近红外光谱技术在快速鉴别真伪抗生素的应用

为实现对假冒抗生素药物的快速识别,采集了7种抗生素106份样品的近红外漫反射光谱,采用一阶导数、标准归一化和Norris平滑对光谱预处理,选择9 300～4 000 cm-1的光谱波段,通过相似度匹配和判别分析法建立抗生素的鉴别模型,并取样对该模型验证,预测集均能被正确的识别,取得了良好的效果。因此,近红外光谱结合判别分析法能快速、准确的对抗生素质量进行鉴别,为抗生素的真伪鉴别提供了一种新方法。     

基于判别分析的食品塑料包装差分拉曼光谱鉴别研究

采用差分拉曼光谱技术和判别分析模型,建立了对来源不同的多个食品塑料包装袋种类鉴别的分类模型。实验搜集了46种不同厂家的食品塑料包装袋样品的差分拉曼光谱图,前期已通过系统聚类分为17类。选择各类别先验概率按照和各类样品量呈正比进行计算,借助因子分析提取特征变量,采用判别分析实现分析鉴别。结果表明,判别准确率达100%,实验结果理想。该方法结果准确,操作简单,为基层办案提供一种实用的分析模型。     

基于RBFNN-FDA模型对塑料拖鞋鞋底的拉曼光谱研究

为建立一种快速无损检验区分塑料拖鞋鞋底的方法,利用显微共聚焦激光拉曼光谱仪采集了43个不同来源的塑料拖鞋鞋底样本的拉曼光谱图。拉曼数据经主成分分析降维后提取特征矩阵,对得到的特征矩阵进行系统聚类,建立Fisher判别函数对系统聚类的结果进行评价。最终构建径向基函数神经网络(RBFNN)实现对样本的鉴别分类,并绘制接受者操作特征曲线用以评估诊断价值。结果表明：拉曼数据提取出的特征矩阵经系统聚类被分为4组,Fisher判别分析经交叉验证后准确率为97.7%,径向基函数神经网络的准确率为100%。该方法实现了对样本快速无损的分类及预测,模型结构准确,可以为公安实际办案提供一种新思路。     

气相色谱-质谱联用外标法测定硅藻泥涂料与其他涂料中的苯系物含量

目的:建立了气相色谱-质谱联用(GC/MS)同时测定硅藻泥涂料和其他涂料中苯、甲苯、乙苯、二甲苯异构体等苯系物的分析方法。方法:样品经过预处理直接进行定量分析,选用外标标准曲线法进行定量分析。结果:除了对间二甲苯,其他几种苯系物在100~4 000 ng范围内线性良好(线性相关系数r为0.999 5~0.999 8),对间二甲苯则在200~8 000 ng范围内线性良好(r为0.999 0),回收率达98.1%~103.5%,相对标准偏差(n=4)在0.5%~3.2%。本方法具有方便、快速、灵敏度高等特点,可满足硅藻泥涂料及其他涂料中苯系物含量的测定及对比。     

掺伪珍珠粉的近红外光谱定量鉴别方法

采用偏最小二乘法建立掺杂贝壳粉的珍珠粉的近红外光谱定量分析模型。以掺杂不同比例贝壳粉和珍珠粉作为掺伪样本,采集样本在4 000~10 000 cm-1范围内的近红外漫反射光谱,采用交叉验证和外部验证考察所建模型的可靠性。优化建模参数为:波数范围为4 100~7 500 cm-1;光谱预处理方法为二阶导数/矢量归一化(SNV)/Norris Derivative(5,5)滤波。所建定量分析模型的校正相关系数为0.999 7,校正均方差为0.708,交叉验证均方差为3.15。实验证明近红外光谱技术可用于掺伪珍珠粉的定量快速鉴别。     

基于判别分析与K近邻算法对塑料吸管的红外光谱分析

为建立一种塑料吸管物证的高效、准确分类方法,利用红外光谱法对来自全国的4个品牌共42个塑料吸管样本进行了检验。经过前期光谱预处理后,利用主成分分析法提取出了25个主成分,累积方差贡献率为99. 689%,并将其作为判别变量进行判别分析。判别结果区分效果良好但交叉验证正确率仅为73. 8%,有待进一步提高。因此将判别得分作为特征变量导入K值为1的K近邻算法中,构建起了分类正确率为100%的K近邻算法模型,实现了对塑料吸管物证的准确分类。     

基于不同算法的磁化水水洗去除飞灰中可溶性氯盐浸出率预测模型

为掌握不同磁化参数对飞灰中可溶性氯盐浸出率的影响规律,基于正交试验方法进行飞灰中可溶性氯盐的磁化水水洗去除试验,并建立正交多项式回归及随机森林两种预测模型,结果表明,随机森林模型的预测值与试验值的误差为±2.90%,正交多项式回归模型的预测值与试验值的误差为±6.36%,随机森林模型相较正交多项式回归模型预测精度高。随机森林算法得出的影响可溶性氯盐浸出率的特征重要性排序为:线圈匝数、波形、电流频率、固液比和磁化时间。该研究成果可对飞灰中可溶性氯盐的去除效果进行精确预测并为现场生产提供理论依据。     

拉曼光谱结合化学计量学在不同品位磷矿快速分类中的应用

采用拉曼光谱技术结合化学计量学探讨不同品位磷矿快速鉴别和分类的可行性。采用共聚焦显微拉曼光谱系统分析了高、中、低三类不同品位的4种磷矿样品在200～1 950 cm^(-1)范围内的拉曼光谱特性,并对经过自适应迭代重加权惩罚最小二乘(airPLS)算法校正、一阶导和二阶导3种光谱预处理方法处理后的拉曼光谱结合主成分分析(PCA)和系统聚类分析(HCA)建立判别模型。结果显示,在主成分分析(PCA)中,经过3种预处理方法后的拉曼光谱均能实现对4种磷矿样本的聚类,且前两种预处理方式中,在第1主成分上,4种样品随品位值呈规律分布。使用PCA降维后的一阶导数光谱结合系统类分析(HCA)对4种磷矿样品进行分类,准确率为98.75%。结果表明,利用拉曼光谱技术结合化学计量学能够实现不同品位磷矿的快速鉴别和分类,为磷矿品位现场快速检测和评估打下基础。     

拉曼光谱结合化学计量学在不同品位磷矿快速分类中的应用

采用拉曼光谱技术结合化学计量学探讨不同品位磷矿快速鉴别和分类的可行性。采用共聚焦显微拉曼光谱系统分析了高、中、低三类不同品位的4种磷矿样品在200～1 950 cm~(-1)范围内的拉曼光谱特性,并对经过自适应迭代重加权惩罚最小二乘(airPLS)算法校正、一阶导和二阶导3种光谱预处理方法处理后的拉曼光谱结合主成分分析(PCA)和系统聚类分析(HCA)建立判别模型。结果显示,在主成分分析(PCA)中,经过3种预处理方法后的拉曼光谱均能实现对4种磷矿样本的聚类,且前两种预处理方式中,在第1主成分上,4种样品随品位值呈规律分布。使用PCA降维后的一阶导数光谱结合系统类分析(HCA)对4种磷矿样品进行分类,准确率为98.75%。结果表明,利用拉曼光谱技术结合化学计量学能够实现不同品位磷矿的快速鉴别和分类,为磷矿品位现场快速检测和评估打下基础。     

傅里叶近红外光谱技术快速鉴别天然彩色棉真伪的研究

采用AntarisⅡ傅里叶近红外光谱技术结合模式识别方法研究鉴别天然彩色棉真伪的可行性。原始光谱经多元校正方法(MSC)消除样本的散射和基线漂移等对光谱的影响后,进行系统聚类分析,聚类分析结果显示天然绿色棉和染色绿色棉能得到清晰地分类。通过不同光谱预处理方法,采用簇类的独立软模式法(SIMCA)建立分类模型,结果显示通过对样品光谱中心化+5点卷积平滑+去趋势预处理,采用SIMCA方法建立的分类模型正确率最高,分类正确率为96.77%,类I的模型方差为0.001 3,类Ⅱ的模型方差为0.000 8。研究表明,AntarisⅡ傅里叶近红外光谱技术可用于天然彩色棉真伪的鉴别。     

基于近红外光谱结合主成分分析和BP神经网络的常用塑料快速鉴别

为了实现塑料的分类回收,需要对塑料进行快速准确的鉴别。收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚对苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7种常用的塑料,利用近红外光谱仪分别测得其反射光谱,应用主成分分析和反向传播(BP)神经网络建立模型进行鉴别。首先利用主成分分析提取光谱的特征信息,前8个主成分的累计贡献率达到94.367%,包含了原始光谱的主要信息,将这8个主成分作为BP神经网络的输入,7种塑料的种类作为输出,建立三层BP神经网络模型。每种塑料各30个样本共210个用来训练神经网络模型,各10个共70个用来预测,预测结果准确率达98.571%,能够有效鉴别常用塑料。     

近红外透射光谱技术快速测定烟用香精理化指标

应用近红外透射光谱分析技术,建立了烟用香精相对密度、折光指数、酸值的近红外预测模型,并对光谱预处理方法进行讨论。将模型的预测结果与标准方法测定结果进行比较,在显著性水平为5%的条件下,两种方法不存在显著性差异。该方法操作简便,可快速、准确地用于烟用香精理化指标的检测。     

基于近红外特征波长反射率比值法鉴别塑料

提出了一种基于近红外光谱波长间反射率比值差异进行塑料鉴别的方法,并确定了特征波长的选取范围,建立了ABS、PET、PVC、PP、PS和PE6种塑料的自动快速鉴别工艺。结果表明,运用主成分载荷系数取极值的方法可以有效选取特征区域。原始光谱不经预处理,直接依次计算R(1661)/R(1715)、R(1881)/R(1907)、R(2014)/R(2128)和R(1881)/R(1907)比率,即可实现6种塑料的鉴别,识别准确率达到96.6%。     

拉曼光谱结合机器学习识别肥皂

通过拉曼光谱和机器学习对不同品牌、种类的肥皂进行准确和快速识别。通过采集不同厂家、不同品牌生产的56种肥皂的拉曼光谱数据,将拉曼光谱进行预处理后,进行系统聚类对拉曼光谱分类,结合光谱特征峰的比对,把样本分成5类。利用机器学习的SVM、KNN、贝叶斯方法,建立不同方法的判别分析,通过检验三种判别方法的准确度比对,综合比较,得到KNN的模型分类效果最好,分类正确率为96.4%。通过这种方法可以对肥皂样本进行快速准确的检验,帮助勘查人员进行肥皂检材识别。     

近红外漫反射光谱法快速鉴别药用辅料

该文建立了采用近红外光谱法对41种常用药用辅料进行快速、准确、无损鉴别的方法,每个品种6批次样品共得246张光谱,215张用于建立模型,41张用于验证模型。在3 966¹0 414 cm-1内,使用二阶导数9点平滑光谱预处理方法,结合第一范围标定法建立的"总库1"定性分析模型可准确鉴定30种辅料,其余5大类11种辅料被直接转入"子库2-6"进一步鉴定,直至完全分离。结果表明,对验证集样品鉴别准确度达100%。对比于操作繁琐、费时的传统检测方法,该方法快速、准确,适用于制药企业在原料进厂时逐桶定性鉴别和车间投料的过程控制。     

鞋底材料的中红外光谱可视化快速鉴别

借助中红外分析技术和化学计量分析,建立常见鞋底材料种类鉴别的分类模型,为鞋底种类鉴别提供有效的新方法。基于鞋底红外光谱矩阵数据,建立了层次聚类模型和K近邻模型。结果表明,K近邻模型中,43个样本分为7类,这与层次聚类模型中,组间平均距离为8时样本的分类结果一致;K近邻下,分类样本呈5个聚集区域,其中H、G、K 3类样本分布情况明显,相比较A类,E类分布较为集中,聚敛程度较大,L类分在E类,M类分在A类;模型总分类准确率达95.35 %,分类结果理想;选取各类中的一个样本,对其开展谱图解析,得到样本主要成分有顺丁橡胶、乙烯醋酸乙烯酯共聚物、聚氨酯、异戊橡胶、聚氯乙烯和苯乙烯丁二烯苯乙烯嵌段共聚物;中红外光谱技术结合化学计量分析可作为鞋底材料种类鉴别的一种无损、快速、准确的分析方法。     

近红外漫反射光谱法快速鉴别药用辅料

本文建立了采用近红外光谱法对41种常用药用辅料进行快速、准确、无损鉴别的方法,每个品种6批次样品共得246张光谱,215张用于建立模型,41张用于验证模型。在3966~10414cm-1的范围内,使用二阶导数9点平滑光谱预处理方法,结合第一范围标定法建立的“总库1”定性分析模型可准确鉴定30种辅料,其余5大类11种辅料被直接转入“子库2-6”进一步鉴定,直至完全分离。结果表明,对验证集样品鉴别准确度达100%。对比于操作繁琐、费时的传统检测方法,该方法快速、准确,适用于制药企业在原料进厂时逐桶定性鉴别和车间投料的过程控制。     

不同絮凝剂用于高浊度海水净化的试验研究

通过正交试验,对复合聚铁、聚合氯化铁、硫酸亚铁三种絮凝剂高浊度海水净化试验条件进行了优化,结果表明,最佳条件下,对浊度的去除率分别达到了99.01%、96.80%和89.00%,复合聚铁、聚合氯化铁对高浊度海水具有较好的絮凝效果,试验结果为反渗透海水淡化预处理药剂的选择提供了参考。     

一种油气田用耐高温凝胶调堵剂制备及性能研究

为解决油气田开发中的油田水淹、低渗透区出油率低等问题,试验以稻壳灰为主要材料,结合表面活性剂,制备一种耐高温凝胶调堵剂,并对其性能和应用效果进行研究。结果表明,当A剂中含有8%稻壳灰粉末和8%表面活性剂,B剂(表面活性剂)浓度为1%时,配制的凝胶调堵剂耐盐性、耐高温性良好,呈碱性。其中,当凝胶调堵剂中的水溶液为10×10⁴ mg/L矿化度盐水时,成胶率达到72%。该凝胶调堵剂在100℃温度下保温100 d时,凝胶黏度达到74.3 MPa·s。另外,该凝胶调堵剂在空气渗透率为1 000～8 000 mD时,人造岩心的封堵率达到91%以上,封堵性能良好。     

高光谱结合人工神经网络对丹参药材的质量评价

采用高光谱结合人工神经网络,建立了不同来源的丹参药材的鉴别方法。采集了8类不同来源丹参药材样品的高光谱数据,用Savitzky-Golay平滑滤波方法对高光谱数据进行预处理,再采用反向传播-人工神经网络方法建立分类模型。结果显示,经Savitzky-Golay平滑滤波光谱预处理后,建立的模型对测试集的分类准确率达到98.75%。研究表明,高光谱结合人工神经网络方法是一种很有前景的丹参药材的质量评价方法。