基于表面增强拉曼光谱检测技术的肺癌早期诊断研究

表面增强拉曼光谱技术是近年来快速发展的一种痕量特征标记性物质检测技术,以提高检测灵敏度为目的的表面增强拉曼光谱技术非常适合于生命科学研究。本文利用表面增强拉曼光谱技术对肺癌患者及正常人的唾液样本进行检测,并进行光谱分析,建立了肺癌患者唾液样本的实验模型,对该模型系统分析可为肺癌诊断提供辅助依据。统计学分析效果良好,并发现了分类比较明确的特异性波段1015cm-1～1070cm-1和1250cm-1～1280cm-1。在找出的12个特征峰的基础上应用K-均值方法验证了其判别准确性,结果提示提取的12个特征峰有一定的代表性,能够代表近2000个波数的拉曼光谱图,灵敏度较特异度高,说明该方法适合预防性筛查工作。     

基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法

针对硫化锑含量采用化学分析方法检测存在操作复杂、检测时间长的问题,提出了一种基于拉曼光谱高斯分峰拟合的硫化锑含量快速检测方法。采用拉曼光谱系统测定锑矿样品的拉曼谱图,对原始拉曼谱图进行平滑去噪、背景扣除、谱段选择及归一化等预处理。基于高斯曲线的高斯峰、峰面积、半高宽和峰位置等信息,建立单个高斯峰的数学模型,提出高斯分峰拟合算法对光谱进行拟合,采用状态转移算法对高斯峰模型进行优化求解,得到表征光谱信息的特征参量,结合偏最小二乘回归方法,确定特征参量和硫化锑含量之间的关系,从而建立模型,实现对硫化锑含量的预测。实验中通过训练样本建立校正模型,对测试样本进行预测,同时从训练样本中随机挑选出检验样本,利用已建立的模型,对其硫化锑含量进行预测,以检验模型的正确性和外推性。实验结果表明：与预处理后全光谱建模相比,采用高斯分峰拟合后建立的预测模型的预测效果更好,证明了模型的正确性和良好外推性。因此,拉曼光谱结合高斯分峰拟合算法应用于锑矿中硫化锑含量的检测是可行的,且测量过程更简单,适用于矿物成分的快速分析。     

遗传算法用于多组分拉曼光谱定量分析的研究

拉曼光谱是一种分子散射光谱,利用物质的特征拉曼光谱,可实现对其结构、成分、浓度等的检测.多组分物质拉曼光谱的定量分析是一个有待深入研究的课题.采用遗传算法程序对10组分的混合矿石样品的拟合拉曼光谱数据进行了分析,对同一条件下算法多次计算的结果和不同条件下算法的表现进行了讨论,分析了算法设计和基本参数的不同对算法收敛速度以及对计算结果的精确性和稳定性的影响,验证了遗传算法用于多组分样品拉曼光谱数据分析的可行性、有效性和精确性.     

基于拉曼光谱-模式识别方法对奶粉进行真伪鉴别和掺伪分析

奶粉的真伪和掺伪近年来受到广泛的关注,研究一种操作便捷,能准确、快速、全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。为实现奶粉的真伪鉴别,采集三种品牌奶粉贝因美、飞鹤和雀巢的拉曼光谱,并利用拉曼谱图特征峰结合最近邻算法(nearest neighbor,NN)的模型对三种品牌奶粉进行识别,在10次交叉验证的基础上,平均识别率为99.56%。为实现奶粉的掺伪分析,将飞鹤奶粉与雀巢奶粉按不同质量比(0∶1,1∶3,1∶1,3∶1,1∶0)混合成五种掺伪奶粉,提取掺伪奶粉中的脂肪,采集脂肪样本的拉曼光谱,分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析(kernel principal components analysis,KPCA)结合最近邻算法的模型对五种脂肪样本进行识别,10次交叉验证下的平均识别率分别为93.33%和98.89%,平均运算时间分别为0.085和0.104 s。实验证明：特征峰结合NN的算法可以快速实现对奶粉真伪的判别,但此算法不能很好的区分掺伪奶粉;拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、准确、快速的方法。     

养殖水体中孔雀石绿的SERS光谱识别

表面增强拉曼光谱(SERS)是一种重要的高灵敏度分析技术。 基于SERS的技术特点,建立了真实体系下孔雀石绿定性检测方法。 提出了一种光谱自动识别算法,有机整合了稳健的傅里叶变换基线校正,基于主成分分析的特征提取与人工神经网络分类器。 该方法结合基线的低频特征,通过迭代傅里叶变换实现基线校正;通过样本空间中类间与类内的欧氏距离判别自动获取拉曼光谱信号主成分的最优组合,实现光谱数据的降维与特征提取;最后构建三层反向传播神经网络分类器进行样本分类。 实验结果表明,基线去除可排除基线变化对检测结果的影响;光谱主成分的优化组合可减小基线校正残余及复杂体系中被测物以外的物质拉曼峰对检测结果的干扰,同时实现了分类器最小化。 该方法用于养殖用海水中孔雀石绿的现场检测,最低检出浓度0.1 μg·L-1。 该方法具有可拓展性,可以直接应用于其他溶胶/凝胶体系中SERS光谱的定性分析。     

近地高光谱成像技术对黑豆品种无损鉴别

基于近地高光谱成像技术结合化学计量学方法,实现了黑豆品种的鉴别。实验以三种不同颜色豆芯的黑豆为研究对象,采用高光谱成像系统采集380～1 030 nm波段范围的高光谱图像,提取高光谱图像中的样本感兴趣区域平均光谱信息作为样本的光谱进行分析,建立黑豆品种的判别分析模型。共采集180个黑豆样本的180条平均光谱曲线。剔除明显噪声部分之后以440～943 nm范围光谱为黑豆样本的光谱,采用多元散射校正(multiplicative scatter correction,MSC)对光谱曲线进行预处理。分别以全部光谱数据、主成分分析(principal component analysis,PCA)提取的光谱特征信息、小波分析(wavelet transform,WT)提取的光谱特征信息建立了偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA),簇类独立模式识别法(soft independent modeling of class analogy,SIMCA),最邻近节点算法(K-nearest neighbor algorithm,KNN),支持向量机(support vector machine,SVM), 极限学习机(extreme learning machine,ELM)等判别分析模型。以全谱的判别分析模型中,ELM模型效果最优;以PCA提取的光谱特征信息建立的模型中,ELM模型也取得了最优的效果;以WT提取的光谱特征信息建立的模型中,ELM模型结识别效果最好,建模集和预测集识别正确率达到100%。在所有的判别分析模型中,WT-ELM模型取得了最优的识别效果。实验结果表明以高光谱成像技术对黑豆品种进行无损鉴别是可行的,且WT用于提取光谱特征信息以及ELM模型用于判别黑豆品种能取得较好的效果。     

基于高维拉曼光谱数据的变压器油纸绝缘老化评估方法研究

采用激光拉曼光谱技术对变压器油纸绝缘老化状态检测是一种有效的方法。随着样本量的扩充,亟待处理的数据集维度逐渐增大,研究适用于高维拉曼光谱数据的变压器油纸绝缘老化评估方法具有重要的意义。设计与现场变压器内部绝缘结构相似的油纸绝缘环境,进行加速热老化实验并定期采样,获取到10类老化程度依次递增的油样本,采用激光拉曼光谱技术对样本进行检测。选用复合稀疏导数建模法对样本原始拉曼光谱数据预处理,可以一步完成去噪与基线校正;引入差异特征选取方法筛选不同老化程度下光谱中变化显著的特征,计算同一拉曼频移下不同老化程度的特征点数据集方差,选择差异较大的数据序列所对应的拉曼特征变量,设定方差阈值为0.5进行特征选择,每个样本都从1 023个光谱特征点抽取出304个特征点进行后续分析;针对变压器油纸绝缘老化拉曼光谱高维样本数据集,引入多种不同类型的算法对其处理。分别运用K-means聚类算法、Fisher算法与随机森林算法对获取到的样本预处理后的数据建立模型,引入评估准确度、提升度以及Kappa系数对各算法建立的模型判别效果进行评估。结果表明：有监督学习的Fisher算法与随机森林算法效果较好,相对于无监督学习的K-means聚类算法,模型判别能力分别提升了1.166 6和1.95,论证了有监督学习模型在变压器油纸绝缘老化的评估中具有判别优势;从模型判别准确度和Kappa系数来看,强分类器随机森林算法建立的判别模型均高于Fisher判别模型,其准确度提升了10%,且Kappa系数上升了0.111 5,论证了随机森林算法作为由多个单一分类器组成的强分类器,相对单一分类器来说,在变压器油纸绝缘老化的评估中模型的泛化能力较好,且模型较为稳定可靠。通过对三种不同类型的算法对比,确定了在变压器油纸绝缘老化评估中,有监督学习强分类器随机森林算法的判别优势,为变压器油纸绝缘老化的有效评估打下了基础。     

油纸绝缘老化状态判别的拉曼光谱特征研究

获取能准确反映油纸绝缘老化的有效特征量,对实现油纸绝缘老化的准确诊断具有重要意义。表面增强拉曼光谱技术在油纸绝缘老化诊断领域已表现出一定的应用潜力。对25#矿物变压器油和普通牛皮纸构成的油纸绝缘试品进行了加速热老化实验,结合共聚焦拉曼光谱检测平台和银纳米片表面增强基底获取其拉曼光谱信号,从多种角度提取了拉曼光谱特征量。使用竞争性自适应重加权算法在提取出光谱的关键变量,其结果对应了油纸绝缘老化特征物的主要特征峰;使用VOIGT函数对光谱进行解析,解析峰的轮廓参数与油纸绝缘老化程度之间呈现相关性;以绝缘纸聚合度为依据将样本进行老化程度分类,光谱的前8个主成分及其载荷不仅与老化特征物和老化程度呈现相关性,且能够对样本进行准确分类;最后对光谱进行了小波包能量熵分析,分析了油纸绝缘老化过程中拉曼光谱的能量变化情况。研究成果为表面增强拉曼光谱技术应用于油纸绝缘老化诊断提供了依据,为实现油纸绝缘设备故障与老化状态的快速、非接触的现场诊断奠定了基础。     

基于拉曼光谱和机器学习的百合分类识别

百合鳞茎,百合科百合属多年生草本球根植物生长的肥厚鳞片构成的地下变态茎,是一种典型的药食同源作物,含有丰富营养成分的同时还具有抗肿瘤、抗抑郁、降血糖、提高免疫力等保健作用。不同产地百合鳞茎的市场价格差异较大,依赖于人工经验感官的传统评测方法主观性强、确定性差,难以广泛推广在现代生产环节。以化学检验法为主的先进检测方法耗时长、费用高,而且难以满足产地鉴别这一要求。针对百合鳞茎现场快速地产地判断和品质评价的需求,提出了一种使用拉曼光谱和机器学习的百合鳞茎检测方法。拉曼光谱是一种基于非弹性散射的振动光谱,能够做到快速准确的无损检测,将拉曼光谱与机器学习算法相结合,建立了我国分布最为广泛的三种百合鳞茎(兰州百合、宜兴百合和龙牙百合)的产地分类模型,着眼于基质光谱上479, 870, 942和1 606cm^-1等特征峰,提出了一种基于拉曼光谱的成分含量判断产地和评价百合鳞茎品质的无损检测方法。首先采集百合鳞茎样本的光谱,经过光谱数据预处理后,使用人工先验法提取百合鳞茎代表物质并确定特征峰,再使用主成分分析和t-分布随机邻域嵌入方法降维提取光谱数据特征。并将获得的数据特征分别...     

基于小波包能量熵和Fisher判别的油纸绝缘老化拉曼光谱诊断

准确诊断油纸绝缘材料的老化程度是保证油纸绝缘设备安全运行的重要技术手段。拉曼光谱在物质成分分析及状态诊断领域已经普遍应用。结合实验室搭建的油纸绝缘拉曼光谱分析平台，根据绝缘纸的平均聚合度将加速热老化实验获得的油纸样本分为四个老化阶段。通过对不同老化样本拉曼光谱所包含的能量信息分析，运用小波包能量熵提取特征量，结合Fisher判别法构造判别函数，建立基于拉曼光谱老化特征量的油纸绝缘老化诊断模型，并收集现场变压器油样验证诊断模型的泛化能力。结果表明，两个判别函数能区分不同老化阶段的绝缘油样，对于老化样本的判别正确率达到84.2%。拉曼光谱结合小波包能量熵和Fisher判别分析法能够有效地对油纸绝缘老化状态进行诊断。