土壤的中红外光声光谱研究

红外光声光谱是基于光声理论的新型数据采集方式,与传统红外光谱相比,其吸收系数大,适合高吸收和高散射的土壤分析。以中国三种典型土壤为试验材料,研究了这三种土壤(红壤,潮土和水稻土)的中红外光声光谱特征。结果表明,土壤的中红外光声光谱的测定快速方便,土壤样品不需前处理,光谱吸收值适中,具有更丰富的吸收,且土壤主要组成成分的中红外光声光谱也具有明显不同的吸收特征,因此中红外光声光谱能更好地适用于土壤分析;利用主成分分析处理土壤中红外光声光谱时,第1和第2主成分包含了光谱98.17%的信息;利用这两个主成分作二维散点分布图,结果表明该分布能对这三种土壤进行有效分类,这为土壤鉴定提供了快捷的新手段,并使中红外光声光谱在进一步的土壤定量分析中将具有潜在的应用前景。     

土壤碳酸钙中红外光声光谱特征及其应用

测定并分析了碳酸钙(CaCO3)的中红外光声光谱及光谱特征,利用中红外光声光谱并结合主成分回归(PCR)、偏最小二乘回归(PLSR)和人工神经网络(GRNN)三种分析方法建立回归模型,分析了土壤CaCO3的含量。结果表明CaCO3具有丰富的中红外吸收,最强吸收峰波数在1 450cm-1,且干扰少,可以作为土壤CaCO3的特征吸收峰;三种回归建模方法所建模型线性都很好,PLSR和GRNN最好,相关系数(R2)均大于0.9,PCR次之,为0.847;验证样本预测能力PLSR和PCR最佳,R2大于0.9;GRNN次之,为0.882。偏最小二乘回归在校正和预测过程中的结果都非常好,RPD值均大于3.0,具有较强的适用性。     

光声光谱在纤维样品分析中的应用

本文通过不同状态纤维样品的红外光声光谱的比较以及同一样品的红外光声光谱与红外光谱的比较表明：红外光声光谱用于纤维样品的分析，与红外光谱相比具有简单快速，分辨率好，信噪比高等优点，是研究纤维样品很好的分析手段。     

粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究

为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。     

结合小波分析法与导数光声光谱技术测量弱光谱信号的实验研究

结合导数光声光谱技术与小波分析方法,精确测量了光声光谱中的弱光谱信号.首先利用自己设计的仪器装置实现光声光谱的一阶导数,在此基础上,根据导数光声光谱的数据选择合理的分析小波,将光声光谱信号分解为不同频率信号的叠加,被分解的信号满足线性性质且原信号的峰值信息保持不变,由频率的差异可区分出光声信号和噪声信号,从而提取出光声光谱中的弱光谱信号.结合物理方法与软件方法的分析结果,准确地测量了氙灯的输出光声光谱中3个不明显的弱峰值,位置分别为699.7nm、753.4nm和776.5nm.该方法可以更准确地提取出光声光谱的峰值信息,有效地提高了光声光谱的测量精度,为光声光谱分析法在生物医学及化学分析中的应用提供了一种更精确的分析方法.     

基于冠层尺度的枣树色素含量的高光谱估算模型

植物冠层色素含量与氮素含量具有高度的相关性,是农业遥感中的关键研究因素。本研究的主要目的是：(1)对比偏最小二乘回归和支持向量机两种建模方法对枣树冠层色素的预测精度;(2)构建基于高光谱数据的枣树冠层色素含量定量反演模型,为枣树冠层色素含量的快速、无损、廉价、环保的测定提供一定的理论依据和技术支持。相关性分析结果表明,枣树冠层色素与高光谱数据之间具有较好的相关性,但叶绿素、叶绿素a要优于叶绿素b和类胡萝卜素。独立样本对模型的预测性能检验结果表明,偏最小二乘回归和支持向量机均能有效的估算枣树色素含量,但不同色素的偏最小二乘回归模型和支持向量机模型的预测精度存在一定的差异,叶绿素和类胡萝卜素的支持向量机模型的预测精度要高于偏最小二乘回归模型,而叶绿素a和叶绿素b则相反。比较不同色素的最佳反演模型的预测精度表明,叶绿素、叶绿素a和类胡萝卜素的预测精度要优于叶绿素b,前三者的决定系数大于0.8,残余预测误差高于2.0,平均相对误差低于13%,而叶绿素b的对应值分别为0.60%,20.79%和1.79%。     

Y-梯度广义最小二乘加权校正的土壤速效氮野外原位光谱预测

土壤速效氮是影响作物生长发育的重要养分指标。野外原位可见近红外光谱(VIS-NIR)分析技术具有快速无损等特点,对速效氮的定量预测具有较好的应用前景。野外条件下进行原位光谱采集更节省人力物力,且为土壤养分实时传感器的开发提供了数据基础。但由于野外原位光谱中通常存在大量的无关环境因子干扰信息,易导致回归模型预测精度降低,达不到实用要求。针对位于以色列中部和北部的两个试验点共76个样本开展研究,提出利用Y-梯度广义最小二乘加权算法(Y-GLSW)对样本的野外原位VIS-NIR反射率光谱(350～2 500 nm)进行滤波校正,以提高回归模型的预测能力。首先使用SG平滑、一阶导数变换、标准正态变换等常规方法对原始光谱进行预处理和变换;在此基础上再使用Y-GLSW构建滤波模型对变换后的光谱进行滤波校正;最后使用偏最小二乘回归算法(PLS-R)分别结合原始光谱RW、预处理变换后的光谱PPT和滤波校正后的光谱Y-GLSW建立回归分析模型对速效氮进行定量预测。结果表明：利用RW光谱建立的回归预测模型是不可靠的;利用PPT光谱建立的回归模型在测试集的相对分析误差(RPD)为1.41,解释总方差占实际总方差之比(SSR/SST)为0.57,模型具有一定的可靠性;Y-GLSW光谱建立的回归模型在测试集的RPD和SSR/SST分别为2.07和0.69,相对于PPT模型分别提高了46.81%和21.05%。因此,利用Y-GLSW对野外原位VIS-NIR光谱进行滤波校正,能够有效去除光谱中的无关信息数据,提高模型的预测精度和解释能力。     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。     

基于THz-ATR光谱的玉米种子水分定量模型优化方法研究

应用太赫兹时域光谱技术结合区间偏最小二乘法筛选玉米种子水分THz特征波段,并采用支持向量机构建基于特征谱区的抗非线性干扰的种子水分快速定量分析模型。实验以郑单958玉米种子为例,制备含水量范围9.58%~12.71%的种子粉末样本40组(每组取样3份),采用衰减全反射(ATR)附件扫描得到120份样本太赫兹时域光谱,根据SPXY(光谱-理化值共生距离算法)法划分得到训练集样本90份,测试集样本30份。种子水分对太赫兹波具有强烈吸收,首先采用基于偏最小二乘线性回归的移动区间（mwPLS）、独立区间(iPLS)、后向区间(biPLS)和联合区间(siPLS)方法筛选最优特征谱区组合;鉴于环境水分、种子其他成分及系统噪声对种子水分太赫兹光谱存在不可避免的非线性干扰,在上述光谱特征区间进一步采用基于RBF核函数的支持向量机和网格搜索法构建得到预测性能最优的种子水分快速定量分析非线性模型,训练集均方根误差为0.021 2,预测集均方根误差为0.069 7,相对分析误差为12.345 7,相较于传统偏最小二乘线性回归模型,模型性能得到提升。种子水分含量是影响种子贮藏安全和种子活力的重要因素,实验结果表明：太赫兹时域光谱结合化学计量学可以有效筛选种子水分特征吸收谱区,建立抗干扰、高精度的种子水分快速定量分析模型,有望成为未来种子质量快速测定领域一项极具应用潜力的补充技术。     

FTIR研究聚氨酯包膜尿素的溶胀度与控释机理

采用傅里叶变换红外光谱(FTIR)分析了聚氨酯包膜控释尿素(PCU)养分溶出过程膜层的结构变化。对比发现,随着溶出时间的延长,膜层的结构产生明显的改变,当养分累积释放量达到50%,膜层的红外谱图在3 435,3 342,1 671,1 621,1 448,1 159cm-1出现了新的吸收峰,与尿素的特征吸收峰3 440,3 347,1 667,1 624,1 460,1 154cm-1吻合,当养分累积释放量达到70%,新出现吸收峰的强度继续增加,此时膜层的红外谱图新增的吸收峰与尿素的红外谱图有较高的相似度。结果表明,新吸收峰的出现及增强是由于尿素在膜层连续相中含量增加引起的,含量越高表明膜层溶胀度越大,此时膜层微孔尺寸发生变化,导致养分释放速率的改变,养分释放曲线呈"S"形状。     

基于傅里叶变换中红外光声光谱的污渍鉴定

采用中红外光声光谱,对一起交通事故中当事人身上的污渍和当事货车上的尘土样本进行定性鉴定。结果表明,当事人左手肘部的污渍与身体其他部位的污渍明显不同,但与当事货车右车身上的污尘具有高度的相似性,表明当事人的左肘与当事货车的右车身发生了直接的碰擦,这为交通事故的定责提供了直接依据;因此,红外光声光谱可为中微量物质的精细鉴定提供了新手段,在物证分析中具有潜在的应用前景。     

三种膜材喷涂尿素前后红外吸收的研究

包膜肥料是目前肥料研究领域中的热点。相关的研究主要集中在包膜材料对包膜肥养分释放的作用机制上,而膜材在包膜前后结构变化的可用信息则较少,此信息是能否直接用膜材研究包膜肥养分控释机理的关键所在。文章分别用以聚乳酸(PLA)、聚丁二酸丁二醇酯(PBS)和聚碳酸酯(PC)为主要材料配制的膜材为对象,研究他们在对尿素包膜前后红外吸收光谱的变化,目的是为利用纯膜材深入研究包膜肥养分控释机理提供理论依据。结果显示PLA和PC在对尿素包膜前后的红外吸收光谱变化较小,而PBS较大。这说明前两种包膜材料能够直接用于研究包膜肥养分释放情况,但PBS不能。     

傅里叶变换衰减全反射红外光谱测定车用汽油诱导期方法研究

诱导期是评价汽油氧化安定性的重要指标。国内燃油市场汽油流通量较大,但目前仍采用传统GB/T 8018—87方法测定汽油诱导期,工序繁琐,耗时较长,难以实现对每批油品及时检测,无法满足汽油品质监管需求。为此,本文提出了一种采用傅里叶变换衰减全反射红外光谱（ATR-FTIR）测定汽油诱导期的快速分析方法。设计和集成了一种采用傅里叶变换衰减全反射红外光谱的智能型专用燃油品质快速分析系统,集光谱采集、数据处理、显示与存储等于一体。设计的测样附件由9次反射的衰减全反射（ATR）硒化锌晶体和带密封的不锈钢盖组成,具有光程恒定,注样和清洗方便等优点。研究了光谱扫描次数和重复装样次数对光谱信噪比的影响规律,确定了最佳扫描次数为15次,装样次数为4次。从京津地区收集64个不同牌号、不同生产时间的汽油样本,采用GB/T 8018—87方法测定其诱导期数值作为建模参考数据。使用该系统采集油样红外光谱。对光谱数据进行均值中心化、一阶求导预处理,采用偏最小二乘PLS方法将汽油红外光谱与其诱导期数据进行关联,建立车用汽油诱导期定量校正模型,其决定系数(R2)0.897,校正标准偏差(SEC)68.3 min,预测标准偏差(SEP)91.9 min。模型专用燃油品质快速分析系统预测汽油诱导期的相对偏差均小于5%,满足GB方法重复性允差要求。与传统GB方法相比,该方法操作简单,分析速度快,单个样本检测仅需3 min,对油品储运及销售过程中快速准确品质监管有积极意义。     

Broadly tunable quantum cascade laser in cantilever-enhanced photoacoustic infrared spectroscopy of solids

An external cavity quantum cascade laser (EC-QCL) is applied in the photoacoustic detection of solid samples. The EC-QCL used has a broad tuning range of 676 cm^?1 (970–1,646 cm^?1) in the mid-infrared region, which enables accurate broadband spectroscopy of large molecules. The high spectral power density of the EC-QCL is combined with an extremely sensitive optical cantilever microphone of the photoacoustic detector to achieve an ultimate sensitivity. The carbon black, polyethylene, and hair fiber samples were measured with the EC-QCL photoacoustic detection using electrical amplitude modulation to demonstrate the possibilities of the setup. The same measurements were repeated with a Fourier transform infrared (FTIR) spectrometer combined with a photoacoustic detector for a comparison. The EC-QCL photoacoustic setup yielded roughly a decade better signal-to-noise ratios than the FTIR setup with the same measurement time.     

Structure Elucidation of Textile Fabrics by Fourier Transform Infrared Photoacoustic Spectroscopy

A photoacoustic detection system mainly based on a Fourier transform infrared spectrometer has been constructed and some tentative evaluations of its performances have been made. Infrared photoacoustic spectra of cotton and nylon cloths have been obtained without troublesome sample preparations which are necessary in conventional infrared spectrometry. It can be said that the Fourier transform infrared photoacoustic spectroscopy is useful for the structure elucidation of organic polymers.     

Error analysis on dihedral angle of corner-cube reflectors in Fourier transform spectrometer北大核心CSCD

Fourier transform spectrometer is an important spectral analysis instrument. To research the influence of the dihedral angle error of corner-cube reflectors on interference quality of oscillating Fourier transform spectrometer, the theoretical analysis and computer simulation were carried out. According to the oscillating Fourier transform spectrometer model, the mathematical expressions of the interference intensity and modulation depth with dihedral angle error were deduced. The tolerance of dihedral angle was determined by the modulation depth criterion. The optical design software Zemax was used to establish the model for simulation and verify the results of theoretical derivation. According to the modulation depth criterion, the tolerance of dihedral angle obtained by the theoretical model is 2.52″, and that obtained by the Zemax simulation is 2.38″. The error is 0.14″, which is acceptable. The analysis results show that the established theoretical model is reasonable, which has certain reference value for the design and installation of oscillating Fourier transform spectrometers. © 2022 Editorial office of Journal of Applied Optics. All rights reserved.     

Adulteration of sesame oil with corn oil detected by use of two-dimensional infrared correlation spectroscopy and multivariate calibration

An innovative methodology was developed to detect adulteration of sesame oil with corn oil based on two-dimensional mid-infrared correlation spectroscopy with multivariate calibration. Forty pure sesame oils and 40 adulterated sesame oils with corn oil were prepared and the infrared absorption spectra were measured at room temperature, respectively. The synchronous two-dimensional mid-infrared correlation spectra were calculated to develop multivariate calibration models for adulteration of sesame oil with corn oil. The results showed the higher classification accuracy of 96.3% for the prediction set using two-dimensional mid-infrared correlation spectra and N-way partial least square discriminant analysis, versus 88.9% using traditional one-dimensional mid-infrared spectra and partial least squares discriminant analysis. Also, the multivariate calibration models were developed for quantitative analysis of sesame oil adulteration with corn oil. The root mean square error of prediction was 0.98% v/v using two-dimensional mid-infrared correlation spectra and N-PLS, and 1.15% v/v using traditional one-dimensional mid-infrared spectra and PLS. The results of our analyses indicated that the proposed method could provide better predictive results than traditional one-dimensional mid-infrared spectra and multivariate calibration.