氨基甲酸酯类农药的密度泛函理论计算及拉曼光谱研究

为了获得氨基甲酸酯类农药分子的分子结构振动信息,应用密度泛函理论(DFT)中的B3LYP杂化泛函和6-31G(d,p)基组对三种氨基甲酸酯类农药(西维因、克百威和涕灭威)分子进行了几何结构优化和频率计算,利用拉曼光谱仪采集了这三种氨基甲酸酯类农药的实验拉曼光谱,并将理论方法计算的拉曼光谱和实验拉曼光谱进行比较。结果表明,理论方法计算的结果与实验值具有很好的匹配性。对三种氨基甲酸酯类农药分子在400~3 200 cm~(-1)范围内的振动频率进行了全面地归属,找到了氨基甲酸酯类农药分子的四个特征峰,分别位于874,1 014,1162和1 716 cm~(-1)附近。对比分析三种农药实验拉曼光谱的差异,找到三种农药分子各自不同的特征峰。研究结果为氨基甲酸酯类农药的检测分析提供了理论基础,将应用于农产品中氨基甲酸酯类农药残留的鉴别。     

可见/近红外漫透射光谱结合CARS变量优选预测脐橙可溶性固形物

可溶性固形物(SSC)是脐橙重要内部品质之一。采用QualitySpec型光谱仪在350～1000nm波段范围采集脐橙的可见/近红外漫透射光谱,采用CARS(competitive adaptive reweighted sampling)变量选择方法筛选出与脐橙SSC相关的重要变量,并与无信息变量消除(UVE)及连续投影算法(SPA)比较。最后,对选择的38个重要波长变量应用偏最小二乘(PLS)回归建立脐橙SSC预测模型,并对未参与建模的75个样品进行预测。研究结果表明,CARS方法优于UVE及SPA变量选择方法,能有效地筛选出重要波长变量。CARS-PLS建立的SSC预测模型优于全光谱的PLS模型,其校正集及预测集的相关系数分别为0.948和0.917,均方根误差分别为0.347%和0.394%。因此,可见/近红外漫透射光谱结合CARS方法可以预测脐橙可溶性固形物,CARS变量选择方法能有效简化预测模型和提高模型的预测精度。     

LIBS装置检测赣南脐橙中Cu元素时的参数范围分析

为了提高激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)实验装置检测赣南脐橙中重金属元素的检测灵敏度和稳定性,可对检测参数进行范围设定。在初次选定延迟时间参数值后,再在包含初定延迟时间的1.10～1.30μs范围内细分进行实验。实验得出:在该范围内,延迟时间与信背比和被测元素特征谱线强度的关系曲线上出现了多个峰值,并且这些峰值都比初次的要大,用统计学中的区间估计间接求出延迟时间的置信区间为[1.13,1.25],在置信区间内延迟时间由初定的1.20μs调至1.14μs时,相对标准偏差(RSD)由0.103降到0.025。由此表明:设定一个LIBS实验装置的参数范围,在对待测元素检测时可以在这一范围内进行自由调节来提高其检测的精度和灵敏度。     

多菌灵农药的激光拉曼光谱分析

实验采集多菌灵农药的固体和液体拉曼光谱信号,对固体的原始拉曼光谱信号进行小波去噪预处理,利用正交试验方法筛选小波去噪参数的最优组合。结果表明,采用db2小波基函数、分解层数为2、阈值方案选择为rigrsure、重调方式为sln时,去噪效果最好,信噪比为62.483。根据不同官能团的振动模式,对去噪后的拉曼光谱分3个波数段(1 400~2 000,700~1 400,200~700cm-1)进行谱峰归属和分析,得到了多菌灵农药分子在不同波数范围内的特征振动模式,其中,在619,725,964,1 022,1 265,1 274和1 478cm-1处的拉曼信号较强,可作为固体多菌灵农药的特征峰。从多菌灵农药的液体拉曼光谱中,找到了629,727,1 001,1 219,1 258和1 365cm-1特征峰,这些特征峰跟固体多菌灵农药的特征峰基本吻合。研究结果可为拉曼光谱分析技术在食品及农产品中农药残留的快速筛选提供判别依据。     

可见/近红外光谱的油茶籽油三元体系掺假检测模型优化

采用可见/近红外光谱技术结合化学计量学方法对油茶籽油三元体系掺假进行定量检测研究。将菜籽油和花生油按不同比例掺入纯油茶籽油中,获得掺假样本。采集纯油茶籽油及掺假样本在350~1 800nm范围内的可见/近红外光谱数据,随机分为校正集和预测集,并从不同建模波段、预处理方法及建模方法角度对掺假预测模型进行优化。研究结果表明,菜籽油、花生油和总掺伪量的最优建模波段及预处理方法分别为750~1 770,900~1 770,870~1 770nm和多元散射校正(MSC)、标准归一化处理(SNV)和二阶微分,而最优的建模方法均为最小二乘支持向量机(LSSVM)。对于最优掺假模型,菜籽油、花生油和总掺伪量的预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.963,0.982,0.993和2.1%,1.5%,1.8%。由此可见,可见/近红外光谱技术结合化学计量学方法可以用于油茶籽油的三元体系掺假定量检测。     

不同光谱预处理对激光诱导击穿光谱检测猪肉中铅含量的影响

为了研究适合激光诱导击穿光谱(LIBS)检测猪肉中重金属铅(Pb)元素含量的光谱预处理方法,将配制的84个猪肉腿肌样品分为校正集和预测集,以相关系数(R)、内部交叉验证均方差(RMSECV)和预测均方根误差(RMSEP)作为评价指标,比较了5种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响.结果表明,多元散射校正(MSC)预处理效果最好,定标模型预测值与实验室分析元素检测值的相关系数(R)达到0.9908,RMSECV为0.302,RMSEP为0.282,主成分数为16,18个预测集样品的验证结果的平均相对预测误差(ARPE)为7.8％.说明MSC是LIBS检测猪肉Pb含量的有效光谱预处理方法,该研究为进一步实现食品中重金属快速定量分析提供了方法和数据参考.     

共轴双脉冲激光诱导击穿光谱和最小二乘支持向量机法定量分析植物油中铬

利用共轴双脉冲激光诱导击穿光谱( DP-LIBS)技术对植物油(大豆油、花生油和玉米油)中的重金属铬( Cr)含量进行定量分析。采用Ava-Spec双通道高精度光谱仪采集样品的LIBS光谱,然后通过其LIBS谱线图确定了CN分子谱线(421.49 nm)、Ca原子谱线(422.64 nm)及Cr的3条原子谱线(425.39、427.43和428.87 nm),根据上述谱线建立了Cr元素的单变量定标模型和最小二乘支持向量机(LS-SVM)校正模型,并用验证样品对它们进行检验。研究结果表明,对于单变量定标法,大豆油、花生油及玉米油验证样品的平均预测相对误差(PRE)分别为12.57%,12.11%和13.72%;对于三变量LS-SVM法,其定标样品真实值与预测值之间的拟合度 R2分别为0.9785,0.9792和0.9654,验证样品的平均 PRE 分别为8.92%,8.33%和10.98%;对于五变量LS-SVM法(增加两基体元素谱线变量),其定标样品真实值与预测值之间的拟合度R2分别为0.9895,0.9901和0.9855,验证样品的平均PRE分别为7.46%,8.96%和8.95%。由此可知,LS-SVM校正模型性能优于单变量定标法,且五变量LS-SVM校正模型性能优于三变量LS-SVM校正模型;采用LS-SVM法及引入合适的基体元素谱线( CN、Ca)能有效减小定量分析误差,提高LIBS技术对植物油中Cr含量预测的精度。     

牛肉嫩度的近红外光谱法检测技术研究

利用近红外光谱技术研究了牛肉嫩度的检测方法. 在波数为4 000～10 000 cm-1范围内测定牛肉样本近红外吸收光谱, 然后用沃-布剪切仪测得牛肉样本(背长肌)的最大剪切力值并进行主观嫩度等级评价. 把剪切力值小于6 kg的牛肉归为嫩牛肉, 等级值定为1;大于9 kg的牛肉归为老牛肉, 等级值定为3;介于6和9 kg之间的牛肉归为中等嫩度的牛肉, 等级值定为2. 研究结果表明, 老牛肉吸收的近红外光一般都要比嫩牛肉多, 表现为吸光度要大;用多元线性回归法对校正集建立模型, 得到相关系数r为0.806;用此模型对牛肉预测集19个样本进行预测, 分级正确率为84.21%. 该研究说明利用近红外技术对牛肉嫩度进行预测是可行的.     

近红外光谱分析技术在茶叶鉴别中的应用研究

茶叶快速准确鉴别方法研究是当前茶叶行业亟待解决的一个重要课题.该研究采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了龙井、碧螺春、毛峰和铁观音4种中国名茶.研究结果表明,在6 500～5 300cm-1波数范围内的光谱,通过MSC预处理方法,用8个主成分建立的模型最好,模型对校正集样本和预测集样本的鉴别率分别达到98.75%和95%.该研究为快速准确鉴别茶叶提供了一种新思路.     

SERS技术的小白菜中西维因农药残留检测

西维因是一种广谱、高效的氨基甲酸酯杀虫剂。提出一个基于表面增强拉曼光谱进行定量和定性分析小白菜中西维因残留的方法。密度泛函理论B3LYP/6-311G基组被用于计算西维因农药的理论拉曼光谱。硫酸镁、PSA、石墨化炭黑和C18被用来去除叶绿素、矿物质和维生素等物质的影响。采用MSC，SNV和归一化三种方法对原始光谱进行预处理，建立小白菜中西维因残留的偏最小二乘模型。研究表明，小白菜中西维因农药残留检测可以达到0.976 mg·L-1以下。经MSC预处理后所建PLS模型预测性能最好，当主成分数为9时所建模型的性能最好，R_c为0.977，RMSECV为2.09 mg·L-1，R_p为0.986 5，RMSEP为1.71 mg·L-1。五个未知西维因农药浓度小白菜样本用来验证模型的准确度，相对误差为1.98%~7.28%，预测回收率为95.73%~107.28%，T值为0.397, 小于t_{0.05, 4}=2.776，说明模型是准确可靠的。SERS方法是一种有效的方法，可以实现小白菜中西维因农药残留的快速可靠检测。