防晒霜防晒指数的光谱分析研究

防晒指数SPF是反映防晒用品防晒效果的主要指标,文章采用ASD公司的便携式光谱仪研究了防晒指数与光谱特性之间的关系。选用丁家宜SPF15,SPF20,SPF30三种品种防晒霜共75个样本进行了光谱分析,将样本分为60个试验样本和15个预测样本,用光谱仪获取样本的反射光谱数据。采用主成分分析法对400～960 nm范围内光谱数据进行处理,表明主成分1和主成分2的累计可信度达91%,再用偏最小二乘回归方法建立了校正模型,并用该模型对剩余15个样本进行预测。结果表明,预测相关系数为0.967 7,得到了较好的预测结果。说明文章提出的光谱分析方法具有很好的分类和鉴别作用,为防晒霜SPF值的检测提供了一种新方法。     

应用可见-近红外光谱技术快速无损鉴别婴幼儿奶粉品种

为了快速无损鉴别婴幼儿奶粉品种,提出了结合偏最小二乘(PLS)法和人工神经网络(ANN)综合预测婴幼儿奶粉品种的新方法。获取婴幼儿奶粉样本在400～1 000 nm波段的漫反射光谱,采取平均平滑法和多元散射校正(MSC)进行预处理,用PLS建立校正模型进行模式特征分析及主成分的提取。经过交互验证法判别,提取7个主成分作为神经网络的输入变量,奶粉的品种值作为输出,建立了三层BP神经网络。9个典型品种的婴幼儿奶粉各取样本30个,共计270个作为训练集。随机抽取的各个品种的10个样本,共90个作为预测检验样本,结果表明,90个未知样本的品种预测准确率为100％。说明提出的方法具有很好的分类和鉴别作用,为婴幼儿奶粉的品种快速无损鉴别提供了一种新方法。     

基于支持向量机算法的红外光谱技术在奶粉蛋白质含量快速检测中的应用

蛋白质是奶粉中重要的营养成分,实现对奶粉中蛋白质含量的快速、无损检测十分重要。文章采用近红外及中红外光谱技术检测了不同品种奶粉的蛋白质含量。采用最小二乘支持向量机对光谱透射率值和蛋白质值建模。模型在全波段对样本蛋白质含量预测得到了较好的结果,绝对系数(R2_p)达到0.9517,预测误差均方根(RMSEP)为0.520 201。预测结果要优于传统的偏最小二乘回归(PLS)的预测结果,说明红外光谱技术能够实现奶粉蛋白质含量的无损检测,且检测过程比传统化学检测方法简单,操作性强。文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模。模型预测结果显示中红外光谱区域的建模效果要优于近红外光谱区域。该研究为今后奶粉蛋白质含量快速无损检测提供了新的方法。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

应用可见/近红外光谱进行黄酒品种的判别

为了实现对黄酒品种的快速判别,采用可见/近红外光谱对不同品种的黄酒获取光谱曲线,然后采用主成分分析方法对光谱数据进行聚类分析,并将其提取的主成分作为BP神经网络的输入值,建立了黄酒品种鉴别模型。该模型将前6个主成分作为神经网络的输入变量,加速了神经网络的学习速度,提高了模型的预测精度。随机选取每个品种的15个黄酒样本,共45个样本组成预测集,剩余的145个黄酒样本组成训练集建立训练模型,并用预测集样本对其进行验证。将品种鉴别的偏差标准定为±0.1,结果表明,只有1个未知样本超出偏差范围,该方法的品种鉴别正确率为97.78％,获得了满意的结果。说明文章提出的方法具有很好的分类和鉴别作用,为黄酒品种的快速鉴别提供了一种新方法。     

可聚合型光引发剂4-丙烯酰氧基二苯甲酮的光聚合性能研究

以实时红外光谱(RT-IR)法研究了合成的4-丙烯酰氧基二苯甲酮(4-ABP)的光聚合动力学性质,考察了不同单体、不同引发剂和助引发剂浓度、不同光强对聚合性能的影响.以萃取法对比研究了4-ABP和二苯甲酮(BP)在固化膜中的的残留量.结果表明,4-ABP是一种非常有效的光引发剂.随着引发剂浓度和光强的增大,单体转化率、最大反应速率都增大,诱导期缩短.萃取实验表明4-ABP在固化膜中的残留量远低于BP.     

基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究

提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98％,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测。对未知的15个样本进行预测,品种识别准确率达到100%。说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法。     

链缠结对等规聚苯乙烯结晶的影响

在1×10^－3～2×10^－5 g•mL^－1溶液浓度范围内, 用溶液雾化冷冻升华法制备了等规聚苯乙烯(i-PS)的单链、寡链非晶态聚集体. 随着溶液浓度降低, i-PS分子链团间的分离程度增大, 链间缠结随之减少, 因此冷冻升华制备的样品中单、寡链线团数目逐渐增多. DSC研究结果表明随着溶液浓度的降低, 冷冻升华样品的结晶温度逐渐降低; 等温结晶得到的晶粒熔点和结晶度降低. 由浓度为2×10^－5 g•mL^－1溶液制备的i-PS样品在468.3 K熔体结晶60 min后, 得到平均体积约为1.5×10⁴ nm³的单链晶粒. 用SEM观察到晶粒尺寸约为20～50 nm. 采用偏光显微镜(POM)测量了不同温度等温时i-PS单、寡链聚集体球晶的生长速率. 用Hoffmann理论进行了描述, 计算得到了i-PS单链聚集体熔体结晶片晶的端表面能(σ_e)为30.2 erg•cm^－2, 侧表面能(σ)为5.7 erg•cm^－2及单分子链折叠功(q)约为4.5×10^－13 erg•molecule^－1. 与文献值相比, 实验结果表明链缠结对聚合物结晶有很大影响.     

工件可预处理的单台机排序问题

考虑一个工件可预处理的单机排序问题．要求在所有工件能够按时完工的前提下,使得预处理工件的费用最小,证明了对于一般情况,该问题是NP-难的,并给出了动态规划算法．进一步,得到当每个工件的预处理费用都相同时该问题是多项式可解的,并给出了强多项式时间算法．     

带有工件调整时间的排序复杂性

本文讨论带有工件调整时间的几种平行机排序问题 ,分析在不同情况下的计算复杂性