近紅外光譜在爆炸物粉末表面沾染遙測中的應用

李大成，王安靜，李揚裕，崔方曉，吳 軍，曹志成，王云云，2，喬延利

1.中國科學院安徽光學精密機械研究所,中國科學院通用光學定標與表征技術重點實驗室，安徽 合肥 230031 2.中國科學技術大學，安徽 合肥 230026

引 言

近些年，國內外針對爆炸恐怖事件的預防手段主要是對成品爆炸物的篩查和爆炸物粉末生產運輸環節的搗毀與查處，已有的檢測技術手段包括排爆犬搜查法和取樣式的色譜法、質譜法及離子遷移法[1-4]。訓練犬類動物并利用其靈敏的嗅覺系統對爆炸物粉末進行甄別與追蹤，具備很高的排查能力，但排爆犬識別種類單一、訓練成本較高的缺點造成其應用規模較小。色譜法、質譜法及離子遷移法雖然識別率及靈敏度非常高，但在線取樣的檢測方式限定了適用場景范圍。針對大場景、開放空間下制爆運爆人員及車輛的非接觸、遠距離和隱蔽式新型偵測需求，嘗試新技術手段的探索與研究十分有必要。

光學紅外技術是遙感領域中的一種主流手段，通過獲取遠距離目標的紅外圖像或光譜等特征信息并加以識別。近紅外光譜技術近些年來發展迅猛，已經被廣泛應用于農產品品質鑒定(水果蔬菜類[5-6]、茶葉類[7-8]等)以及藥品鑒定[9-10]，取得了不錯的成效。近紅外光譜范圍為780～2 526 nm，研究表明，分子單一化學鍵的基頻振動的倍頻和合頻頻率范圍位于近紅外波段，記錄的主要信息來自于含氫基團X—H(X=C，N，O)的倍頻和合頻重疊[11]。爆炸物粉末在近紅外波段也有特征信息存在，出于實際應用考慮，采用近紅外反射光譜(紅外光源照射目標，近紅外光譜儀獲取目標反射光譜信息)對爆炸物粉末進行檢測。同時，近紅外反射光譜技術是一種非接觸式、無損耗、隱蔽性高的檢測手段，可實現一定距離的遙測感知，適用于制爆、運爆及攜爆過程中的人員或車輛爆炸物粉末表面沾染遙測問題。

將近紅外光譜應用于爆炸物粉末表面沾染遙測在國內鮮有報道，我們在實驗室團隊自研近紅外成像光譜儀的基礎上開展爆炸物粉末表面沾染近紅外光譜遙測研究。在實驗室內搭建了一套爆炸物粉末表面沾染遙測系統，測量了多種爆炸物粉末單質及混合物的近紅外反射特征光譜，針對表面沾染基底與爆炸物粉末特征混疊問題，建立了近紅外解混校正模型，針對遙測中光照及噪聲干擾問題，采取有效抑制措施，消除了誤識別，取得了一定的效果。

1 原理及方法

近紅外光譜技術實現爆炸物粉末表面沾染遙測的實質是利用爆炸物粉末在近紅外波段中由含氫基團引起的特征吸收及反射原理。實際操作中，將紅外光源和探測器放置在待測沾染目標同一側，并與目標保持一定距離，探測器收集目標反射能量(圖1)，經過標準光學白板測量參考轉換為目標反射率光譜，利用近紅外光譜處理技術實現目標識別分類。

圖1 爆炸物粉末表面沾染近紅外反射光譜遙測Fig.1 Explosive powder surface contamination remote detection by NIR reflection

圖1中，光源發射光線到達沾染目標，一部分直接照射爆炸物粉末顆粒(圖中紅色顆粒)，另一部分直射或者散射到達沾染基底(圖中灰色顆粒)，光線在這兩個傳輸過程中被吸收及反射進而被探測器接收。因此，探測器接收的是爆炸物粉末和沾染基底反射能量之和，也即是，實際探測的反射光譜混疊了爆炸物粉末和沾染基底的特征(圖2)。

圖2中，NQ-TARGET為NQ化纖布料表面沾染反射率光譜，該譜混疊了NQ(NQ-PURE，特征峰1 430～1 625 nm)和基底(CLOTH BASE，特征峰1 635～1 680 nm)的特征，出現兩個特征峰。實際的目標識別處理中應去除沾染基底特征混疊的的影響。

同時，目標遠距離探測時，探測區域內非目標物體一方面遮擋目標，造成陰影問題；另一方面存在反光強烈現象，造成眩光問題。陰影和眩光都會導致誤識別，需采取有效數據處理加以抑制與消除。

因此，基于近紅外反射光譜技術的爆炸物粉末表面沾染遙測的數據處理流程如圖3所示。

圖3 基于近紅外反射光譜技術的爆炸物粉末表面沾染遙測流程Fig.3 Diagram of explosive powder surface contamination remote detection based on NIR reflectance spectroscopy

2 實驗部分

2.1 儀器

實驗用一個紅外光源照射待測目標，目標光譜數據獲取設備為實驗室團隊自研近紅外成像光譜儀，其原理為：使用LCTF(液晶可調諧濾光片)設備調整測量波段頻率，在其后放置近紅外短波相機采集當前波段下的目標面陣圖像，實現目標近紅外光譜成像數據立方體的獲取。同時，輔助一塊標準光學白板作為反射率計算參考。近紅外成像光譜儀的像元數為640×512，波段范圍為1 000～1 750 nm，采集波長間隔為5 nm，測量前已完成像元均勻性校正。

2.2 材料

實驗準備5種制式爆炸物粉末單質，分別為AP，CL-20，NQ，RDX和TATB；兩種民用混合爆炸物粉末，分別為工業炸藥硝娣(主要成分為RDX)和煙花爆竹；為模擬表面沾染，準備兩種代表性材質(棉麻和化纖)布料作為沾染基底。

2.3 樣本光譜采集

實驗近距離采集并計算不同爆炸物粉末純樣品、不同布料基底的光譜反射率光譜數據作為近紅外光譜處理的訓練樣本集，圖4為各樣本的典型反射率光譜。

圖4中，除個別樣本的反射率光譜具有較明顯的特征外(如AP有兩個較為尖銳的特征峰，分別為1 205～1 335和1 490～1 625 nm；RDX和硝娣有一個明顯的特征峰，1 635～1 690 nm)，其他樣本光譜特征均表現為緩變的大包絡，并且部分樣本特征存在特征重疊(如化纖布和RDX、硝娣的特征峰重疊)。樣本在近紅外波段呈現特征不明顯、特征交疊嚴重的現象也符合近紅外光譜的規律[12]，需利用近紅外光譜數據處理技術進行定性或定量分析。

圖4 樣本反射率光譜Fig.4 Reflectance spectra of samples

2.4 目標光譜數據立方體采集

實驗稱取一定重量(幾毫克)的各爆炸物粉末樣品，并均勻涂抹在布料基底上指定大小區域(十平方厘米左右)以模擬實際目標沾染。在距離目標10 m的位置使用紅外光源照射，并利用近紅外成像光譜儀獲取并計算其反射率光譜立方體數據，作為待識別分類的目標數據。

3 結果與討論

3.1 光譜數據預處理

根據實際光譜采集情況，考慮儀器噪聲等因素，選擇光譜預處理方法為：5點移動平滑濾波+SNV(標準正態變量)，移動平滑濾波可有效消除測量隨機白噪聲，SNV處理用來消除近紅外光譜受固體顆粒表面粗糙度、顆粒大小以及光程變化的影響[13]。

3.2 解混校正模型建立

選擇PLSR(偏最小二乘回歸)方法建立爆炸物粉末表面沾染近紅外解混校正模型，將2種沾染基底當作目標與爆炸物粉末同時加入到模型訓練中，實現爆炸物粉末與沾染基底光譜特征的解混。選取5種爆炸物粉末單質、1種爆炸物粉末混合物(煙花爆竹)和2種布料基底反射光譜各20條(經過人工篩選，剔除信噪比差的光譜)進行光譜預處理，處理后的光譜手動打標簽并整理成訓練樣本庫，對樣本庫進行PLSR計算，采用交叉驗證法完成模型參數迭代。從訓練完畢的模型Factor得分圖情況(圖5)來看各爆炸物粉末及布料基底均能夠較好地被分類，實現了特征解混。

圖5 模型Factor得分圖Fig.5 Factor scores of model

從各樣本的預測均方根誤差RMSE(表1)來看，較小的RMSE說明校正模型具備不錯的預測能力。

表1 各樣本預測均方根誤差Table 1 Samples prediction RMSE

3.3 目標光譜數據立方體校正及分類識別

利用解混校正模型的校正矩陣A完成沾染目標光譜數據立方體校正。對沾染目標數據立方體中各像素的反射率光譜做光譜預處理，得到待校正數據立方體T,用A對T進行校正，得到各樣本的校正結果：二維得分圖S。

Si,m,n=Ai,jTj,m,n

(3)

其中，i為樣本序號，范圍為1～8；j為波長序號，范圍為1～150；m為像素寬度，范圍為1～640；n為像素高度，范圍為1～512。

各樣本根據得分圖自適應設置判別閾TDi,若當前像素點樣本得分Si,m,n≥TDi,則認為當前像素點(m,n)識別為當前樣本所指的爆炸物粉末或布料基底(圖6，以CL-20校正得分圖及識別為例，截取樣本有效區域像素寬高70×60)。

圖6 CL-20校正得分圖及閾值判別識別結果(a)：CL-20校正得分圖；(b)：閾值判別識別結果,疊加于紅外圖像上Fig.6 Correction score image and recognition result of CL-20(a)：Correction score of CL-20;(b)：Recognition result after threshold discrimination overlayed on Infrared image

3.4 眩光及陰影去除

爆炸物粉末表面沾染遙測實際應用中，由非目標背景物體造成的眩光和陰影會引起所測像素點處反射率光譜異常(反射率值很大或者很小)，進一步進行校正處理會造成誤識別。判斷各像素點處原始反射率光譜的平均值大小，如果值明顯大于1，則認為發生眩光現象；如果值很小甚至接近于0，則認為被遮擋形成陰影。凡是被認為異常的點都需要從樣本得分圖中摳除，從而避免誤識別(圖7)。

圖7 眩光與陰影去除(a)：原始圖像中的眩光與陰影；(b)：去除眩光和陰影的樣本得分圖Fig.7 Removing glares and shadows(a)：Glares and shadows in the original image;(b)：Scores image after glares and shadows removed

3.5 預處理過度校正

實驗發現在測量噪聲較大的情況下，出現個別背景物體誤判別為目標爆炸物粉末的情況(如RDX誤報)。分析RDX誤判的原因，將RDX與噪聲反射率譜、RDX與噪聲預處理光譜分組進行比較與分析(圖8)。

圖8(a)中，RDX的光譜反射率平均值在0.7以上，而噪聲光譜反射率平均值在0.5以下，二者的差別較大；圖8(b)中，RDX和噪聲預處理光譜不僅整體輪廓上很相似，甚至在特征峰1 635～1 690 nm位置相似度也相當高，出現了預處理過度現象，造成誤識別。

圖8 RDX與噪聲光譜對比(a)：反射率光譜比較；(b)：預處理光譜比較Fig.8 Comparison of spectra between RDX and the noise(a)：Reflectivity spectra；(b)：Pretreated spectra

為了消除預處理過度帶來的誤識別，進一步改進判別算法，將光譜反射率信息加入分類判據中，在得分閾值判別時增加反射率閾值判別，完成預處理過度校正，通過雙重判別解決誤判問題。

建立了爆炸物粉末表面沾染遙測近紅外光譜解混校正模型，去除遙測眩光及陰影問題影響，對預處理過度引起的背景干擾噪聲進行補償，有效去除誤識別。為驗證系統可行性，實驗制備了同一基底下多種爆炸物粉末同時沾染的目標樣本，利用提出的方法完成各爆炸物粉末沾染的遙測與數據處理。

實驗結果如圖9所示，從各樣本校正識別得分圖上看，沾染的各爆炸物粉末均可以被有效判別出來，實現了多種爆炸物粉末的遠距離探測同時報警，取得了初步成果。

圖9 多種爆炸物粉末表面沾染同時分類效果(a)：AP；(b)：CL-20；(c)：NQ；(d)：RDX；(e)：TATB；(f)：煙花爆竹Fig.9 Classification result of multi-explosive powder surface contamination(a)：AP；(b)：CL-20；(c)：NQ；(d)：RDX；(e)：TATB；(f)：Fireworkers and firecrackers

4 結 論

以人員衣物爆炸物粉末表面沾染近紅外光譜為研究對象，研究近紅外光譜技術在爆炸物粉末表面沾染遙測上的適用性，通過建立近紅外反射光譜解混校正模型解決爆炸物粉末與沾染基底特征重疊問題、遙測應用中噪聲干擾問題的解決以及爆炸物粉末表面沾染遙測成像系統的建立，驗證了本方法的可行性，實現了爆炸物粉末表面沾染遠距離探測，系統具備一定實用性，可為打擊爆炸犯罪活動提供一種新的手段。