基于Raman和FTIR揭示避雨栽培甜樱桃叶片光合色素变化的光谱学分析

为提高甜樱桃果实的品质和产量,中国南方地区普遍采用了避雨栽培甜樱桃果树来避免其坐果率低、落果以及果实畸形等问题,但同时也导致了其光合作用受到影响。植物或藻类中的叶绿素和类胡萝卜素等光合色素在光收集和介导对各种内源性刺激的应激反应中起着不可替代的作用。为便捷快速检测果树光合作用中叶片的光合色素变化,采用拉曼光谱（Raman spectra）和傅里叶红外光谱（FTIR）对避雨和露地栽培的甜樱桃叶片进行了研究。经测定和分析甜樱桃叶片200~3 500 cm-1范围的Raman光谱,对400~800,800~1 250和1 250~1 650 cm-1三个波数段特征峰值的标定和指认,结果表明：甜樱桃叶片对拉曼散射较敏感区主要在500~1 700 cm-1波段内。960~1 800 cm-1范围类胡萝卜素（番茄红素、β-胡萝卜素和叶黄素）的Raman光谱包含4条主要峰,分别为1 526,1 157,1 005和960 cm-1;露地栽培的甜樱桃叶片Raman强度明显低于避雨栽培。1 157和1 526 cm-1同样还是叶绿素的Raman光谱特征峰,总体分析表明露地比避雨栽培甜樱桃叶片中的光合色素含量更低。1 157,1 520和1 526 cm-1特征谱线对应C-C单键和C═C双键的对称伸缩振动,其相对强度可以作为甜樱桃叶片内叶绿素、类胡萝卜素等光合色素以及纤维素含量的判断依据。FTIR表征叶绿素的振动峰位振动强度弱,振动耦合复杂,难以指认。通过对甜樱桃叶片化学组分FTIR光谱图进行二阶导数求导处理凸显了峰的位置,提高了图谱的分辨率。峰位在1 437和1 551 cm-1的β-胡萝卜素的特征峰明显,露地栽培相比避雨栽培甜樱桃叶片这两个特征峰的吸光度偏小,表明露地栽培甜樱桃叶片中的β-胡萝卜素含量比避雨栽培要少。该研究为不同栽培模式下植物叶片光合色素的光谱学研究提供了参考。     

基于表面增强拉曼的饮料中山梨酸钾快速定量检测方法

基于实验室自行搭建的拉曼光谱点扫描系统,利用表面增强拉曼技术对橙味饮料中山梨酸钾的含量进行了定量快速检测研究。通过与山梨酸钾标准品拉曼光谱及其水溶液表面增强拉曼光谱等比较分析,确定了山梨酸钾1 648.4,1 389.3和1 161.8 cm-1处的表面增强特征拉曼位移。通过山梨酸钾橙味饮料平行样品的拉曼位移峰强重现性实验并计算其峰强的相对标准偏差证实了该表面增强拉曼方法具有较好的重复性。采集了山梨酸钾浓度范围为1.706～0.180 7 g·kg-1的33个橙味饮料样品的表面增强拉曼光谱,所有原始光谱经S-G 5点平滑及Baseline基线去除荧光背景预处理后分别用一元线性回归分析、多元线性回归分析和偏最小二乘回归分析方法,建立了山梨酸钾的定量预测模型。经比较,选取三个山梨酸钾拉曼特征位移1 161.8,1 389.3和1 648.4 cm-1所建立的多元线性回归模型校正集的相关系数(R2_C)和均方根误差(RMSEC)分别为0.983 7和0.051 7 g·kg-1,验证集的相关系数(R2_P)和均方根误差(RMSEP)分别为和0.969 9和0.052 8 g·kg-1,比一元线性回归模型和偏最小二乘回归模型误差小、精度高。基于表面增强拉曼完全可以实现橙味饮料中山梨酸钾的定量快速预测,为各类食品中山梨酸钾含量的快速监测奠定了技术基础。     

表面增强拉曼光谱准确检测玉米中杀螟硫磷农药残留

杀螟硫磷是一种在农作物上广泛使用的有机磷杀虫剂,常用于玉米上害虫的防治。过量或者不合理施用导致的残留积累关系到食品安全和人体健康。常规检测杀螟硫磷的方法有气相色谱-质谱法、高效液相色谱法,其准确性虽好,但存在需要专业人员介入、样品前处理复杂、检测时间长等缺点。表面增强拉曼光谱(SERS)法具有分析速度快、检测灵敏度高和特异性好等优点,被广泛应用于农产品中痕量残留的快速检测。利用表面增强拉曼光谱结合化学计量学方法实现玉米中杀螟硫磷残留的准确检测。以两步种子生长法合成的纳米金棒作为拉曼增强基底,测量600～1 800 cm-1范围内的拉曼光谱。对比杀螟硫磷乙醇溶液和金棒的光谱,确定杀螟硫磷的特征峰在650,830,1 082,1 241,1 344和1 581 cm-1处。采用简单预处理方法快速提取玉米中的杀螟硫磷残留。将受污染的玉米样品粉碎后,利用乙醇溶剂对残留进行两次提取,每次获取的提取液经离心获得上清液,将上清液合并混匀,在水浴中蒸发浓缩,浓缩后的上清液用于采集SERS光谱。每个浓度制备50个平行样本。各浓度残留提取液中的残留参考值采用色质联用方法测定。对比残留提取液的光谱,1 082,1 241和1 581 cm-1处特征峰强度随残留浓度的降低而迅速变弱甚至消失,650,830和1 344 cm-1处的特征峰直至残留浓度为0.48 μg·mL-1时依然可见。当浓度低至0.37 μg·mL-1时,所测光谱与空白提取液光谱相似。采用主成分分析(PCA)提取不同浓度杀螟硫磷残留光谱的主体信息,其中残留为0.37 μg·mL-1和空白提取液光谱的主成分得分重叠,进而判断SERS方法对玉米中杀螟硫磷残留的检测限可达到0.48 μg·mL-1,低于国家规定的农作物中最大残留限,体现出SERS检测的高灵敏性。选取浓度为14.25 μg·mL-1的50个样本分析其650,830和1344 cm-1处的特征峰强度变化可知,所采集的光谱呈现出较好的重复性,相对标准偏差(RSD)值仅为3.12%。对杀螟硫磷残留的定量分析采用支持向量机回归(SVR)实现,Savitzky-Golay卷积平滑和小波变换(WT)用于本次光谱数据的预处理。校正集和预测集样本的划分采用Kennard-Stone算法实现,模型的性能采用校正均方根误差(RMSEC)、校正集决定系数(R2_c)、预测均方根误差(RMSEP)和预测集决定系数(R2_p)评估。最优模型为SVR结合WT所构建的,具有最小的预测误差,其中校正集的RMSEC=0.103 2 μg·mL-1,R2_ｃ=0.999 74,预测集的RMSEP=0.134 1 μg·mL-1,R2_p=0.999 60。同时,最优模型的预测值与色质联用法所测值基本一致,其预测回收率为95.31%～100.66%。以上表明,SERS结合化学计量学方法检测玉米中杀螟硫磷残留是准确可行的,且有望推广到农作物中多种农药残留的检测,为农产品的安全检测提供一种新思路。     

基于三维荧光光谱和PSO-SVM对胭脂红含量的测定

胭脂红是一种应用广泛的食品色素，在各种食品、饮料的添加剂里都有它的身影，过量食用人工合成色素会严重危害健康。食物中色素一般都是多种联用，各种色素之间会相互产生干扰，这加大了对食品中色素检测的难度，模拟食品中多种色素共存的环境，采用荧光光谱技术，结合PSO-SVM算法，建立一种测定混合溶液中胭脂红含量的方法。从试剂公司购买胭脂红和苋菜红固体粉末，选择胭脂红为待检测色素，苋菜红为干扰色素，配成不同浓度的胭脂红单色溶液以及加入苋菜红后的混合溶液样本，其中胭脂红的浓度在0.1~30 μg·mL-1之间，干扰色素苋菜红的浓度在0.1~10 μg·mL-1之间随意添加。运用Edinburgh Instruments 公司生产的FS920稳态荧光光谱仪, 测得胭脂红单色溶液与加入苋菜红后混合溶液的荧光光谱图，分析得到胭脂红的最佳激发波长为λ_ex＝326 nm，最佳发射波长为λ_em＝430 nm。各选取6组不同浓度的单色样本以及混合色素样本，其中，胭脂红的物质浓度同为3，4，5，6，7和8 μg·mL-1，苋菜红的物质浓度都定在2 μg·mL-1。观察6组样本在激发波长λ_ex=326 nm时的发射光谱和荧光强度的关系。单色样本中，胭脂红浓度与荧光强度线性关系良好；而在混合溶液中，随着胭脂红浓度的增加，荧光强度呈现出先降后增再降的过程，光谱线型、强度与各组分浓度间存在复杂的非线性关系，得以证明混合溶液的荧光光谱并不是由各组分光谱简单的叠加，而是在吸收光谱的过程中，胭脂红溶液与苋菜红溶液存在竞争和相互影响。配取25组胭脂红、苋菜红混合溶液，从中选择7个作为预测样本，其余18组作为训练样本。7 个预测样本中胭脂红的浓度分别为 1.0，2.0，4.0，6.0，9.0，12和15 μg·mL-1，干扰物质苋菜红的物质浓度在0.1~10 μg·mL-1之间。选择各组样本在最佳激发波长λ_ex＝326 nm 下对应的荧光强度，作为检测模型的输入，以胭脂红的预测浓度作为输出。对PSO参数初始化设置后，训练输出SVM的最佳参数c和g，将所得的最佳参数输入PSO-SVM模型, 得到7组预测样本的浓度预测结果分别为：1.146 9，1.860 6，3.854 4，6.146 9，9.133 8，11.857 6和14.859 8 μg·mL-1。分析PSO-SVM的预测结果，得到胭脂红平均回收率为100.84%，预测均方根误差(RMSEP)为1.03×10-4，模型输出与真实值之间的相关系数是0.999。在同等条件下，采用误差逆向传播算法(BP)预测得到的7组样本浓度分别为：1.140 1，2.139 8，3.188 2，6.436 2，8.882 7，11.860 1和12.664 3 μg·mL-1，其平均回收率为98.56%，均方根误差为4.65×10-3，输出值与真实值之间的相关系数为0.972。与误差逆向传播算法(BP)的预测结果相比较，PSO-SVM 相关系数高出2.7%，平均回收率高出0.6%，均方根误差降低了将近一个数量级。分析结果表明，通过荧光光谱技术与PSO-SVM相结合的方法，能够有效的避开干扰色素的影响，准确的测定混合溶液中胭脂红的含量，并且效果相比较于BP更加理想。     

荧光相关光谱测定溶液中胭脂红的含量

使用FLS920P型荧光光谱仪测量了20个合成色素胭脂红溶液样本的荧光发射谱,实验表明：胭脂红的最佳激发波长为300 nm,在此波长激发光下,荧光峰值波长为440 nm。同时测量相同条件下超纯水的光谱数据作为参考光谱,进行与胭脂红溶液光谱数据的相关计算,构建以浓度为外扰的荧光相关光谱。采用sym8小波函数4尺度降噪,将降噪后的同步相关光谱数据、自相关光谱数据应用偏最小二乘回归(PLSR)算法进行预测,建立溶液中胭脂红含量的定量模型,结果表明：采用同步相关光谱建模的预测相关系数为99.863%,预测均方根误差为0.414 μg·mL-1;而采用自相关光谱建模的预测相关系数为99.940%,预测均方根误差为0.303 μg·mL-1。对比可知,自相关光谱数据有效地避免了信息冗余,预测结果更为可靠。该方法无需样本处理,操作简单,为食品安全检测提供了一种新的思路。     

碳碳双键法研究萝卜不同部位的β-胡萝卜素含量分布

β-胡萝卜素广泛存在于植物体中,是典型的线性多稀分子,具有重要的生物功能。由于β-胡萝卜素是碳碳单、双键(C-C,C=C)交替的短链共轭多稀分子,含有大量离域的π电子,具有重要的光电特性。根据Andreas等对拉曼散射强度的研究,当激发光波长落在分子的电子吸收带时,会产生共振拉曼效应,能使拉曼光谱强度提高106倍。利用共振拉曼光谱技术,测量了β胡萝卜素分子及胡萝卜、青萝卜、白萝卜肉质直根不同部位其拉曼光谱,发现含β-胡萝卜素较高的胡萝卜的拉曼光谱与β-胡萝卜素的吻合很好。Gellerman等研究表明,样品浓度与拉曼峰强成正比关系,从拉曼光谱中容易发现三种萝卜的光谱强度纵向根头到主根及横向表皮到根芯逐渐降低,且青萝卜和白萝卜拉曼光谱强度都很低,并在碳碳单键的振动峰处发生峰劈裂。分别计算了碳碳单键和碳碳双键与碳氢键拉曼强度比,三种萝卜的I_CC/I_C-H随着测量部位(横向和纵向)的不同变化幅度接近：胡萝卜的表皮和根芯纵向的变化率分别为A₁=0.213 3和A₂=0.215 9,青萝卜表皮外和里的变化率分别为B₁=0.219 1和B₂=0.211 4,白萝卜表皮外和里分别为D₁=0.223 9和D₂=0.224 1;而对于I_C-C/I_C-H随着测量部位不同其变化率相差很大：胡萝卜的变化率a₁=0.212 1和a₂=0.232 4,青萝卜的变化率b₁=0.263 5和b₂=0.268 7,白萝卜的变化率d₁=0.369 0和d₂=0.304 9。对比发现三种萝卜的碳碳单键与碳氢键振动强度比随着测量部位的不同变化幅度相差很大,而从碳碳双键与碳氢键振动强度比发现三种萝卜中不同部位的β胡萝卜含量有相似的分布。这是由于青萝卜和白萝卜中β-胡萝卜素的含量少, 随着测量部位的不同C-C伸缩振动峰发生峰劈裂, 即在1 130和1 156 cm-1处出现两个振动峰, 经过计算和分析这两个峰都属于碳碳单键的伸缩振动峰, 且随着β-胡萝卜素含量的减少C-C整体的强度降低, 劈裂的新峰峰强度却有增加的趋势, 这使得原峰位的峰强度大幅度降低, 这与计算I_C-C/I_C-H的结果一致,不同品种的萝卜中β-胡萝卜素含量随测量部位的不同变化幅度截然不同。因此, 当样品中β-胡萝卜含量较少时,利用C=C振动峰峰强度同时分析样品不同部位的β-胡萝卜素含量分布变化会更准确。同时,研究和了解萝卜中不同部位β-胡萝卜素的含量为日常消费和膳食营养提供了很好的理论依据。     

脐橙表皮两种混合农药残留的表面增强拉曼光谱定量检测

针对水果生产中的农药残留问题,利用表面增强拉曼光谱技术(SERS),把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象,探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。采集混合农药样品的SERS光谱,通过对比农药的特征峰可以对混合农药进行定性分析。同时利用化学计量学方法,建立混合农药的定量数学模型,并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果,选择出最优预处理方法与算法的组合。在拉曼光谱范围200～2 300 cm-1内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的脐橙表皮混合农药残留回归模型效果较好,预测相关系数(R_p)为0.912,预测均方根误差(RMSEP)为3.601 mg·L-1。经过波段筛选后并对光谱处理结果对比,发现光谱在200～620,830～1 040及1 250～2 300 cm-1范围内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的回归模型效果较好,R_p为0.909,RMSEP为3.338 mg·L-1。研究表明使用SERS技术,可以对脐橙表皮上残留的混合农药进行定性与定量的分析。     

食用植物油中反式脂肪酸含量的激光拉曼光谱检测

油脂中的反式脂肪酸(TFA)有害人们的身体健康,有必要对其含量进行监测。共收集各类食用植物油样本79个,涉及9个品种和27个品牌,分配到校正集和预测集的样本数分别为53个和26个。采用QE65000拉曼光谱仪采集79个样本的拉曼光谱,利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景;在此基础上,采用多种归一化方法对样本拉曼光谱进行处理,并对拉曼光谱的建模波数范围进行初选;再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量,并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联,建立食用植物油中TFA含量的定量预测模型。研究结果表明,多种归一化方法中,有4种归一化方法均能提高PLS定量预测模型的性能,其中Area normalization方法的效果最优;经建模波数范围初选,波数范围由686~2 301 cm-1缩减为737~1 787 cm-1,确定较优的建模波数范围为737~1 787 cm-1;经CARS方法筛选,共有31个光谱变量被选择,其选择的光谱变量主要分布在1 265,1 303,1 442及1 658 cm-1拉曼振动峰附近,且974 cm-1拉曼振动峰两侧均有光谱变量被选择;此外,CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。由此可知,激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。归一化方法、建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性,优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949,0.953和0.188%,0.191%。与未优化的预测模型相比,预测均方根误差由0.361%下降为0.191%,下降幅度为47.1%;建模所用的变量数由683个下降为31个,仅占原变量数的4.54%。     

农药二嗪农的表面增强拉曼光谱研究及定量分析

本研究采集了甲醇中二嗪农溶液在银胶中的表面增强拉曼光谱,解析了其光谱内容,并对甲醇中含不同梯度浓度二嗪农样本溶液进行定量探索。结果表明,农药二嗪农在430cm-1,561cm-1,602cm-1,816cm-1,893cm-1,1125cm-1,1275cm-1,1309cm-1,1372cm-1处有明显的表面增强拉曼特征峰,其中561cm-1,602cm-1,816cm-1三处的特征峰可以用于农药二嗪农的定性分析,检出限为0.006mg/mL。在此基础上,利用偏最小二乘法(PLS)和主成分回归法(PCR)建立了甲醇中二嗪农溶液的定量分析数学模型,对校正集和预测集进行了定量分析。其中,基于偏最小二乘法(PLS)的校正模型分析结果为:相关系数R2为0.99926,RMSEC为0.0120,预测集RMSEP为0.0419;基于主成分回归法(PCR)的数学模型分析结果为:校正集相关系数R2为0.99970,RMSEC为0.0260,预测集RMSEP为0.0388。结果表明,共焦显微光谱仪结合表面增强拉曼散射(SERS)技术检测农药二嗪农含量准确性较高,可用于农药二嗪农的定性及定量检测。     

激光诱导击穿光谱烟叶Cu谱线等离子体参数及定量分析

农业领域中对植株元素的快速检测和实时监控十分重要。采用Nd∶YAG激光器和中阶梯ICCD光栅光谱仪获取金属元素Cu等离子体谱线。为研究激光诱导击穿光谱(laser induced break-down spectroscopy,LIBS)金属元素Cu定量分析的标定曲线和等离子体参数,制备Cu含量范围为8.59～156.35 μg·g-1烟叶样品进行实验。实验结果表明烟叶中金属元素Cu特征谱线324.75 nm处干扰小、谱线明显。烟叶样品受激发产生等离子体温度为39 458.94 K,Cu等离子体电子密度为0.74×1016,谱线强度和样品浓度建立的标定曲线相关系数r为0.98,平均相对标准偏差RSD(relative standard deviation)为2.59%,Cu含量理论最低检测限为7.72 μg·g-1,谱线信噪比(SNR)为7.86。激光诱导击穿光谱方法可以应用于卷烟生产线在线检测金属元素Cu含量和监测烟叶中金属元素Cu对烟草生长的影响。     

Non‐destructive identification of pigments printed on six Imperial China Engraved Coiling Dragon stamps

Raman spectroscopy was employed to investigate six Imperial China Engraved Coiling Dragon stamps non‐destructively. The results have shown that (1) the main colors (yellow, green, scarlet, brown, vermilion, and blue) on the six stamps were all prepared from inorganic pigments, including chrome yellow, chrome orange, Prussian blue, red lead, magnesium sulfate hydrate, and ultramarine blue. (2) Raman spectrometer has been allowed for successfully identifying the molecular structure of the pigments printed on the six examined stamps, suggesting that such a dual analytical approach could satisfy the need for pigment identification on stamps. (3) The finding that certain pigments were intentionally mixed to produce a whole different hue or color, the mechanism of which could be explained by theories of chromatology and metamerism, also provides new insight into the future conservation, authentication, and restoration of the early printings. Copyright © 2015 John Wiley & Sons, Ltd.     

栀子黄色素包合物的研究

栀子黄色素是一种用途非常广泛并具有许多生理活性的食用天然色素，但由于性质不稳定，使其应用受到一定的限制. 制备了栀子黄色素与β-环糊精的包合物，并
通过紫外、红外、荧光、核磁共振谱验证了包合物的形成，确定了组成及包合物形成常数. 研究结果表明：栀子黄色素与β-环糊精形成了1∶1包合物，其结果将为栀子黄色素的应用提供参考依据.     

Raman spectroscopy of synthetic organic pigments used in 20th century works of art

Raman microscopy allows a non‐destructive characterisation of inorganic and organic painting materials such as pigments and organic dyestuffs. The objectives of this study are the more recent organic pigments typically present in paintings and other art works from the 20th century. More than 20 organic synthetic pigments from different chemical classes could be identified by Raman spectroscopy using different excitation wavelengths (457.9, 476.5, 487.9, 514.5, 632.8, and 1064 nm). To evaluate the performance for real paint samples, varying paint mixtures of the Hansa Yellow pigment PY 3 and the binding medium Mowilith, a polyvinyl acetate (PVAC) compound, were characterised; PY 3 was determined at a 1 wt% level in the binder. In addition, commercial tube paints containing the quinacridone violet PV 19 were studied. The pigment was clearly identified in all of these more complex oil and acrylic paints. Finally, alizarin (PR 83) and a green copper phthalocyanine pigment (PG 7) could unambiguously be identified by Raman microscopy in the painting ‘Woman with mandolin in yellow and red’ of Max Beckmann dating 1950. The discovery of a red naphthol AS pigment by Raman spectroscopy in a sample from the ‘Three field workers’ by Georg Baselitz (1964/1965) demonstrated that in some cases complementary chromatographic methods are needed for a comprehensive identification of the organic pigments. Copyright © 2008 John Wiley & Sons, Ltd.     

柑橘叶片叶绿素含量拉曼光谱定量分析方法研究

柑橘叶片叶绿素含量的准确检测对柑橘营养状况和生长态势具有极其重要的意义。研究了快速无损诊断柑橘叶片中叶绿素含量的方法,以期为拉曼光谱检测技术用于柑橘叶片叶绿素含量检测提供参考。采集不同冠层高度和不同地理分布的柑橘叶片120片,拭去叶片表面的灰尘,用去离子水对其清洗、晾干装入密封袋中并用标签分类标注。然后对柑橘叶片进行拉曼光谱采集,参数设置如下：分辨率为3 cm-1,积分时间为15 s;激光功率为50 mW。分别采用BaselineWavelet、迭代限制最小二乘（IRLS）和不对称最小二乘(ALS)三种算法对柑橘叶片的拉曼光谱背景进行扣除,使用偏最小二乘（PLS）方法建立定量模型;四种光谱预处理方法归一化(Normalization),Savitzky-Golay卷积平滑(SG smoothing, SG平滑)、多元散射校正(MSC)和Savitzky-Golay一阶导数(SG 1st Der)对扣除背景后的光谱进行进一步的优化处理。结果表明：采用原始光谱、BaselineWavelet、IRLS、ALS背景扣除处理后的光谱建立PLS模型,模型的相关系数r分别为0.858,0.828,0.885和0.862,交互验证均方根误差(RMSECV)分别为5.392,5.870,4.934和5.336,最佳因子数分别为8,3,8和8;IRLS背景扣除处理后的PLS模型的RMSECV最小,相关系数最高,建模效果最好。分别采用SG平滑、归一化、MSC和SG 1st Der预处理方法对IRLS背景扣除后光谱进行预处理并建立PLS模型,结果表明：IRLS光谱及其结合SG平滑、归一化、MSC和SG 1st Der四种预处理方法的PLS模型的R分别为0.885,0.897,0.852,0.863和0.888,RMSECV分别为4.934,4.715,5.595,5.182和4.962;最佳因子数分别为8,8,8,8和5;IRLS-SG平滑后PLS模型的RMSECV最小,模型效果最优。对IRLS-SG平滑预处理后的PLS模型展开验证,预测相关系数r为0.844,预测均方根误差(RMSEP)为5.29,预测精确度较高。采用拉曼光谱结合三种光谱背景扣除方法和四种预处理方法对柑橘叶片叶绿素含量进行定量分析表明：采用IRLS背景扣除结合SG平滑预处理后的PLS模型最优,建模集r为0.897,RMSECV为4.715;预测集r为0.844,RMSEP为5.29,预测精度较高。拉曼光谱结合背景扣除方法可以为柑橘叶片叶绿素含量的定量分析提供一种快速简便的分析方法。     

Quantitative analysis of ammonium salts in coking industrial liquid waste treatment process based on Raman spectroscopy

Quantitative analysis of ammonium salts in the process of coking industrial liquid waste treatment is successfully performed based on a compact Raman spectrometer combined with partial least square(PLS) method. Two main components(NH_4SCN and(NH_4)_2S_2O_3) of the industrial mixture are investigated. During the data preprocessing, wavelet denoising and an internal standard normalization method are employed to improve the predicting ability of PLS models. Moreover,the PLS models with different characteristic bands for each component are studied to choose a best resolution. The internal and external calibration results of the validated model show a mass percentage error below 1% for both components.Finally, the repeatabilities and reproducibilities of Raman and reference titration measurements are also discussed.     

表面增强拉曼光谱法快速检测脐橙果肉中三唑磷农药残留

采用表面增强拉曼光谱技术结合快速溶剂前处理方法检测脐橙果肉中三唑磷农药残留,应用化学计量学方法建立脐橙果肉中三唑磷农药残留的快速检测模型。以脐橙果肉提取液为基质,采用N-丙基乙二胺、C18和石墨化碳去除果肉中有机酸、色素等荧光物质,配制不同浓度的三唑磷农药溶液,应用不同预处理方法对光谱信号进行预处理,建立偏最小二乘模型。结果表明,以脐橙果肉提取液为基质的三唑磷溶液最低检测浓度低于0.5mg·L-1;归一化预处理后建立的模型预测性能最好,模型对预测集样本的均方根误差为1.38 mg·L-1,相关系数为0.976 6,相对分析误差为(RPD)4.66。预测回收率为95.97%～103.18%,相对误差绝对值在5%以下,表明模型具有较好的预测效果。对4个未知浓度样本进行配对t检验,预测值与真实值无显著差异,说明所建立的方法准确可靠。