肉骨粉中牛羊源成分含量的近红外漫反射光谱分析

为了切断疯牛病的传播途径保证饲料安全,开展非反刍动物肉骨粉中反刍动物成分含量的检测方法研究十分必要.本文探讨了利用近红外漫反射光谱(NIRS)分析技术快速检测非反刍动物(猪鸡)肉骨粉中反刍动物(牛羊)成分含量的可行性.收集了不同地区不同种类的肉骨粉样本,在猪和鸡肉骨粉中分别掺入0～48%的牛或羊肉骨粉,制备了200个样本.针对含牛羊源的猪肉骨粉、含牛羊源的鸡肉骨粉和含牛羊源的猪鸡肉骨粉三类样本,以掺入的牛羊源成分的质量比例作为真值,分别采用改进的偏最小二乘回归(MPLS)、偏最小二乘回归(PLS)和主成分回归(PCR)三种不同建模方法建立了NIRS定标模型.用独立的验证集对模型进行了验证,最优模型验证集的决定系数(R2)均大于0.90,相对分析误差(RPD)均大于3.0.结果表明,利用NIRS分析技术可以快速检测出猪鸡肉骨粉中牛羊源成分的含量.     

基于近红外光谱的花椒麻味物质快速检测方法

针对传统方法测定花椒麻味物质含量耗时、费工的缺点,提出了应用近红外光谱分析技术,快速检测花椒麻味物质含量的新方法.对于141份粉碎到40目的花椒粉末样品,首先使用基于主成分得分与遗传算法的近红外光谱建模样品选择方法(PCA-SSGA)进行样品选择,优选出80份样品.然后应用偏最小二乘法(PLS),将其中60份样品的近红外光谱建立校正模型,并对其余20份样品组成的预测集进行预测.结果显示,测定系数(R220)为0.9004,预测标准差(RMSEP20)为0.8130,预测相对标准差(RSD20)为6.07%,预测相对分析误差(RPD20)为3.1670.说明模型对预测集样品具有一定的预测能力,基于近红外光谱技术快速检测花椒麻味物质是可行的.     

激光诱导荧光实验系统设计及其对叶绿素a的检测研究

叶绿素a不仅是植物光合作用的重要物质,而且水质中叶绿素a的含量也是衡量水体富营养化程度的重要依据。而激光诱导荧光(Laser Induced Fluorescence, LIF)技术以检测灵敏度高、检测速度快被广泛应用到各个领域。为此,搭建了一款基于激光诱导荧光技术的检测系统,该系统以355 nm激光为光源,在无水乙醇中检测叶绿素a样品时可以发现在671 nm处有明显的荧光特征峰。利用RBF神经网络和BP神经网络对采集到的光谱数据进行建模和分析。所建立的RBF神经网络模型预测所得到的相对误差为2.966 8×10^-9,决定系数为0.937 71,平均回收率为94.103%。所建立的BP神经网络模型预测得到的相对误差为1.581 1×10^-9,决定系数为0.987 56,平均回收率为100.883%。结果表明,BP神经网络预测的各项指标优于RBF神经网络预测的各项指标。     

混合水溶液中金属元素的偏最小二乘法激光诱导击穿光谱北大核心CSCD

为提高激光诱导击穿光谱技术(LIBS)对水中重金属元素含量的检测精确度,将LIBS技术分别与单变量定标(SVCC)和偏最小二乘法(PLS)分析方法相结合,对Cr、Mn、Ca混合水溶液中的金属元素进行了定量分析。利用PLS-LIBS技术研究了样品中共存元素对分析元素的影响,研究结果表明分析元素的检测精确度受共存元素的影响较大,将共存元素与分析元素的分析线强度同时作为PLS模型的输入变量,得到的分析元素浓度总预测相对误差明显减小。利用SVCC-LIBS方法检测Cr、Mn、Ca元素的浓度总预测相对误差分别为14.3%、8.46%、6.35%,而利用PLS-LIBS方法各相对误差分别改善至2.30%、0.74%、0.03%,其中Mn元素的浓度预测相关曲线线性度R 2由SVCC-LIBS方法的0.985改善至0.999,表明PLS-LIBS技术能有效提高混合水溶液中微量金属元素的检测精确度。     

复合肥氮磷钾元素含量的激光诱导击穿光谱同步测量

将激光诱导击穿光谱(LIBS)技术应用于复合肥样品中N,P和K元素含量的同步测量。选用10个已知样品作为定标样品,使用偏最小二乘法(PLS)分别建立各个元素定量分析的回归模型;然后使用5个待测样品检验这些模型的定量分析结果,并将预测结果与电感耦合等离子体发射光谱法测得的参考含量作对比。结果表明,激光诱导击穿光谱技术能够同时检测出5个待测样品的N,P和K元素的含量,待测结果的平均相对误差(REP)小于8%质量分数,平均相对标准偏差小于7%质量分数,检测极限值分别为0.16%,0.21%和0.50%质量分数。实验验证了LIBS技术同步快速准确测量复合肥中三大营养元素的能力。     

激光诱导击穿光谱的飞灰碳含量定量分析方法

燃煤飞灰碳含量是影响锅炉工作效率的重要特性指标之一,文中开展激光诱导击穿光谱技术（LIBS）实现飞灰未燃碳的定量分析方法研究,为LIBS应用于飞灰含碳量的快速/在线检测奠定基础。根据所探测的LIBS特征光谱,将线性和非线性化学计量学方法,包括多元线性回归（MLR）和偏最小二乘回归（PLSR）线性分析分析方法,以及非线性的极限学习机（ELM）和支持向量机回归（SVR）模型应用于飞灰未燃碳的预测分析中,结合交叉验证法对模型进行验证。对比线性和非线性模型的结果可以看出,非线性模型的预测结果明显优于线性模型,其中采用基于K-CV参数优化的非线性SVR模型具有比较理想的分析结果,有助于提高飞灰碳含量分析的精确度和准确度,采用三折叠交叉验证法对模型进行验证,得到模型的决定系数R2均为0.99,相对偏差的平均值ARD分别为1.54%、3.45%、3.51%,相对标准误差RSD的平均值分别为7.53%、2.89%、7.18%。     

应用近红外技术直接检测烟丝常规化学成分的研究

为了探讨近红外光谱分析技术直接检测烟丝常规化学成分的可行性,利用采集到的烟丝近红外光谱,采用偏最小二乘法(PLS)对测定烟丝样品的总糖、还原糖、烟碱、总氮、钾、氯含量数据与其相应的光谱数据进行拟合,建立了直接用于预测烟丝总糖、还原糖、烟碱、总氮、钾和氯含量的NIRS分析模型,平均相对偏差分别为2.2%,2.37%,1.82%,2.22%,3.68%和3.30%,变异系数均小于3.5%。该模型预测准确性和重现性较高,简便、快速,适用于批量烟丝检测,尤其是无需研磨烟粉,进一步减少了粉尘的污染,可以直接用于卷烟产品叶组配方质量监控。     

激光等离子体光谱法定量分析土壤中元素Fe和Ti

利用高能量钕玻璃激光器(-10J),在0.8MPa的高压Ar气环境下激发诱导土壤等离子体,通过等离子体原子发射光谱法定量分析了国家标准土壤样品中元素Fe和Ti的含量。实验结果表明,在无光谱干扰的条件下,元素含量与光谱线强度之间有较好的线性关系;元素Fe和Ti的分析结果的相对标准偏差(RSD)分别为6.164%和16.095%,相对误差分别低于8.349%和22.286%。     

高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

激光诱导击穿光谱检测牛奶中的Na元素

采用激光诱导击穿光谱(LIBS)技术,检测了牛奶样品中的Na元素含量。实验共分析了15个 牛奶样品,其中9个已知样品作为定标样品,采用偏最小二乘法(PLS )建立Na元素定量分析的回归模型;使用另外6个作为待测样品,用以检验模型的定量分析结 果。检测出了6个待测样品中的Na元素含量,其中检验样品中参 考含量和预测含量之间的线性相关度达到0.993,相对误差均在15%以下。检测结果表明,LIBS技术能快速准确地检测牛奶中的Na含 量,表现出较好的应用潜力。     

复合肥中磷元素的激光诱导击穿光谱定量分析

为了在复合肥生产中对其成分进行快速检测, 达到指导生产的目的, 采用激光诱导击穿光谱技术(LIBS)与支持向量机(SVM)方法结合对复合肥中磷(P)元素进行定量分析。实验中选取磷元素的P Ⅰ 213.5nm, P Ⅰ 214.9nm和P Ⅰ 215.4nm 3条特征谱线对58个复合肥样品进行分析。采用随机选择法将58个样品划分为训练集(43个样本)和测试集(15个样本), 用网格搜索法对复合肥中P元素的定量分析模型进行参量寻优, 构建了SVM分析模型。结果表明, 所建立的训练集定标模型的相关系数R2=0.981, 说明训练集的参考值和预测值的相关性较高; 测试集中验证样本P元素的参考值与预测值的相关系数R2=0.992, 均方误差为4.95×10-5, 说明所构建的SVM模型的适用性较强; 训练集的平均绝对误差和相对误差分别为5.9×10-4和3.99×10-3; 测试集的平均绝对误差和相对误差分别为5.6×10-4和3.28×10-3。将SVM算法与LIBS技术结合可实现复合肥中磷元素的快速检测, 这为复合肥中元素含量快速检测提供了参考。     

动态光谱和PLS在人体血液红细胞无创测量中的应用

首次利用动态光谱指端透射法进行了人体红细胞无创测量的研究.对28名健康志愿者进行了在体测量,选用偏最小二乘法(PLS)对获取的动态光谱数据和红细胞实测值进行建模分析,得到定标集和验证集的相关系数分别为0.9193和0.9058,验证集的相对误差最大为7.96%,平均相对误差为6.21%.结果表明,动态光谱法可以有效地克服个体差异等对光谱测量的影响,较准确地进行人体红细胞含量的测量,是一种比较好的血液成分无创测量方法.     

基于光谱技术的茶叶品质参数茶多酚含量快速检测方法研究

茶多酚是茶叶中的主要成分,其含量约占30%左右,决定着茶汤的味道、颜色等。利用近红外光谱法对茶多酚含量进行快速检测,在茶叶品质的快速识别中具有极高的实用价值。基于光谱技术结合化学计量学方法,对不同茶叶的不同成分进行了研究,结果表明:茶叶中的主要成分茶多酚含量与近红外波段(1 800~2 500nm)的吸光度存在近似的线性关系,在此基础上建立拟合曲线,得出了不同拟合曲线的相关系数和校正均方根误差;采用近红外光法结合偏最小二乘法在1 872nm建立了茶多酚含量预测模型,其相关系数达到0.937 8,均方根误差为0.008 015。     

基于光谱相似性指数的赤潮藻荧光识别技术

东海原甲藻(Prorocentrum dentatum)、裸甲藻(Gymnodinium stein)和中肋骨条藻(Skeletonema costatum)是近几年我国东海频繁引发赤潮的藻种。基于这三种赤潮藻的活体叶绿素荧光激发光谱,通过计算光谱相似性指数对其进行识别。结果表明,活体叶绿素荧光激发光谱在平行测量和不同生长期的相对标准偏差(RSD)分别小于3%和5%;光谱混合及混合海藻荧光光谱与标准谱之间的光谱相似性指数与混合比例之间存在线性关系。通过计算混合藻的荧光光谱与标准谱之间的相似性指数能够定性地识别引发赤潮的藻种,并半定量地估计赤潮藻种的相对含量。当噪声小于25%时,噪声基本不会对赤潮藻的识别分析产生影响。     

高效液相色谱法测定环维黄杨星D脂质体的含量

目的:建立高效液相色谱法测定环维黄杨星D(CVB-D)脂质体中药物的含量。方法:采用高效液相色谱法在205 nm波长处测定峰面积,计算CVB-D脂质体中CVB-D的含量。结果:CVB-D在0.0202~0.2020mg·mL-1的浓度范围内与峰面积呈良好的线性关系,回归方程:A=461.6C+7.5885,r=0.9994(n=5),平均回收率为99.13%,RSD为0.77%(n=9)。结论:本方法灵敏、准确度高、专属性好,且稳定性、精密度均符合要求,可用于CVB-D脂质体的含量测定。     

电子定标法测试天线罩瞄准误差原理之分析

论述了电子定标法测试天线罩瞄准误差的原理方法,并分析了该方法成立的理由。电子定标法的步骤依次为:收发天线机械轴对准－天线和差通道自检－收发天线电轴对准－电子定标寅无罩测试寅带罩测试－查表计算天线罩瞄准误差。电子定标原理和实测结果表明:测试过程中接收天线差电压与和电压之商,可分解为相对自检过程的共模分量和正交分量;定标过程共模分量保持不变,它决定天线的零深;正交分量随收发天线夹角变化,不受天线零深影响,其曲线为定标曲线;无罩和带罩定标曲线线性度极好,其斜率为天线差斜率;天线加装高性能天线罩后,差斜率变化微小;故可以使用无罩天线差斜率和带罩测试的和差通道电压,计算得出天线罩瞄准误差。差斜率近似引入的误差很小,电子定标法成立。     

原子荧光光谱法测定电子电气产品中的六价铬

样品中的六价铬用甲苯/碱液提取后,提取碱液过阳离子交换柱,六价铬直接流出,流出液经适当稀释后,以原子荧光光谱仪测定其含量。本方法优化了工作参数条件,方法回收率均在88.7%—99.8%之间,相对标准偏差(n=6)均小于5%,实际样品比对分析结果表明,方法具有良好的准确度,适用于电子电气产品中六价铬的分析。     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression...     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.