改进的谱峰拟合光谱标准化方法定量分析废钢中元素

为了解决因设备和环境因素导致激光诱导击穿光谱(LIBS)技术在定量测量时的较高波动性问题,提出了基于改进的沃伊特函数拟合的光谱标准化方法。首先通过高精度激光器采集废钢样品的LIBS光谱数据,然后通过标准等离子体条件(标准等离子温度、电子数密度、待测元素总密度)得到标准光谱强度与实际谱线强度、半峰全宽等因素之间的关系式,并基于近似沃伊特函数对相关的谱峰进行拟合,获得标准化的重要参数,完成对样品的标准化模型的建立。结果表明,将该标准化方法用于废钢中铜、镍、硅、铬、锰元素的定量预测,得到的相关系数(R²)、预测均方根误差(RMSEP)和平均相对误差(ARE)的平均值分别为0.981 4,0.063,6.3%,有效降低了波动影响,增强了分析精度,能够在工业中对废钢元素进行快速检测。     

基于稳定一致波长优选的综纤维素近红外分析模型传递

以实现纸浆材综纤维素含量的近红外分析模型在3台不同型号光谱仪上共享为目标,提出SWCSS-UVE及SWCSS-CARS联用算法。即分别利用竞争性自适应重加权采样算法（CARS）和无信息变量剔除（UVE）算法,减少SWCSS方法中入选的无信息或信息少波长的不利影响,以提高模型转移精度,并与单独的SWCSS和分段直接标准化算法（PDS）以及斜率截距（S/B）算法校正后的传递结果进行比较。结果表明,通过SWCSS-UVE方法最终可从稳定一致光谱信号中进一步优选出91个波长建立模型,该模型能同时应用于2台从机所测量光谱的分析,预测标准偏差（RMSEP）分别从模型转移前的2.0114和9.4518下降到了1.5919与1.6818,优于SWCSS, SWCSS-CARS和PDS以及S/B算法的结果。这表明SWCSS-UVE算法可以有效剔除SWCSS方法中包含的无效波长,简化模型传递过程,提高模型传递效率和稳健性。     

中药丸剂生产过程控制及质量表征技术研究进展

自古以来,丸剂在中药剂型中占据着重要地位。中药丸剂的制备工艺简洁、疗效确切,在已上市的中药制剂中占有相当大的份额。为提升中药丸剂的整体质量,除需要对原辅料质量进行严格控制之外,对丸剂制备工艺进行监测、优化,以及对最终剂型质量进行全面、准确的表征是产品质量提升中至关重要的环节,而实现这一目的需要运用现代分析技术。该文通过对中药丸剂质量表征及生产过程中所使用的图像分析技术、生物传感技术、光谱及其成像技术、指纹图谱技术等关键核心技术的应用进展进行综述,系统总结了这些技术的应用场景、应用潜力及优缺点。另外,由于这些分析技术目前在中药丸剂生产中的普及程度较低并且存在一定的应用局限性,该文对其在未来应用中的改进和联用方式,以及中药丸剂质量提升策略进行了展望,以期为中药丸剂质量表征以及生产过程质量控制研究提供参考。     

基于多特征算法选择的太赫兹时域光谱用于水稻种子掺假研究

该文提出了一种基于太赫兹时域光谱的水稻种子模式识别方法。实验以10种不同品牌混合掺假的水稻种子为样本,基于采集的样本太赫兹时域光谱数据,通过建立Relief、随机森林（RF）、支持向量机递归特征消除（SVM-RFE）和最大相关最小冗余（mRMR）模型分别对样本光谱波长进行特征选择,最后设计分类器对4种特征选择方法处理后的样本进行分类识别。结果表明,基于布谷鸟算法（CS）优化的极限学习机模型对经RF特征选择算法提取后的样本光谱数据具有最佳识别效果,其准确率可达100%,实验对于法庭科学领域内种子的掺假鉴定具有一定的借鉴意义。     

金属有机框架材料在表面增强拉曼光谱中的应用研究进展

金属有机框架材料（MOFs）是一种由金属离子和有机配体通过配位化学原理自组装形成的具有周期性网格晶态的多孔结构材料,其独特的结构和性质使其成为具有广阔应用前景的材料。由于MOFs可极大地提高金属表面增强拉曼光谱（SERS）基底的目标富集和信号增强性能,因此,基于MOFs的SERS基底受到了广泛关注。同时,高效的SERS基底使SERS技术可实现高灵敏、高选择性、无损和快速检测。将MOFs应用于SERS技术,极大地促进了SERS技术的发展并拓宽了其应用范围。本文总结了SERS的发展、MOFs基底的类别及其在SERS中的应用,提出了亟待解决的关键问题和挑战,并对其发展前景进行了展望。     

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。