样品制备方法对LIBS检测饲料中铜含量的影响

通过利用共轴双脉冲激光诱导击穿光谱(DP-LIBS)检测猪饲料中的重金属铜(Cu)含量,对硫酸铜固体混合添加法和硫酸铜溶液混合添加法制得的含铜猪饲料样品进行对比研究。通过对比,硫酸铜固体混合添加法和硫酸铜溶液混合添加法LIBS线性拟合相关系数分别为0.9718,0.9946,同浓度相对标准偏差(RSD)均低于3%、预测平均相对误差分别为8.5%,6.1%。硫酸铜溶液混合添加法制得样品较硫酸铜固体混合添加法检测效果较好,但是硫酸铜固体混合方法就能满足检测要求,可以将其应用于实际生产的在线检测中。     

简化苹果糖度预测模型的近红外光谱预处理方法

采用正交信号校正法(OSC)和净分析物预处理法(NAP)分别对苹果的近红外光谱(1300~2100 nm)进行预处理,并结合偏最小二乘法(PLS)建立了糖度预测模型。应用结果显示,随着预处理过程中所用的正交信号校正因子或净分析物预处理因子的逐渐增加,偏最小二乘糖度模型(OSC/PLS模型和NAP/PLS模型)所采纳的最佳因子数也会随之减少,甚至可减至1。当采用10个正交信号校正因子预处理苹果光谱时,OSC/PLS糖度模型达到最佳性能,最佳模型采纳的因子数为2;采用11个净分析物预处理因子预处理光谱时,NAP/PLS糖度模型达到最佳性能,最佳模型采纳的因子数为1。从总体上评价,最佳OSC/PLS糖度模型和最佳NAP/PLS糖度模型的性能都明显优于原始光谱的最佳偏最小二乘模型。这些结果表明,正交信号校正法和净分析物预处理法都能在保证精度的同时有效地简化苹果糖度预测模型。     

苹果糖度的光谱图像无损检测技术研究

应用光谱图像技术进行了苹果内部品质无损检测技术的研究。通过采集不同波长(分别为632 nm,650 nm,670 nm,780 nm,850 nm和900 nm)的光谱图像,对所采集的光谱图像灰度分布进行洛伦兹分布(LD)、高斯分布(GD)、指数分布(ED)函数的拟合,通过比较发现洛伦兹分布为最优灰度分布拟合函数。将苹果的糖度与洛伦兹分布函数拟合所得参量分别进行多元线性回归,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程,相关系数R分别为0.622、0.776、0.831、0.813。实验表明,利用光谱图像技术无损检测苹果糖度是可行性的,为计算机图像对水果进行内部品质的无损检测提供技术依据。     

导数同步荧光光谱-小波-SGA-LSSVR联用快速测定鸭蛋蛋清中新霉素残留含量

新霉素在巯基乙醇存在的条件下与邻苯二甲醛生成的衍生物具有强荧光特性,可实现鸭蛋蛋清中新霉素残留含量的荧光测定。在模型建立过程中,分析了波长为280～390 nm光谱范围内的三维同步荧光光谱,确定检测鸭蛋蛋清中的新霉素含量的最佳波长差Δλ为110 nm;然后利用db10小波的2层分解对一阶导数同步荧光光谱进行去噪处理,并利用分段遗传算法(SGA)优选出了14个特征波长;最后应用最小二乘支持向量回归(LSSVR)建立了鸭蛋蛋清中的新霉素含量的预测模型,其模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9671和1.713。结果表明,SGA能有效提取出鸭蛋蛋清中新霉素对应的特征波长,有利于提高LSSVR模型预测精度,可实现鸭蛋蛋清中新霉素残留含量的快速测定。     

鸡肉中磺胺二甲嘧啶和磺胺吡啶残留的SERS快速鉴别研究

以金溶胶作为活性基底,浓度为1%的NaCl溶液作为活性剂,利用DXRTM显微拉曼光谱仪采集鸡肉的表面增强拉曼光谱（SERS）,实现快速鉴别鸡肉中残留的磺胺二甲基嘧啶（SM-2）和磺胺吡啶（SPD）两种抗生素。用937和1 188 cm-1处是否有拉曼特征峰来判别鸡肉中是否残留SPD和SM-2。采用单因素实验方法,根据937和1 188 cm-1处的特征SERS强度,对试验条件进行优化,得到最佳试验条件：金溶胶加入量为500 μL、NaCl溶液加入量为100 μL和吸附时间为5 min,所选用的金溶胶柠檬酸钠加入量3.7 mL。根据测试集鸡肉中残留的SM-2和SPD的分类精度确定研究用自适应迭代惩罚最小二乘法（air-PLS）、归一化和二阶导数作为原始拉曼光谱的预处理方法,然后用主成分分析（PCA）提取特征向量,最后以前四个PCA得分值作为支持向量机（SVM）分类模型的输入值,建立基于C-SVC类型的SVM分类模型。其中,最优惩罚参数c为0.01、核参数g为0.1。此分类模型对测试集的整体分类精度达到93.23%。对测试集的敏感性和特异性进行计算,敏感性的范围为77.42%~100%,特异性的范围为96%~99.02%,其中,含SM-2+SPD鸡肉的敏感性最高为100%,含SPD鸡肉的特异性最高为99.02%。试验结果表明,该方法具有良好的鉴别效果,可用于实现对鸡肉中SM-2和SPD两种抗生素残留的快速检测和鉴别。     

激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究

利用激光诱导击穿光谱(LIBS)技术与常规化学分析方法获取28个浓度梯度含Cd元素的青菜样品的LIBS谱线信息以及Cd含量信息.对获取的光谱信息结合标准归一化处理(SNV)、一阶导数(FD)、二阶导数(SD)、中心化处理(Center)作为偏最小二乘法(PLS)模型的优选方法;再根据4种预处理方法的预测结果选取最佳方法,同时将该方法作为间隔偏最小二乘法(iPLS)与联合区间间隔偏最小二乘法(SiPLS)优选青菜LIBS谱线的最佳波长区间.结果表明:通过SiPLS优选的特征波长区间分别为214.72 ～ 215.82 nm,215.88～ 216.97 nm,225.08 ～ 226.35 nm,并且经过中心化预处理后建立的验证模型效果最好,结果显示交叉验证均方根误差(RMSECV)为1.487,验证均方根误差(RMSEP)为1.094,相关系数(R)为0.9942,平均相对误差(ARE)为11.60％.研究结果表明,所选优化方法适合青菜中重金属Cd元素的LIBS校正模型的建立,且具有较好的预测效果.     

基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究

利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化.采用AntarisⅡ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量.首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型.研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%.最佳预测模型所用的变量仅26个,占全波段变量的0.854%.此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%.由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性.     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。     

激光诱导击穿光谱结合偏最小二乘法定量分析脐橙中Cd含量

基于激光诱导击穿光谱(LIBS)技术对赣南脐橙中Cd元素进行定量分析. 利用LIBS获取样品中Cd元素的特征谱线信息, 并结合原子吸收分光光度计测量样品中Cd元素的真实含量.采用五点平滑法和中心化法对样品光谱数据进行预处理, 基于偏最小二乘法(PLS)对其中的39个样品建立Cd元素的定量分析模型, 在该模型的基础上预测另外13个样品的Cd含量, 并对PLS模型进行对比验证. PLS模型中拟合曲线的相关系数为0.9806, 12个样品的验证结果的相对误差为10.94%.研究结果表明, 激光诱导击穿光谱技术能够准确的检测农产品中重金属含量, 为农产品的安全检测提供技术方法. 关键词： 激光诱导击穿光谱 Cd 定量分析 偏最小二乘法     

样品物理方法前处理提高猪肉中Pb元素的LIBS分析精度研究

农产品基体复杂,为了减弱水分和有机质对其痕量重金属元素LIBS检测能力的影响,以期提高目标元素LIBS分析灵敏度和预测精度。以实验室含Pb溶液污染处理的新鲜猪肉样品为例,对猪肉样品进行烘干、粉碎、压片处理,比较样品简单的物理方法前处理提高目标元素LIBS探测效果的可行性。通过采集猪肉鲜样和干样的LIBS谱线信息发现,鲜样受水分、有机质成分影响致使其谱线信息背景和噪声信号干扰较大;对于10个浓度梯度的样品,目标元素特征谱线Pb Ⅰ 405.78的LIBS强度信息在鲜样中无明显的差异性,而在干样样品中差异明显并表现出一定的梯度关系。说明LIBS缺乏对鲜样样品低浓度Pb污染的探测能力,干燥处理削弱了水分的影响、浓缩了样品浓度范围,提高了LIBS的检测灵敏度。通过目标元素Pb的真实浓度与其特征谱线LIBS强度线性定量模型分析,干样样品的线性相关系数远大于鲜样样品,此时猪肉干样样品检测限为5.13 mg·kg-1,说明干样样品具有一定的预测精度。整个工作证明猪肉等农产品在经过合适的、简单的物理方法前处理后,有望在LIBS分析灵敏度和检测精度方面发挥应有的潜力,且该物理方法前处理同样适用于其他肉类的LIBS检测分析。