的元素作用。
二、水稻產地聚類
表2水稻產地識別機器學習算法模型結果對比
2.1水稻產地聚類
在進行水稻產地聚類分析過程中，由于LIBS特征光譜譜線數據變量之間具有強相關性，導致LIBS特征信息重疊從而降低水稻產地聚類分析精度。主成分分析(principacomponentanalysis，PCA)是將相關的變量綜合為一個或少數幾個主成分的非監督學習算法，因此采用PCA對水稻LIBS的選擇16條元素特征譜線進行降維，除去水稻LIBS光譜中相關性較強的多余特征信息，從而實現水稻產地聚類分析，為水稻產地的識別莫定基礎。
2.2水稻產地識別
水稻LIBS光譜數據經PCA降維后，由水稻產地聚類分析結果表明，部分產地聚類有一定的空間重疊，不能有效分開，因此需要結合機器學習算法來對水稻產地進行精確快速識別。
圖3結合LIBS和機器學習的水稻產地識別混淆矩陣
三、結論
結合LIBS光譜技術和PCA-BaggedTrees、PCA-Weigh-tedKNN、PCA-QuadraticSVM和PCA-CoarseGaussianSVM四種機器學習算法對同一水稻品種的五個水稻產地進行了識別研究。基于主成分分析對水稻LIBS光譜進行降維，獲得水稻產地聚類分析散點圖，發現具有較好的空間聚類效果。
推薦：
實驗室一體化LIBS激光誘導光譜儀iSpecLIBS-SCI800
主要由激光器、高分辨率光譜儀、LIBS光路收集探頭、XYZ樣品窗、觸發延遲控制器等組成，由于其采用一體化，可擴展非常靈活，非常適合科研研究、LIBS光學應用實驗、光學應用中心等用戶，可以非常方便的靈活選用配置激光器和光譜儀。
