基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法

    公开(公告)号:CN106770194B

    公开(公告)日:2019-07-19

    申请号:CN201710051767.0

    申请日:2017-01-20

    Abstract: 本发明属于光谱分析技术领域,具体涉及一种基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法,该方法包括以下步骤:S1准备不同产地的谷类作物样品,利用激光诱导击穿光谱(LIBS)对谷类作物样品进行光谱数据采集;S2利用小波变换对采集的谷类作物样品光谱进行谱峰提取,得到不同产地谷类作物的谱峰强度值;S3结合小波变换提取的谱峰强度值,建立SVM分类模型;S4根据得到的光谱数据和谱峰强度值,结合SVM分类模型,对未知的谷类作物进行产地识别。本发明的方法能够直接对不同产地谷类作物进行光谱信号采集,缩短了样品制样时间和复杂的化学分析过程,避免了二次污染,提高了检测的效率,十分适用于食品溯源地的监控。

    一种提高激光探针中碳元素检测灵敏度的方法

    公开(公告)号:CN106770191B

    公开(公告)日:2019-05-14

    申请号:CN201611247163.5

    申请日:2016-12-29

    CPC classification number: G01N21/718 G01J3/10 G01N21/6402 G01N21/75

    Abstract: 本发明属于激光等离子体发射光谱领域,具体涉及一种提高激光探针中碳元素检测灵敏度的方法,具体过程如下:采用激光器输出激光束烧蚀待测样品表面,样品表面和靠近样品表面的环境气体迅速升温变为等离子体,样品中所含的碳元素和环境气体中的氮气被原子化并结合为氰基分子;通过将波长可调谐激光器调节至氰基分子的电子发生受激跃迁所需波长,输出激光并辐照等离子体,氰基分子中的电子发生辐射跃迁,发射荧光,收集氰基的发射荧光光谱并记录,对碳元素进行定性或定量分析。本发明的方法在几乎不影响基体光谱的情况下,高选择性地增强氰基信号,克服基体产生的干扰,增强等离子体中碳元素的光谱信号,提高激光探针对碳元素的检测灵敏度。

    一种利用图像特征提高激光探针分类精度的方法

    公开(公告)号:CN109063773A

    公开(公告)日:2018-12-21

    申请号:CN201810878151.5

    申请日:2018-08-03

    Abstract: 本发明属于激光探针成分分析相关技术领域,其公开了一种利用图像特征提高激光探针分类精度的方法,该方法包括以下步骤:S1,采用光谱采集装置采集样品的等离子体光谱,所述等离子体光谱为多维光谱;S2,对所述等离子体光谱进行图像化处理以得到16位的灰度图;S3,基于所述灰度图提取图像特征,所述图像特征为多维光谱特征;S4,将所述图像特征作为分类算法的输入来进行训练以得到基于所述图像特征的分类模型;S5,将待分类样品的图像特征输入到所述分类模型,所述分类模型输出分类结果,由此完成分类。本发明提高了分裂精度,且无需人工选线或者自动选线,简化了分类过程,提高了分类效率。

    一种提高激光探针中碳元素检测灵敏度的方法

    公开(公告)号:CN106770191A

    公开(公告)日:2017-05-31

    申请号:CN201611247163.5

    申请日:2016-12-29

    Abstract: 本发明属于激光等离子体发射光谱领域,具体涉及一种提高激光探针中碳元素检测灵敏度的方法,具体过程如下:采用激光器输出激光束烧蚀待测样品表面,样品表面和靠近样品表面的环境气体迅速升温变为等离子体,样品中所含的碳元素和环境气体中的氮气被原子化并结合为氰基分子;通过将波长可调谐激光器调节至氰基分子的电子发生受激跃迁所需波长,输出激光并辐照等离子体,氰基分子中的电子发生辐射跃迁,发射荧光,收集氰基的发射荧光光谱并记录,对碳元素进行定性或定量分析。本发明的方法在几乎不影响基体光谱的情况下,高选择性地增强氰基信号,克服基体产生的干扰,增强等离子体中碳元素的光谱信号,提高激光探针对碳元素的检测灵敏度。

    一种利用图像特征提高激光探针分类精度的方法

    公开(公告)号:CN109063773B

    公开(公告)日:2021-07-27

    申请号:CN201810878151.5

    申请日:2018-08-03

    Abstract: 本发明属于激光探针成分分析相关技术领域,其公开了一种利用图像特征提高激光探针分类精度的方法,该方法包括以下步骤:S1,采用光谱采集装置采集样品的等离子体光谱,所述等离子体光谱为多维光谱;S2,对所述等离子体光谱进行图像化处理以得到16位的灰度图;S3,基于所述灰度图提取图像特征,所述图像特征为多维光谱特征;S4,将所述图像特征作为分类算法的输入来进行训练以得到基于所述图像特征的分类模型;S5,将待分类样品的图像特征输入到所述分类模型,所述分类模型输出分类结果,由此完成分类。本发明提高了分裂精度,且无需人工选线或者自动选线,简化了分类过程,提高了分类效率。

    基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法

    公开(公告)号:CN106770194A

    公开(公告)日:2017-05-31

    申请号:CN201710051767.0

    申请日:2017-01-20

    Abstract: 本发明属于光谱分析技术领域,具体涉及一种基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法,该方法包括以下步骤:S1准备不同产地的谷类作物样品,利用激光诱导击穿光谱(LIBS)对谷类作物样品进行光谱数据采集;S2利用小波变换对采集的谷类作物样品光谱进行谱峰提取,得到不同产地谷类作物的谱峰强度值;S3结合小波变换提取的谱峰强度值,建立SVM分类模型;S4根据得到的光谱数据和谱峰强度值,结合SVM分类模型,对未知的谷类作物进行产地识别。本发明的方法能够直接对不同产地谷类作物进行光谱信号采集,缩短了样品制样时间和复杂的化学分析过程,避免了二次污染,提高了检测的效率,十分适用于食品溯源地的监控。

Patent Agency Ranking