浸入式可见/近红外光谱技术的藻种鉴别研究

对藻类的识别分类及其生化分析已成为海洋生物学的研究热点之一。以普通小球藻、蛋白核小球藻、微绿球藻、莱茵衣藻为样品,通过便携式USB4000微型光纤光谱仪、Y形光纤和探针,卤素光源构建的光谱采集系统对不同浓度梯度的120个微藻样本进行浸入式可见/近红外透射光谱的原位采集,比较去基线、卷积平滑等光谱预处理方法的效果,并基于连续投影算法(SPA)筛选特征波长,通过偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM)和极限学习机(ELM)进行建模,探讨采用透射光谱原位快速鉴别四种不同藻种的可行性。结果表明：卷积平滑的处理效果较为理想,有效波长可用于代替原始光谱建立微藻种类判别分析模型。SPA-LV-SVM和SPA-ELM的预测效果显著高于SPA-PLS,三者的平均预测正确率分别是80%,85%,65%。浸入式可见/近红外光谱技术和便携式光纤探针结合的藻种鉴别方法,有效实现了对四种微藻的鉴别,为藻种鉴别和藻种分类研究领域提供了一种新思路。     

基于显微拉曼对氮胁迫下微藻油脂变化的研究

利用共聚焦显微拉曼光谱仪获取生长在三种氮营养条件下(氮胁迫、氮正常、氮饱和)培养的蛋白核小球藻(Chlorella pyrenoidosa)的拉曼光谱,通过拉曼散射光谱信息对微藻在不同氮胁迫下生长情况及油脂变化进行研究。对油脂拉曼特征峰值比值作气泡图以直观表达油脂积累量,该气泡图与尼罗红荧光图像具有良好的相关性。光谱信号经预处理后,利用主成分分析(PCA)对全波段进行分析,获得相应的主成分变量,通过线性判别分析(LDA)建立分类模型。利用PCA获取的主成分变量建立的LDA预测模型对三种氮营养条件的预测正确率分别是80%, 93.3%, 86.7%。基于油脂特征位移(RS)处的比率建立的LDA分类模型对三种氮营养条件的分类正确率最高达到86.7%。研究结果表明,利用拉曼技术对微藻生长的不同氮胁迫条件鉴别是可行的,且随着氮胁迫影响的时间增加,油脂的积累差异就越大。     

小球藻生长过程脂肪含量动态变化快速无损检测方法研究

微藻-生物柴油转化生产要求产油微藻细胞内大量积累脂肪,而藻类脂肪的积累受外界环境影响较大,因此,微藻生长过程中对藻体脂肪变化进行快速检测和分析有着非常重要的意义。以小球藻(Chlorella sp.)为研究对象,利用可见/近红外光谱技术和高光谱成像技术对不同光源培养条件下微藻生长过程脂肪动态变化和脂肪含量分布可视化分析进行了研究。研究结果表明,虽然利用两种技术获取的小球藻透射光谱和反射光谱有差异,利用连续投影算法进行特征波长也不完全相同,但基于两种技术获得的对于脂肪含量的特征波段光谱建立的小球藻脂肪含量多元线性回归模型的预测结果接近,分别为r_(pre)=0.940,RMSEP=0.003 56和r_(pre)=0.932,RMSEP=0.004 23。研究中小球藻接种初期至生长指数期初期藻体内脂肪含量相对平稳,积累增加发生在生长对数期的末期,而在生长平稳期时的小球藻藻液中,脂肪含量较高的藻体呈现出聚集生长的状态。小球藻生长过程中生命信息快速无损检测方法的实现为微藻实际生产培养和收获策略的制定提供了理论依据和技术手段。     

小球藻、球等鞭金藻和螺旋藻生物量高光谱成像的可视化研究

微藻高效培养是微藻生物能源开发利用的关键和前提,而在营养充足的培养条件下生长迅速但较易受到环境污染和影响,因此微藻生长过程中对其生长状况进行监测意义重大。高光谱成像技术同时拥有丰富物质品质信号的优点和图像包含丰富品质分布空间信息的优点,可为微藻的快速无损检测提供新的方法和手段。分别采集小球藻、球等鞭金藻和螺旋藻三种微藻各45个样本的高光谱图像,并提取样本感兴趣区域(ROI)的平均光谱。利用连续投影算法(SPA)波长优选之后,取30个建模集样本的光谱数据与其相应的生物量建立多元线性回归(MLR)模型,对15个预测集样本的生物量进行预测,小球藻、球等鞭金藻和螺旋藻预测相关系数(r)分别为0.950,0.969和0.961,预测均方根误差(RMSEP)为0.010 2,0.010 7和0.017 1,获得了较好的预测精度。最后,用所建MLR模型对预测集图像上每个像素点的生物量加以预测,采用Matlab图像编程处理将不同的生物量用不同的颜色表示,最终以伪彩图的形式实现藻液生物量的可视化。研究结果表明,高光谱成像技术对小球藻和螺旋藻藻液生物量的可视化效果较好,对球等鞭金藻的预测效果还需要进一步改进。本研究为实现微藻生长信息的快速获取和进一步开展微藻生物质能源利用奠定了一定的研究基础。     

基于拉曼光谱技术鉴别新陈大米的方法研究

基于拉曼光谱检测技术结合化学判别方法,建立新陈大米拉曼光谱判别模型;建立适当的样品预处理方法,确保样品制备的均一性,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785 nm波长激光激发下,获取样品200～2 400 cm-1的拉曼光谱信息;对原始拉曼光谱进行基线校正、平滑、滤波等处理。利用主成分分析法（PCA）对拉曼光谱进行降维处理及粗分类鉴别;基于偏最小二乘分析法（PLS）,建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明：该模型判断新陈大米是可行的,为大米新陈度的快速判别提供了一种新的方法。     

基于激光显微拉曼技术鉴别印章盖印时间

采用激光显微拉曼光谱技术,对两年时间内的印文样本的拉曼光谱进行分析,通过已知检材的拉曼光谱数据与确切的不同时期的时间样本数据进行比对,得出QC匹配值。结果表明,可以依据QC匹配值判断印文的相对盖印时间,为印文形成时间鉴别提供一种准确、无损的检测方法。     

基于拉曼光谱快速鉴别新陈大米的方法研究

利用拉曼光谱技术结合化学判别方法建立新陈大米拉曼光谱判别模型。选取合适的样品预处理方式,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785nm波长的激光下,获取样品200~2 400cm-1的拉曼光谱信息,并对原始拉曼光谱进行基线校正、平滑、滤波等处理。应用主成分分析法(PCA)对光谱数据进行降维处理及粗分类鉴别;基于偏最小二乘分析法(PLS),建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明:该模型判断新陈大米是可行的,为稻谷新陈度的快速判别提供了一种新的方法。     

显微激光拉曼光谱技术检验彩色激光打印机打印文件墨迹的实验研究

本研文鉴别不同品牌、型号彩色激光打印机打印文件提供一种无损、便捷的检验方法。利用显微激光拉曼光谱仪检验彩色激光打印机打印文件墨迹,对四种颜色墨迹的拉曼光谱图进行比较区分,发现不同品牌、型号彩色激光打印机打印文件的四种颜色墨迹的拉曼光谱不同,因而可以利用显微激光拉曼光谱技术区分不同品牌、型号的彩色激光打印机打印文件。     

拉曼光谱结合LSTM长短期记忆网络的樱桃产地鉴别研究

现在樱桃市场上存在着大量以次充好的不良现象,严重损害了名牌樱桃的品牌经济效益,所以亟需一种能对不同产地樱桃实现快速无损鉴别的技术。拉曼光谱溯源技术作为光谱溯源技术的一种,由于具有快速、高效、无污染、无损分析等优点,逐渐得到相关研究者的重视。长短期记忆（LSTM）网络是一种具有记忆性的反馈神经网络,它是循环神经网络的一种变体。LSTM网络克服了循环神经网络中梯度消失的缺点,适合处理序列敏感的问题和任务,目前被广泛应用在语音识别、图像识别和手写识别等领域,但LSTM网络在产地溯源方面的应用还有待研究。基于此,提出了一种LSTM网络与拉曼光谱技术结合的能对不同产地樱桃实现快速无损鉴别的技术。将来自美国、山东和四川的369个樱桃作为研究样本,用拉曼光谱仪在785 nm激光下获得了不同产地樱桃的光谱数据。并且以每条经过基线校正后的拉曼光谱数据作为网络输入数据,基于LSTM网络构建了能对不同产地樱桃实现快速鉴别的判别模型,并且以样本判别准确率A、样本精确率P、样本召回率R和样本F值作为评价指标,探究了不同预处理方法对LSTM网络判别模型性能的影响。结果表明：当样本训练集和测试集的比例为85∶38时,直接采用原始拉曼光谱数据的LSTM网络模型的产地鉴别能力不高,鉴别准确率为79.87%。但当使用预处理过后的拉曼光谱数据,模型的鉴别准确率维持在92%以上。并且光谱经过SG+MSC预处理后模型的鉴别准确度最好,鉴别准确率达99.12%。同时在采用SG+MSC预处理的方法下,LSTM网络鉴别模型的精确率、召回率、F值均较高,表明了所提出的LSTM网络模型有较好的性能可实现对不同产地樱桃的鉴别,为樱桃的产地溯源提供了一种新的思路。     

FTIR和Raman用于盐酸曲马多的结构分析

采用AVATAR 360型傅里叶变换红外光谱仪和RM-1000型激光共聚焦拉曼光谱仪测定盐酸曲马多的红外光谱和拉曼光谱。拉曼光谱和红外光谱中均显示出了盐酸曲马多的特征峰,都能够用于其结构鉴别。采用红外、拉曼光谱这两种方法互相印证,互相补充,可增强鉴定的准确性、可靠性。     

拉曼光谱法结合薄层层析分析红酵母色素

利用薄层层析色谱法分离红酵母色素,结果显示,红酵母细胞能合成至少三种色素,即β-胡萝卜素、红酵母红素、圆酵母红素;采集三种色素的拉曼光谱,光谱数据经过背景扣除、基线校正、三点平滑等方法预处理,统计不同色素的平均光谱,结果表明三种色素的CC拉曼位移不同,并且β-胡萝卜素的拉曼位移最多,红酵母红素和圆酵母红素的含量较多;定量分析色素特征峰高比值,各色素峰高比值差异不大,峰高比值能用作参数,为深入研究活体细胞内色素的相对含量提供参考。以上结果表明,拉曼光谱法结合薄层层析能够分析红酵母色素,可以提供红酵母色素的丰富信息,是研究色素的有效方法。     

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法,实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性,通过采集40个藻类样品的荧光光谱图像,对图像进行去噪、二值化处理,确定有效像素后,根据光谱立方体绘制每个样本的光谱曲线,将所得400～720 nm区段范围内的光谱数据作鉴别分析,再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明： 采用欧氏距离法及平均加权法计算样本间的聚类距离,在距离L=2.452以上水平处可将样本正确分类,准确率为100%;主成分分析结果表明： 通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后,再对数据进行主成分分析,其中二阶微分预处理后鉴别效果最佳,八种藻类样品在主成分特征空间中独立分布。因此,利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的,操作简便、快速、无损。     

应用近红外光谱对低碳数脂肪酸含量预测

应用近红外光谱技术结合支持向量机回归(support vector machine regression, SVR)方法测量食用植物油脂低碳数脂肪酸(C≤14)含量。使用SupNIR-5700近红外光谱仪采集58个样品的近红外光谱图,通过偏最小二乘(partial least square, PLS)算法剔除奇异样品。选择其中具有代表性的52个样品进行主成分分析(principal component analysis, PCA),选取径向基(radial basis function, RBF)核函数建立支持向量机回归模型,并对光谱预处理方法和参数寻优方法进行了详细的分析和讨论。实验表明,经过粒子群算法(particle swarm optimization, PSO)优化后模型的性能都有所提高,泛化能力更强,预测的准确度和稳健性更好;其中预处理方法2经过PSO优化寻优后的参数C=2.085, γ=22.20时,预测集和校正集相关系数(correlation coefficient, r)分别达到了0.998 0和0.925 8,均方根误差(root mean square error, MSE)分别为0.000 4和0.014 3。研究结果表明,应用近红外光谱结合PSO-SVR方法进行食用植物油脂低碳数脂肪酸含量快速、准确的预测是可行的。     

基于小波变换的藻类显微光谱成像分类技术

通过显微成像光谱技术对淡水藻类进行成像光谱的测量,并试图同时从形貌和化学成分两个方面给出藻类识别的综合方法。首先利用显微图像技术对单个藻种进行观察测量,进行形貌学分类,再通过成像光谱仪获得藻类的吸收光谱立方体,然后利用小波变换对光谱进行处理,得到区分形貌相近的不同藻类的光谱特征参数,在化学成分上将其区分。本方法对准确进行藻类识别具有重要的指导意义。     

矿物药蒙脱石散EDS指纹图谱双指标等级序列个性化模式识别分析及快速质量评价

矿物药中的多种金属和非金属元素及其含量决定了其功效。目前亟待建立普遍适用的、非化学分析的、以元素种类及其含量信息为基础的多种矿物药快速鉴别及定量质量评价方法。EDS元素指纹图谱可以快速测定各类矿物药的元素种类及含量。双指标等级序列个性化模式识别法则通过比较计算任意两个样品的共有(量)指标率及变异(量)指标率,建立以各个样品为参考的个性化双指标序列,然后再计算每个序列中所有样品的平均共有指标率及其标准偏差S,构造相似尺度函数P≥+xS。确定适合于所有样品最优分类的x和每个样品的个性化的显著相似样品特征序列,将其作为分类标准实现最佳分类。该法不仅适用于仅有共有峰,同时也适用于既存共有峰又有变异峰的指纹图谱的量化分析。测定了七种不同公司生产的蒙脱石散的EDS指纹图谱,计算了不同样品指纹图谱之间峰面积(或主要活性元素Fe,Al,Ca,Mg,Si的含量)的双指标率,当相似尺度x=0.5,可对七种蒙脱石散产品进行高分辨鉴别及准确质量评价。该法为矿物药的快速高分辨鉴别及定量质量评价提供了一种新途径。     

液态样本近红外光谱测量中的光程变化误差消减方法研究

以蔗糖溶液为研究对象,利用近红外光谱分别测量4,5和6 mm光程下不同浓度蔗糖溶液的透反射光谱,研究采用矢量归一化、基线偏移校正、多元散射校正、标准正态变量变换、一阶导数5种预处理方法消除光程差异的影响,并结合PLS方法建立校正集模型。与原始光谱的PLS模型相比,五种预处理方法均对模型的预测精度有不同程度的提高,其中,多元散射校正结合PLS方法建立的模型最优,使原始光谱的主成分数PC由6下降为3,决定系数R2由0.891 278提高到0.987 535,交互验证决定系数R2_CV由0.888 374提高到0.983 343,校正标准偏差RMSEC由1.704%下降到0.89%,交互验证的校正标准偏差RMSECV由1.827%下降到1.05%,预测集样本的相关系数由0.950 89上升到0.976 22,预测标准偏差由0.014 36下降为0.01。结果表明,五种预处理方法中,多元散射校正法能够消除光程差异的干扰,提高模型的预测精度,改善稳定性。     

藻类内源产生有色溶解有机物的吸收和三维荧光特性研究

利用吸收光谱和三维荧光光谱-平行因子分析(EEM-PARAFAC) 方法,研究了海洋中常见的四种硅藻、两种甲藻藻液的CDOM的光吸收性质和三维荧光特性。吸收光谱测定结果表明在六种藻类生长过程中,旋链角毛藻、三角褐指藻、小新月菱形藻和盐生舟行藻四种硅藻以及东海原甲藻和裸甲藻两种甲藻的α(355)分别增加了64.8%,242.3%,535.1%,903.2%,836.0%和196.4%。表征CDOM分子量和类腐殖质组分比例的Sg呈下降趋势,分别降低了8.7%, 34.6%, 39.4%, 53.1%, 46.7%和35.7%。在三维荧光光谱测定中检测出小新月菱形藻和盐生舟行藻两种硅藻藻滤液的CDOM包括三种类腐殖质组分和一种类蛋白质组分：C1(Ex/Em=350(260) nm/450 nm),C2(Ex/Em=260(430) nm/525 nm),C3(Ex/Em=325 nm/400 nm)和C4(Ex/Em=275 nm/325 nm)。随着藻类的生长,小新月菱形藻和盐生舟行藻藻滤液的CDOM荧光强度分别增加了8.68,24.9,7.19,39.8倍和2.64,0.07,4.39,12.4倍,经过相关性分析表明各组分的荧光强度与α(355)和Sg之间均表现为良好的相关性。综上研究结果表明不论是甲藻还是硅藻,在生长过程中藻类内源所产生的CDOM的含量及分子量均表现为上升趋势,且硅藻类相比甲藻增长变化更为明显。在CDOM的组成中,类腐殖质成分随藻类生长所占比重同步增大,类蛋白质组分增长缓慢。另外通过该研究可以发现不同种类的藻所产生的CDOM的吸收光谱有明显差异,由三维荧光光谱得到的不同荧光组分强度也因藻种不同而不同,说明不同藻种在天然海水中对CDOM的贡献有很大区别。     

拉曼光谱特征提取在化学纤维定性鉴别中的应用

拉曼光谱作为快速、无损的检测技术受到越来越广泛的关注,已经成功的应用于过程监控、质量监测、考古鉴定等领域。针对纺织纤维拉曼光谱的特性,提出了一种基于特征提取的拉曼光谱定性鉴别方法。该方法通过直接测取织物、纤维的激光拉曼光谱,并结合光谱预处理技术与特征峰提取、匹配识别方法,能够定性地鉴别织物、纤维的成分归属,对纺织品检验中的难点化学纤维成分的鉴别效果尤其显著。利用94份测试样品对织物成分中普遍存在的4种纤维品种——涤纶、腈纶、锦纶和粘胶进行了鉴别以验证算法的有效性。实验结果表明,该鉴别方法快速、有效,并具有很好的扩展性能,且该方法属纯粹的光学方法,需要样品量少、无需前处理,测试过程对样品无损,不产生化学污染物,适宜对各类织物成分的定性鉴别,突破了现有检测方法存在的局限。     

Applying the method of Coherent Anti‐stokes Raman microscopy for imaging of carotenoids in microalgae and cyanobacteria

Coherent anti‐stokes Raman scattering microscopy (CARS) was applied to visualize carotenoids in microalgae and cyanobacteria. Nonlinear light–matter interaction utilized in CARS microscopy inevitably induces a number of competing nonlinear processes, such as multiphoton excitation fluorescence. Microalgae and cyanobacteria being an intrinsically well‐fluorescent object generates a strong two‐photon‐excitation fluorescence (TPEF) signal which should be effectively suppressed during the CARS experiment. Using an energetically balanced duel‐wavelength excitation scheme and spectral purification of detecting signal, the TPEF was completely blocked providing a possibility to probe microalgae and cyanobacteria in a fingerprint region of the CARS spectrum. Microspectroscopy experiments were carried out with three species ‐ cyanobacteria Nostoc Commune, Nostoc sp. and Chlorella sp. Distinct bands obtained in CARS spectra of such species were assigned to carotenoids and were taken as spectral markers in the imaging experiment. CARS imaging known as a chemical selective and label‐free technique allows non‐invasion monitoring of accumulation and movement of chemical compound at the subcellular level. Obtained high‐resolution images of carotenoid distribution in algae and cyanobacteria clearly demonstrate the potential of CARS microscopy for spatially resolved analysis of the natural products stored in the microalgae and cyanobacteria cell. Copyright © 2013 John Wiley & Sons, Ltd.     

基于近红外光谱技术的小麦条锈病和叶锈病的早期诊断

为实现小麦条锈病和叶锈病的早期诊断,利用近红外光谱技术结合定性偏最小二乘法(DPLS)建立了一种鉴别这两种病害的方法。试验将150片小麦叶片(健康叶片、条锈病潜育叶片、条锈病发病叶片、叶锈病潜育叶片、叶锈病发病叶片各30片)分为5类,扫描获得近红外光谱,建立小麦叶片DPLS近红外光谱鉴别模型。原始光谱数据经二阶导数处理后,在4 000～8 000 cm-1范围内,当利用不同建模比建模时,建模集的平均识别率为96.56％,检验集的平均识别率为91.85％,证明了模型的稳定性。当建模比为2∶1、主成分数为10时,模型识别效果较好,建模集的识别准确率为97.00%,检验集的识别准确率为96.00%。表明应用近红外光谱技术建立的小麦条锈病和叶锈病早期诊断的定性鉴别方法是可行的。