基于拉曼光谱技术的茶树叶片中类胡萝卜素含量的无损快速检测

叶片中类胡萝卜素是植被环境胁迫、光合能力和植被发育阶段的指示器。基于叶片的原位拉曼光谱响应特性对龙井43叶片的类胡萝卜素含量进行了研究,建立了两者之间的定量模型。本文共对315个龙井43叶片样本进行了拉曼光谱采集和分光光度检测。为排除检测过程中受噪声、基线漂移等因素的干扰,运用和比较了五种光谱数据预处理方法提取原始拉曼光谱中与茶叶中类胡萝卜素含量有关的有效信息。基于预处理后的数据建立了偏最小二乘(PLS)回归模型,拉曼光谱与类胡萝卜素含量的建模集和预测集的相关系数(r)分别为0.817和0.786。为进一步研究类胡萝卜素的拉曼光谱响应机理,本文采用连续投影算法(SPA)优选了17个拉曼特征波数建立相应的特征波数模型,模型的建模集和预测集的相关系数(r)分别为0.808和0.777。根据已建立的模型,探究了茶树四个不同叶位的叶片类胡萝卜素含量的变化。发现茶树叶片随着叶龄的增加,类胡萝卜素浓度呈先增后减的趋势。以第2位叶的类胡萝卜素含量最高。进一步验证了模型的可行性以及探索了将该模型应用于茶树叶片树龄和叶位探测的可能性。采用拉曼光谱技术可以实现茶树叶片中类胡萝卜素含量的原位、无损、定量检测。     

高光谱成像技术的不同叶位尖椒叶片氮素分布可视化研究

为了快速、准确、直观估测尖椒叶片的营养水平和生长状况,利用高光谱成像技术结合化学计量学方法对不同叶位尖椒叶片氮素含量(nitrogen content, NC)的分布进行了可视化研究。按照叶片位置采摘尖椒叶片,并采集高光谱数据,然后测定相应叶片的SPAD和NC。提取出叶片的光谱信息后,采用Random-frog(RF)算法提取特征波段,分别选出5条与10条特征波段。针对选取的特征波段和全波段,分别建立偏最小二乘回归(partial leastsquares regression, PLSR)模型,结果表明采用特征波段建立的PLSR模型性能较好(SPAD：R_C=0.970, R_CV=0.965, R_P=0.934; NC: R_C=0.857, R_CV=0.806, R_P=0.839)。根据预测模型计算尖椒叶片高光谱图像每个像素点的SPAD与NC,从而实现SPAD与NC的可视化分布。事实上叶片的SPAD在一定程度上可以反映含氮量,二者分布图的变化趋势基本一致,验证了可视化结果的正确性。结果表明：运用高光谱成像技术可以实现对不同叶位尖椒叶片氮素分布的可视化研究,这为监测植物的生长状况和养分分布提供理论依据。     

基于高光谱技术的灰霉病胁迫下番茄叶片SPAD值检测方法研究

对灰霉病胁迫下番茄叶片中叶绿素含量(SPAD)的高光谱图像信息进行了研究。首先获取380～1 030 nm波段范围内健康和染病番茄叶片的高光谱图像,然后基于ENVI软件处理平台提取高光谱图像中感兴趣区域的光谱信息,经平滑(Smoothing)、标准化(Normalize)等预处理后,建立了基于Normalize预处理的偏最小二乘回归(PLSR)和主成分回归(PCR)模型。再基于PLSR获得的4个变量建立反向传播神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)模型。4个模型中,LS-SVM的预测效果最好,其决定系数R2为0.901 8,预测集均方根误差RMSEP为2.599 2。结果表明,基于健康和染病番茄叶片的高光谱图像响应特性检测叶绿素含量(SPAD)是可行的。     

手性不对称Salen Ni对咪唑类和二胺类客体的分子识别研究

用紫外-可见光谱滴定法研究了新型手性不对称Salen Ni主体(1和2)与咪唑类和二胺类客体的分子识别行为. 结果表明, 二胺类客体的缔合常数顺序为Kθ(乙二胺)>Kθ(丙二胺); 咪唑类客体的缔合常数顺序为Kθ(Im)>Kθ(N-MeIm)>Kθ(2-MeIm)>Kθ(2-Et-4-MeIm), 除主体2对2-乙基-4-甲基咪唑的配位数为1外, 其它体系的配位数均为2. 通过测定识别过程的热力学函数ΔrHθm和ΔrSθm发现, 反应为放热、熵减少过程; 利用圆二色光谱研究了识别过程中的主-客体结合能力的强弱; 用分子力学方法研究了主客体体系的最低能量构象, 并通过量化计算对实验事实做了进一步解释.     

葡萄糖-聚乙二醇-姜黄素的合成及其对姜黄素性能的改善

为了改善姜黄素(1)的水溶性及其肿瘤给药的靶向性,通过DCC/DMAP偶联法,分别将葡萄糖和1引入双端羧基化的聚乙二醇(PEG)链两端,构建了葡萄糖靶向聚乙二醇支载姜黄素[葡萄糖-聚乙二醇-姜黄素(4)],其结构经1H NMR和IR表征.用UV测定了4中1的含量及其在缓冲溶液中的稳定性.结果表明,当用PEG 2000,PEG 4000,PEG 6000时,4中1的水溶解度分别为651.6 μg·mL-1,533.3 μg·mL-1,258.4 μg·mL-1; 4在pH 7.4的缓冲溶液中浸泡26 h时,4中1的质量损失分别为19.05%,26.33%,49.96%,即PEG支载可显著改善1的水溶性和稳定性.     

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。     

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。