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。     

应用高光谱成像技术鉴别绿茶品牌研究

应用高光谱成像技术,基于光谱主成分信息和图像信息的融合实现名优绿茶不同品牌的鉴别。首先采集6个品牌名优绿茶在380～1 023 nm波长范围的512幅光谱图像,然后提取并分析绿茶样本的可见近红外光谱响应特性,结合主成分分析法找到了最能体现这6类样本差异的2个特征波段(545和611 nm),并从这2个特征波段图像中分别提取12个灰度共生矩阵纹理特征参量包括中值、协方差、同质性、能量、对比度、相关、熵、逆差距、反差、差异性、二阶距和自相关,最后融合这12个纹理特征和三个主成分特征变量得到名优绿茶品牌识别的特征信息,利用LS-SVM建立区分模型,预测集识别率达到了100%,同时采用ROC曲线的评估方法来评估分类模型。结果表明综合应用灰度共生矩阵变量和光谱主成分变量作为LS-SVM模型输入可实现对绿茶品牌的鉴别。     

基于共聚焦显微拉曼光谱揭示炭疽病侵染下茶叶细胞壁变化的研究

采用共聚焦显微拉曼技术研究了炭疽病感染所致茶叶细胞壁结构和化学成分的变化。对茶叶健康和染病组织细胞进行微米级空间分辨率的显微拉曼光谱扫描,并结合透射电镜观察炭疽病侵染所致的细胞超微结构变化,结果显示染病前后细胞壁的拉曼光谱位移和强度都有明显的差异,表明炭疽病侵染导致细胞壁中化学成分发生了较大的变化。其中由纤维素,果胶,酯类化合物产生的拉曼峰强度都有明显下降,说明细胞壁中这些物质的含量在染病后减少了;而木质素拉曼散射引起的拉曼峰强度有所上升,说明木质素的含量在染病后有所增加。随后基于纤维素的拉曼指纹波数和显微空间结构信息实现了茶叶健康组织和染病组织细胞壁中纤维素的化学成像分析,结果显示炭疽病侵染不仅导致细胞壁中纤维素的含量大大减少,而且纤维素的有序结构被破坏。由此得出结论：在无需对样本进行染色或复杂的化学处理的情况下,共聚焦显微拉曼可以揭示由炭疽病侵染引起的茶叶细胞壁化学成分和结构的变化,本研究是共聚焦显微拉曼技术首次用于植物病理学中寄主-病原物互作机制的研究,将为深入研究寄主-病原物在细胞层面上的互作机制开辟蹊径。     

基于高光谱的番茄叶片过氧化物酶活力测定

用高光谱图像技术结合化学计量学方法,实现了番茄叶片中过氧化物酶(POD)活性的快速检测。利用高光谱图像的光谱特征建立预测模型步骤为：采集高光谱图像数据、获取光谱曲线、光谱数据预处理、提取特征波段、建立POD酶活性预测模型。与预处理方法(SG,SNV,MSC,1-Der和2-Der)相比,DOSC预处理对POD酶活性预测效果最好。研究表明：以443,464,413,410,401,402,426和926 nm这八个特征波段的光谱数据建立的DOSC-SPA-PLS模型对POD酶活性预测结果为R_p=0.935 3,RMSEP=37.80 U·g-1。这说明高光谱图像技术测定番茄叶片POD活性具有可行性,且预测结果令人满意,这为抗氧化酶活性和番茄植株生长状况的动态检测提供了新的方法。     

H3PO4改性PS-EDTA树脂对水相中Cu2+、Zn2+和Cd2+的吸附性能研究

大孔氯甲基化聚苯乙烯小球先后与乙二胺、2-氯乙酸反应得EDTA型螯合树脂(PS-EDTA),再用磷酸在室温处理得PS-EDTA/P树脂。PS-EDTA/P树脂被用于水相中Cu2+、Zn2+和Cd2+的吸附净化处理,探讨了溶液的pH值、初始金属离子浓度、时间、温度等因素对吸附性能的影响,并研究了其对重金属离子的吸附动力学和热力学。结果表明,PS-EDTA/P树脂对Cu2+和Zn2+的吸附符合Langmuir等温式、对Cd2+的吸附符合Freundlich等温式,准二级吸附动力学方程能够很好地描述3种金属离子在树脂上的吸附动力学行为。同时,PS-EDTA/P树脂对重金属吸附的热力学参数表明,PS-EDTA/P树脂对Cu2+、Zn2+和Cd2+的吸附是一个自发的、吸热的过程。已吸附Cu2+、Zn2+和Cd2+的树脂可以用0.1mol/L HCl解吸,解吸后的树脂对Cu2+、Zn2+和Cd2+仍具有较高的吸附量。     

聚合负载三氯化镨配合物的合成、表征及催化活性

合成并表征了聚(苯乙烯(S)-丙烯酸(A))镨配合物(SAAC·Pr).红外光谱表明了它的配位结构.计算了共聚物中单体单元的序列分布.苯乙烯和丙烯酸单元长序列分布随其在共聚物中含量的增加而增加.当丙烯酸长序列分布高时,配合物的催化活性低.苯乙烯和丙烯酸的平均链长分别为 nS=3, nA=1时,配合物的催化活性最高.     

基于中红外光谱技术检测茶叶中非法添加滑石粉的研究

研究傅里叶变化红外透射光谱(FTIR)结合化学计量学方法检测茶叶中非法添加滑石粉的可行性。首先获取掺杂量不同的滑石粉(0.00, 0.15, 0.25, 0.35, 0.50, 0.65, 0.75, 0.85, 1.00, 1.10, 1.25, 1.50 mg·g-1)210个茶叶样本光谱。为了突显出光谱中的细微变化,采用Savitzky-Golay(SG) 平滑、标准化和标准正态变量(SNV)三种方法对原始光谱进行预处理。其中,处理效果最好的是SNV方法。随后探究光谱与掺杂量之间的定量关系,采用反向间隔偏最小二乘法(biPLS)和连续投影算法(SPA)的结合进行特征波数的选择,最终选出来5个特征波数。并利用偏最小二乘回归算法(PLS)和最小二乘支持向量机算法(LS-SVM)建立基于这5个特征波数的回归模型。其中LS-SVM模型具有更高的相关系数(R_P=0.921)和更小的均方根误差(RMSEP=0.131),所以该模型具有更好的稳定性及更高的预测能力。综上所述,红外光谱技术可以定量地检测出茶叶中非法添加的滑石粉。     

拉曼光谱技术在农作物生理信息检测中的研究进展

拉曼光谱(Raman spectroscopy,RS)是一种散射光谱,具有样品前处理简单、响应速度快、灵敏性高以及原位无损检测等特点。由于拉曼信号具有指纹图谱特性和不受水分信息干扰的优势,其在生物体信息检测方面发挥着重要作用。拉曼光谱成像技术是拉曼光谱技术发展的新方向,其可以同时获取研究对象的空间及光谱信息;显微拉曼光谱技术不仅可以进行分子结构的检测,还能够实现生物组织微区化学成分的空间分布分析。目前,应用拉曼光谱进行农作物生理信息的检测成为学者们的研究热点。本文概述了拉曼光谱的基本原理和分类,并重点介绍了拉曼光谱技术在农作物的生殖与营养器官(种子,花朵,果实和根,茎,叶)中生理信息检测方面的国内外最新研究进展。最后结合国内外研究现状,分析了拉曼光谱在农作物生理信息检测中的局限,并对其的应用前景进行了展望。     

环三磷腈-DOPO大分子阻燃剂的 合成及阻燃环氧树脂性能

通过取代反应、 缩合反应和加成反应等合成了一种无机-有机杂化大分子阻燃剂 六-[4-(N-苯基氨基-DOPO-次甲基)苯氧基]环三磷腈(DOPO-PCP), 并利用傅里叶变换红外光谱、 ¹H和 ³¹P核磁共振波谱对其进行结构表征. 将DOPO-PCP用于环氧树脂(DGEBA)阻燃, 得到环氧树脂阻燃固化物, 通过极限氧指数(LOI)、 垂直燃烧测试(UL-94)、 热重分析与锥形量热(Cone)测试等对阻燃环氧树脂固化物的热稳定性及燃烧性能进行分析; 利用扫描电子显微镜及Mapping观察并分析了燃烧碳层的形貌与元素分布. 研究结果表明, 产物的结构符合设计的DOPO-PCP分子结构; 当DOPO-PCP在DGEBA中添加量(质量分数)达12.2%时, 磷含量为1.3%, 制得的阻燃环氧树脂固化物垂直燃烧测试通过UL-94 V-0级, LOI值为36.2%; Cone测试结果表明, DOPO-PCP的添加有效降低了DGEBA燃烧时热量与烟气的释放, 且在高温下碳残余量显著增加. 研究表明DOPO-PCP兼具气相和凝固相阻燃机理, 对DGEBA有良好的阻燃性能.     

基于高光谱成像技术的鲜枣裂纹的识别研究

裂纹是衡量鲜枣品质的重要指标之一,果皮裂纹加速鲜枣的腐烂,导致鲜枣货架期的缩短,严重降低鲜枣的经济价值。采用高光谱成像技术在380～1 030 nm波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。选用偏最小二乘回归(PLSR)、连续投影法(SPA)和全波段图像主成分分析(PCA),得到鲜枣裂纹相关的敏感波段。然后利用选取的鲜枣裂纹的敏感波段对建模集的132个样本建立最小二乘支持向量机(LS-SVM)判别模型,并对预测集的44个样本进行判别。对PLSR-LS-SVM,SPA-LS-SVM和PCA-LS-SVM判别模型采用ROC曲线进行评判,得出PLSR-LS-SVM模型对鲜枣裂纹定性判别的结果(area=1,std=0)最佳。选取PLSR回归系数挑选出的5条鲜枣裂纹敏感波段(467,544,639,673和682 nm)对应的单波段图像进行主成分分析,其中将主成分PC4的图像结合图像处理技术,最终识别出鲜枣裂纹的位置、大小信息。结果表明,采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究,为进一步开发相关仪器的研究提供理论方法和依据。