基于NIR和SVM算法的巴里黄檀和交趾黄檀鉴别研究

快速准确的鉴别红木种类是当前红木行业亟待解决的一项重大课题,红木种类繁多,特征相似,价格昂贵,红木市场以次充好、以假乱真现象普遍。为了准确、无损的鉴别红木种类,该研究提出了应用近红外反射光谱技术结合SVM分类的模式识别方法,使用近红外漫反射光谱仪采集了市面上易混淆的巴里黄檀和交趾黄檀的心材光谱数据,取其一阶微分去除无关信息和噪声,试验结果使用2折交叉验证方法进行结果统计,结果表明,近红外漫反射光谱技术结合SVM技术能准确鉴别巴里黄檀和交趾黄檀,方法快速、无损、准确,给混乱的红木市场领域提供了一种可靠的鉴定方法。     

东非黑黄檀和阔叶黄檀抽提物的红外光谱三级鉴别

利用红外光谱结合二阶导数光谱和二维相关光谱,对东非黑黄檀和阔叶黄檀两种相似木材的苯醇抽提物成分进行分析研究,结果显示,两种易混淆木材的抽提物谱图差异明显,可实现化学分类区分树种的目的。     

基于太赫兹时域光谱技术的红木分类识别

提出了一种利用太赫兹时域光谱技术（THz-TDS）进行红木分类识别方法。红木价格昂贵,同时由于种类繁多难以识别,导致红木市场以次充好,以假乱真的现象层出不穷,严重扰乱了市场秩序,给生产者和消费者造成巨大的经济损失,传统的红木分类识别方法难以兼顾准确性和快速性,因此需要研究一种新的方法对现有木材分类识别方法进行补充和发展。相比于传统方法,太赫兹波对红木具有良好的穿透性及指纹特性,在红木的分类识别中有较大的应用潜力。选用5种红木（巴里黄檀、奥氏黄檀、大叶紫檀、小叶紫檀、交趾黄檀）作为试验样品木材。利用THz-TDS系统得到木材的太赫兹时域光谱,通过对五种木材的太赫兹时域光谱进行快速傅里叶变换,得到木材太赫兹频域光谱,并对太赫兹时域光谱提取光学参数,分别得到木材的太赫兹折射率谱和吸收系数谱,结果表明不同种类的木材在时域光谱上具有时间延迟线与振幅的差异,在频域光谱上显示衰减趋势及幅值各不相同,在吸收系数谱中各种类红木吸收峰出现的频段不同,能够直观地展示出各种类木材之间的区别,表明THz-TDS进行红木分类识别具有一定的可行性。利用连续投影算法（SPA）提取吸收系数谱和折射率谱的特征频率,对吸收系数谱260个频率点筛选出28个特征频率点,频段占比10.77%;对折射率谱260个频率点筛选出12个特征频率点,频段占比4.62%。分别建立基于吸收系数谱和折射率谱的随机森林分类模型和支持向量机（SVM）红木分类模型,并对各模型分类结果进行对比。实验结果表明,THz-TDS具有良好的木材识别效果,基于木材太赫兹吸收系数谱和折射率谱建立的随机森林分类模型对红木种类有着较好的分类性能,总体分类准确率分别达到了94%和96%,能够准确对红木种类进行分类识别。利用太赫兹时域光谱技术实现了红木的分类识别,为红木的分类识别提供了一个新的思路和技术方案,能够作为近红外光谱木材检测方法的补充,同时为太赫兹技术在木材分类识别领域的应用提供了理论基础。     

木蜡油涂饰对檀香紫檀易混树种的红外光谱影响分析

卢氏黑黄檀和染料紫檀木材特征与檀香紫檀相似,特别是两者经过加色精的木蜡油涂饰后,用肉眼很难与珍贵的檀香紫檀分辨。市场上销售的很多红木家具为了达到防腐、防尘、防开裂的性能以及提高红木表面光泽度和显现珍贵木材的纹理,大都进行了木蜡油表面涂饰加工,因而只研究木材本身的鉴别不能满足市场需求。借助红外光谱（FTIR）结合二阶导数红外光谱（SDIR）和二维相关红外光谱（2D-IR）技术,对经过木蜡油涂饰的檀香紫檀（Pterocarpus santalinus）、染料紫檀（P.tinctoricus Welw）和卢氏黑黄檀（Dalbergia louuelii）进行了红外光谱分析。通过打磨-涂底油-打磨-涂面油-干燥的涂饰工艺对3个树种进行表面涂饰。分别取3个树种素材的木粉和经过表面涂饰的木材表面的木粉进行FTIR,SDIR和2D-IR三级鉴别分析,同时测定了木蜡油的FTIR谱图。结果表明：(1）木蜡油FTIR谱图在2 925,1 733,1 465和1 378 cm-1较强的特征峰出峰位置与3个树种木材本身的出峰位置基本重合,且在2 854 cm-1处归属于亚甲基C-H对称伸缩振动,1 233 cm-1处归属于羧基C-O伸缩振动,729 cm-1处归属于长链的亚甲基C-H弯曲振动的特征峰在涂饰后三种样品的FTIR谱图中有相同的体现,说明木蜡油涂饰未对3个树种红外谱图的特征峰产生影响;3个树种表面涂饰前后FTIR谱图的相关系数同时可以对木蜡油涂饰未对3个树种的特征峰产生影响进行佐证;(2）FTIR谱图在1 595,1 060和836 cm-1处可以将染料紫檀与檀香紫檀和卢氏黑黄檀两个树种区分开;SDIR谱图可以在1 551 cm-1将卢氏黑黄檀区分开,并能进一步对染料紫檀的特征峰进行验证;在2D-IR光谱中,在1 425~1 800和850~1 300 cm-1两个波段范围,檀香紫檀的自动锋明显区别于其他两个树种,在1 250 cm-1处归属于醚类化合物的吸收峰可以将檀香紫檀区分开。目前红木识别主要利用木材解剖方法,表面涂饰大多集中在木材材色变化研究。借助红外光谱技术,最终利用各个树种和木蜡油在红外光谱谱图中不同的特征峰体现的官能团差异直接推测特征成分的含量差异,无须测定其特征成分的具体物质,进而实现准确、快速地把经木蜡油表面涂饰的檀香紫檀及与其易混淆的染料紫檀和卢氏黑黄檀区分鉴别。     

好氧处理后城市污水荧光指纹的变化

传统有机物参数如COD和BOD等只能表示总量,无法展示有机物成分。荧光光谱可以展现有机物组成,如同指纹与水样一一对应,被称为水质荧光指纹。该文研究了以生活污水为主的城市污水三维荧光光谱在典型活性污泥法处理前后的变化,识别出该类污水荧光指纹中可生物降解和难降解有机物的分布区域:城市污水的激发波长/发射波长=280/340nm与225/340nm附近的荧光主要由可生物降解的物质产生,而激发波长大于300nm和激发波长小于300nm且发射波长大于400nm的两个区域的荧光主要由难降解物质产生。结果表明荧光指纹可以检测污水处理工程的运行效果并指导反应器设计和运行。     

中高端苏酒的紫外荧光特性对比研究

针对苏酒中最具代表性的国缘系列和洋河蓝色经典系列两种中高端白酒进行研究,得出三维荧光光谱图,并对两种白酒的各自独有的荧光特征加以分析。发现国缘白酒在280～400 nm激发波长范围内具有明显的荧光特征,包含一个主要的荧光峰;洋河蓝色经典白酒在200～450 nm激发波长范围内包含5个明显的荧光峰。两个系列白酒在激发波长310～350 nm内具有明显的荧光特征,此范围内的有机化合物为主要的呈香呈味物质,对苏酒的口感香型起决定性作用。该研究成果对改善苏酒勾兑工艺,提高苏酒品质提供了科学的参考依据和量化标准。     

中药八角茴香水浸液的荧光光谱

为深入研究中药八角茴香的荧光成分,测试了八角茴香沸水浸取液的三维荧光光谱和紫外光谱,发现水浸液中主要存在两种荧光组分,一种组分的荧光激发波长为228nm和275nm,发射波长为304nm,另一种组分的荧光激发波长为260nm,发射波长为348nm.两种组分的荧光发射峰相距44nm,可以不经分离而分别测量.当溶液pH升高时,两种组分的荧光强度都随之改变,表明发生了质子离解.两种组分的荧光强度与浓度之间都存在良好的线性关系,据此可对两种组分进行定量分析.     

油漆涂层对近红外鉴别两种红木家具种类影响分析

红木家具市场以次充好、以假乱真的现象非常普遍,导致消费者对其真伪难以鉴别。目前对于近红外识别木材种类的研究已经很多,但对成品家具而言,表面涂饰是阻碍近红外光谱检测的最大障碍。因此本文通过对不同种类油漆涂层覆盖下木材近红外光谱特征分析,提出了一种主成分分析(Principal Component Analysis,PCA)结合BP神经网络(Back Propagation)的红木家具种类鉴别方法。以市面上易混淆的交趾黄檀和微凹黄檀为试验对象,首先使用近红外光谱仪采集光谱数据,比较了原木与家具的光谱差异,然后采用标准正态变量变换(Standard Normal Variate Transformation,SNV)的预处理方法,再利用主成分分析法以累积贡献率大于95%的主成分作为样品特征,构建3层BP神经网络模型。结果表明:基于主成分分析的BP神经网络的方法能较好的鉴别交趾黄檀和微凹黄檀两种红木家具,预测结果准确率分别为92.59%和94.38%,给红木家具种类的鉴别提供了一种新的可靠的方法。     

基于近红外光谱反射率特征的木材树种分类识别系统的研究与实现

提出了一种基于木材表面光谱反射率的新型木材树种分类识别系统,它解决了下面三个问题。首先,考虑到实际采集的光谱反射率曲线在某些波长噪声较大,这些波长应该被删除。另外,木材光谱反射率曲线波段为350~2 500 nm,原始实验数据为一个2 150维的向量(光谱采样间隔设定为1 nm),所以要对光谱数据进行特征选择和降维处理。为高效和同时地解决这两个问题, 使用了一种散步矩阵求解特征值方法进行了光谱特征波长的特征选择,同时还对噪声波长进行了滤波处理。该方法收到了较好的效果, 具有一定的新颖性。最后,为了使光谱仪采集到的光谱反射率曲线具有最佳的模式可分性信息,还对室内照明光源的安装高度进行了最优化设计,使用遗传算法求解出光源的最佳安装高度,使得采集的光谱反射率曲线具有最佳的树种分类信息。因此,提出的这种照明光源安装高度优化设计方法,在一定程度上提高了树种分类识别的精度,它具有较好的可行性和一定的新颖性。针对东北地区常见的五种树种(白松、樟子松、落叶松、杨木和桦木)木材进行大量的(约10万次)分类测试,实验结果表明五种树种木材的混合识别率达到了95%以上,具有较好的分类识别精度和速度。特征选择的波长主要集中在近红外波段。     

苋菜红与胭脂红荧光光谱的比较分析

测量了胭脂红以及其同份异构体苋菜红的荧光光谱.胭脂红标准溶液在220～400 nm不同波长激发光下,分别在420 nm,530 nm,635 nm,687 nm波长处产生了四个荧光峰,苋菜红在220～430 nm不同波长激发光下,在654 nm处产生了一个明显荧光峰.胭脂红产生四个荧光峰是由于其具有四种可以发射荧光的荧光团,为了研究这四种荧光在不同激发光激励下产生荧光的敏感程度,以及找到胭脂红和苋菜红这两种色素产生荧光的基团之间的联系.利用荧光强度的加和性原则,分别对这两种物质的荧光强度进行了理论计算.认为苋菜红的荧光峰对应丁胭脂红的第三个荧光峰,根据此特点,初步分析了四种荧光团对这两种色素在荧光发射过程中的影响程度,同时还从结构上分析了两种色素荧光光谱差异的根本原因.     

荧光光谱法检测水质COD时温度、浊度、pH的影响分析

以COD标准液为研究对象,基于特定激发波长下的荧光发射光谱数据,采用化学计量学算法对水质COD进行了检测,分析了水的温度、浊度和pH的变化对发射光谱的影响,并对相关参数的影响进行了补偿校正。在此基础上建立了多参量共同作用时对水质COD预测模型的补偿校正方法。首先采用荧光光谱法对浓度范围为1～55 mg·L-1水质化学需氧量(COD)标准溶液进行三维荧光光谱的采集,去除散射峰以后采用基于蚁群算法优化的偏最小二乘法(ACO-iPLS)对不同激发波长(Ex=255～285 nm,间隔为5 nm)下的荧光发射光谱(Em=275～450nm)数据进行特征提取并采用基于粒子群优化的最小二乘支持向量机算法(PSO-LSSVM)进行预测模型的建立。结果表明,不同激发波长下的荧光发射光谱数据模型的检验集决定系数R2_p在0.961 8～0.998 1范围内,当采用波长为Ex=270 nm的激发光作用时所激发出的荧光发射光谱数据所建模型的效果最优,其检验集决定系数R2_p=0.998 1,预测均方根误差RMSEP=0.348 3 mg·L-1。其次,对温度、浊度、pH对荧光光谱法检测水质COD的影响进行了分析,并给出了相应的补偿模型。结果表明,温度和浊度在检测水质COD时对荧光光谱的影响不可忽略,但通过建立补偿模型可以对其影响进行有效的补偿校正,温度补偿后荧光数据模型的整体平均偏差Bias=0.130 6 mg·L-1,经浊度补偿后可以很好的校正浊度变化对荧光光谱法检测水质COD的影响,而pH范围在4～12.3内变化时对荧光光谱的影响相对较小,因此可忽略。最后,结合单一影响因素的分析结果,对荧光光谱法检测水质COD时水体的多种环境因素(温度、浊度、pH)共同作用的影响进行了分析。实验结果表明,忽略pH影响后,可以采用对温度和浊度同时补偿的方法对二者的影响进行有效的校正。该结果可为水质参数光学传感器在调试过程中抑制环境因素的影响提供参考。     

基于激光诱导荧光的油类污染物检测系统研究

油类污染物具有破坏海洋生态系统和间接污染大气及土壤的危害,快速、准确地检测污染物的成分及其浓度具有重要意义。由于油类污染物光谱重叠严重,因此难以通过传统荧光分析准确加以区分。本文基于激光诱导荧光技术,以氙灯作为激发光设计荧光光谱检测系统,并对0#柴油、92#汽油和煤油进行扫描和检测,从而获得激发/发射光谱以及最佳激发/发射波长。并对该系统的软件算法部分进行改进,运用Savitzky-Golay卷积平滑直接获得更加精确的激发/发射光谱,更能全面、准确地反映油类物质的荧光特性信息。并与传统的荧光光谱仪得到的光谱图进行对比,经实验验证激光诱导荧光技术的荧光光谱检测系统的有效性,对油类污染物的荧光光谱信号的检测具有更高的灵敏度。     

饱和激发下叶绿素荧光非线性变化及影响分析

叶绿素浓度是海洋初级生产力的重要指标之一,激光诱导荧光技术可以实现海水叶绿素浓度的快速测量。测量叶绿素浓度的传统激光诱导荧光原理,是利用叶绿素荧光与水体Raman散射的强度比值（I_F/R）进行反演,即叶绿素浓度n_chl＝CI_F/R,其中C为系统常量。这是依据叶绿素荧光685 nm、水体Raman散射强度都与激发光强呈线性关系。然而,该理论并没有考虑诱导荧光饱和现象的存在。当诱导激光强度达到一定程度后,685 nm荧光强度随激发光强非线性变化。另外,值得注意的是,水体Raman散射并不存在信号饱和现象。为了探讨饱和激发造成荧光非线性变化的影响,在激光诱导荧光技术测量叶绿素浓度的实验中,设计两种测量方案,即：不同激光功率诱导单一浓度样本的荧光测量,和固定激光功率时不同浓度样本的荧光测量。实验中利用Nd∶YAG三倍频激光355 nm激发获得叶绿素溶液的404 nm处 Raman散射和685 nm荧光。实验结果分为2部分进行讨论：（1）为了分析饱和激发造成荧光变化的非线性特性,通过调节激发光功率测量溶液的受激发射光谱,发现水体Raman散射强度与激发光强呈线性关系,而685 nm荧光强度出现饱和激发下的非线性变化。而且,随叶绿素浓度的增加,685 nm荧光的非线性趋势更为明显,Raman散射强度与激发光强的线性关系中斜率变小。数据分析表明,685 nm荧光数据拟合的4阶多项式和Raman散射效率值,可以定性地表征685 nm荧光的饱和程度。（2）考虑实际海洋激光雷达探测叶绿素浓度应用中存在饱和激发荧光非线性现象,为了分析荧光非线性对传统叶绿素浓度反演理论适用性的影响,在固定激发光强情况下对不同浓度叶绿素溶液的发射光谱进行测量。将激发光功率调节至52.00,80.70,132.10和197.30 mW·cm-2,获取相应激发光强下685 nm荧光与水体Raman散射的强度比值和叶绿素浓度之间的关系。实验表明,激发光强不变的情况下,685 nm荧光与水体Raman散射的强度比值,与叶绿素浓度仍满足线性关系。但是,在较高光强激发时,饱和激发造成的叶绿素荧光非线性变化,导致利用传统激光诱导荧光理论反演的叶绿素浓度值偏小。因此,需要对饱和激发下荧光非线性的影响进行修正,其关系为I_F/R=n_chl/C+C_F,修正值C_F不可忽略。另外,值得一提的是,修正关系中系统常量C随激发光强增加而增大。研究表明,饱和激发造成的荧光非线性,会对激光诱导荧光技术测量叶绿素浓度产生影响,但由于造成荧光非线性因素的复杂性,仅通过荧光数据拟合获得的多项式,无法定量说明其影响权重。然而,当激发光强不变时,可以实验测量获得基于激光诱导荧光原理的修正关系,从而准确反演叶绿素浓度。     

基于二维相关荧光谱土壤中PAHs检测方法研究

传统荧光光谱技术已被用于土壤中多环芳烃(PAHs)的检测,但由于土壤体系的复杂性、PAHs污染物的多样化和微量化,传统的荧光光谱技术无法有效提取土壤中PAHs的特征信息。为了解决上述问题,提出并建立一种基于二维相关荧光谱土壤中多环芳烃的检测方法。以土壤中典型的多环芳烃蒽和菲为研究对象,配置38个蒽菲混合标准土壤样品(蒽和菲的浓度范围均为0.000 5～0.01 g·g-1),在激发波长265～340 nm,发射波长350～500 nm范围内采集了所有样品的三维荧光谱。以激发波长为外扰,对外扰变化的动态一维荧光谱进行相关计算,得到每一样品的同步二维相关荧光谱。研究了浓度均为0.005 g·g-1蒽菲混合土壤样品的三维荧光谱和同步二维相关荧光谱特性,在同步谱主对角线398,419,444和484 nm处存在自相关峰,其中,398和484 nm荧光峰来自土壤中的菲,419和444 nm荧光峰来自土壤中的蒽;在主对角线外侧,蒽和菲两组荧光峰之间存在负的交叉峰,进一步验证了其来源不同;同时,在(408,434) nm和(434,467) nm处出现交叉峰,其中408和434 nm荧光峰来自土壤中的菲,467 nm荧光峰来自土壤中的蒽。指出与三维荧光谱表征的信息相比,二维相关荧光谱不仅能提取更多的特征信息(408和467 nm的特征峰在三维荧光谱中未被表征),而且还能提供荧光峰之间的相互关系,对其来源进行有效解析。在上述研究二维相关荧光谱特性的基础上,基于同步相关谱矩阵(38×151×151)建立了定量分析土壤中蒽和菲污染物浓度的多维偏最小二乘(N-PLS)模型,对蒽的校正和预测相关系数分别为0.986和0.985,校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为4.33×10-4和5.55×10-4 g·g-1;对菲的校正和预测相关系数分别为0.981和0.984,RMSEC和RMSEP分别为5.20×10-4和4.80×10-4 g·g-1。为了比较,基于三维荧光光谱矩阵(38×16×151)建立了定量了分析土壤中蒽和菲的N-PLS模型,对蒽的校正和预测相关系数分别为0.981和0.972,RMSEC和RMSEP分别为5.09×10-4和6.74×10-4 g·g-1;对菲的校正和预测相关系数分别为0.957和0.956,RMSEC和RMSEP分别为7.36×10-4和7.77×10-4 g·g-1。指出,对于土壤中的蒽和菲检测,基于二维相关荧光谱的N-PLS模型的相关系数r,RMSEC和RMSEP都要优于基于三维荧光谱的N-PLS模型。研究结果表明：所提出和建立的方法-二维相关荧光谱直接检测土壤中PAHs污染物不仅可行,而且能提供更好的分析结果。该研究为激光诱导荧光结合相关谱技术现场直接检测土壤中多环芳烃污染物提供了理论和实验基础,具有较好的应用前景。     

荧光光谱及平行因子分析法在植物油鉴别中的应用

利用FS920荧光光谱仪测量市售的八种植物油(大豆油、玉米油、橄榄油、稻米油、花生油、核桃油、葵花籽油和芝麻油)共22个样品的荧光光谱,并对其数据矩阵(EEMs)进行平行因子分析,结合荧光谱分析的直观物质表征和平行因子法对灰色体系的组分识别优势,实现了植物油的种类区分与鉴别。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的三维荧光光谱和等高线光谱图,给出了各植物油峰位、峰数和峰强等特征信息,确定了植物油各荧光谱峰相应的荧光物质(不饱和脂肪酸类、维生素E及其衍生物、叶绿素及类胡萝卜素);将平行因子模型应用于植物油光谱数据矩阵的分析,确定了平行因子分析模型的因子数及各因子的物质基础(维生素E及其衍生物、亚油酸和亚麻酸、脂肪酸氧化产物、植物油氧化产物)。建立了植物油的4因子激发-发射光谱轮廓图和样品因子投影得分图。通过对植物油荧光光谱的图谱特征和其数据阵平行因子模型的分析,证实荧光光谱技术和平行因子分析法对植物油进行分析和种类鉴别的有效性。     

基于荧光多光谱融合的水质化学需氧量的检测

为了对水中的有机污染物进行绿色、快速、准确的检测,提出了一种基于荧光多光谱融合的水质化学需氧量(Chemical Oxygen Demand, COD)的检测方法。实验样本为包含近岸海水和地表水在内的实际水样53份,采用标准化学方法获取样本的化学需氧量的理化值,利用荧光分光光度计采集样本的三维荧光光谱并对光谱数据进行处理和建模。在200～300 nm(间隔5 nm)的激发波长范围内将三维光谱展开成二维的发射光谱(发射波长范围250～500 nm,间隔2 nm)。采用ACO-iPLS(蚁群-区间偏最小二乘)算法提取发射光谱特征,PSO-LSSVM(粒子群优化的最小二乘支持向量机)算法建立预测模型,分别建立了单激发波长下的荧光发射光谱数据预测模型、多激发波长下发射光谱的数据级融合(LLDF)预测模型以及多激发波长下发射光谱的特征级融合(MLDF)预测模型,通过对预测效果的对比,得出结论。实验结果表明,对于不同激发波长下荧光发射光谱数据而言,265 nm激发光作用下的发射谱数据的预测模型最优,其检验集决定系数R2_P和外部检验均方根误差RMSEP分别为0.990 1和1.198 6 mg·L-1;对于荧光多光谱数据级融合模型(简写为：LLDF-PSO-LSSVM)而言,在235,265和290 nm激发光作用下的发射光谱的LLDF模型效果最优,其检验集的R2_ｐ和RMSEP分别为0.992 2和1.055 1 mg·L-1;对于荧光多光谱特征级融合模型(MLDF-PSO-LSSVM)而言,在265,290和305 nm激发光作用下的荧光发射光谱的MLDF模型效果最优,其R2_p=0.998 2,RMSEP=0.534 2 mg·L-1。综合比较各类建模结果可知,MLDF-PSO-LSSVM的模型效果最优,说明基于荧光发射光谱数据,采用多光谱特征级融合模型检测水质COD时,检测的精度更高,预测效果更好。     

某兽药抗生素废水的荧光水质指纹特征

以某兽药抗生素废水为例,研究了基于三维荧光光谱的水质指纹(简称水纹)技术用于揭示废水有机成分性质的可行性。该废水具有4个典型水纹峰,峰的激发波长/发射波长分别为225/345,275/345,325/405和405/470 nm,编号A,B,C和D,各峰强度关系B>A>C>D。其中A峰和B峰的荧光强度较高,分别为(0.64±0.21)和(0.99±0.30) R.U,线性相关系数为0.95,且发射波长相同,很可能是同一种物质产生的。各水纹峰强度与COD都有明显的正相关性,线性相关系数R2达到0.66～0.70。C峰对应的有机物部分降解或降解速率较低,而其余3个水纹峰对应的有机物可以被较好降解。出水中新出现的荧光峰260/425 nm可能是废水微生物处理过程中新生成的腐殖质。上述研究表明,该兽药抗生素制药废水具有独特的水纹特征,水质指纹鉴别技术可以作为水体中识别该废水存在的新方法,水纹信息还可以反映废水有机物总量和有机成分的性质,对难降解废水的处理设计和运行均有一定价值。     

Detecting H_2S Gas Concentration by 1,8-Naphthalimides Fluorescent Probe

针对传统硫化氢检测方法灵敏度低的问题,以1,8-萘酰亚胺为荧光基团,基于H₂S的还原性,通过在荧光分子结构上引入具有氧化性的硝基,合成一种可与硫化氢气体发生氧化还原反应生成有荧光响应的小分子荧光探针。该探针本身荧光十分微弱,且荧光峰值在λ=467 nm和λ=522 nm处。与H₂S反应之后,522 nm处的荧光效应消失,467 nm处的荧光效应显著增强。测定小分子荧光探针在通入H₂S气体前后的荧光光谱,分析467 nm处的荧光强度与气体浓度关系。结果表明：荧光光谱法检测出的H₂S气体浓度与荧光强度之间存在很强的线性关系,相关系数为0.979 3,最低可检测极限可达0.88×10-6 mol·L-1量级。表明基于1,8-萘酰亚胺衍生物的荧光光谱检测法可为油气田H₂S气体浓度的的快速测定提供参考。     

三种品牌牛奶的荧光光谱特性研究

应用FLS920P型稳态和时间分辨荧光光谱仪,对三种品牌不同脂肪含量的纯牛奶和鲜奶（共9种）进行了荧光光谱的测量。9种牛奶样品的三维荧光光谱显示,牛奶的荧光峰值波长为349 nm左右,半高宽为66 nm左右,最佳激发波长为291 nm左右,平均寿命为4.6 ns左右,实验表明9种牛奶的荧光光谱除荧光强度外基本一致。实验测得酪蛋白溶液的荧光峰值波长为344 nm,半高宽为66 nm,最佳激发波长为295 nm,荧光寿命为4.1 ns。酪蛋白的荧光峰值波长和荧光寿命与牛奶基本一致,对比牛奶中其他荧光物质后,推断牛奶的主要荧光物质为酪蛋白。进一步探究9种牛奶荧光强度的差别,对比9种牛奶最佳激发波长下的荧光发射光谱,相同品牌的全脂牛奶荧光强度明显低于脱脂牛奶。对比全脂牛奶、脱脂牛奶和离心处理的全脂牛奶归一化后的荧光光谱,离心后的全脂牛奶荧光强度介于全脂和脱脂之间,离心使得脂肪减少,散射降低,从而导致荧光强度的增强。牛奶的荧光发射全谱显示全脂牛奶的瑞利散射强度明显高于脱脂牛奶,全脂牛奶的脂肪含量高,散射强,激发光入射全脂牛奶后更多地被散射,导致全脂牛奶的瑞利散射强度高于脱脂牛奶。光透过率曲线显示全脂牛奶的透过率都低于脱脂牛奶,入射光通过全脂牛奶时,除了一部分被酪蛋白吸收以外,还有一部分因脂肪的散射而损失,透过率减小,使得全脂牛奶的透过率都低于脱脂牛奶。使用荧光光谱技术在不进行预处理的情况下对牛奶进行检测,确定了牛奶的主要荧光物质,并对全脂牛奶和脱脂牛奶荧光强度存在差别的原因进行了解释。