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。     

基于共聚焦拉曼光谱技术的油菜菌核病早期判别分析

油菜菌核病是一种真菌性病害,可造成油菜产量严重减少,而快速准确地进行病原物的早期侵染对于植物病害防治意义重大。采用共聚焦拉曼光谱(500～2 000 cm-1波数范围内)技术结合化学计量学方法对油菜菌核病早期侵染进行判别分析。采用共聚焦拉曼光谱仪采集健康和接种12 h核盘菌的油菜叶片表面拉曼光谱,应用小波变换(wavelet transform,WT)进行拉曼光谱预处理以去除荧光背景。并利用基于全谱范围的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)的回归系数(regression coefficient,RC)进行特征峰的识别,选出983,1 001,1 205,1 521,1 527,1 658,1 670和1 758 cm-1共八个特征峰用于建立PLS-DA模型进行油菜菌核病的早期侵染判别,其识别准确率为100%。结果表明：拉曼光谱技术结合化学计量学方法能够实现油菜叶片中菌核病早期侵染的检测,这为后续探究核盘菌与油菜叶片互作过程以及为进一步的病害早期监测和预防提供理论参考。     

基于共聚焦显微拉曼光谱的毛竹细胞结构和成分研究

采用共聚焦显微拉曼光谱对毛竹薄壁细胞、薄壁纤维过渡细胞和纤维细胞进行研究。通过构建偏最小二乘(PLS)定量区分模型来对这三种细胞中的差异进行分析,结果表明,该区分模型的建模和交互验证决定系数(R2)分别为0.810和0.800,均方根误差(RMSE)分别为0.323和0.332。根据这一模型的回归系数,发现三种细胞的区别主要体现在1 095,1 319和1 636 cm-1三个波数,这三个波数分别为纤维素、半纤维素和木质素的指纹特征峰。以这三个波数为自变量建立多元线性回归(MLR)模型,该回归模型的建模和交互验证决定系数(R2)分别为0.644和0.643,均方根误差(RMSE)分别为0.442和0.443,表明三种细胞在这三个波数处存在明显的差异。对小波变换基线消除后的拉曼光谱信号进行化学成像分析,结果显示,纤维素微纤维与纤维轴成一个很大的角度,这一结构有利于提高细胞的弹性模量和硬度。半纤维素和纤维素微纤维通过氢键相连,并在范德华力的作用下紧密地结合在一起,因此在拉曼化学成像中可以看到半纤维素和纤维素有相似的分布规律。三种细胞的细胞角和胞间层都高度的木质化,从细胞壁外层到内层木质化程度逐渐降低,表明细胞壁的木质化从细胞角和胞间层开始,且木质化程度并不完全。     

高光谱技术诊断马铃薯叶片晚疫病的研究

鉴于晚疫病可对马铃薯造成毁灭性灾害,对受晚疫病胁迫的马铃薯叶片进行了高光谱图像特征研究。旨在探索马铃薯叶片的高光谱图象特征与晚疫病害程度的关联,以实现准确、快速、无损的晚疫病诊断。采用60片马铃薯叶片,对其中48片采用离体方式接种晚疫病菌,所剩12片作为对照,染病前后连续观测7天,得到染病和健康样本。健康和染病样本按照染病时间和染病程度不同采用374～1 018 nm波段范围的可成像高光谱仪分别采样,基于ENVI软件处理平台提取图像中感兴趣区的光谱信息,并采用移动平均平滑、导数处理、光谱变换、基线变换等预处理方法提高信噪比,建立了最小二乘支持向量机（LS-SVM）的识别模型。9个模型中,基于原始光谱(不预处理)和光谱变换预处理后的数据所建立的模型预测效果最好,识别率均达到了94.87%。表明基于高光谱成像技术可以实现晚疫病胁迫下马铃薯病害程度的有效区分。     

近红外高光谱成像技术用于转基因大豆快速无损鉴别研究

以近红外高光谱成像技术,结合化学计量学方法,研究了转基因大豆的快速、无损检测方法。实验以3种不同非转基因亲本(HC6, JACK, TL1)及其转基因大豆作为研究对象。采用高光谱成像系统采集874~1 734 nm波长范围的256个波段范围的高光谱图像,提取大豆的光谱信息,剔除明显噪声部分后,采用Moving Average(MA)平滑预处理的941~1 646 nm范围光谱数据进行分析。采用偏最小二乘判别分析算法(partial least squares-discriminant analysis, PLS-DA),对3种非转基因亲本大豆建立模型进行判别分析,其相应的建模集和预测集的判别正确率分别为97.50%和100%,100%和100%,96.25%和92.50%,结果表明,高光谱成像技术可用于非转基因大豆的识别。对非转基因亲本及其转基因大豆进行判别分析,基于全谱,3种的建模集和预测集的判别正确率分别为99.17%和99.17%,87.19%和81.25%,99.17%和98.33%;以x-loading weights提取非转基因亲本及其转基因大豆判别分析的特征波长并建立PLS-DA模型,3种的建模集和预测集的判别正确率分别为72.50%和80%,80.63%和79.38%,85%和85%,该结果表明非转基因亲本与转基因品种的判别分析是可行的,特征波长的选择也可用于非转基因亲本与转基因品种的判别分析。研究表明采用近红外高光谱成像技术对非转基因大豆、非转基因亲本及其转基因大豆进行鉴别是可行的,为转基因大豆的快速无损准确鉴别提供了一种新方法。     

基于拉曼光谱技术的枇杷果实β-胡萝卜素含量无损测定研究

β-胡萝卜素作为一种重要的营养元素,其在果蔬活体内的测定方法通常必须对样品进行破坏,并且耗时、费力。采用拉曼光谱技术预测活体枇杷果实内β-胡萝卜素含量,以高效液相色谱法(HPLC)检测值作为参考值,采用高斯平滑对光谱数据进行预处理,同时使用多项式拟合(PF)的方法对光谱数据进行背景荧光扣除,以标准β-胡萝卜素的拉曼图谱为基础,选取了三个特征频移,以特征频移和截取的光谱建立了MLR模型、PLSR模型以及LS-SVM模型,取得了比较好的预测精度。其中LS-SVM模型的预测精度最高,其预测相关系数R2_p达到了0.91,表明通过拉曼光谱对活体枇杷内β-胡萝卜素的含量检测是实际可行的。     

一种低分子量带有羧基的聚丙烯酸酯丙烯酸树脂的制备和性质

制备了一种紫外光固化预聚物——带有羧基的低分子量聚丙烯酸酯丙烯酸树脂(Polyacrylate acrylic resin, PAAR).其主链由丙烯酸烷基酯和丙烯酸进行共聚而得,当采用丙烯酸甲酯、丙烯酸乙酯和丙烯酸(摩尔比1:1:1)作为共聚单体,引发剂AIBN为1.5%,链转移剂十二硫醇为2.5%时,聚合得到的聚丙烯酸酯(Polyacrylate, PA)分子量在1100-1400之间,多分散性小于2,反应速率快,转化率高;由这种PA和甲基丙烯酸缩水甘油酯(GMA)进行酯化反应,制备得到最终产物聚丙烯酸酯丙烯酸树脂,酯化率可以达到80%以上,其光固化膜具有较好的涂膜硬度和柔韧性,光泽度饱满.     

Nondestructive and complete Bell-state analysis for atomic qubit systems

This paper realizes a nondestructive and complete Bell-state analysis for atomic qubit systems by a designed nondestructive and complete Bell-state analyser. In the scheme, Bell states are completely discriminated by two bits of classical informations which comes from the locality single atom detection on two auxiliary atoms, during which the Bell states are not affected. The needed devices are well within the bounds of current technology, and then the scheme is experimentally feasible.     

一种用于可见-近红外光谱特征波长选择的新方法

提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见一近红外光谱特征波长的新方法(SA-LS-SVM).该方法用LS-SVM作为识别器,用识别率作为SA的目标函数,提取合适的特征波长数以及对应的特征波长.3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA_LS-SVM,主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理,提取特征波长或主成分,然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测.结果发现,SA-LS-SVM只需从751个数据光谱中提取4个特征波长,就可以使三种品牌润滑油的识别率达到了100%,而其他所有的方法发现预测率都达不到100%,由此验证了SA_LS-SVM的优越性.实验结果表明,SA-LS-SVM不仅能有效地减少建模的变量数,而且可以提高预测精度.     

干涉仪环境振动的外差检测与自适应控制

测试环境的微振动干扰会引起干涉图的抖动,影响移相干涉仪的测量准确．设计了一种内嵌于移相干涉仪的外差测振光路,对干涉仪所受环境微振动进行实时检测;采用单片RF/IF集成芯片对两路40 MHz的模拟外差信号直接进行比相,简化了通常使用的数字测相方法．在测得环境振动信息后,运用DSP技术和自适应信号处理的方法,实现了基于PZT移相器的自适应振动控制,实验结果表明干涉仪对幅频积不大于100 waves·Hz的环境振动的抑制能力达－39 dB.