基于FPGA的羊绒近红外光谱神经网络辨识研究

为了满足神经网络实现的实时性要求,介绍了一种基于FPGA的神经网络可重构实现方法。首先在软件中利用改进的BP神经网络算法得到最优权值,然后在改进了激励函数逼近方法的基础上,用FPGA实现了羊绒近红外光谱模型的辨识。通过仿真实验得知,该方法有较好的辨识精度和速度,是一种有效的硬件羊绒近红外光谱建模方法,为羊绒、羊毛鉴别的嵌入式实现奠定了基础。     

改进神经网络在芝麻油掺伪检测中的应用

研究芝麻油掺伪检测问题,提高检测精度。由于成分复杂,掺伪后化学成分变化,直观难以检测。传统物理或化学芝麻油掺伪检测方法操作复杂,设备昂贵,存在不同程度缺陷。结合近红外光谱技术和神经网络优点,提出一种RBF神经网络-近红外光谱的芝麻油掺伪检测方法(NIR-RBF)。首先采用近红外光谱提取芝麻油样本的光谱信息,然后采用主成分分析提取光谱信息主要有效成分,最后将主要有效成分输入到神经网络进行学习,得到芝麻油掺伪检测结果。采用建立的模型对掺入不同类型植物油的芝麻油进行检测,结果表明,相对于其它芝麻油掺伪检测方法,NIR-RBF提高了检测精度和速度,降低了检测误差,是一种快速、有效的芝麻油掺伪检测方法。     

高纯钨中杂质元素的化学光谱法测定

采用以一定比例的ＨＮＯ３和ＨＣｌ为介质，使钨沉淀成钨酸与杂质分离，然后用碳粉吸附杂质再进行光谱测定的方法，对高纯钨（包括金属钨、三氧化钨、钨酸、钨酸铵）中１５个杂质元素Ｆｅ、Ｎｉ、Ｃｕ、Ｍｎ、Ａｌ、Ｖ、Ｃｒ、Ｃｏ、Ｃａ、Ｍｓ、Ｐｂ、Ｓｎ、Ｂｉ、Ｃｄ、Ｂｅ进行了测定，取得了理想的结果，测定下限可达（０．１～０．５）×１０（－６）。     

废旧纺织品在线NIR谱库的建立及检索识别应用

为了验证废旧纺织品在线近红外谱库的实用性,利用383个未参与建库的聚酯、棉、羊毛、锦纶、真丝、粘胶、腈纶、聚酯/毛、聚酯/锦纶、真丝棉、锦纶/氨纶、聚酯/棉12类织物样品对所建谱库进行在线检索识别.结果表明该方法识别正确率达98.7％,利用该谱库可对12种常见废旧纺织品进行在线识别和自动分选,为废旧纺织品回收分选提供一种新的方法和设备.     

氢化物原子荧光光谱法测定党参中的硒含量

为建立一种操作简便,快速,高灵敏度的氢化物原子荧光光谱法测定党参中硒的分析方法。方法 采用原子荧光光谱法对测定党参中硒元素进行含量的定量分析方法。结果 硒含量在0~40 μg/L质量范围内与其荧光强度呈现良好的线性关系（R²=0.9999）,检出限为Q=0.065 ng/mL;加样回收率为113.33%,相对标准偏差（RSD）为4.97%;精密度RSD为1.65%;准确度RSD为4.58%;稳定性RSD为6.52 %。11个不同品种党参之间的硒含量稍有不同,但都在0.1 mg/kg以下。结论 在富硒党参质量控制检测中,用原子荧光光谱法测定硒含量,其操作快速、简便,能准确测定党参硒含量。     

基于AIE特性的萘酰亚胺衍生物的合成及光谱研究

以分子内电荷转移为原理,选用萘酰亚胺为荧光团,与三苯胺通过偶联反应,制备了一种萘酰亚胺衍生物有机光功能小分子材料,其合成路线简单,实验操作条件易控,成品产率较高。对其光学性能进行研究,在不同溶剂中的光学性能主要表现出两个强吸收带,荧光发射达到到近红外区域,其表现出了非常明显的聚集诱导发光（AIE）特性,固体表现出很强的橘橙色荧光现象。     

氢化物发生-原子荧光光谱法测定铬矿中砷

铬矿中砷的测定方法对完善铬矿检测方法和质量评价手段有重要意义。在0.5 g样品中加入2 g过氧化钠,于650 ℃熔融20 min,熔融物经盐酸酸化溶解,以10%盐酸为载流,15 g/L硼氢化钾溶液为还原剂,采用氢化物发生-原子荧光光谱法(HG-AFS)进行测定,建立了铬矿中砷测定的新方法。实验表明,砷质量浓度在0.025～100 μg/L范围内与荧光强度呈线性关系,相关系数为1.000 0,方法检出限为0.05 μg/g,定量限为0.17 μg/g。对产地为南非、土耳其、巴基斯坦等19个国家共2 649个铬矿样品的成分进行统计,发现铬矿主要成分为铬、铁、镁、铝和硅;干扰试验表明,这些样品中的共存元素均不干扰测定。按照实验方法对3个不同砷含量的铬矿样品进行精密度和加标回收试验,结果的相对标准偏差(RSD,n=11)为1.4%～6.0%,回收率为96%~109%。将实验方法应用于与铬矿基体近似的铁矿标准物质中砷的测定,测定值与认定值基本一致。     

我国冶金分析定量检测仪器的发展趋势

为了了解我国分析仪器的发展,推动冶金分析领域定量检测技术的进步,文章以北京分析测试学术报告会暨展览会(BCEIA)在国内的展示成果为依托,选择电感耦合等离子体发射光谱(ICP-OES)、电感耦合等离子体质谱(ICP-MS)、X射线荧光光谱(XRF)、激光诱导击穿光谱(LIBS)等基础定量检测仪器为主要分析对象,归纳总结了这些仪器的发展过程、基本原理和主要结构。从分析检测人员的视角,讨论了该检测仪器的优势特点及应用效果;展望了定量分析检测技术的发展趋势;提出了以定量检测仪器为基础的新型高端科学仪器的发展前景。又以激光剥蚀电感耦合等离子体质谱(LA-ICP-MS)、辉光放电质谱(GD-MS)、电子探针X射线显微分析仪(EPMA)等拓展联用检测仪器为例,介绍了设备的主要特点及应用,最终总结出LA-ICP-MS为固体样品中微量元素分析的常用技术,GD-MS技术是痕量元素分析的重要手段,EPMA技术因具有与其他仪器结合包容性高的优点,虽然在使用过程中存在一定的缺陷,但已成为通用的分析手段。而我国定量分析检测技术正朝着现场化、专用化及标准化的方向发展。     

高压粉末制样-X射线荧光光谱法测定海洋沉积物中28种组分

常规粉末压片制样是一种简单、高效的绿色环保制样技术,但是应用于某些沉积物样品制备存在样片表面粗糙和粉末容易脱落的问题。实验采用高于常规的压力进行样品制备,建立了X射线荧光光谱法(XRF)分析海洋沉积物样品中包括硫、氧化钠、氧化镁、三氧化二铝、二氧化硅、五氧化二磷、氧化钾、氧化钙、二氧化钛、氧化锰、三氧化二铁、钴、镍、铜、锌、钒、铬、镓、铌、锆、钇、锶、铷、铅、钡、镧、钕和铪在内的28种主、微量组分的方法。探讨了压力为300 kN和1 600 kN时的制样效果,并尝试引入BP神经网络模型利用其非线性拟合能力校正主量组分的基体效应。结果表明,采用1 600 kN压力制备的样片,表面致密、光滑、不龟裂和不掉粉,制样重复性和测试精密度也有较大提高。以55个有证标准物质中17种组分的数据集为训练样本,建立了海洋沉积物样品中主、微量组分的遗传算法-BP神经网络预测模型。按照实验方法对各组分含量相对较低的实际样品连续测试12次,计算得方法的检出限在 0.63～634 μg/g之间;精密度试验结果表明,各组分测定值的相对标准偏差(RSD, n=7)为0.16%～25.1%。方法用于海洋沉积物实际样品分析,其分析结果与国标法的测定结果吻合,能够满足海洋沉积物样品中多种组分准确分析的要求。