太赫兹技术融合人工智能在中药质量控制中的应用和展望北大核心CSCD

中药是中华民族的瑰宝,中药的质量控制对于确保中药安全性和有效性至关重要。传统的中药质量控制方法费时费力,需要对样品进行复杂的前处理。太赫兹技术是一种新兴的无损检测技术,具有高分辨率、非接触、非破坏等优点,与人工智能算法结合,能够实现对中药生产全过程的质量控制。该文首先介绍了太赫兹技术的原理、太赫兹光谱预处理方法、特征数据提取方法、人工智能算法建模以及模型的评估与优化;并在此基础上,对近年来太赫兹技术在中药鉴别、含量测定和制药生产过程质量控制中的应用进行了综述。最后,对太赫兹技术的发展趋势及其在中药智能制造中的应用进行了展望。     

丙氨酸晶体太赫兹振动光谱的实验和理论研究

利用太赫兹时域光谱和低频拉曼光谱仪研究了丙氨酸晶体在0.2-2.6 THz 范围内的太赫兹吸收和拉曼散射光谱. 研究表明: 在该低频范围有四个振动模式, 其中两个只具有拉曼活性, 其余两个同时具有红外和拉曼活性. 基于B3LYP杂化密度泛函的自洽场晶体轨道法对丙氨酸周期性结构进行了理论研究和光谱计算. 通过比较实验和理论结果, 指认了实验光谱特征峰所属的不可约表示. 通过理论计算得到的图形, 得出在此低频范围的振动模式主要包含分子间氢键的扭转和摇摆运动.     

基于高光谱成像技术的配方烟丝组分判别

应用近红外（1 000～2 200 nm）高光谱成像技术开展了面对像素、面对样本的配方烟丝 4种组分（叶 丝、梗丝、薄片丝、膨胀丝） 的判别研究。以样本高光谱图像的所有像素点光谱数据进行面对像素的组分判 别;以样本所有像素点的平均光谱数据进行面对样本的组分判别。采用二阶导数法结合萨维茨基－戈莱平滑 （SG）滤波对光谱数据进行预处理。通过面对像素数据的主成分分析,证实了基于面对像素的高光谱数据进行 组分判别的可行性,以前5主成分建立的支持向量机模型很好地实现了叶丝与梗丝、叶丝与薄片丝的判别任 务。建立了面对样本的4组分的K近邻和支持向量机判别模型,通过连续投影算法和二阶导数法进行特征波 长选择,筛选出具有高判别准确率的波段,组分判别率达86. 97%。     

蒙特卡洛交叉验证用于近红外光谱奇异样本的识别

奇异样本识别是建立稳健模型的基础,但大样本数据集中奇异样本的识别非常困难．基于样本在蒙特卡洛交叉验证中的统计规律提出了一种奇异样本的识别方法,即首先利用蒙特卡洛交叉验证建立一定数量的模型,然后按照预测误差平方和（PRESS）排序并统计每个样本在不同模型中的出现频次．由于奇异样本的特殊性,其出现频次将与正常样本具有显著差异．通过对4组数据进行考察,结果表明：此方法可以有效地识别近红外光谱中的奇异样本,比常用的留一法交叉验证（LOOCV）方法具有更强和更准确的识别能力．     

近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定

该研究基于近红外光谱（NIRs）技术,以2016～2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法（CARS）、蒙特卡洛无信息变量消除法（MC－UVE）以及随机青蛙算法（RF）3种变量筛选方法的极限学习机（ELM）模型效果,与常规判别方法偏最小二乘判别分析（PLS－DA）比较,验证了ELM模型的优势。并通过教与学优化（TLBO）算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO－ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。     

高性能和强扩展性的太赫兹时域光谱仪的研制

太赫兹波具有低能、宽带和独特的时域脉冲特性等特点,使其在材料物质科学领域具有着重要的应用价值.自主搭建了一套基于光电导天线的太赫兹时域光谱仪.从介绍光电导天线产生和探测太赫兹波的原理出发,重点阐述了太赫兹时域光谱仪的光路设计优化、搭建调试、功能拓展和应用实例分析,为自主研制高性能太赫兹时域光谱仪提供了方法和经验.     

基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法

该文提出了一种基于数据增强的特征选择拉曼光谱浓度分类方法(Recursive Feature Elimination-Principal Component Analysis-Back Propagation Neural Network,RFE-PCA-BP)。实验将购买于超市的食用油与不同浓度的嵌二萘溶液滴在硅藻土板上,采集九种不同浓度芘(Pyrene)的拉曼光谱数据,通过数据增强,将每种浓度数据通过添加不同信噪比(SNR)来扩充样本数量;RFE-PCA-BP浓度分类模型将拉曼光谱数据的特征消除、数据预处理、浓度分类合而为一。通过实验证明,RFE-PCA-BP算法的准确率高达99.42%远高于BP神经网络算法(Back Propagation Neural Network,BPNN)的86.67%。     

萘醌及其衍生物的太赫兹时域光谱研究

用太赫兹(THz)时域光谱技术研究了室温条件下的萘醌及其衍生物1,2-萘醌、1,2-萘醌-4-磺酸钠、甲萘醌、白花丹素、胡桃醌的光谱特征,得到了各自的吸收谱和折射率。结果表明,萘醌及其衍生物在此波段有不同的吸收特征,利用太赫兹时域光谱能够鉴别分子结构存在微小差别的化合物。在对样品的吸收谱进行比较的基础上,讨论了分子结构和分子间晶格振动与THz光谱特征吸收的关系。     

不同地区及仿真和田玉太赫兹光谱分析

利用太赫兹时域光谱技术对不同地区和田玉及其仿真品进行测量与分析,为不同地区的和田玉及真伪鉴别提供技术支撑。实验选取了新疆、韩国和青海三个不同产地的和田玉样品,同时选取了三种仿和田玉样品,在0.1~2.5THz频段进行太赫兹光谱数据采集。不同地区和田玉在太赫兹频段具有不同的特征吸收峰,并且每个样品在相对高频和低频的吸收量不同,随频率的增加,样品在相对低频处的折射率呈增加趋势,在高频处呈缓慢下降趋势,不同样品的变化趋势不同。仿真样品与和田玉在0.1~2.5 THz波段的吸收系数、折射率、相对介电常数相差很大。实验结果初步表明,用太赫兹波段的吸收系数和折射率来鉴别和田玉及仿真品是可行的,能够区分不同地区和田玉及仿真样品,该方法快速、便捷,能为市场监管提供有力技术支撑。     

卷积神经网络和支持向量机算法在塑料近红外光谱分类中的模型应用

机器学习算法的应用使得塑料自动分类成为可能,而废旧塑料的分类回收对保护环境、节约资源有重要意义。该文结合近红外光谱分析技术,比较了使用一维卷积神经网络（1D CNN）和多元散射处理后支持向量机算法（MSC－SVM）建模的效果,及对PP新生料、PP再生料、PE新生料、PE再生料4种塑料分类的准确率。基于100个塑料样本近红外光谱数据的分类结果表明,验证集上1D CNN模型准确率为91.5%,MSC－SVM模型准确率为90.8%。1D CNN模型用于识别PP和PE新生料时,准确率可达100%。证明1D CNN建模方法在小数据集上进行准确塑料分类是可行的。     

基于随机森林结合博弈论的特征选择算法在近红外光谱分类中的应用研究

针对近红外光谱中的噪声和冗余信息导致分类模型识别率低的问题,提出了随机森林结合博弈论的特征选择算法。该算法首先根据随机森林对特征重要性进行度量,优选出对分类具有一定相关性的特征;然后利用改进的夏普利值结合互信息计算优选特征的权重,从加权后的特征集合中去掉冗余得到最优特征子集。为了验证算法的有效性,将其应用于烟叶产地识别模型,实验结果表明,该文所提出的特征选择算法对烟叶产地识别效果较好,分类识别率可达95.88%。     

太赫兹技术在药物化学研究领域中的应用*

太赫兹(THz)技术及其应用研究近些年发展迅速,许多研究表明该技术在国防安全、信息通信、材料、环境、化学和生物医学等领域有巨大的应用前景。本文就近年来利用太赫兹光谱和太赫兹成像技术在药物化学领域中的应用研究进行综述。介绍了太赫兹时域光谱技术（THz-TDS）在药物活性成分（Active Pharmaceutical Ingredients, APIs）的检测、异构体的区分、药物的多晶型和假多晶型的鉴别以及混合物的定性与定量分析等方面取得的研究成果和进展;阐述了太赫兹成像技术在分析药物的物理化学性质和包衣膜厚度、密度、结构特性,以及监测产品的一致性和完整性方面的应用优势。此外,还介绍了太赫兹技术在药物动力学研究及药物生产过程分析中的创新性应用研究。     

K近邻算法结合红外光谱对轮胎橡胶颗粒的鉴别研究

在法庭科学领域,轮胎橡胶颗粒的检验鉴别对交通肇事和一些诉讼案件的侦破尤为重要,针对传统取样分析技术会破坏物证的问题和综合考察样本在多变量多维度上的差异性,提出基于红外光谱法结合K近邻算法无损识别轮胎橡胶的鉴别方法。采集不同品牌的样本,对其光谱进行自动基线校正和归一化操作,采用Savitsky-Golay算法平滑去噪,通过降维实现对840个原始特征到5个识别特征的高效筛选,运用训练样本为测试样本的方法进行交互验证,选取K值为1,"特征3"为主要自变量,"特征4"、"特征5"、"特征2"和"特征1"为协变量作为分类参数,按重要性加权特征进行计算样本之间的距离,建立分类模型,模型总分类准确率达83. 56%,区分效果良好,结合样本红外谱图展开进一步分析,最终成功将73类样本分为了10类。结果表明,利用红外光谱检测和K近邻算法可实现对轮胎橡胶颗粒的识别与分类,普适性和高效性较强,具有一定的借鉴和参考意义。     

K近邻算法结合红外光谱对轮胎橡胶颗粒的鉴别研究

在法庭科学领域,轮胎橡胶颗粒的检验鉴别对交通肇事和一些诉讼案件的侦破尤为重要,针对传统取样分析技术会破坏物证的问题和综合考察样本在多变量多维度上的差异性,提出基于红外光谱法结合K近邻算法无损识别轮胎橡胶的鉴别方法。采集不同品牌的样本,对其光谱进行自动基线校正和归一化操作,采用Savitsky-Golay算法平滑去噪,通过降维实现对840个原始特征到5个识别特征的高效筛选,运用训练样本为测试样本的方法进行交互验证,选取K值为1,"特征3"为主要自变量,"特征4"、"特征5"、"特征2"和"特征1"为协变量作为分类参数,按重要性加权特征进行计算样本之间的距离,建立分类模型,模型总分类准确率达83. 56%,区分效果良好,结合样本红外谱图展开进一步分析,最终成功将73类样本分为了10类。结果表明,利用红外光谱检测和K近邻算法可实现对轮胎橡胶颗粒的识别与分类,普适性和高效性较强,具有一定的借鉴和参考意义。     

基于GPU计算的并行PLS算法研究与实现

偏最小二乘算法(PLS)是与红外、近红外光谱分析结合使用最为广泛的化学计量学算法,然而当前PLS算法通常采用单线程方式实现,当校正模型数量多或样本数量大、波长点数和主成分数较多,模型需对光谱预处理和波长选择方法反复优化时,计算十分缓慢。为大幅提高建模速度,该文提出了一种基于图形处理器(GPU)的并行计算策略,利用具有大规模并行计算特性的GPU作为计算设备,结合CUBLAS库函数实现了基于GPU并行的PLS建模算法(CUPLS)。利用近红外光谱数据集进行性能对比实验,结果表明CUPLS建模算法较传统单线程实现的PLS算法,加速比可达近42倍,极大地提升了化学计量学算法的建模效率。该方法亦可用于其它化学计量学算法的加速。     

基于平行因子算法的三维荧光光谱检测真菌毒素

真菌毒素具有荧光特性,因此可以用三维荧光光谱分析方法来检测真菌毒素浓度。在检测过程中,通过去除瑞利散射、平滑等光谱预处理后,采用平行因子算法(PARAFAC)建立回归模型,并由该模型依据待测样本的三维荧光光谱数据计算出真菌毒素的浓度。对一组含有不同浓度真菌毒素B1的白酒样本进行实验,结果表明:针对三维荧光光谱数据,由于掺杂的干扰比较多,进行光谱预处理可以提高建模效果;采用三维的PARAFAC建模方法效果要比常规的二维建模方法好;由于PARAFAC对组分数很敏感,所以建模过程中选择适当的组分数对模型的效果影响比较大。     

多壁碳纳米管/高密度聚乙烯复合体系在太赫兹波段的光学性质研究

利用太赫兹时域光谱研究了多壁碳纳米管/高密度聚乙烯(MWNTs/HDPE)复合体系的光学性质.第一次使用MG模型提取了不同浓度下MWNTs的光学常数,并利用DL模型对结果进行了解释.     

两种联苯酚类化合物的太赫兹时域光谱研究

利用太赫兹时域光谱技术获得了295 K时2,2′-二羟基联苯(2,2′-biphenol, 2BP)和4,4′-二羟基联苯(4,4′-biphenol, 4BP)在0.1~1.6 THz波段的光谱. 实验结果显示, 两种同分异构体在太赫兹频率范围内的吸收谱有显著的差异. 结合量子化学计算, 2BP中的两个羟基间能够形成分子内氢键, 在1.45 THz的运动模式初步判断为包含氢键在内的两个苯环的低频摆动.     

基于高光谱成像技术的不同时期番茄植株的快速无损判别研究

利用近红外高光谱成像技术对不同浓度盐胁迫下的番茄叶片进行了定性判别。采集192个叶片样本的平均光谱反射率数据,并对原始光谱数据分别进行多元散射校正（MSC）、标准正态化（SNV）、正交信号校正（OSC）、相关优化偏移（COW）4种预处理,建立了偏最小二乘回归（PLSR）模型。建模结果显示：OSC预处理光谱的建模效果最优。分别采用间隔变量迭代空间收缩法（iVISSA）、间隔随机蛙跳法（IRF）、遗传偏最小二乘算法（GAPLS）、竞争性自适应加权算法（CARS）、变量组合集群分析（VCPA）等方法提取特征波长,建立PLSR模型。结果表明：VCPA提取特征波长所建立的模型最优。将VCPA法提取的11个特征波长（945、975、990、1 002、1 005、1 067、1 204、1 326、1 595、1 642、1 660 nm）用于建立番茄叶片定性判别预测模型,最优预测模型的决定系数（R2P）与预测均方根误差（RMSEP）分别为0.917、0.456。该研究为在线监测植物长势提供了技术支撑。     

基于显微高光谱成像技术的运动和感觉神经分类研究

在外科神经修复手术中,正确识别神经束性质是实现良好修复的关键.本文将显微高光谱成像技术应用于神经分类中,并对分类的可行性进行实验性探究.首先使用显微高光谱神经采集系统获取兔子运动及感觉神经的高光谱图像数据并进行预处理,再利用纯净像元提取算法得到端元波谱继而获取各类别的特征光谱,通过分析特征光谱的特征与差异找寻合适的分类算法,实验结果表明本技术具有一定的分类效果.本文基于K近邻分类器,实验性的使用了经典欧氏距离及波谱角距离这两种距离测度算法对实验数据进行分类,对比实验结果分析两种方法的优劣,为后续寻找其他合适且更具针对性的分类方法奠定了重要的基础.