几种油脂分子太赫兹谱分析技术的基础研究

为了探索脂类有机大分子对太赫兹（THz）辐射的吸收特征,以及使用THz对生物有机大分子实现检测和鉴别,使用透射型太赫兹时域光谱（THz-TDS）系统获得了七种植物油、两种调和油的太赫兹吸收光谱,得到它们的特征吸收参数,对比和分析了它们特征吸收峰的差异。结果表明:脂类有机大分子对THz辐射具有差异性吸收,具备在THz波段的识别基础,可通过THz技术进行鉴别和定性分析。     

宽频段太赫兹光谱技术的抗坏血酸和硫胺素研究

采用太赫兹时域光谱(THz-TDS)和傅里叶变换红外光谱(FTIR),测量了L-抗坏血酸与硫胺素在0.10~3.50 THz的光谱特性。给出了两种维生素的分子模型,详细分析比较了抗坏血酸与硫胺素在两种方法测量下吸收光谱的异同。结果表明：利用太赫兹时域光谱和傅里叶红外光谱测得的特征吸收谱在0.70~3.00 THz完全吻合,而在较低频段0.30~0.50 THz,两种样品的傅里叶红外光谱展现了太赫兹时域光谱所没有的特征峰,同时硫胺素样品在8.00~12.00 THz范围内,8.75,8.85,9.00,9.30和10.30 THz出现指纹峰;研究了样品掺杂不同比例聚乙烯粉末时THz吸收光谱的差异,抗坏血酸对太赫兹吸收较弱,总结了两种维生素的折射率曲线与其吸收峰的对应关系;结果对抗坏血酸和硫胺素的分析识别以及维生素太赫兹光谱数据库的建立具有重要参考意义。     

基于卷积神经网络的工程塑料太赫兹光谱分类识别方法

工程塑料优异的介电性能和金属可替代性，使其成为5G建设的热门材料。对外观相近但性能不同的几种工程塑料的检测与定性分析，有助于工程塑料更好地应用于5G线路板和天线模块的制造。应用太赫兹时域光谱技术(THz-TDS)对几种常见的工程塑料PEEK、 PPS、 ABS进行光谱检测，分别得到三种工程塑料在太赫兹波段的光谱数据。通过快速傅里叶变换，将三种工程塑料的THz时域光谱进行转换，获取工程塑料在0.1～1.2 THz下的THz频域光谱，并经过计算提取出相应的吸收光谱。分析THz时域光谱可知，不同种类工程塑料的THz时域谱存在时间延迟线和振幅的差异，可以直观地显示出各种塑料间的差异，这表明工程塑料的THz-TDS分类识别具有一定的可行性。但由于同属工程塑料，在太赫兹波段上表现为峰位、峰值相近，且各个材料无明显的THz特征吸收峰，因此无法直接以指纹谱进行判定。鉴于此，研究将非线性工具卷积神经网络(CNN)应用于无明显特征吸收峰的工程塑料识别研究的可行性，通过对CNN的网络结构和重要权值参数的优化，提出了一种改进的CNN分类模型。该模型使用LeakyRelu激活函数，添加BN层，利用Adams梯度...     

组氨酸和精氨酸的太赫兹光谱研究

采用太赫兹时域光谱(THz-TDS)测试和理论模拟相结合的方法，研究了组氨酸和精氨酸在THz波段的光谱特性.THz-TDS测试的有效光谱范围为0.2—2.8 THz，在该波段得到样品的特征吸收峰分别位于0.88，1.64，2.23 THz(组氨酸)和0.99，1.47，2.60 THz(精氨酸)；运用Gaussian03半经验理论PM3和AM1算法，计算了两种分子在0.1—10.0 THz波段的振动吸收谱，结果表明它们在该波段均具有多个特征吸收，其中在0.2—2.8 THz波段的吸收峰位与实验吸收峰位相互对应并且符合较好；给出了与光谱特征吸收对应的分子振转模型，为认识分子对THz波的响应机制提供了帮助，也为分子鉴别及更宽有效光谱区的实验测试研究提供了科学依据. 关键词： 太赫兹(THz) 半经验理论 THz时域光谱 氨基酸     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2 THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

近红外光谱技术鉴别海面溢油

为快速了解和掌握海面溢油的种类,以便采取应急措施,提出了近红外光谱技术结合模式识别鉴别海面溢油的方法。自行配制了56个汽油、柴油、润滑油的模拟海水样品,用有机溶剂萃取出海水中的溢油后记录其近红外光谱,将原始光谱进行多元散射校正(MSC)和Norris一阶导数平滑预处理后,在主成分分析(PCA)提取不同种类溢油样品特征的基础上引入马氏距离建立溢油样品的识别模型。研究了光谱预处理对溢油鉴别的影响;探讨了马氏距离阈值的确定。结果表明,主成分分析可将原始数据压缩而马氏距离判别可给出离群点的阈值,本文建立的校正模型能正确判别浓度在0.4 μL·mL-1以上的溢油类别,为近红外光谱结合化学计量学方法建立校正模型进行海面实际溢油样品的分类提供了思路。     

基于太赫兹时域光谱技术的红木检测方法

提出了一种基于随机森林预测模型的太赫兹时域光谱的木材鉴别方法。对4种木材(2种红木、2种非红木)在0.2~1.2THz频率范围的吸收光谱的差异进行分析;对得到的光谱吸光度数据进行主成分分析的数据降维处理,并提取方差贡献率最高的五种主成分(总贡献率高达99.65%);将其代入随机森林预测模型预测鉴别红木的真伪,得出相应训练集和测试集的识别率。实验结果表明,与传统的支持向量机预测模型和单一决策树模型比较,使用时域光谱技术结合随机森林预测模型能够得到更高的识别率,识别率可达91.25%,能够准确对红木和非红木进行检测。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

基于太赫兹时域光谱系统的转基因棉花种子主成分特性分析

运用太赫兹时域光谱技术对8种转基因棉花种子进行了探测研究.测量了转基因棉花种子在0.3~1.5THz频率范围的特征吸收谱,基于光谱分析,对比了8种转基因棉花种子吸收光谱的异同,并采用主成分分析法对其做了定性分析,得到了光谱分析的相关数据.提取了三种主成分因子,前三种主成分的累计方差贡献率达到了71.537%,从主成分得分图中可以明显区分不同类别的转基因棉花种子.太赫兹时域光谱技术能够实现对转基因棉花种子的无损检测,在农业选种、农业安全等领域将有广阔的应用价值.     

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。     

Terahertz time-domain spectroscopy combined with PCA-CFSFDP applied for pesticide detection

The purpose of this paper was to apply terahertz time-domain spectroscopy (THz-TDS) combined with clustering by fast search and find of density peaks (CFSFDP) for pesticide detection. To solve similar distance problem in THz spectra data, we proposed a method PCA-CFSFDP. Principal component analysis (PCA) was used to reduce dimensions of THz spectrum data, and then used the result of PCA as the input of CFSFDP. The performance of PCA-CFSFDP was investigated, and the experimental results showed that PCA-CFSFDP approach can get a satisfactory detection result. In addition, the proposed method was compared with K-means. The comparison results demonstrated that PCA-CFSFD outperforms K-means. Therefore, THz-TDS combined with PCA-CFSFDP is a potential identification tool for pesticide detection.     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。     

太赫兹时域光谱结合主成分分析线性判别和支持向量机用于大黄样品鉴定

太赫兹时域光谱技术(THz-TDS)结合主成分分析-线性判别分析(PCA-LDA)和支持向量机(SVM)用于正品大黄样品的鉴定。在时域测量41个大黄样品的太赫兹时域透射光谱,然后将这些时域信号转换成频域的吸收系数系数。根据样本的吸收系数建立了主成分分析-线性判别分析和支持向量机的定性分类模型,并对正品和非正品大黄样本的分类模型进行了交叉验证。模型的预测能力和稳定性使用自助拉丁配分进行评价,使用50次自助拉丁配分,配分数为4。使用主成分分析-线性判别分析和支持向量机均得到了满意的结果。提出的方法证明是一种方便、无污染、准确和无需化学处理的鉴定大黄样本的方法。该文提出的步骤可以应用于其他中草药分类和生产的质量控制。     

局部建模方法用于烟草样品的近红外光谱定量分析

采用近红外光谱在主成分空间的距离作为样本相似性的判据,建立了一种用于近红外光谱定量分析的局部建模方法。该方法首先对校正集的光谱进行主成分分析(PCA),然后基于主成分空间中预测样本与校正集样本的距离选择校正子集并建立局部偏最小二乘(PLS)回归模型。对欧氏距离和马氏距离的比较表明,欧氏距离可以更好地表达样本之间的相似性。将所建立的方法用于烟草样品中氯和尼古丁含量的测定,结果表明局部建模方法比常用的全局建模方法具有更好的预测准确性,特别是在低含量成分的预测中具有明显优势。     

利用太赫兹时域光谱定性鉴别不同品种的苜蓿的研究

这项研究是利用太赫兹时域光谱(THz-TDS)技术结合多元统计方法,对14种外表看起来极其类似的不同苜蓿牧草品种进行鉴定识别的可行性研究。通过实验测试获得苜蓿牧草品种在0.1～1.5 THz有效波段的吸收系数和折射率等光谱参数,并且测试光谱揭示不同种类的苜蓿牧草在时间延迟、吸收强度和折射率等物理参量的平均值上都有所不同。尽管以上提到的这些太赫兹特征差异意味着太赫兹时域光谱(THz-TDS)鉴定识别牧草品种是可行的,但是,由于没有特征吸收峰作为指纹谱识别依据,因此,本文利用多元统计方法聚类分析(CA)和主成分分析(PCA)在光谱参数和不同品种的苜蓿草种之间建立模型用以进行辅助验证,通过CA方法计算得到牧草间的欧氏距离以及通过PCA方法获得牧草的任何两个样本的PC1分值显示CA和PCA之间存在着很好的一致性,说明CA和PCA两种多样统计方法均能反映牧草间的差异。因此,太赫兹时域光谱技术结合多元统计方法能够成为一种有效的快速检测识别不同苜蓿牧草品种的方法,进而为将来建立牧草品种太赫兹光谱数据库奠定基础。     

近红外光谱定量校正模型适用性研究

近红外光谱作为一种依靠模型进行分析的技术,对测定的样品进行模型适用性判断是得到可靠分析结果的前提。对于通过校正集样本近红外光谱测量和标准方法测定的基础数据依靠因子分析技术建立的多元校正模型,提出将因子分析与Mahalanobis距离相结合判断定量模型适用性的方法,以近红外光谱测定柴油十六烷值为例,对影响模型适用性判断的一些因素进行了讨论。     

近红外光谱指纹分析在羊肉产地溯源中的应用

为寻求低廉、快速有效地签别羊肉产地来源的方法,对来自内蒙古自治区锡林郭勒盟、呼伦贝尔市和阿拉善盟三个牧区,及重庆市和山东省菏泽市两个农区共99份羊肉样品进行近红外光谱扣描,利用主成分分析结合线性判别分析(PCA+LDA),以及偏最小二乘判别分析法(PLS-DA)对光谱数据进行了分析,建立了羊肉产地来源的定性判别模型.结...     

基于近红外光谱技术成品汽油分类方法的研究

在研究成品汽油的分类方法过程中,首先采用判别式聚类分析方法比较了700~1 100和1 100~1 700 nm两个波段范围判别模型的准确性,然后在识别模型准确性较高的波段(1 100~1 700 nm)采用主成分分析法(PCA)结合自组织竞争神经网络方法,对90#,93#和97#成品汽油建立定性识别模型。在建立定性模型前先用PCA法对原始数据进行主成分压缩。主成分分析结果表明,前3个主成分的累积可信度已达97%,取前3个主成分的32个波长点的吸光度作为神经网络的输入,建立三层自组织竞争神经网络模型。神经网络模型的学习参数为0.01,网络训练迭代次数为500。结果表明,基于主成分分析结合自组织竞争神经网络方法建立的近红外光谱鉴别成品汽油的模型鉴别准确率高、方法可行。     

花生种子品质的可见-近红外光谱分析

利用600～1 100 nm波段研究花生品种的可见-近红外反射光谱,对选取的三种具有代表性的花生种子进行实验。使用近红外光纤光谱仪采集光谱数据,对原始光谱进行小波分析以提取光谱特征,再用主成分分析方法进行聚类分析,最后把每一个样品的前4个主成分得分作为识别模型的输入,品种类别作为模型的输出,以马氏距离作为判别函数,建立了线性判别分析模型。对于每个品种的50个样品,随机挑选30个样本作为训练集,剩余的20个样本作为预测集。该识别模型对3个花生品种的平均正确识别率为95%。表明该方法能有效的识别花生种子,得到较好的分类效果,为花生种子品质的区分和鉴别提供了一种新方法。     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA, FLDA和KNN算法的模型鉴别准确...