拉曼及近红外吸收光谱的燃油混合物量化分析

生物柴油是典型的"绿色能源",具备良好的环保性和燃料特性,通常与柴油混合使用在柴油发动机上。但是目前世界各国柴油与生物柴油混合的比例标准参次不齐,没有一个统一的标准,并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能,也会对柴油发动机产生一定程度的影响。为了能够快速、准确的测量柴油/生物柴油混合物中的生物柴油浓度,近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱,然后利用平滑、基线校正、归一化等方法对采集到的光谱进行预处理。从光谱图中观察到,在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有C=O特征光谱区域,且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。拉曼光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在1 743 cm~(-1)位置处的特征峰,在近红外光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在4 659 cm~(-1)处的特征峰。然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。结合强度比方法建立特征峰强度比的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱建立的C=O特征峰线性预测模型相关系数分别为0.947 2和0.996 2;结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R~2)分别为0.981 5和0.991 2,相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。结果表明,在混合燃油中,使用近红外光谱中的C=O光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。     

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。     

近红外光谱谱线特性对物质浓度分析误差影响的研究

为解决近红外光谱法分析物质浓度过程中缺乏可测度分析而导致测量过程存在一定盲目性问题,研究在已知测量条件、样品种类、被测组分以及建模分析方法的条件下,利用近红外光谱谱线特性作为参数,在大量样品近红外光谱采集和标准法测得浓度数据等工作前,对被测物质浓度的分析误差做大致估算。经过大量尝试和试验提出等效信噪比（ESNR）和谱线重叠系数（OC）两个重要参数,其中ESNR反映待测组分吸光度占总吸光度的比重,而OC则反映待测组分近红外光谱曲线间的重叠程度。通过理论仿真得到光谱分析中用经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系,分别计算ESNR和OC与被测组分浓度分析误差（RMSE）的关系,并且研究两个谱线参数的独立性。利用理论分析得到结果对浓度为8%~12%乙醇水溶液进行可测度分析,并与近红外光谱法分析的实际结果进行比较。研究通过理论仿真得到使用光谱分析中经典的偏最小二乘回归建立定量分析模型时谱线特性与物质浓度分析误差的关系,其中ESNR与RMSE成反比关系,而OC与被测组分分析误差成非线性的单调关系,并且验证了ESNR和OC两个参数的独立性。通过理论计算和乙醇水溶液近红外光谱检测实验对等效信噪比和谱线重叠系数与光谱分析浓度误差的定量关系进行讨论,通过理论分析得到的乙醇浓度RMSE预估值为0.30%,近红外光谱分析实际RMSE为0.32%,相对误差6.67%,二者结果相符。实现了在测量条件、样品种类、被测组分以及建模分析方法已知的条件下基于近红外光谱分析的待测组分含量理论误差的定量计算和实验验证。该研究明确了对近红外光谱法分析物质浓度有明确定量关系的两个谱线参数,给出了使用光谱分析中经典的偏最小二乘回归建立定量分析模型时的分析误差经验曲线,以及利用曲线进行近红外光谱法待测组分浓度可测度分析方法。结果表明所提出的ESNR和OC两个谱线特性参数的有效性,以及分析误差预估方法的有效性。为近红外光谱法待测组分浓度定量分析提供了有效、快捷的预估方法,完善了近红外光谱法成分含量可测度分析理论,对近红外光谱法物质浓度定量分析研究具有一定指导意义。     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

基于近红外光谱法的多组分复杂溢油源定量建模分析

研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。选取汽油、柴油、煤油三种轻质石油类产品,按照不同浓度比例配置成40个模拟混合溢油样本,利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱;采用不同预处理方法,利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。汽油、柴油和煤油的最优预处理方法均为二阶导数方法,分别在8 501.3～7 999.8 cm-1,6 102.1～4 597.8 cm-1,6 549.5～4 597.8 cm-1,7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内,预测模型的决定系数R2分别为0.998 2,0.990 2和0.993 6;RMSEP值分别为0.474 7,0.936 1和1.013 1;RPD值分别为25.126 9,10.517 3和13.072 0。实验结果表明：利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度,为海洋复杂溢油源的定量检测与分析提供有效手段。     

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。     

表面增强拉曼光谱检测鸡蛋蛋清内三聚氰胺的定量方法研究

三聚氰胺对人体有害,鸡蛋内三聚氰胺定量检测非常有必要。以鸡蛋蛋清为研究对象,应用表面增强拉曼光谱技术结合化学计量学方法对蛋清内三聚氰胺进行了定量检测。首先采用人工饲养蛋鸡的方法获取含有三聚氰胺的样品鸡蛋。然后使用便携式拉曼光谱检测仪(Opto Trace RamTracer-200)和拉曼增强试剂测定蛋清的表面增强拉曼光谱,同时利用气相色谱质谱技术测定相应蛋清中三聚氰胺的含量。利用Raman Analyzer对拉曼光谱基线进行校正。应用相关系数法从表面增强拉曼光谱中选取320个光谱变量作为输入变量,建立偏最小二乘定量校正模型;并应用谱峰分解法建立谱峰分解定量校正模型。两种模型建立过程中均选定90个样本做为模型校正集,44个样本做为模型验证集,两种模型都有较好的预测效果。偏最小二乘定量校正模型预测值与气相色谱质谱联用法(GC-MS)测定值的决定系数R2为0.856,预测均方根误差RMSEP为1.547;谱峰分解定量校正模型R2为0.947,RMSEP为0.893。实验结果表明,该方法能有效定量检测鸡蛋内三聚氰胺,检测一个样本仅需15 min,为蛋品的三聚氰胺检测提供了一种新途径。     

基于拉曼光谱解析的对二甲苯装置吸附塔循环液成分分析

采用拉曼光谱分析法实现PX(对二甲苯)装置中吸附塔循环液快速、准确的在线分析。由于循环液中各组分的拉曼谱峰相互重叠,且各组分的含量变化范围很大,需要收集大量的训练样本。为此,提出了基于拉曼光谱解析的循环液成分分析方法。首先,要获得循环液所含各组分纯物质的拉曼光谱,以及少量训练样本的拉曼光谱,对这些拉曼光谱进行基线扣除和均值归一化;其次,选取特征波段680～880 cm-1,对每一个训练样本预处理后的拉曼光谱在特征波段进行光谱分解,得到该训练样本中各组分的分解系数;然后,基于全部训练样本各组分的分解系数与对应的浓度数据,建立分解系数与浓度之间的定量分析模型。而对于某一测试样本,先获取其拉曼光谱,进行上述相同的光谱预处理,并在相同的特征波段基于纯组分的拉曼光谱对其进行谱分解,以获得该样本的光谱分解系数;再根据得到的分解系数和上述定量分析的模型,预测出该测试样本中各组分的含量。实验结果表明,一方面,由各纯组分混合得到的训练样本的拉曼光谱可以较精确地分解成各组分的拉曼光谱的线性加权和;另一方面,基于拉曼光谱分解系数建立的定量分析模型可以准确地预测出循环液中各组分的含量,对测试样本中甲苯、乙苯、对二甲苯、间二甲苯、邻二甲苯和对二乙基苯含量的标准预测误差分别为0.301%,0.088%,0.563%,0.384%,0.366%和0.536%。为PX装置中吸附塔循环液的在线分析提供了改进方法。     

太赫兹时域光谱的药物多组分同时定量测定

应用太赫兹时域光谱(THz-TDS)技术结合化学计量学方法对多组分药物混合物中药物活性成分(API)和药用辅料的含量进行了定量分析研究。用THz-TDS系统测量了无水茶碱、乳糖一水合物和硬脂酸镁三元药物混合物及对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉四元药物混合物的太赫兹吸收光谱,并采用主成分回归(PCR)和偏最小二乘回归(PLS)两种多元校正方法分别建立了太赫兹吸收谱与多元混合物各组分含量的定量回归模型,同时获得了混合物中药物活性成分和药用辅料的含量。PLS回归取得更好结果,其中三元混合物两组分含量的PLS定量模型校正及预测相关系数R均高于0.98,四元混合物中对乙酰氨基酚、乳糖一水合物、微晶纤维素和可溶性淀粉含量的PLS定量模型校正及预测相关系数R均分别高于0.93,0.98,0.63和0.86。结果表明,THz-TDS技术结合化学计量学方法建立定量分析模型能够实现对多元混合物成分含量的无损非破坏定量分析,在药物分析等领域将有广阔的应用价值。     

拉曼光谱技术的汽油组分含量测定

为实现汽油中所含组分含量的快速测定,对93号、97号汽油,芳烃、烯烃、苯、甲醇、乙醇等几类物质,以及往汽油中添加几类物质后的410个汽油混合物进行拉曼光谱检测。将获取的原始拉曼光谱经过有效波段提取、平滑去噪、基线扣除、数据归一化等一系列预处理过程,最终提取出每个汽油混合样品光谱中所含的33个特征峰信息,依据现行的国标检测方法,以气相色谱法测定的汽油中各组分含量值为基础,结合化学计量学多重回归分析方法,建立了汽油组分含量测定模型。经过比较,使用多输出最小二乘支持向量回归机(MLS-SVR)建立的模型优于偏最小二乘(PLS)模型。MLS-SVR模型对汽油中芳烃、烯烃、苯、甲醇、乙醇测定精度均较好,预测均方根误差(RMSEP)分别为0.27%,0.30%,0.16%, 0.17%, 0.12%;相应的相关系数(r)为0.999 2,0.998 4,0.998 5,0.992 6,0.996 8。通过对未知混合汽油样品的测定,证明了该方法具有较好的推广预测精度,预测均方根误差不超过0.5%,能够满足工业中的测量需求。拉曼光谱结合多输出最小二乘支持向量机为汽油组分测定提供了一种高精确、快捷、方便的测定方法。     

红外、拉曼光谱的变压器油中糠醛检测方法对比研究

变压器油中的糠醛含量是电力变压器中绝缘老化的重要指标之一,在物质有效识别上红外及拉曼光谱具有检测速度快、分析速率快及无损检测等优势,开展了基于红外、拉曼光谱的变压器油中糠醛检测方法对比,探究适用于变压器油中糠醛红外、拉曼光谱的预处理及定量分析方法。基于傅里叶变换红外光谱仪和激光共聚焦拉曼光谱仪器对实验室配置的糠醛变压器油样检测并采集其光谱数据,采用小波变换、多项式最小二乘法和局部加权回归拟合对采集到的红外及拉曼光谱图进行预处理,综合考虑噪声、分辨率及有效信息丢失等,确定了多项式最小二乘法预处理效果最佳。基于高斯软件建立了糠醛分子模型,通过密度泛函仿真计算,研究了糠醛的红外及拉曼光谱吸收峰归属,结合实验测试光谱图,确定了变压器油中糠醛拉曼、红外检测特征峰分别为1 703和1 704 cm^-1。开展了红外及拉曼检测的重复性实验,两种检测方法的相对标准偏差分别为7.21%、 8.67%。通过绘制糠醛红外及拉曼的3D原位光谱图,分析红外及拉曼特征峰面积与不同糠醛浓度变压器油之间的关系,基于最小二乘法建立了变压器油中糠醛检测的红外及拉曼定量分析模型,拟合优度分别为0.998...     

基于多参量的变压器油中特征气体拉曼光谱分析

油中特征气体(H_2, CO, CO_2, CH_4, C_2H_4, C_2H_6, C_2H_2)的快速准确检测是变压器在线监测的重要环节。激光拉曼光谱技术适用于特征气体的检测,能克服传统在线监测的诸多不足。在拉曼光谱图2 900～3 300 cm~(-1)谱段,甲烷(CH_4)和乙烷(C_2H_6)气体特征谱峰聚集,研究此谱段中不同含量比的混合气体样本对变压器油中混合气体定量分析具有重要意义。在单一特征气体拉曼光谱检测的研究基础上,选取预处理后光谱图中特征峰的谱峰高度、半高宽以及谱峰面积多个参量作为特征因素,对变压器油中混合气体进行定量分析。以二阶微扰理论分析计算得出,甲烷拉曼光谱中存在四个特征谱峰,选取的谱段中包含以3 111与3 284 cm~(-1)为拉曼频移中心的两峰,乙烷拉曼光谱中存在六个特征谱峰,选取谱段中存在3 111与3 187 cm~(-1)两峰,理论上通过谱段中携带的特征谱峰信息能够计算两种气体含量;通过拉曼光谱平台检测,混合气体光谱图特征谱峰会产生平移以及聚合,对光谱图中寻峰得到的中心频移为2 902, 2 918, 2 956和3 022 cm~(-1)的四个混合峰建立高斯函数模型,得到特征谱峰的谱峰高度、半高宽以及谱峰面积;建立偏最小二乘回归模型,以谱峰高度、半高宽、谱峰面积为自变量,两种气体含量为因变量计算分析。模型潜在因子取到t_6时,调整后的R~2为0.993,表明自变量与因变量具有确切关系,回归模型可靠。对回归方程参数分析发现,谱峰半高宽相比谱峰面积以及谱峰高度有显著贡献,符合预期目标,混合气体光谱图中四个特征谱峰对两种气体均有影响。通过实验可总结得出,针对甲烷乙烷混合气体,在室温25℃,积分时间15 s,积分次数2,狭缝100μm条件下,通过获取谱峰高度、谱峰面积以及半高宽三个参量,能够准确测量气体含量,为变压器油中多种特征气体的同时检测奠定了基础。     

利用拉曼光谱检测丙烯共聚物的性质

采用拉曼光谱检测了7个丙烯共聚物样品,并详细分析了谱图中所有特征峰来源;最终选择2 700～3 100 cm-1作为特征谱段,采用偏最小二乘(PLS)回归的方法分别建立了样品中二甲苯可溶物、乙烯含量及可溶物中乙烯含量与拉曼特征峰相对强度的关联模型。通过预测模型求得的预测含量与真实含量的相关系数(r)均大于0.94,平均相对误差(ARE)均小于5%。还对2 700～3 100 cm-1区域拉曼光谱的第二项PLS成分进行了研究,发现采用PLS回归能够准确、有效地提取出样品的原有信息。为采用拉曼光谱在线检测共聚聚丙烯中的二甲苯可溶物量、乙烯含量及可溶物中的乙烯含量提供了可能性。     

基于QPSO-MLSSVM算法的拉曼光谱检测四组分调和油含量

提出了一种运用量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法优化多输出最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)的新混合优化算法。该算法结合激光拉曼光谱技术可实现对四组分食用调和油中花生油、芝麻油、葵花油和大豆油的快速定量鉴别。采用基线校正去除背景荧光,结合Savitzky-Golay Filters光谱平滑法对原始拉曼光谱进行预处理。构建基于QPSO-MLSSVM混合优化算法的定量分析模型,并采用20个组分组成的预测集对其进行模型校验。实验结果表明,基于QPSO-MLSSVM混合优化算法的定量分析模型对于四组分调和油的预测效果良好,均方差(mean square error, MSE)为0.0241,低于0.05,各油分预测相关系数均高于98%。研究结果充分表明, 应用激光拉曼光谱技术结合QPSO-MLSSVM算法,对四组分调和油中各油分进行快速定量检测可行,具备较强的自适应能力和良好的预测精度,可以满足多组分调和油的成分鉴别。     

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。     

一种葡萄糖发酵液中乙醇含量的拉曼光谱分析方法

拉曼光谱法可实现样品的快速定量分析,但发酵液等复杂体系中样品的拉曼强度与被测组分含量之间的良好线性关系难以直接得到。本实验中将待测样品与纯被测组分的拉曼光谱均视为向量,并按照向量点积公式计算向量之间的夹角。在被测组分的拉曼光谱特征峰波段,对多组样品在不同光谱区间的向量夹角矩阵和被测组分含量进行偏最小二乘回归,建立定量分析数学模型,从而以光谱向量之间的夹角作为定量指标实现葡萄糖发酵液中乙醇含量的快速测定。选取的主成分数为6时,所建模型校正集和预测集中预测值与实测值的线性相关系数分别为0.9993和0.9933;校正集均方根误差为0.2171。其建模所用样本数量少、对样品无损坏,方法适用于发酵在线监测和过程分析。     

基于共聚焦拉曼光谱技术检测茶叶中非法添加美术绿的研究

利用共聚焦拉曼光谱技术对茶叶中非法添加的重金属染料——美术绿进行检测研究。首先通过特定的浓缩方法,获取了五个浓度水平美术绿茶汤样本的拉曼光谱。通过比对标准品拉曼光谱,对混有美术绿的样本光谱进行了定性分析。并找到了能够用于定性鉴别茶叶中美术绿的4个主要拉曼特征波数,分别为1 341,1 451,1 527和1 593 cm-1。对原始拉曼光谱进行预处理后,融合反向间隔偏最小二乘(biPLS)、竞争性自适应重加权算法(CARS)和连续投影算法(SPA)对拉曼光谱中美术绿的特征波段进行深入挖掘,最终优选出了14个特征波数。基于这14个特征波数分别建立了偏最小二乘(PLS)回归模型和最小二乘支持向量机(LS-SVM)模型,结果表明,两类模型均具有好的稳健性和很高的预测能力,模型的建模集、验证集和预测集的决定系数(R2)均超过了0.9,证明了所提取出来的特征波数的有效性。与偏最小二乘回归模型相比,基于LS-SVM的非线性定量检测模型的效果更佳,预测集决定系数(R2)达到0.964,均方根误差(RMSE)为0.535。以上研究结果表明,共聚焦拉曼技术结合特定的样品处理方法及化学计量学方法,可以实现茶叶中非法添加美术绿的定量检测。该研究为茶叶中非法添加美术绿这一食品安全问题的有效监管提供了帮助。     

基于拉曼成像技术的面粉中抗坏血酸添加剂定量检测研究

抗坏血酸是一种常见的面粉品质改良剂,用于改善面团的流变学特性及面包的烘焙品质。本研究以面粉中含不同浓度抗坏血酸的混合样品为研究对象,通过拉曼成像技术实现面粉中抗坏血酸的检测、识别和定量分析。分别采集面粉、抗坏血酸和面粉-抗坏血酸混合样品的拉曼图像,确定感兴趣区域及光谱范围,以抗坏血酸拉曼光谱中强度较高且区别于面粉的3处拉曼峰（631,1 128和1 658 cm-1）为依据对混合样品的平均拉曼光谱进行分析,结果显示其不能有效评估面粉中抗坏血酸含量,研究探索对图像中各像素点对应的拉曼光谱进行分析以实现面粉中抗坏血酸的有效检测。以混合样品图像中各像素点拉曼光谱作为校正集、面粉平均拉曼光谱和抗坏血酸平均拉曼光谱的线性组合光谱作为验证集建立偏最小二乘模型,模型的回归系数用于将混合样品的三维拉曼图像重建为二维灰度图像,通过阈值分割实现面粉中抗坏血酸的检测和识别,根据识别结果建立定量分析模型。结果显示,偏最小二乘模型的最高和最低回归系数分别对应于抗坏血酸和面粉的最强拉曼峰,所有回归系数应用于混合样品拉曼图像将其转换为灰度图像后面粉和抗坏血酸的像素点仍难以识别,阈值分割方法将灰度图像转换为用于分类面粉像素和抗坏血酸像素的二值图像实现了面粉中抗坏血酸的有效检测。通过分析各浓度混合样品对应子样品中识别到的抗坏血酸像素点数确定本研究对面粉中抗坏血酸的最低检测浓度为0.01%（100 mg·kg-1）,混合样品中抗坏血酸浓度同图像中识别到的抗坏血酸像素点在0.01%~0.20%范围内具有良好的线性关系,决定系数为0.996 0。研究结果可为面粉中抗坏血酸添加剂的定量检测提供方法支持,为大规模快速筛查提供了技术参考。     

基于SERS法的苹果中农药残留的定性及定量分析

使用共焦显微拉曼光谱仪,结合表面增强拉曼散射(Surface-Enhanced Raman Scattering,SERS)技术,采集含有农药马拉硫磷和二嗪农的苹果汁样本的基于银纳米溶胶的表面增强拉曼光谱,采用距离匹配和判别分析的方法对其进行定性分析。然后结合偏最小二乘(Partial Least Squares,PLS)方法对两种农药的表面增强拉曼光谱分别进行数学建模分析。结果表明表面增强拉曼散射(SERS)技术对无损快速定性分析马拉硫磷和二嗪农具有较高的准确性,而定量分析二者的含量也具有较高的可行性。     

二维相关近红外光谱检测牛奶中的三聚氰胺

配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01g/L～3g/L的掺杂牛奶样本各20个,并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰,构建二维相关同步谱,研究其相关谱特性。在此基础上,结合偏最小二乘判别分析法(PLS-DA)建立定性模型,可以实现纯牛奶与掺伪牛奶的定性鉴别,正确识别率达100%。同时,将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来,建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98,预测均方根误差(RM-SEP)为0.18g/L,说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理,成本低,为快速检测掺伪牛奶提供了一种新的途径。