排序方式: 共有72条查询结果,搜索用时 15 毫秒
11.
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 相似文献
12.
基于高光谱图像技术的水果表面农药残留检测试验研究 总被引:15,自引:0,他引:15
以脐橙为研究对象,初步探讨了应用高光谱图像技术检测水果表面农药残留的方法.用蒸馏水把农药分别配置成1:20,1:100和1:1000倍的溶液.然后把同种不同浓度的溶液滴到10个洗净的脐橙表面,溶液量约为120 μL,200μL和400μL,脐橙表面形成一个3×3的矩阵形状.将水果放置到通风阴凉处放168 h后,拍摄图像.采集脐橙在625~725 nm范围的高光谱图像,应用主成分分析方法(PCA)获得特征波长的图像,应用第三主成分图像(PC-3)并经过适当的图像处理方法对脐橙表面的农药残留进行检测.检测结果表明,高光谱技术对检测较高浓度农药残留非常明显. 相似文献
13.
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。 相似文献
14.
组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响,分析了不同种类食用油激光诱导荧光光谱之间的差异。八种食用油共320份样本荧光数据在1 m长液芯光纤内采集,采用主成分分析方法对食用油荧光数据进行降维处理,利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。结果表明,使用液芯光纤后,食用油荧光强度得到较大的增强。随着液芯光纤长度增加,食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象,当液芯光纤长度超过80 cm后,红移趋于饱和。不同食用油的荧光光谱形状差异较大,可用于区分不同种类食用油。利用主成分1和主成分2绘制的主成分得分图显示,不同种类食用油呈现很好的聚集。当选用主成分数为10时,建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。说明本装置用于食用油种类的快速鉴别具有较高的准确性。 相似文献
15.
利用激光诱导击穿光谱(LIBS)技术对大豆油中的重金属Cr进行检测研究。以松木木片对重金属Cr进行富集,采用AvaSpec双通道高精度光谱仪在206.28~481.77 nm波段范围内采集松木木片样本的LIBS光谱,利用无信息变量消除(UVE)方法筛选与重金属Cr相关的波长变量,应用偏最小二乘(PLS)回归建立大豆油中重金属Cr的定标模型,并与单变量及全波段PLS定标模型进行比较。结果表明,相比单变量及全波段PLS定标模型,UVE-PLS定标模型的性能更优,其相关系数、校正均方根误差、交互验证均方根误差及预测均方根误差分别为0.990,0.045,0.050及0.054 mg·g-1。经UVE变量筛选后,UVE-PLS定标模型所用的波长变量数仅为全波段PLS的2%。由此可见,UVE是一种有效的波长变量筛选方法,能有效筛选出与重金属Cr相关的波长变量。 相似文献
16.
简化苹果糖度预测模型的近红外光谱预处理方法 总被引:26,自引:11,他引:15
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。 相似文献
17.
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 总被引:1,自引:0,他引:1
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。 相似文献
18.
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。 相似文献
19.
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. 相似文献
20.
激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究 总被引:1,自引:0,他引:1
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. 相似文献