专利交易市场

本发明提供了一种偏振不敏感高分辨率芯片光谱仪，该光谱仪对3个输入采用时分复用，只需要N个输出端口就可以实现一个3×(N‑2)个通道、波长间隔为1/3Δλ的光谱仪，而所设计的AWG的信道间隔设置为Δλ。在确定波导参数后，由于AWG的第一、第二自由传输区的半径R与输出波导波长间隔成反比，可以大大减少了AWG的相位区域的占地面积。本发明所提出的新颖的微型芯片光谱仪具有尺寸超紧凑、分辨率高、通过减少接收通道数量来实现大量波长通道的优点，对于小型化光谱分析系统非常有前景。

本发明公开了一种大带宽和高分辨率的微型芯片光谱仪，包括一个窄带宽的高分辨率循环AWG和一个基于可调谐MZI的宽带宽且低分辨率的FT单元，循环AWG利用不同输入通道依次完成对输入光谱的采样并得到一组以Δλ为间隔大小的周期性离散峰，基于可调谐MZI的FT单元只需还原出这些周期性的离散峰，从而大大降低FT单元的分辨率，可调MZI的大带宽通过优化加热电压步长来获取；本发明通过巧妙结合一个窄带宽的高分辨率循环AWG和一个基于可调谐MZI的宽带宽且低分辨率的FT单元来实现大带宽和高分辨率的光谱分析，本发明具有高的信噪比，为芯片光谱仪还原输入光谱的准确性提供了保证。

本发明公开了一种基于成像高光谱分析的水稻纹枯病病斑提取方法。传统的病害表型测量与调查主要依靠人工，劳动量大，效率低。本发明的步骤如下：1、用成像光谱仪拍摄目标作物，得到成像高光谱数据。2、去除步骤1所得成像高光谱数据中的非植物背景。3、在666nm和494nm波段反射率下对步骤2所得的成像高光谱数据中的水稻叶片茎杆与异常区域进行分类。4、基于病斑扫描的非病斑异常区域去除。本发明独创的图像识别方法，能够识别对茎杆上的纹枯病病斑，克服了现有技术中仅能高效提取叶部病斑的缺陷。本发明能够对图像中的病斑和枯叶进行区别，以达到较高的识别精度。

本发明公开了一种枯草光谱识别方法及系统，其中，枯草光谱识别方法，包括以下步骤：采集牧草光谱特征；基于光谱特征的枯草识别：枯草光谱的筛选通过下式判别：Rred‑Rgreen>0其中：Rred代表红光波段，Rgreen代表绿光波段，当上式计算值大于0时，选取为枯草光谱特征；基于线性拟合的枯草识别：将枯草光谱特征分别进行直线拟合，筛选出决定系数R2>0.95的序列作为枯草光谱。本发明能在较短时间内完成从大量光谱数据中对枯草光谱的判别识别与筛选，可以服务于遥感反演或基于辐射传输模型的枯草判别，为青藏高原草地环境监测提供科学有效的理论支持。

本发明涉及一种一维光谱分类方法及系统，方法包括：获取m个待测样品的近红外光谱原始数据；截取所述近红外光谱原始数据中所有单一光谱序列的峰值数据并进行预处理，然后进行缩放，得到一维度光谱信号数据；将缩放后的一维度光谱信号数据进行极坐标编码；对极坐标编码后的一维度光谱信号数据进行重构，得到格拉姆角和场矩阵和格拉姆角差场矩阵；将格拉姆角和场矩阵和所述格拉姆角差场矩阵存储为图像；对图像进行划分，得到训练集和测试集；采用训练集对卷积神经网络进行训练；将测试集输入至训练好的卷积神经网络中，得到分类结果。本发明中的上述方法可以通过一维光谱与二维图像之间的双映射关系弥补丢失有用特征信息的不足。

本发明公开了基于红外谱的植被与非植被高识别方法，Ra为950nm～1150nm范围内任意两个及以上波段的平均光谱反射率，Rb为1500nm～1700nm范围内任意两个及以上波段的平均光谱反射率，Rc为2100nm～2300nm范围内任意两个及以上波段的平均光谱反射率，利用Ra、Rb和Rc构建了植被与非植被识别指数NIRPNPAD，可准确识别植被和非植被。

本发明公开了一种用于光谱分辨增强的逆矩阵迭代反卷积方法，包括如下步骤：步骤一、序列卷积和卷积方阵；步骤二、卷积方阵累积乘与卷积核函数峰展宽；步骤三、峰分辨增强。本发明通过原始函数与反卷积矩阵乘，可实现峰宽收窄目的，更进一步的，提出了反卷积单位矩阵构造方法，从而实现预期精度的反卷积计算效果，计算过程快速、可控，结果稳定、准确，适用范围广，可用于拉曼、红外等分子光谱，也可用于质谱、核磁共振、XRD、XRF等具有对称峰型的其他光谱的分辨增强，实施例以拉曼光谱为例，给出了实施步骤和实现效果。