多基色混合白光LED显色性优化研究

为优化多基色混合白光LED的显色性,得到色彩生动的白光LED照明效果,以评价饱和红色的特殊显色指数R₉为研究对象,通过多基色光源混合白光LED的光谱功率分布的高斯数学模型,选取峰值波长λ_m、半波宽Δλ和幅值A为基色光源光谱功率分布的主要参量,并以“蓝光芯片+YAG黄色荧光粉”和“红、绿和蓝基色LED”为分析模型分别进行二基色和三基色混合白光LED显色性研究,讨论两种基色混合情况下三个参量对混色白光LED的显色性R₉贡献。结果表明：为使多基色混合白光LED的显色性更好,首先确定光源S1的峰值波长λ_m1、半波宽Δλ₁及幅值A₁;然后设定其他基色光源幅值A_i以求此条件下峰值波长λ_mi和半波长Δλ_i取值范围;最后在求得的峰值波长λ_mi和半波长Δλ_i取值范围,反求基色光源的最佳幅值A_iopt,从而使多基色混合白光LED的显色性达到最佳效果。该方法对分析基色混合白光LED的显色性具有理论参考价值。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

一种新的USED CARS相位匹配实现技术

相位匹配是相干反斯托克斯拉曼散射(CARS)测温的关键技术之一,针对现有非稳腔空间增强探测(USED)相位匹配方式中存在的背景辐射大、光路调试不灵活以及斯托克斯光利用率低的不足,提出了一种新的USED CARS相位匹配实现方案：即设计一个与斯托克斯光斑大小相当、呈45°斜角的斜反镜,用于反射全部斯托克斯光,并以斜反镜代替传统USED CARS中的环反镜,让泵浦光从斜反镜后方射入,从而形成USED相位匹配方式。新的USED CARS相位匹配方案中：由于斜反镜面积相对于环反镜大为减小,使得因反射而进入光路的背景辐射大幅降低;斜反镜本身可作为光路调节元件,因而增加了光路调试灵活度;斯托克斯光被斜反镜全部反射用于产生CARS信号,提高了其利用效率。基于平面火焰炉稳态火焰开展的测温实验结果表明：新的USED CARS相位匹配方案不但克服了传统USED CARS中存在的不足,而且具有更小的标准差,是一种更为有效的相位匹配方法。     

顾及土壤湿度的土壤有机质高光谱预测模型传递研究

高光谱遥感技术作为当前遥感发展的前沿科技,通过电磁波与地物的相互作用,可以定量反演地物的物理化学性质。土壤有机质是重要的土壤养分信息参数,利用高光谱遥感技术快速获取其含量信息可以为精准农业的发展提供必要的数据支撑。然而,由于受到外部参数差异的干扰,导致建模精度降低的同时,还会造成已有模型传递性的“失效”。为了消除湿度差异的干扰,进一步拓展已有模型的适用空间,以江汉平原滨湖地区为例,通过对95个土壤样本进行加湿处理,在实验室自然风干的条件下,量测得到13套不同湿度等级土壤样本的可见—近红外反射光谱数据,建立了各湿度等级下土壤有机质的光谱反演模型,研究水分差异对建模精度的影响;在此基础上,运用Direct Standardization(DS)算法对湿土光谱进行校正,进而探讨该算法在提高模型传递性能方面的潜力。结果表明：基于风干土光谱建立的模型预测精度最高,未经校正的湿土光谱无法通过该模型进行土壤有机质含量预测,预测偏差在-8.34～3.32 g·kg-1,RPD在0.64～2.04;经过DS算法校正后的湿土光谱可以通过该模型进行土壤有机质含量预测,预测偏差降低至0,RPD值提高至7.01。研究表明DS算法能有效降低湿度差异对光谱反演土壤有机质的影响,使土壤有机质光谱反演模型适用于不同水分含量的土壤样本。     

近红外光谱技术在鱼糜等级评定中的应用研究

利用近红外光谱技术,对冷冻和解冻状态的不同等级白姑鱼糜进行等级评定。采用一阶导数法和标准正态变量变换法进行光谱预处理,再对预处理后的数据进行主成分分析,以主成分分析-马氏距离模式识别方法建立不同等级白姑鱼糜的等级评定模型,并对7项理化指标(水分、蛋白质、粗脂肪、盐溶性蛋白、凝胶强度、持水率和白度值)进行了测定。结果表明,主成分分析可以将三个等级白姑鱼糜较好地区分开;冷冻状态白姑鱼糜建立的等级评定模型效果优于解冻状态白姑鱼糜,前者的综合预测正确率为96.3%,后者的综合预测正确率为83.3%;三个等级白姑鱼糜的理化指标存在一定的差异。研究表明,近红外光谱技术可以快速无损评定白姑鱼糜等级。     

应用近红外高光谱成像预测三文鱼肉的水分含量

应用近红外高光谱成像技术实现三文鱼肉水分含量的快速无损检测。采集来自不同部位的三文鱼肉共90个样本的高光谱图像,提取样本感兴趣区域(ROI)的平均光谱。随机取60个样本作为建模集,其余30个样本作为预测集。分别采用偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)对全波段和水分含量建立相关性模型,并对预测集样本的水分含量进行预测。再用一种新的变量提取方法random frog选择特征波长,并基于特征波长分别建立水分检测的PLSR和LS-SVM模型。特征波长模型的预测精度虽然稍逊于全波段模型,但是仅用12个变量代替了全波段的151个变量,大大简化了模型,更便于实际应用。PLSR和LS-SVM特征波长模型的预测相关系数(R_p)分别为0.92和0.93,预测均方根误差(RMSEP)分别为1.31%和1.18%,取得了满意的结果。研究表明,近红外高光谱成像与化学计量学方法结合可以准确预测三文鱼肉的水分含量,为鱼肉品质的快速监测提供重要的参考。     

激光诱导击穿光谱结合标准加入法定量分析未知样品中铅含量

利用激光诱导击穿光谱结合标准加入法定量分析了铅蓄电池厂含铅污泥中重金属铅元素含量,标准加入法有效避免了外标法与内标法制作标准曲线时基质不同对LIBS检测结果的影响,且样品处理过程简单。实验采用中心波长为1 064 nm的Nd∶YAG脉冲激光器作为激发光源,以高分辨率、宽光谱段的中阶梯光栅光谱仪和增强型电荷耦合器件为谱线分离与探测器件,选取铅的PbⅠ：405.78 nm特征谱线作为分析线,以FeⅠ：404.58 nm特征谱线作为内标线进行结果计算。预实验确定较佳的实验条件后(激光脉冲能量：128.5 mJ,延时：2.5 μs,门宽：3 μs),对铅蓄电池厂的未知铅泥样品中铅元素进行定量分析,结果表明加入铅在0~25 000 mg·kg-1范围内谱线不会产生自吸收,PbⅠ：405.78 nm信号强度与铅加入量呈很好的线性关系,由此确定合适的铅加入量为0~25 000 mg·kg-1。在此基础上配制四个样品,基质均为铅蓄电池厂含铅污泥,加入铅浓度分别为5 000,10 000,15 000,20 000 mg·kg-1,每个样品设置三个平行样,验证实验重复性及可靠性,并与ICP-MS检测结果对比,结果直线外推误差为-14.8%。12个样品单次计算结果误差介于为-24.6%~17.6%之间,含铅量平均值为43 069 mg·kg-1,相对误差为-2.44%。     

百菌清残留检测及其与中药相互作用荧光光谱研究

固定激发波长320 nm,对不同浓度百菌清药液进行荧光光谱实验,发现在352和366 nm处有明显特征峰,随着药液浓度降低,366 nm肩峰逐渐消失,而352 nm特征峰保持稳定;对百菌清浓度和所得发射光谱荧光强度(352 nm)进行指数函数回归分析,相关系数为0.999,实验结果与荧光强度-浓度理论计算公式相符合;对低浓度药液浓度和荧光强度进行线性拟合,其百菌清残留预测模型函数相关系数为0.995,最低检出限为0.018 8 μg·mL-1,定量极限值为0.062 7 μg·mL-1,线性范围为0.062 7～28.45 μg·mL-1。通过对中药材黄芪和枸杞与百菌清混合体系的荧光光谱进行研究,发现两种中药材对百菌清荧光强度都有较强的衰减,表明它们都和百菌清发生了相互作用。经过分析计算,黄芪和枸杞的衰减率分别为88.5%和99.7%,对其建立强度衰减模型函数,相关系数分别为0.994和0.997。研究结果为利用荧光光谱检测百菌清残留提供了实验依据,表明可以采用荧光光谱方法直接对百菌清农药残留进行检测,相关参数值满足检测要求标准,这为进一步利用荧光光谱检测该农药在果蔬中的残留具有重要的参考价值。同时发现药食同源类中药材枸杞和黄芪都能对百菌清荧光特征峰强度产生显著衰减,这为研究利用药食同源类中药材降解农药残留提供了新的研究思路。     

特征提取算法在福美双表面增强拉曼光谱定量分析中的应用

表面增强拉曼散射(SERS)技术具有快速、指纹效应与极低的检测限等优点,被越来越多地应用到有害污染物、有毒物质、危险物质的检测与分析中。在SERS光谱的测量过程中,易受基底、仪器、宇宙射线与测量环境等因素影响,出现波动现象,对后续的分析与检测造成较大的干扰。基于农药福美双SERS光谱数据,尝试利用多种特征提取算法,如主成分分析(PCA)、离散余弦变换(DCT)、非负因式分解(NMF) ,对光谱的主分量进行提取,以减弱光谱数据波动对其后续的定量分析结果的影响。然后将提取后的分量分别结合线性回归算法——偏最小二乘法回归(PLSR),非线性回归算法——支持向量机回归(SVR)建立定量模型。最后,利用5-折交叉验证方法对比不同特征提取算法在不同类型的回归算法下的效果。通过实验验证可知,SVR对福美双溶液的分析精度要明显高于PLSR,这主要是由于SERS光谱强度与被分析物浓度之间为非线性关系。同时针对两种类型回归算法,特征提取算法都能明显地提升了分析结果,主要是由于其提取了源数据的主体信息,去除干扰信息。其中在线性回归中使用PCA效果最佳,在非线性拟合中使用NMF结果最佳,分析误差最好时可降低近3倍。最优回归模型(NMF+SVR)的交叉验证均方误差(RMSECV)为0.0455 μmol·L-1(10-6 mol·L-1),达到国家对福美双的检测标准,为农药快速检测提供一种新的方法。     

应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选

采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估SPA算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且MLR模型比PLS模型性能略优,r2_pre,RMSEP和RPD分别为0.909 7,0.348 4和3.327 8。