特征谱区筛选在多元混合物的太赫兹光谱定量分析中的应用

用特征谱区筛选法结合太赫兹时域光谱(THz-TDS)技术对多元混合物成分含量进行了定量分析研究。实验利用太赫兹时域光谱系统测量了由乳糖一水合物(LAC)、对乙酰氨基酚(APAP)、可溶性淀粉(starch)以及微晶纤维素(MCC)四种材料组成的混合物样品的太赫兹吸收光谱,并分别尝试采用常规区间偏最小二乘(iPLS)、向后区间偏最小二乘(biPLS)、联合区间偏最小二乘(siPLS)和移动窗口偏最小二乘(mwPLS)四种特征谱区筛选法对多元混合物的太赫兹吸收光谱进行特征子区间优选,建立了太赫兹吸收谱与四元混合物中乳糖一水合物含量之间的定量回归模型。通过比较四种谱区筛选算法模型及全光谱偏最小二乘(PLS)模型所得结果,表明采用移动窗口偏最小二乘法建立的谱区筛选模型得到的结果相对最优,其交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)、校正集相关系数(R_C)和预测集相关系数(R_P)分别为0.980 3,1.114 1,0.996 0和0.995 1。实验结果表明,采用特征谱区筛选方法可以有效选择多元混合物太赫兹吸收光谱的特征区间,提高模型精度和降低模型复杂性,为实现多元混合物成分含量的快速检测提供了一种有效的方法。     

基于太赫兹光谱的奶粉中葡萄糖及蔗糖定性定量检测方法

奶粉富含人体所需的五大营养物质,是婴幼儿主要的营养来源之一,奶粉中的营养成分对婴幼儿的生长发育具有重要影响,除乳糖外的糖类含量超标可能对婴幼儿健康产生不良影响。由于奶粉成分复杂,目前的色谱法和近红外光谱法检测技术都难以满足奶粉糖分快速无损检测的要求,因此亟须探索一种奶粉中葡萄糖、蔗糖含量快速无损检测方法。太赫兹波对不同大分子物质的吸收峰具有“指纹”特性,可利用该特性对不同的大分子物质进行识别。应用太赫兹时域光谱技术（THz-TDS）并结合化学计量学方法对奶粉中葡萄糖、蔗糖两种糖分的定性定量检测方法进行了研究。实验装置采用TAS7500TS太赫兹光谱系统,实验样品为不含糖的婴幼儿奶粉和纯度大于99%的葡萄糖、蔗糖晶体及不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物,实验分别采集了3种纯品样品及15种不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物样品的太赫兹时域信号,每个样品采集三次并取平均值作为其时域光谱信号,经快速傅里叶变换（FFT）得到各样品的太赫兹频域信号,再根据Dorney提出的光学参数提取公式计算得到各样品的吸收系数谱和折射率谱。最后分别基于两组混合物样品的吸收系数谱和折射率谱数据,采用偏最小二乘法（PLS）建立相应的定量分析模型,校正集和预测集样品比例为2∶1。实验结果表明,奶粉在太赫兹波段无明显特征吸收峰,葡萄糖和蔗糖分别在1.45,1.8,1.98,2.7 THz和1.5,1.9,2.6 THz频率处有较强的特征吸收峰,可根据两种物质的太赫兹指纹特征峰进行定性分析。不同梯度浓度的两组混合物的整体吸收峰位置与葡萄糖、蔗糖纯品太赫兹吸收峰位置基本一致,具有稳定的吸收特性。基于吸收系数谱和折射率谱数据建立偏最小二乘法模型,均可实现奶粉中葡萄糖和蔗糖的定量分析,且由折射率谱建立的葡萄糖、蔗糖定量回归模型效果均优于由吸收系数谱建立的模型效果,其中,奶粉-葡萄糖混合物中葡萄糖含量PLS模型的校正集相关系数（R_c）及均方根误差（RMSEC）分别为0.99和0.18%,预测集R_P及RMSEP分别为0.96和0.66%,奶粉-蔗糖混合物中蔗糖含量PLS模型的校正集R_c及RMSEC分别为0.96和0.55%,预测集R_P及RMSEP分别为0.99和0.25%,葡萄糖和蔗糖定量模型的预测效果均较为理想。研究结果表明THz-TDS技术可有效用于奶粉中葡萄糖和蔗糖定性定量分析,为运用THz-TDS技术开展奶粉掺假及品质快速检测方法研究提供参考。     

Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

太赫兹光谱技术对红薯淀粉中明矾含量的检测方法研究

明矾是一种可以改良粉条粉丝易断粗糙特性的违法添加剂,明矾的含量过高进入人体后会直接影响身体健康。结合太赫兹光谱技术探索红薯淀粉中明矾含量快速检测方法。采用太赫兹时域光谱系统(Terahertz time domain spectroscopy, THz-TDS)于常温下获取0.5～7 THz范围内红薯淀粉、明矾及其混合物的光谱数据。因0～0.5 THz测得的频谱均为噪声,高频段区域的吸收系数大、信噪比低,故选取0.5～2 THz波段的吸收系数谱和折射率谱进行分析。发现明矾在该波段存在明显的特征吸收峰,可作为指纹特征用于物质识别。分别采用Savitzky-Golay卷积平滑(SG Smoothing,SG平滑)、基线校正(Baseline)、归一化(Normalization)等方法进行光谱预处理,再结合偏最小二乘(partial least squares, PLS)对红薯淀粉中明矾含量建立预测模型。结果表明,采用原始光谱、 SG平滑、 Baseline、 Normalization等光谱数据建立PLS模型的最佳因子数(principal component factors)分别为3, 3, 3和2;校正集相关系数(r_c)分别为0.982, 0.980, 0.982和0.984;预测集相关系数(r_p)分别为0.982, 0.979, 0.982和0.987;校正集均方根误差(root mean square error of calibration, RMSEC)分别为0.011, 0.012, 0.012和0.011;预测集均方根误差(root mean square error of prediction, RMSEP)分别为0.013, 0.014, 0.013和0.012;可知归一化预处理后建立PLS模型效果最佳。为对比分析线性(PLS)与非线性(LS-SVM)两种定量模型方法的预测精度,采用相同预处理方法后的红薯淀粉中明矾含量光谱数据建立最小二乘支持向量机(least squares support vector machine, LS-SVM)预测模型,选用径向基函数(RBF)作为核函数。结果表明,归一化预处理后建立LS-SVM模型效果最佳,其预测集均方根误差(RMSEP)为0.0047,预测集相关系数(r_p)为0.997 2。发现对红薯淀粉中明矾含量建立LS-SVM预测模型的稳定性更好、精确度更高。采用太赫兹时域光谱结合LS-SVM和PLS对红薯淀粉中明矾含量进行定量分析。结果表明,采用归一化预处理后的LS-SVM比PLS模型的预测效果更优,可能是红薯淀粉与明矾混合物中含有更多的非线性信息。研究表明,太赫兹时域光谱结合化学计量学方法可为红薯淀粉中明矾含量的定量分析提供快速精确的分析方法。     

多种糖混合物的太赫兹时域光谱定性及定量分析研究

利用太赫兹时域光谱(terahertz time-domain spectroscopy, THz-TDS)技术研究了D-(-)-核糖、D-葡萄糖、α-乳糖一水合物及β-乳糖在0.3～1.6 THz波段的光谱特性。结果显示THz波对几种糖结构的变化有灵敏响应,在测量波段内有各自特征的THz指纹吸收光谱。利用线性回归技术对含两至四组分混合体系的THz光谱进行定性及定量解析,获得了混合物中各组分含量,相对误差小于7.2%,并就误差产生的原因做了简要分析。实验结果表明THz-TDS技术能够用于材料的定性及定量分析研究,在生物医药的无损检测和质量控制等方面有重要的应用前景。     

太赫兹时域光谱技术对化学混合物的成分分析研究

不同化合物在太赫兹波段的吸收谱差别很大,所以存在用太赫兹光谱对化合物及混合物进行含量分析的可能。利用太赫兹时域光谱技术(THz-TDS)技术测量VC和VB1各纯化合物吸收谱,基于化合物的吸收谱,采用线性回归技术,对VC和VB1混合物的太赫兹吸收谱进行分析,得到样品中各个混合成分的相对含量。通过以VC和VB1混合物的THz吸收谱的研究为例,证实了利用整个测量波段的频谱作为化合物的指纹特征来分析化学混合物的成分和相对含量是可行的。     

基于太赫兹时域光谱的食用油过氧化值定量分析研究

针对目前太赫兹光谱技术在食用油品质检测方面存在定性多、定量难的问题,提出一种基于衰减全反射（ATR）式太赫兹时域光谱（THz-TDS）技术的食用油过氧化值定量分析方法。首先采集不同种类、不同氧化程度食用油样本的太赫兹时域光谱图,筛选有效信号波段并提取得到光学常数,经预处理算法校正后的光学常数,结合多种化学计量学方法建立定量分析模型,实现快速、无损预测食用油的过氧化值。70个实验样本包括大豆油、菜籽油和玉米,过氧化值覆盖范围0.41~10.23 mmol·kg-1,且样本的过氧化值均匀分布。采用TeraView公司生产配有ATR检测模块的TeraPulse 4000太赫兹脉冲光谱系统采集样本THz-TDS信号,根据THz-TDS谱图信号特征筛选有效波段10~86.78 cm-1用于建模分析。通过快速傅里叶变换得到频域信号并从中提取光学常数：折射率和吸收系数,采用Savitzky-Golay7点卷积平滑分别对折射率和吸收系数进行预处理,去除干扰信号。运用SPXY算法按照3∶1比例划分校正集和预测集样本,结合主成分回归法、偏最小二乘法两种化学计量学分析方法,分别建立基于折射率和基于吸收系数的过氧化值分析模型。对模型评价指标均方根误差和相关系数进行分析,基于折射率的过氧化值分析模型采用偏最小二乘算法建模预测精度最理想,选取最优主成分数为6时,其校正集均方根误差RMSEC为0.168%、决定系数R2为0.981,预测集均方根误差RMSEP为0.231%、决定系数r2为0.977;基于吸收系数的过氧化值分析模型则采用主成分回归算法建模预测模型稳健度最好,选取最优主成分数为10时,其校正均方根误差RMSEC为0.192%、校正集决定系数R2为0.979,预测均方根误差RMSEP为0.262%、预测集决定系数r2为0.97。该研究结果的得出,验证了THz-TDS技术用于食用油过氧化值定量分析的可行性,为食用油的品质评价找到一种高精度、性能稳定、快速无损的检测方法。     

间接硬建模方法在混合物太赫兹时域光谱解析中的应用研究

太赫兹(Terahertz, THz)波通常是指位于微波和近红外之间的电磁波。由于很多化学和生物分子的振动和转动模式正好都位于THz波段,因此可以利用物质的这些“指纹谱”特性开展定性和定量分析研究。目前用于THz光谱的定量分析主要有主成分回归(PCR)以及偏最小二乘回归(PLSR)等方法,这些算法在建模时往往需要大量的样本进行监督学习,模型精度对训练样本依赖性较高,同时模型的外推性不易保证,在样本量不足或者外推性要求较高的场合,这些算法的使用会受到一定限制。针对这些问题,该研究提出一种利用光谱的参数化模型--间接硬建模方法(IHM),进行混合物太赫兹光谱解析和量化分析技术方案的研究。首先使用S-G平滑滤波方法滤除光谱中的噪声影响;同时考虑到太赫兹光谱特性,消除了人工基线对光谱解析产生的影响;随后,开展了IHM建模与分析研究,重点讨论了在两个训练样本数目情况下模型预测准确度的问题;为了验证该算法的可行性,制备了利福平、乳糖一水合物、微晶纤维素以及硬脂酸镁的四元混合物进行实验与建模分析;使用回归相关系数R和均方根误差RMSE对定量模型进行评价。将IHM方法和PLSR方法进行了比较,理论分析和实验结果表明,相对于传统方法,IHM方法建模所需的训练样本数量可减少至2个,与此同时量化分析准确度获得了提高,同时外推性也有所提升。     

红薯淀粉中添加剂明矾的定性和定量太赫兹时域光谱技术检测

应用太赫兹时域光谱(THz-TDS)技术对红薯淀粉中的添加剂明矾进行了实验研究,获得了红薯淀粉和明矾的太赫兹时域光谱和频域光谱,通过计算得到二者的吸收系数谱和折射率谱,吸收系数谱显示明矾在太赫兹波段有明显的特征吸收峰,可以用THz-TDS技术对淀粉中的明矾进行特征识别。实验获得了红薯淀粉中掺杂不同百分比(质量分数)明矾的太赫兹时域光谱,计算得到吸收系数谱和折射率谱,发现随着明矾含量的增加吸收峰的幅度下降,折射率逐渐下降,说明THz-TDS技术可以用于淀粉中明矾的定性识别和定量检测。     

橡胶添加剂瓦斯炭黑的太赫兹光谱定量研究

瓦斯炭黑是橡胶中重要的添加剂之一,其含量对橡胶性能有重要的影响。丁腈橡胶是工业生产中应用比较广泛的合成橡胶,研究丁腈橡胶中瓦斯炭黑的含量具有重要意义。利用太赫兹时域光谱技术,对八种不同含量瓦斯炭黑与丁腈橡胶组成的混合物样本中的瓦斯炭黑含量进行测试,获取了混合物样本在0.3~1.4 THz频段的吸收光谱数据。分别利用偏最小二乘(PLS)和支持向量回归(SVR)建立混合物中瓦斯炭黑的定量分析模型,使用均匀梯度法来选择模型的校正集和预测集,获得瓦斯炭黑预测集的相关系数与均方根误差。偏最小二乘模型相关系数与均方根误差分别为0.985 8和2.098 9%,支持向量回归模型相关系数与均方根误差分别为0.998 0和0.785 4%。实验结果表明,支持向量回归定量分析模型的预测结果优于偏最小二乘模型。为进一步证明支持向量回归模型的稳定性,多次使用随机选择法选择它的校正集和预测集,并求得其相关系数与均方根误差。结果表明,无论是利用均匀梯度法还是随机选择法对支持向量回归定量分析模型的校正集和预测集进行选择,求得的相关系数和均方根误差均优于偏最小二乘模型。