激光诱导击穿光谱结合PLS检测土壤中的铅

利用波长1064 nm的Nd∶YAG脉冲激光器获取国家标准土壤中铅元素的诱导击穿等离子体,并用八通道光纤光谱仪采集了样品等离子体光谱。应用多种光谱预处理方法对光谱进行信息提取和分析,比较了光谱的预处理方法对偏最小二乘(PLS)模型定量预测能力的影响。结果表明,采用9点光谱平滑处理和多元散射校正(MSC)预处理的模型质量较好,校正集和预测集的相关系数R分别为0.9981和0.9948,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为12和17;元素Pb浓度分析测量的结果与标准值的相对偏差在10.5%以内,实验表明LIBS结合PLS建模能满足土壤中微量重金属快速检测的要求。     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

基于表面增强荧光的鸡蛋蛋清中土霉素残留含量检测分析

以银纳米颗粒(Ag NPs)作为表面增强荧光基底,形成的OTC-Eu-Ag NPs-Egg white体系具有强荧光特性,可实现鸡蛋蛋清中土霉素残留含量的检测分析。分析了OTC-Eu-Ag NPs-Egg white体系的三维荧光光谱,确定了最佳激发波长为380 nm。分析了Ag NPs加入量、Eu3+加入量、反应时间和金属共存离子对荧光强度的影响,确定了实验中的Ag NPs加入量和Eu3+加入量分别为0.25 m L和0.01 m L。应用最小二乘支持向量回归(LSSVR)在光谱区间605~630 nm建立了鸡蛋蛋清中土霉素残留含量检测的预测模型,模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9909和0.9079 mg/L,说明铕(III)的Ag NPs增强荧光结合LSSVR可用于鸡蛋蛋清中土霉素残留含量的检测。     

不同尺寸金纳米颗粒的制备及其SERS性能

为了研究不同尺寸的金纳米颗粒作为表面增强喇曼散射(SERS)活性基底对表面增强喇曼光谱的影响,采用氯金酸作为金源,柠檬酸三钠作为还原剂及保护剂,通过控制柠檬酸三钠的加入量合成了不同尺寸的金纳米颗粒。通过扫描电子显微镜(SEM)和紫外可见分光光度计(UV-vis)等技术对金纳米颗粒进行了性质表征。利用喇曼光谱仪,以罗丹明B作为被检测探针,研究了三种不同尺寸的金纳米颗粒(20、50和100 nm)喇曼增强效果。通过喇曼光谱图发现20和50 nm的金纳米颗粒具有较好的SERS效果。随后以20 nm的金纳米颗粒为SERS活性基底,对表面增强喇曼光谱检测罗丹明B的检测限进行了研究,可以使罗丹明检测限灵敏度达到10-9 mol/L。     

基于表面增强拉曼光谱的水中土霉素残留量的快速检测

应用表面增强拉曼光谱(SERS)检测技术,建立了一 种水中 土霉素(OTC,oxytetracycline)残留量的快速检测方法。实验以表面增强试剂OTR202和OTR103作为活性基底,并使用自适应迭代 惩罚最小二乘法(air-PLS)扣除荧光背景;然后对所用胶体和胶体混合物的吸收光谱与 OTC水溶液的 SERS光谱进行了探讨;最后分析了样品的加入量和不同混合的时间对SERS信号强度的影响, 建立了水中OTC残留浓度X与SERS光谱的1332cm－1处峰面积Y之间的线性 回归方程。实验结果表明,当水中的OTC 浓度范围为0.1~22.0mg/L时,水中OTC残留浓度与1332cm－1处峰面积之间呈现良好的线性关系,线性方程 为Y=5165.7X+4304.9,决定系数R²为 0.986。预测集 样本OTC含量的真实值与预测值之间的R²为0.973, 均方根误差(RMSEP)为1.112m g/L,回收率为96.7~124.5%,相对标准偏差(RSD,n=5)介于1.2098~4.787, 可满足水中OTC残留量的检测,为现场快速检测水中OTC残留量奠定了良好的基 础。     

基于激光拉曼光谱的橄榄油掺伪定量检测

采用便携式激光拉曼光谱仪对208个特级初榨橄榄油(EVOO)掺伪亚麻籽油(FSO)样品进行拉曼光谱扫描，结合主成分分析(PCA)和偏最小二乘回归(PLSR)分析方法实现了EVOO掺伪FSO的定量检测研究。开发了偏最小二乘回归校准模型，并在内部(使用交叉验证、留一法)和外部(使用独立样本集)进行验证。采用预测值与真实值之间的相关系数(R²)、均方根误差(RMSE)及相对分析误差(RPD)这3个参数对系统的预测性能进行评价。研究试验表明，该系统的预测均方根误差为2.31%,预测集相关系数为0.995;交叉验证均方根误差为2.24%,交叉验证集相关系数为0.995,同时得到该系统的相对分析误差为14.19。结果显示该系统在EVOO掺伪FSO定量检测方面具有优秀的预测性能，使用该系统可以对EVOO掺伪进行简易、快速、无损定量检测。     

基于近红外光谱检测不同产地石榴的糖度

基于可见/近红外漫透射光谱技术,探讨了对不同产地石榴的品质进行快速无损检测的可行性。首先,利用能够有效抑制杂散光影响的动态在线检测装置采集石榴的近红外光谱,测试石榴糖度的真值;然后结合主成分分析法对不同产地的石榴进行聚类分析,大致将样品分为两类;最后建立不同产地石榴的偏最小二乘判别分析模型,模型的判别准确率为97%以上。采用多种预处理方法(S-G平滑、归一化、基线校正、MSC等)建立了两类石榴的单一模型,结果表明:基线校正的效果明显优于其他方法,所建立的四川石榴模型的预测集相关系数R_p为0.82,预测集均方根误差(RMSEP)为0.37,建模集相关系数R_c为0.90,建模集均方根误差(RMSEC)为0.31;云南石榴模型的R_p为0.81,RMSEP为0.33,R_c为0.87,RMSEC为0.27。在后期采用未参与建模的样品的分选验证实验中,两个产地石榴的判别率为95%,糖度的分选准确率可达92.5%。结果表明,近红外光谱在石榴产地的判别和糖度的分选上具有重要意义,可为以后的石榴在线分选研究提供依据。     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。     

表面增强喇曼光谱的Au@SiO2核壳纳米粒子制备北大核心

研究了核壳纳米颗粒的表面增强喇曼光谱（SERS）,并制备了不同SiO2厚度的Au@SiO2核壳纳米粒子进行喇曼光谱分析测试。首先,采用化学还原法制备出酒红色的金溶胶溶液。接着,添加不同量的正硅酸四乙酯（TEOS）制备了以Au为核、不同厚度SiO2为壳包裹的Au@SiO2核壳纳米粒子。然后,采用紫外-可见光（UV-Vis）和扫描电子显微镜（SEM）对Au@SiO2核壳纳米粒子的结构进行表征。最后,不同SiO2厚度的Au@SiO2核壳纳米粒子和未进行表面修饰的金溶胶溶液中滴入等量质量浓度为0.1 mg/L的罗丹明B,离心干燥后用喇曼光谱仪测试表面增强喇曼光谱效应。结果表明：罗丹明B的检出限可达到2.1×10^-7 mol/L,在扫描范围为300-1 800 cm^-1,激发波长为532 nm的条件下,SERS活性随TEOS用量的增加先增大后减小。TEOS的用量为120μL时,罗丹明B的表面喇曼增强效应最佳。     

QuEChERS-拉曼光谱法测定黄瓜上的吡虫啉残留量

采用拉曼光谱技术结合QuEChERS（Quick Easy Cheap Effective Rugged and Safe）样本前处理建立了黄瓜上吡虫啉残留量的快速检测方法。以进行了不同前处理步骤（乙腈提取、去水萃取、褪色除杂）的三批黄瓜样本作为实验对象,利用780 nm激光器采集样本的拉曼光谱图,并分别采取偏最小二乘（PLS）和主成分回归（PCR）算法建立了六个黄瓜中吡虫啉含量预测模型。结果表明,仅进行了乙腈（C2H3N）提取一步前处理的样本建模效果最优,校正集及预测集的相关系数均在0.99以上,其中PLS的预测集相对分析误差（RPD）达到5.52,说明模型具有一定的预测精度,此结果可为后续前处理简化研究提供有力依据。     

Rapid detection of cAMP content in red jujube using near-infrared spectroscopy

In this paper, a new method for the rapid, economical and convenient detection of cyclic adenosine monophosphate (cAMP) in jujube is proposed and verified. Based on near-infrared (NIR) fiber spectroscopy combined with stoichiometric analysis, the cAMP content in red jujube can be quickly detected. 68 red jujube samples were used for the NIR spectroscopy data acquisition and the corresponding chemical values were determined. The sample set was adjusted based on the joint XY distance (SPXY) to select the correction sample set. After different preprocessing on the spectra, the partial least squares (PLS) method was used to establish the model, and the smoothed and normalized PLS model result was obtained better. The model’s correction correlation coefficient (R_c), correction set mean square error (R_MSEC), prediction correlation coefficient (R_p), and prediction and mean square error (R_MSEP) are 0.951 5, 25.793 7, 0.910 8 and 28.228 0, respectively. The results show that NIR combined with specific chemometric methods can achieve rapid detection of cAMP in red jujube.     

Detection of chemical oxygen demand in water based on UV absorption spectroscopy and PSO-LSSVM algorithm

A method of detecting chemical oxygen demand (COD) of water based on ultraviolet (UV) absorption spectra is proposed. The modeling and analysis of the standard samples and the actual water samples are carried out respectively. For the standard solution samples, the univariate linear models based on single wavelengths and the partial least square (PLS) model based on synergy interval partial least square (SiPLS) and moving window partial least square (MWPLS) are established. For the actual water samples, different pre-processing methods are used. SiPLS and MWPLS are used to select the characteristic bands. The least squares support vector machine algorithm optimized by particle swarm optimization (PSO-LSSVM) algorithm is used to establish the prediction model, and the prediction results of various models are compared. The results show that the optimal model is PSO-LSSVM which uses SiPLS to select the characteristic bands of the first derivative spectra (preprocessing method). The determination coefficient of the prediction set is 0.963 1, and the root mean square error of prediction (RMSEP) is 2.225 4 mg/L. PSO-LSSVM algorithm has good prediction performance for the analysis of COD in actual water samples by UV spectra. This paper provides a new design idea for the research and development of water quality detection optical sensor.     

基于拉曼光谱全谱数据的无损快速胆维丁含量定量检测方法

提出了利用拉曼光谱全谱数据结合偏最小二乘法实现胆维丁含量快速无损定量检测方法。 采用实验室自主研发的便携式拉曼光谱仪采集了39组不同含量胆维丁样品的拉 曼光谱,26组作为训练集建立偏最小二乘预测模型,13组作为测试集验证模型。测试集预测的 含量和实际含量的线性相关系数为0.999。研 究结果表明拉曼光谱全谱分析结合偏最小二乘法可以用于胆维丁含量的快速定量检测。     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

基于高光谱技术的果糖检测优化算法和可视化方法

为提升高光谱成像技术对果糖的无损检测精度, 引进一种优化偏最小二乘(PLS)因子数的方法,以高光谱 技术采集的苹果数据为基础,对比分析了全波段建模、遗传算法(GA)和连续投影算法(SPA) 选择光谱特征波段建模在 优化前后对果糖的预测性能。结果表明,优化方法不仅提高了模型的预测能力,同时降低了 模型的复杂度, 为PLS在化学计量学中的应用提供了改进方法。优化方法对全波段PLS模型的改善效果最 优,预测误差均方根(RMSEP)和测试组相关系数(R_p)前分别为〖 J P〗0.657、0.828,优化后改善至0.604、0.871。另外,本 文从可视化角度对果糖含量的差异进行表征,并取得良好效果,为进一步提升高光谱检测水 果内部品质的准确性提供了理论基础。     

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。