共查询到20条相似文献,搜索用时 140 毫秒
1.
苯甲酸添加剂的拉曼高光谱分析 总被引:1,自引:0,他引:1
对拉曼高光谱成像光谱仪采集苯甲酸添加剂得到的拉曼光谱信号和高光谱图像进行分析。采用小波去噪方法对原始拉曼光谱信号进行预处理,利用正交试验方法确定小波去噪参数的最优组合为小波基函数sym2、分解层数2、重调方式sln、阈值方案Rigrsure,此时信噪比为32.092。对去噪后的拉曼光谱进行谱峰归属和分析,得到了苯甲酸分子在不同波数范围内的特征振动模式,其中在1 636、1 603、1 000、793、615 cm-1和420 cm-1处的拉曼信号较强,可作为苯甲酸的拉曼特征频率。分析不同特征频率条件下的灰度图像,发现图像的亮度与特征频率的峰强相关且变化顺序具有一致性。研究结果为苯甲酸添加剂的检测分析提供研究基础。 相似文献
2.
在汽车自动变速器台架试验中,需要对角加速度信号进行消噪滤波。小波阈值去噪是计算量较小、滤波效果较好的消噪手段,但采用不同的小波基匹配不同的阈值规则可能会对去噪效果产生影响。为探寻相对最优组合,该文构建了近似观测信号的仿真信号,然后对该信号做了去噪实验,计算信噪比(SNR)和均方根误差(RMSE),并以此作为评价指标,从而得到相对最优的匹配组合,最后将该组合用于角加速度信号消噪处理过程,取得了较好的滤波效果。小波阈值去噪在处理含噪信号时具有效率较高、稳定性好、不易失真的特点;使用SNR结合RMSE可以对任何消噪结果作客观评判;不同的含噪信号,可能需要用到不同的小波基函数,同时匹配不同的阈值选取规则。 相似文献
3.
采用热电偶夹丝法测量了平面磨削山西黑石材过程中接触弧区的温度。利用小波分析提取信号中各个频率段的成分信息,探讨了石材平面磨削温度信号的频率特征。比较了傅里叶变换低通滤波、小波强制消噪、默认阈值消噪和给定阈值消噪处理等手段对温度信号的消噪结果,结果表明,小波去噪比傅里叶变换滤波更有利于保存信号的高频有用成分,而确定合理的阈值进行给定软阈值消噪比默认阈值更具有可信度。 相似文献
4.
5.
6.
7.
8.
9.
织物疵点图像的消噪是疵点识别和分类的重要预处理步骤。采用中值滤波、Wiener滤波和小波阈值化消噪3种方法对织物疵点图像进行消噪处理。在采用中值滤波和Wiener滤波时,同时选用3×3和5×5滤波器进行消噪;在采用小波阈值化消噪时,计算图像全局阈值,同时采用软、硬阈值消噪方法,对疵点图像进行消噪。通过实验比较,采用小波阈值化方法消噪时,疵点图像边缘清晰,峰值信噪比显著提高,其效果明显好于中值滤波和Wiener滤波;采用小波阈值化消噪后的疵点图像可在特征提取和识别中使用。 相似文献
10.
目的 初步建立溴氰菊酯农药和啶虫脒农药的拉曼光谱研究方法。方法 利用激光拉曼光谱技术, 将农药溶液装满铝盒, 采集农药溶液的拉曼光谱曲线, 运用自主编写的程序对光谱曲线进行预处理, 以去除光谱噪音并扣除荧光背景, 进而探讨溴氰菊酯农药和啶虫脒农药的快速无损检测方法。结果 溴氰菊酯农药和啶虫脒农药的拉曼特征频率较为丰富, 选取574 cm?1、736 cm?1处的拉曼信号可识别溴氰菊酯农药, 检测限为2500 mg/kg。选取752 cm?1、840 cm?1处的拉曼信号可识别啶虫脒农药, 当溶剂的丙酮-水比例为1:5时, 最适合作为检测溶剂配置啶虫脒农药溶液, 为下一步确定啶虫脒检测限奠定基础。结论 本研究对实现拉曼光谱技术检测果蔬表面溴氰菊酯农药和啶虫脒农药具有重要意义。 相似文献
11.
目的初步建立溴氰菊酯农药和啶虫脒农药的拉曼光谱研究方法。方法利用激光拉曼光谱技术,将农药溶液装满铝盒,采集农药溶液的拉曼光谱曲线,运用自主编写的程序对光谱曲线进行预处理,以去除光谱噪音并扣除荧光背景,进而探讨溴氰菊酯农药和啶虫脒农药的快速无损检测方法。结果溴氰菊酯农药和啶虫脒农药的拉曼特征频率较为丰富,选取574 cm-1、736 cm-1处的拉曼信号可识别溴氰菊酯农药,检测限为2500mg/kg。选取752 cm-1、840 cm-1处的拉曼信号可识别啶虫脒农药,当溶剂的丙酮-水比例为1:5时,最适合作为检测溶剂配置啶虫脒农药溶液,为下一步确定啶虫脒检测限奠定基础。结论本研究对实现拉曼光谱技术检测果蔬表面溴氰菊酯农药和啶虫脒农药具有重要意义。 相似文献
12.
13.
针对苹果汁中农药残留量超标问题,采用共焦显微拉曼仪,研究了针对苹果汁中溴氰菊酯农残量的快速检测方法。分别以乙醇溶液(对照)、苹果汁溶液为背景溶液,分别采用拉曼光谱技术、表面增强拉曼光谱技术(SurfaceEnhanced Raman Scattering,SERS)采集含农药(溴氰菊酯)的两种样本的拉曼光谱与SERS光谱,并结合一阶导加Norris求导法进行光谱预处理,进而使用偏最小二乘方法建立两种样本溶液中溴氰菊酯残留量的拉曼光谱定量分析模型与SERS光谱定量分析模型,并对两种模型进行对比分析。结果表明,乙醇中溴氰菊酯溶液样本的拉曼光谱定量分析模型的校正集相关系数可达到0.9634,而SERS模型校正集相关系数可达到0.9995,最大误差不超过0.1 mg/kg。苹果汁中溴氰菊酯样本的拉曼光谱模型校正集相关系数为0.9355,最大误差不超过0.02 mg/kg;而SERS模型校正集相关系数为0.9870,最大误差不超过0.1 mg/kg。结果表明,拉曼光谱技术对快速检测苹果汁中的农药残留量具有可行性。 相似文献
14.
目的 基于拉曼光谱技术初步探讨菠菜表面有机磷农药毒死蜱的快速、无损检测新方法。方法 利用本研究自行搭建的拉曼光谱检测系统获取残留不同浓度毒死蜱农药的菠菜光谱曲线, 通过SG-5点平滑减小曲线噪声, 基于最小二乘法的10次多项式拟合法剔除菠菜荧光背景, 并对含有不同浓度毒死蜱农药的菠菜样品拉曼图谱进行比较分析。结果 特征归属为P=S振动的632 cm-1处的拉曼信号可识别菠菜表面毒死蜱农药残留, 其检测限为400 mg/kg, 而且拉曼特征波峰的相对强度与菠菜表面农药残留浓度存在较好的线性关系, 其相关系数为R2=0.92。结论 拉曼光谱技术有望实现叶片类蔬菜的农药残留的快速、无损、定量检测。 相似文献
15.
16.
拉曼光谱技术检测苹果表面残留的敌百虫农药 总被引:2,自引:1,他引:1
建立苹果表面残留的敌百虫农药的拉曼光谱无损检测技术。方法 利用激光显微拉曼光谱技术, 以苹果为载体, 敌百虫农药为研究对象, 探讨苹果表面敌百虫农药的快速无损检测方法。结果 敌百虫农药的拉曼特征频率较为丰富, 选取441 cm?1 (P-O键振动)和620 cm?1(C-Cl键振动)处的拉曼信号可识别苹果表面敌百虫农药残留, 检测限为4800 mg/kg。结论 本研究对实现水果表面敌百虫农药残留的快速、无损伤检测具有重要意义。 相似文献
17.
目的基于拉曼光谱技术初步探讨菠菜表面有机磷农药毒死蜱的快速、无损检测新方法。方法利用本研究自行搭建的拉曼光谱检测系统获取残留不同浓度毒死蜱农药的菠菜光谱曲线,通过SG-5点平滑减小曲线噪声,基于最小二乘法的10次多项式拟合法剔除菠菜荧光背景,并对含有不同浓度毒死蜱农药的菠菜样品拉曼图谱进行比较分析。结果特征归属为P=S振动的632 cm-1处的拉曼信号可识别菠菜表面毒死蜱农药残留,其检测限为400 mg/kg,而且拉曼特征波峰的相对强度与菠菜表面农药残留浓度存在较好的线性关系,其相关系数为R2=0.92。结论拉曼光谱技术有望实现叶片类蔬菜的农药残留的快速、无损、定量检测。 相似文献
18.
高速工具钢W18Cr4V退火状态下采集的图像内含有许多噪声,为解决基于传统的软、硬阈值函数在W18Cr4V图像去噪过程中出现图像失真和伪吉布斯现象等问题,课题组提出一种新的连续、可导、低偏差的阈值函数和自适应调整阈值的小波去噪算法。新的阈值函数不仅改善了软阈值函数去噪过程中由于固定偏差导致的图像失真问题,而且避免了由于硬阈值图像不连续产生的附加振荡现象;基于MATLAB环境,对3张W18Cr4V退火图像进行去噪实验。结果表明:与传统阈值函数相比,改进的阈值函数对退火图像处理后所得峰值信噪比较高、结构相似性较好、去噪效果较好且自适应能力较强。 相似文献
19.
《中国烟草学报》2017,(4)
近红外光谱已成为烟草化学成分快速检测的重要手段,但通常一阶求导的光谱预处理方法在消除光谱基线漂移的同时也会放大噪声。为进一步提高烟草成分近红外光谱检测的分析精度和模型的稳健性,把波数域光谱数据视作时间序列信号,将新发展起来的时频域去噪方法—广义S变换引入到烟草近红外光谱去噪中来,给出了原理和去噪步骤,且用去噪后的光谱分析了烟草中总氮的含量,并与传统的9点平滑和小波变换去噪后的处理结果进行了对比。结果表明:(1)广义S变换方法的烟草近红外光谱预处理方法是有效的,在去除噪声的同时很好地保留了光谱的波峰细节,提高了光谱数据的质量;(2)处理结果与9点平滑方法相比,模型的决定系数R2由原来的0.8745提高到0.9244,其均方根误差RMSEP由原来的0.1466降为0.1097,提高了烟草化学成分的近红外光谱检测精度,也为近红外光谱去噪提供了新思路。 相似文献
20.
采用拉曼光谱技术对食用油的种类建立定性分析模型,实现快速、无损地识别食用油的种类。选取3种常用食用油(大豆油、花生油、玉米油)共87个样品采集其拉曼光谱,采用一阶导数的方法对光谱进行预处理,Norris导数法进行滤波去噪,处理后的光谱采用判别分析算法建立食用油种类识别模型,模型能够实现3种食用油的准确分类。选取大豆油、花生油、玉米油各5个样品作为测试样品,测试结果为大豆油、花生油和玉米油都能够正确地分入所属类别。结果表明,拉曼光谱结合判别分析的方法能够实现食用油种类的识别,校正模型的分类结果能达到100%,预测样本分类结果准确率为86.7%。 相似文献