浙江遂昌好川墓地五件出土绿松石珠的科技分析

目前现代测试技术发展较快,为古代玉器的加工技术、产源研究提供了无损研究手段。利用红外光谱和能量色散X射线荧光光谱技术（EDXRF）,对浙江省遂昌县好川墓地中M52号墓出土的五件绿松石珠进行无损测试,期望判断其可能的产地来源。红外谱学特征显示,3 468和3 514 cm-1处可见红外吸收锐谱带,是由于ν(OH)伸缩振动所致;3 058 cm-1附近可见ν（MFe,Cu-H₂O）伸缩振动,1 014,1 066和1 134 cm-1处为ν_３（PO₄）伸缩振动。与标准绿松石红外谱相比,缺少1 637 cm-1处峰,此处为δ（H₂O）弯曲振动,可能与样品在地下埋藏时间过久有关。除天然绿松石吸收峰外,在2 890和2 838 cm-1处出现吸收峰,分属亚甲基(-CH₂) 的不对称伸缩振动峰和对称振动峰,在1 452 cm-1附近也可以观察到其变形振动峰,此外在1 552 cm-1附近可见ν（C═C）伸缩振动。这两处有机物吸收峰结合出土位置于红色漆痕处推断,可能存在微量生漆残留。两处基团峰与生漆漆酚的红外谱学特征基本相符,存在样品埋藏时间过久,漆器在土中腐朽后沾染到样品表面的可能性。EDXRF数据中显示五件样品主量元素含量与理论值相比稍低,硅含量稍高,存在含硅杂质矿物,微量元素中锌和钡的含量较高,Zn含量均在1 151～1 540 mg·kg-1, Ba含量均在1 910～3 570 mg·kg-1, 对比前人文献与湖北十堰及周边地区出产绿松石的元素数量级更为接近,可作为判断五件绿松石珠玉料来源的一个证据。通过显微照相对五件绿松石珠制作工艺进行观察,可见五件样品均存在定向的抛磨痕迹,且可见明显的一定数量的抛磨小面,边缘可见线切割痕迹,证明当时的好川文化先民已经具有加工打磨长宽不大于1 cm珠的能力;加工珠形的方式是将不规则玉料原料分多个小面打磨直至成为桶珠形状,而非直接进行弧面打磨;钻孔周边可见明显平面,孔形状较规整,近圆形,有抛磨痕迹,说明好川墓地先民当时已具有钻孔工艺。研究表明,好川地区绿松石可能来自于湖北十堰及其周边地区的矿带,浙西南地区自好川文化开始就使用较纯净的绿松石作为漆器镶嵌装饰,埋藏过程中黏附漆类物质对绿松石表面造成一定污染,镶嵌玉石漆器的制作工艺自良渚文化后有所传承,且好川墓地先民已具备了一定程度的绿松石加工能力。这对接下来进一步研究好川文化玉料来源问题奠定基础,对考古学中好川及周边地区文化起源与交流探讨也有一定参考意义。     

基于波长选择方法Modeling Power的黑木耳产地判别研究

应用近红外光谱技术结合波长选择方法(modeling power,MP)实现了黑木耳产地的快速准确判别。共收集4个产地240个黑木耳样本,通过光谱扫描,建立了最优的偏最小二乘(PLS)判别模型。同时应用MP选择对黑木耳产地判别的有效波长,作为输入变量,建立最小二乘-支持向量机(MP-LS-SVM)模型。比较了3种MP选择波长的阈值方法,分别为MP值大于0.95,0.90和(0.90+Peak),并建立了相应的MP-LS-SVM模型。以预测集样本的准确判别率作为模型评价标准,分别设定预测的残差绝对值标准0.1,0.2和0.5。预测结果表明,MP-LS-SVM(0.90+Peak)模型在残差标准为0.1,0.2和0.5时的判别效果均为最优,正确判别率分别为98.3%,100%和100%。说明ModelingPower是一种非常有效的波长选择方法,应用近红外光谱技术结合MP-LS-SVM进行黑木耳产地判别是可行的,并获得了满意的判别精度。     

近、中红外光谱法融合判定葡萄酒产地

葡萄酒带有浓厚的葡萄原产地地域特点与个性,快速准确地判别葡萄酒原产地具有重要意义,感官评定的方法存在一定的局限性。提出用贝叶斯信息融合技术将葡萄酒样品的近红外透射光谱及中红外衰减全反射光谱联立进行葡萄酒原产地判别的方法。分别用近、中红外光谱仪采集来自中国四个不同葡萄主栽产地(河北怀来、山东烟台、甘肃、河北昌黎)的153个葡萄酒样品的近红外透射光谱和中红外衰减全反射光谱,然后用偏最小二乘判别分析法(PLS-DA)分别建立基于近红外光谱和中红外光谱的葡萄酒产区判别模型;该模型输出的节点值归一化后作为所有样品分属每一类别的先验概率,代入Bayes判别公式得到后验概率,根据此概率判断样品的新类别属性,即用贝叶斯信息融合技术实现了两种判别结果的修正决策。近红外和中红外融合后的模型结果为：十次随机划分建模集和检验集,四产区葡萄酒判别模型建模集的平均准确率由78.21%(近红外)和82.57%(中红外)变为融合后的87.11%,检验集平均准确率由82.50%(近红外)和81.98%(中红外)变为融合后的90.87%,均优于单独采用一种光谱技术的判别结果。实验结果表明：信息融合技术有助于模型判别效果的提高,采用近、中红外光谱的贝叶斯信息融合技术对葡萄酒原产地进行快速识别是可行的。     

基于NIRS技术的食用醋品牌溯源研究

以四种品牌152组食用醋样品为研究对象,采用漫反射与透射两种近红外光谱采集模式分别进行光谱数据采集,并以此建立了食用醋品牌溯源模型,重点考察光谱采集模式、光谱预处理方法等对溯源模型精度的影响。结果表明,选取114组样品为训练集,原始光谱数据经过多元散射校正、二阶求导预处理后,采用偏最小二乘判别分析法(PLS1-DA)建立的食用醋NIRS品牌溯源模型,对38组测试集样品进行预测,透射光谱模型的决定系数(R2)、校准均方根误差(root-mean-square error of calibration, RMSEC)、预测均方根误差(root-mean-square error of prediction, RMSEP)分别为0.92,0.113,0.127,正确识别率为76.32%;漫反射光谱模型R2,RMSEC,RMSEP分别为0.97,0.102,0.119,正确识别率为86.84%。由此说明,近红外光谱结合PLS1-DA可以用来建立食用醋品牌溯源模型,且漫反射光谱模型预测效果更好。     

动态光散射法测量颗粒粒径的溯源性

分别对动态光散射粒径测量仪的入射波长、散射角度、测量池温度进行校准,并对影响测量结果准确性各因素的不确定度分量进行了评价,校准后动态光散射仪的测量结果可溯源至国家计量标准。为消除多重散射、颗粒间相互作用、颗粒粒径分布对动态光散射测量结果的影响,建立了动态光散射测量结果修正方法。其中为消除多重散射及颗粒间相互作用的影响,需采用多浓度测量或线性回归的方法得到特定浓度下的颗粒粒径;为修正颗粒粒径分布对动态光散射测量结果的影响,需先采用SEM方法准确测量颗粒粒径分布,然后根据光强加权动力学平均粒径和数量平均粒径的理论公式,得到二者之间的差异。     

基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各30个样本的光谱漫反射特征曲线,利用全局搜索算法-遗传算法提取特征波长,即从光谱751个波长数据提取9个特征波长数据,并将其作为主成分分析法的输入变量,运用主成分分析法建立分析校正模型。结果表明,主成分1和2累计可信度已达99.130%,对不同产地的橄榄油有很好的聚类作用,同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为BP神经网络的输入变量,品种类型作为神经网络的输出变量,建立3层人工神经网络模型,对30个未知橄榄油产地进行预测,预测结果准确率达100％。该方法能快速无损地检测橄榄油产地,同时也为其他油类产地鉴别提供了一种新方法。     

多源异构光谱信息融合的食用牛肝菌鉴别方法

牛肝菌营养丰富,味道鲜美,备受各国消费者青睐。因种间差异和环境因素的多层次影响,不同种类及产地牛肝菌品质参差不齐。目前,利益驱动导致商家在牛肝菌销售过程中以次充好、以假乱真的行为扰乱了食用菌市场,不仅给消费者带来健康风险,也制约了牛肝菌的国际化贸易。采用多源异构信息融合策略对牛肝菌种类与产地进行鉴别,以期为追溯食用菌来源以及正确评价其品质提供一种快速有效的解决方法。试验样品灰褐牛肝菌(Boletus griseus)、栗色牛肝菌(B. umbriniporus)、美味牛肝菌(B. edulis)、皱盖疣柄牛肝菌(Leccinum rugosicepes)和绒柄牛肝菌(B. tomentipes)五种牛肝菌科(Boletaceae)真菌子实体采于云南省保山市、昆明市、玉溪市与红河州。采用傅里叶变换红外光谱仪(FTIR)和紫外可见分光光度计(UV-Vis)采集样品信息。Kennard-Stone算法将样品原始数据分为校正集和验证集。校正集基于FTIR、UV-Vis、低级、中级与高级数据融合建立偏最小二乘判别分析(PLS-DA)模型,其中决定系数(R2_cal)、预测能力Q2、校正均方根误差(RMSEE)和交叉验证均方差(RMSECV)用来评价模型鲁棒性。研究结果显示：(1)不同种类及产地牛肝菌FTIR和UV-Vis吸收峰的峰位置、峰形和峰数相似,而吸收强度存有差异,表明牛肝菌所含化学成分相似,但含量有一定差别;(2)PLS-DA模型二维散点图可以看出,中级融合比低级融合能更好的鉴别样品种类及产地;(3)各模型中,中级融合模型具有更大的Q2和最小RMSECV,模型鲁棒性最强;(4)验证集样本用来验证模型泛化能力,FTIR、UV-Vis、低级融合、中级融合及高级融合模型样品种类鉴别正确率分别为92.86%,35.71%,97.62%,100%和95.23%;产地鉴别正确率分别为71.43%,61.90%,61.90%,97.62%和76.19%。表明多源异构信息融合在一定程度上优于独立模型,其中,中级数据融合种类鉴别正确率100%,产地鉴别正确率97.62%,模型具有更优的鉴别效果和泛化能力。FTIR和UV-Vis结合中级数据融合策略能实现牛肝菌种类快速精确鉴别,产地快速有效鉴别,可作为食用菌来源追溯以及品质评价的一种新方法。     

俄罗斯翠榴石的化学成分及光谱学表征

翠榴石为石榴石家族中最为贵重的亚种,以其漂亮的外观和稀有性深受欢迎。尤其是俄罗斯所产翠榴石更是国内外收藏家最为追捧的对象。前人从不同角度对石榴石族矿物研究较多,但关于翠榴石的研究较少。为了探究俄罗斯翠榴石的化学成分及光谱学特征,运用LA-ICP-MS,IR,Raman和UV-Vis,对俄罗斯翠榴石进行系统研究,旨在获得其化学成分尤其是稀土元素特征、光谱学特征,分析致色原因,为其品种鉴定及产地溯源提供重要数据。化学成分研究表明,俄罗斯翠榴石几乎为纯的钙铁榴石(Andradite>96.39 Mol.%)。次要成分中,Cr₂O₃含量较高,平均0.502 Wt%,除此以外还含少量Al,Mn,Ti和V。其中Cr和V均为石榴石中致绿色的元素。稀土元素含量总体不高,∑REE平均4.85 μg·g-1;且轻稀土元素明显富集,∑LREE平均4.56 μg·g-1;重稀土元素相对亏损,∑HREE平均0.29 μg·g-1, ∑LREE/∑HREE=5.35~100.48。多数样品显示Eu正异常。主要拉曼位移为994.5,873.5,841.5,815,576,552,515,492,451,369,351,323,310.5,295,263,234.5和172 cm-1。拉曼光谱仅可作为翠榴石品种鉴定的手段之一,对其产地溯源作用不大。红外光谱研究表明,指纹区红外反射光谱可以有效鉴别翠榴石,红外光谱官能团区显示结构水的吸收峰,表明俄罗斯翠榴石含有少量结构水,这与其形成过程与热液交代作用有关。紫外-可见吸收光谱研究显示,俄罗斯翠榴石在384和440 nm处具明显吸收峰,436 nm见弱吸收峰,620 nm附近出现宽缓吸收带,从500 nm附近至紫外区强烈吸收。分析认为440 nm吸收带归于八面体位Fe3+的6A₁→4A_1g+4E_g(G)跃迁所致;620 nm吸收带归于八面体位Cr3+的4A_2g(F)→4T_2g(F) d-d跃迁所致,Fe和Cr同为致色元素,O-Fe荷移带及440 nm强吸收带使得钙铁榴石产生黄色、黄绿色,Cr3+的加入,产生620 nm宽缓吸收带,吸收橙黄色光,使得宝石颜色向绿色端偏移,显示纯正的绿色。拉曼光谱、红外光谱指纹区特征可以用于准确鉴定翠榴石;稀土元素特征及中红外光谱官能团区结构水特征,可以为其产地溯源提供重要信息。     

二里头遗址绿松石的红外光谱产地识别

湖北十堰是世界著名优质绿松石产地,所产松石颜色鲜艳、质地细腻。距十堰绿松石矿区直线距离300 km的河南偃师二里头遗址于2002年以来出土了大量绿松石器。有学者推测二者存在供与用玉的关系,即存在古老的“绿松石之路”。然而,为了考证该推测,并试图给出二里头松石的矿源地,本次研究以十堰地区三个矿区(秦古、文峰和云盖寺)的三组样品、及一组二里头出土样品为研究对象,通过对获得的红外光谱特征进行比对与分析。谱学特征显示, 秦古、文峰和云盖寺样品红外光谱于1 200～950和700～400 cm-1峰位存在细微的,但可以识别的差异。在1 174 cm-1处,文峰样品中出现吸收峰,而秦古和云盖寺样品均没有出现。在700～400 cm-1范围内,文峰样品出现5个吸收峰,而秦古和云盖寺样品出现7个相似的吸收峰。二里头样品的红外光谱特征在以上峰位上与文峰绿松石差异较大,而与秦古、云盖寺松石的谱学特征相似。在1 159 cm-1附近,其吸收峰特征与云盖寺样品更加吻合。利用公式A=lg(1/T),将透射光谱值转换为吸光度光谱值,计算出二峰值相对吸收强度比值(R=A_{783 cm-1}/A_{837 cm-1})。文峰、秦古、云盖寺及二里头绿松石的比值范围依次为0.819～0.920,0.870～1.010,0.806～0.860和0.827～0.878。显然,二里头与云盖寺样品重合率最高。综上,我们认为所测二里头绿松石来自于云盖寺的可能性最大,并认为用红外光谱示踪出土文物来源有一定的参考或诊断意义。     

FTIR结合化学计量学对三七产地鉴别及皂苷含量预测研究

不同产地对中药次生代谢产物有显著影响,产地鉴别有助于中药的科学合理利用;其次,有效成分含量检测是评价中药质量的主要手段。通过傅里叶变换红外光谱结合化学计量学建立快速鉴别三七产地及测定三七中四种主要皂苷的方法,为三七的科学、合理、规范使用以及对三七质量进行快速评价提供依据。采集5个区域12个产地117个三七样本的红外光谱。产地鉴别预处理数据采用离散小波变换除去噪音造成的部分高频信号,偏最小二乘判别对产地判别贡献率大于1的数据进行筛选,kennard-stone算法将117个个体分为70%训练集与30%预测集。训练集数据用于建立支持向量机判别模型,交叉验证法用于筛选支持向量机最优参数,预测集数据对支持向量机判别模型结果进行验证。皂苷含量预测预处理数据采用标准正态变量变换、离散小波变换处理;处理的红外数据设为X变量,三七样品中通过高效液相色谱法测得的四种皂苷总量设为Y变量,采用正交信号校正去除红外光谱中与四种皂苷总量无关的干扰数据。个体数据分为80%训练集与20%预测集,训练集建立偏最小二乘回归模型,预测集数据对偏最小二乘回归模型的预测结果进行验证。结果显示： (1)交叉验证法得到支持向量机判别模型的最优参数为c=2.828 43,g=0.062 5,训练集的产地判别最优正确率为91.463 4%;(2)支持向量机判别模型参数设置为最优参数,代入预测集数据,预测集的产地判别正确率为94.285 7%,判别正确率较高;(3)训练集建立偏最小二乘回归模型的相关系数R2=0.941 8,校正均方差RMSEE=4.530 7;(4)代入预测集数据,预测集的相关系数R2=0.962 3,外部检验均方差RMSEP=3.855 9,皂苷预测值与高效液相检测值接近,预测效果良好。傅里叶变换红外光谱结合支持向量机能对三七进行产地鉴别,正交信号校正结合偏最小二乘回归能对三七中四种主要皂苷总量进行准确预测,为三七质量控制提供一种快速简便、无损、高灵敏度的检测方法。