基于高光譜透射成像的雨生紅球藻色素含量可視化方法
【專利摘要】本發(fā)明公開了一種基于高光譜透射成像的雨生紅球藻色素含量可視化方法，包括步驟：1)采用高光譜透射成像系統(tǒng)，對雨生紅球藻藻液進行透射高光譜圖像的采集；2)對透射高光譜圖像進行白板校正，選取雨生紅球藻藻液的若干個像素點作為感興趣區(qū)域，并提取該感興趣區(qū)域內(nèi)的平均光譜曲線；3)在預(yù)處理后的平均光譜曲線中提取λ個特征波段，并利用各特征波段的平均光譜曲線與藻液色素的化學(xué)值，建立預(yù)測模型；4)在透射高光譜圖像中，選出特征波段下的感興趣區(qū)域光譜；5)選取各種藻液色素對應(yīng)的最優(yōu)預(yù)測模型，計算每個像素點對應(yīng)的藻液色素單位體積含量化學(xué)指標(biāo)；6)根據(jù)各種藻液色素的化學(xué)指標(biāo)范圍，調(diào)整顯示值的范圍，輸出可視化圖像。
【專利說明】
基于高光譜透射成像的雨生紅球藻色素含量可視化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及雨生紅球藻色素含量可視化領(lǐng)域，尤其涉及一種基于高光譜透射成像 的雨生紅球藻色素含量可視化方法。
【背景技術(shù)】
[0002] 色素作為一種著色劑，被廣泛應(yīng)用在食品、紡織和醫(yī)藥等領(lǐng)域。而微藻作為一種天 然色素的來源，有必要在其培養(yǎng)過程中進行色素檢測和監(jiān)控。
[0003] 從以往的研究中發(fā)現(xiàn)，從微藻中提取的色素主要有葉綠素、類胡蘿卜素、蝦青素和 藻藍素等，其中葉綠素是微藻進行光合作用的基礎(chǔ)，經(jīng)常作為大部分綠藻的生命特征指標(biāo) 之一，而類胡蘿卜素則是工業(yè)界從微藻中提取的常見色素，可以被廣泛運用到各個領(lǐng)域。
[0004] 在以往的研究中，大部分是改變微藻內(nèi)在和外在的因素來促進相關(guān)色素的積累， 過程中需要對色素進行頻繁檢測。而傳統(tǒng)檢測色素需要通過復(fù)雜的化學(xué)手段對微藻色素進 行提取然后再檢測，通常而言比較費時費力，且對原有藻液造成了破壞性影響。另外，雨生 紅球藻被公認(rèn)為自然界中生產(chǎn)天然蝦青素的最好生物，而蝦青素也是類胡羅素之一，同時， 其積累對葉綠素也有一定的影響，是一種具有代表性的藻類。

【發(fā)明內(nèi)容】

[0005] 本專利提供了一種基于高光譜透射成像的雨生紅球藻色素含量可視化方法，通過 化學(xué)計量學(xué)方法建立預(yù)測模型，旨在探索穩(wěn)定的微藻色素含量的快速無損檢測方法，為今 后光譜技術(shù)應(yīng)用于微藻色素檢測領(lǐng)域提供了有力的基礎(chǔ)研究和技術(shù)支持，解決了現(xiàn)有檢測 方法操作相對繁瑣、耗時、耗力的問題。
[0006] 本發(fā)明的具體技術(shù)方案如下：
[0007] -種基于高光譜透射成像的雨生紅球藻色素含量可視化方法，包括以下步驟：
[0008] (1)搭建高光譜透射成像系統(tǒng);整個樣品載物臺有木板釘制而成，最上方中間鏤一 圓孔，將光源安置固定在圓孔下方，且燈泡中心和圓孔中心相互對準(zhǔn)，然后將樣品放置在圓 孔上方即可掃描收集樣品的透射光譜。
[0009] (2)取不同生長周期的雨生紅球藻藻液加入到培養(yǎng)皿中進行透射高光譜圖像的采 集。
[0010] (3)采用ENVI4.7軟件選取雨生紅球藻藻液的8500個像素點作為感興趣區(qū)域 (ROI)，然后取該感興趣區(qū)域內(nèi)的平均光譜曲線。
[0011] (4)采用上述得到的平均光譜曲線與藻液色素的化學(xué)值建立基于化學(xué)量學(xué)方法的 預(yù)測模型。
[0012] (5)對白板校正后的透射高光譜法采集的各100個樣本圖像512個波段選取感興趣 區(qū)域ROI;
[0013] (6)計算ROI得到各樣本平均光譜曲線；
[0014] (7)對平均光譜曲線使用不同的預(yù)處理方法建模預(yù)測，選出最優(yōu)預(yù)處理方法；
[0015] (8)用特征提取算法選取λ個有效波長，根據(jù)上述結(jié)果分析，λ為4或者6。然后使用 PLS、MLR、LS-SVM三種不同建模方法建模預(yù)測，選出最優(yōu)模型算法；
[0016] (9)將高光譜圖像輸入Matlab，選出特征波段下的感興趣區(qū)域光譜，ROI區(qū)域為a*b 大小的矩形，每個像素點都包含λ個波長信息；
[0017] (10)將其展開成a*b*A的矩陣，結(jié)合上述最優(yōu)的模型算法公式，計算預(yù)測每個像素 點對應(yīng)的葉綠素 a、葉綠素 b、類胡蘿卜素單位體積含量化學(xué)指標(biāo)；
[0018] (11)根據(jù)對應(yīng)的化學(xué)指標(biāo)范圍，調(diào)整對應(yīng)顯示值的范圍，通過matlab輸出可視化 圖像。
[0019] 步驟（1)中搭建的高光譜透射成像系統(tǒng)，其中光源為2900Lightsource，由美國 Illumination Technology公司生產(chǎn)，配備150W石英鹵素?zé)?，光線性燈，色溫2800K，使用壽 命200~8000h，可以提供380~2000nm波段連續(xù)平滑的光源。為了使得獲得的光源更加均 勻，在圓孔上方安置一片磨砂毛玻璃。通過兩個分支光纖組成一對相互對稱的線光源，強度 大小可以通過光源發(fā)射器可調(diào)。
[0020] 步驟(2)中使用可見/近紅外波段高光譜成像系統(tǒng)（ImSpector V10E)進行掃描，掃 描的光譜范圍為380~1030nm，共計512個波段，光譜分辨率為2.8nm，曝光時間為90ms，輸送 帶速度為2.30mm/s。
[0021] 步驟(3)中去掉首部噪聲部分82個波長，保留480~1030nm(共430個波段）范圍內(nèi) 的平均光譜。
[0022]步驟(4)中藻液的色素主要包括葉綠素 a，葉綠素 b，類胡蘿卜素等;涉及的化學(xué)計量 學(xué)方法主要有偏最小二乘法(PLS)，多元線性回歸(MLR)，最小二乘支持向量機(LS-SVM)等。 [0023] 步驟(7)中涉及的預(yù)處理方法主要包括基線校正(Baseline offset，B0)、卷積平 滑(Sa V i t z ky-Go I ay，SG)、多元散射校正(MSC)和變量標(biāo)準(zhǔn)化(SNV)等。
[0024] 步驟(8)中涉及的特征提取算法為連續(xù)投影算法(SPA)。
[0025] 步驟（8)中針對葉綠素 a，葉綠素 b，類胡蘿卜素選出的最優(yōu)模型分別為SPA-PLS， SPA-MLR，SPA-MLR〇
[0026] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：
[0027] 本發(fā)明實現(xiàn)了雨生紅球藻色素含量的可視化研究，不需要配制任何溶液或采用顯 微技術(shù)等，大大簡化了操作步驟，縮短了檢測時間，也避免了由于操作人員操作不熟練或者 主觀因素帶來的測量結(jié)果不準(zhǔn)確等后果。
【附圖說明】
[0028] 圖1為實施例中高光譜成像透射系統(tǒng)的結(jié)構(gòu)示意圖。
[0029] 圖2為實施例中透射高光譜圖像反演可視化過程示意圖。
[0030] 圖3為實施例中基于透射高光譜圖像的雨生紅球藻色素反演可視化圖像。
【具體實施方式】
[0031] 下面結(jié)合具體實施例進一步闡釋本發(fā)明。
[0032] 搭建如圖1所示的高光譜透射成像系統(tǒng)，包括暗箱1，暗箱1的底部為載物臺，載物 臺上擺放有投射裝置3,鹵素?zé)艄庠?位于投射裝置3內(nèi)，且光源中心與其正上方的圓孔中心 對準(zhǔn)，圓孔上方覆蓋一具有磨砂面的毛玻璃9,微藻樣本5放置于毛玻璃9上。暗箱1內(nèi)的頂部 設(shè)有CCD相機7和高光譜儀2,其中高光譜儀2的鏡頭6位于微藻樣本5的正上方。載物臺由步 進電機8驅(qū)動，步進電機8和CCD相機7均連接至計算機10,由計算機10通過步進電機8控制載 物臺，以及對CCD相機7所采集的高光譜圖像進行處理。
[0033] 其中光源為2900Lightsource，由美國 Illumination Technology公司生產(chǎn)，配備 150W石英鹵素?zé)簦饩€性燈，色溫2800K，使用壽命200~8000h，可以提供380~2000nm波段 連續(xù)平滑的光源。通過兩個分支光纖組成一對相互對稱的線光源，強度大小可以通過光源 發(fā)射器可調(diào)。
[0034] 取不同生長周期的雨生紅球藻藻液2ml、4ml、6ml、8ml、IOml分別加入8ml、6ml、 4ml、2ml、0ml蒸餾水稀釋藻液，共計5個不同濃度梯度的藻液，分別取4ml加入到培養(yǎng)皿中， 重復(fù)20次，共計100個樣本。
[0035] 本實施例中使用可見/近紅外波段高光譜成像系統(tǒng)（ImSpector V10E)進行掃描， 掃描的光譜范圍為380~1030nm，共計512個波段，光譜分辨率為2.8nm，曝光時間為90ms，輸 送帶速度為2.30mm/s。
[0036] 因為高光譜攝像頭中存在一定的暗電流和噪聲，同時，光源的強度在各波段下的 分布也不均勻，會容易造成高光譜圖像在光源強度分布較弱的波段下含有較大的噪聲，所 以有必要對高光譜圖像進行黑白校正。在相同的采集環(huán)境下，反射光譜掃描標(biāo)準(zhǔn)白色板，透 射光譜由于沒有標(biāo)準(zhǔn)透射白板，固使用培養(yǎng)皿中放蒸餾水作為全透射白板，掃描兩者后得 到標(biāo)定圖像I，關(guān)閉相機鏡頭進行圖像采集得到全黑的標(biāo)定圖像也，然后按照式（1)對原始 光譜進行校正。
[0037]
(1)
[0038] 其中，Ra為校正后的高光譜圖像，L·為直接采集到的高光譜圖像。所有高光譜圖像 數(shù)據(jù)的采集都是基于Spectral Cube軟件平臺完成的，需要使用ENVI4.7(Research System Inc，Boulder，Co .，USA)軟件提取每個樣本的平均光譜曲線，最后在100個樣本中隨機選取 70個樣本作為建模集，剩下的30個樣本作為預(yù)測集，再結(jié)合化學(xué)計量學(xué)方法分別對反射和 透射采集的光譜建立預(yù)測模型并進行比較分析。
[0039] 下面以葉綠素 a的檢測研究為例進行分析：
[0040] 用ENVI4.7軟件選取雨生紅球藻藻液的8500個像素點作為感興趣區(qū)域(ROI)，然后 該感興趣區(qū)域內(nèi)的平均光譜曲線。去掉首部噪聲部分82個波長，保留480~1030nm(共430個 波段）范圍內(nèi)的平均光譜。針對70個建模集樣本通過不同預(yù)處理方法進行全波段PLS建模， 建模過程采用交互驗證，確定最后的隱含變量，選取最優(yōu)的預(yù)處理方法。首先采用原始光譜 數(shù)據(jù)建立PLS模型，結(jié)果顯示建模集樣本建立光譜模型的Real為0.9759，然后將預(yù)測集樣本 光譜輸入建立好的模型中，得到Rpre為0.9462。同時，采用不同的光譜預(yù)處理算法對光譜數(shù) 據(jù)進行預(yù)處理。結(jié)果顯示從Rpre結(jié)果來看，較反射高光譜預(yù)處理效果完全不同，SNV在透射 高光譜預(yù)處理后的模型效果最差，Rpre和RH)分別只有0.8734和0.5462;基線校正預(yù)處理效 果最好，其RH)值達到了 3.3695，提高了 30.9 %，Rpre為0.9729，較原始光譜提高了 2.8 %， RMSEP為0.3759,較原始光譜降低了26.41 %。綜合分析，在下面的研究中將采用基線校正 (Baseline off，B0)預(yù)處理后的光譜數(shù)據(jù)進行。
[0041]對原始光譜基線校正預(yù)處理后的全波段光譜數(shù)據(jù)進行SPA分析。對交互驗證得到 的RMSE分布進行分析，當(dāng)選取的波長為2個時，RMSE有明顯下降過程；當(dāng)選取的波長為6個的 時候，RMSE達到局部最優(yōu)，為0.59883。因此，確定從430個波長中選取出6個特征波長變量， 光譜變量減少了98 · 60 %。被選取的波長分別為703 · 54nm、679 · 42nm、968 · 69nm、486 · 25nm、 481.36nm和482.58nm。將獲得的6個波長變量作為輸入建立SPA-PLS、SPA-MLR、SPA-LSSVM模 型。
[0042]將選取的6個波長變量作為輸入建立SPA-PLS模型，結(jié)果顯示建模集樣本建立光譜 模型的Real為0.9560，然后將預(yù)測集樣本光譜輸入建立好的模型中得到的Rpre為0.9709。 結(jié)果較全波段的BO-PLS模型相差不大，Rpre減少了0.2 %，RMSEP增加了 12.3 %，雖然RH)降 低了 11.1 %，但仍然大于2.5接近3，表示模型結(jié)果很好。而SPA-MLR的效果雖然建模集的 Real達到了0.9765，與BO-PLS模型基本一致，預(yù)測集的Rpre卻降低了4.6%，只有0.9281， RPD為2.0218，降低了40.00%。SPA-PLS建立的模型為式(2)所示。
[0043]
[0044] 其中，Y為預(yù)測的雨生紅球藻葉綠素 a單位體積含量，X1為在第i波長時的光譜值 (0-1，透射率)經(jīng)過基線校正預(yù)處理后的值。
[0045] 通過上述分析，得到了透射高光譜法在4900個像素點平均光譜下的葉綠素 a單位 體積含量的預(yù)測模型，下面將使用該預(yù)測模型得出公式，對高光譜圖像進行上述指標(biāo)的可 視化反演，其方法線路如圖2所示：
[0046] (1)對白板校正后的透射/反射高光譜法采集的各100個樣本圖像512個波段選取 感興趣區(qū)域ROI;
[0047] (2)計算ROI得到各樣本平均光譜曲線；
[0048] (3)對平均光譜曲線使用不同的預(yù)處理方法建模預(yù)測，選出最優(yōu)預(yù)處理方法；
[0049] (4)用特征提取算法SPA選取λ個有效波長，根據(jù)上述結(jié)果分析，λ為4或者6。然后使 用PLS、MLR、LS-SVM三種不同建模方法建模預(yù)測，選出最優(yōu)模型算法；
[0050] (5)將高光譜圖像輸入Matlab，選出特征波段下的感興趣區(qū)域光譜，ROI區(qū)域為a*b 大小的矩形，每個像素點都包含λ個波長信息；
[0051] (6)將其展開成a*b*A的矩陣，結(jié)合上述最優(yōu)的模型算法公式，計算預(yù)測每個像素 點對應(yīng)的葉綠素 a、葉綠素 b、類胡蘿卜素單位體積含量化學(xué)指標(biāo)；
[0052] (7)根據(jù)對應(yīng)的化學(xué)指標(biāo)范圍，調(diào)整對應(yīng)顯示值的范圍，通過matlab輸出可視化圖 像。
[0053]如圖3所示，為透射高光譜法下根據(jù)式2反演得到的葉綠素 a的可視化圖像。
[0054]以上所述僅為本發(fā)明的較佳實施舉例，并不用于限制本發(fā)明，凡在本發(fā)明精神和 原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于高光譜透射成像的雨生紅球藻色素含量可視化方法，其特征在于，包括以 下步驟： 1) 采用高光譜透射成像系統(tǒng)，對處于不同生長周期的雨生紅球藻藻液進行透射高光譜 圖像的采集； 2) 對所述的透射高光譜圖像進行白板校正，選取雨生紅球藻藻液的若干個像素點作為 感興趣區(qū)域，并提取該感興趣區(qū)域內(nèi)的平均光譜曲線； 3) 在預(yù)處理后的平均光譜曲線中提取λ個特征波段，并利用各特征波段的平均光譜曲 線與藻液色素的化學(xué)值，使用PLS、MLR、LS-SVM三種不同方法建立預(yù)測模型； 4) 在所述的透射高光譜圖像中，選出特征波段下的感興趣區(qū)域光譜，感興趣區(qū)域為a*b 大小的矩形，每個像素點均包含λ個波長信息； 5) 選取各種藻液色素對應(yīng)的最優(yōu)預(yù)測模型，并利用展開得到的a*b*A的矩陣，計算每個 像素點對應(yīng)的葉綠素 a、葉綠素 b或類胡蘿卜素單位體積含量化學(xué)指標(biāo)； 6) 根據(jù)各種藻液色素的化學(xué)指標(biāo)范圍，調(diào)整顯示值的范圍，通過matlab輸出可視化圖 像。2. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，所述的高光譜透 射成像系統(tǒng)包括中部設(shè)有圓孔的載物臺，光源位于圓孔下方，且圓孔中心與光源中心同軸。3. 如權(quán)利要求2所述的雨生紅球藻色素含量可視化方法，其特征在于，所述圓孔的上方 放置有帶磨砂面的玻璃。4. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，在所述的步驟1) 中，進行透射高光譜圖像采集時，掃描的光譜范圍為380~1030nm，共計512個波段，光譜分 辨率為2.8nm，曝光時間為90ms，輸送帶速度為2.30mm/s。5. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，在步驟2)中，所 述的平均光譜曲線為波長480~1030nm范圍內(nèi)的平均光譜。6. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，所述的預(yù)處理包 括基線校正、卷積平滑、多元散射校正和變量標(biāo)準(zhǔn)化。7. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，在步驟5)中，葉 綠素 a、葉綠素 b和類胡蘿卜素對應(yīng)的最優(yōu)預(yù)測模型分別為SPA-PLS、SPA-MLR和SPA-MLR。8. 如權(quán)利要求1所述的雨生紅球藻色素含量可視化方法，其特征在于，在步驟3)中，提 取λ個特征波段的特征提取算法為連續(xù)投影算法。
【文檔編號】G01N21/17GK105891123SQ201610217500
【公開日】2016年8月24日
【申請日】2016年4月7日
【發(fā)明人】邵詠妮, 周宏 , 潘健, 何勇
【申請人】浙江大學(xué)