不同采收期滇龙胆的红外光谱鉴别研究

采收是中药生产的重要环节,采收时间直接影响中药质量和产量,是中医临床安全有效用药的前提,开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究,用TQ8.0软件对原始光谱进行一阶导数(first derivative,FD)、二阶导数(second derivative,SD)、标准正态变量(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)和平滑(savitaky-golay filter,SG)预处理,样品按3∶1分为校正集和预测集,同时建立主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型。结果显示,选取1 800~600cm~(-1)波段范围的光谱,去除光谱噪音;SNV结合二阶导数光谱和SG(15,3)平滑,预处理结果满意。主成分分析表明,前三个主成分方差贡献率为92.47%,5月、9月和10月份采收的样品差异较小。偏最小二乘判别分析建立判别模型,决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0,可对18个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好,为不同采收期的中药鉴别提供理论依据。     

傅里叶红外光谱对野生及栽培滇龙胆不同部位的研究

中药及其制剂的应用具有悠久历史,随着研究的深入,市场需求量日益增加,野生资源难以满足市场需求,开展野生和栽培品及化学成分累积动态的研究具有重要意义。为了比较野生和栽培的滇龙胆不同部位(根、茎、叶)化学成分的差异,用傅里叶红外光谱、二阶导数光谱对其进行分析及评价研究。采集60份样品的红外光谱数据,用Nicolet Omnic8.0软件计算各个样品的二阶导数光谱和匹配值。结果显示,野生和栽培滇龙胆根、茎及叶的红外光谱图整体峰形相似,在1 732,1 643,1 613,1 510,1 417,1 366,1 322,1 070cm-1附近主要为酯类、萜类、糖类物质的吸收峰。1 800~600cm-1波段范围内,样品与龙胆苦苷标准品二阶导数光谱的峰位和峰强有差异,具有多个指纹特征峰,分别为1 679,1 613,1 466,1 272,1 204,1 103,1 074,985,935cm-1;野生和栽培样品的根在1 613cm-1(龙胆苦苷中萜类物质C—C吸收峰)附近特征峰明显强于茎和叶,根中龙胆苦苷类成分高于茎及叶;野生样品的茎在1 521,1 462,1 452cm-1附近为木质素类物质的苯环骨架振动峰,并呈现强吸收峰,栽培样品茎呈现中等强峰,茎富含木质素类物质。所有样品红外光谱与野生样品根的平均光谱相似度较大,二阶导数光谱与野生样品根的平均光谱的相关性差异较大,相似度大小分别为:根茎叶。红外光谱法结合二阶导数谱能为同类物种野生和栽培药材不同部位的差异分析和评价提供参考。     

CdSe/ZnS量子点在倏逝波光纤pH传感中的应用

将新型量子点荧光传感技术与光纤倏逝波传感技术相结合，发展了一种基于量子点荧光效应并结合倏逝波传导进行溶液酸碱度检测的新型传感技术，具有灵敏度高、检测速度快、便于微环境检测、可实现远程探测、实时监测和原位分析等特点。详细介绍了用于倏逝波传感的锥柱组合型光纤荧光探头的制备方法，量子点在光纤探头表面的修饰流程，光谱与强度两种光纤pH传感平台的建立，并分别从响应范围、线性度、重复性和稳定性等方面对CdSe/ZnS量子点应用于光纤pH传感进行了评价。结果表明，在pH值为2~12的范围内，CdSe/ZnS量子点的荧光光谱信号的峰位在强酸和强碱的情况下都会产生红移，且红移量随pH值的变化呈线性关系，其量子点荧光强度信号随pH值的减小呈线性降低关系，通过在强酸和强碱下交替测试的实验表明其具有较好的重复性，利用荧光强度传感平台进行实时监测的实验表明其具有较好的稳定性。因此，将CdSe/ZnS量子点用于倏逝波光纤pH传感具有可行性，在生物化学、环境监测、医学临床、食品安全等领域的pH值测量方面有着广泛的应用前景。     

药用植物重楼的紫外吸收光谱分析与鉴别

通过正交试验设计L43(16)优化氯仿、无水乙醇和水对46份重楼样品的提取条件,基于紫外吸收光谱检测,采用平均值、平滑和二次微分对光谱数据进行处理,用SIMCA软件及共有峰和变异峰双指标序列分析法进行定性、定量评价。结果表明,重楼样品在氯仿、无水乙醇和水分别提取50,40,50min时提取率最高,在20h内稳定性RSD%分别在0.06～1.88,0.05～2.42,0.03～0.35之间,精密度RSD%分别在0～1.48,0.05～0.37,0.09～0.44之间,重现性RSD%分别为0～1.23,0.04～0.30,0.12～0.25。定性分析显示,重楼样品不同种、不同产区间存在较大差异;定量分析显示,重楼样品间最大共有峰率为80.00%,最小变异峰率为6.25%。该法定性评价不同种及不同产区间的重楼样品,并定量分析任意两个样品间的差异,阐明重楼种间及不同产区间的相似度,为中药材真伪、品种鉴别和品质评价奠定基础。     

窄带快照式多光谱成像色彩还原方法

由于兼具光谱分辨和空间分辨能力, 快照式窄带多光谱成像在资源遥感、精准农业、医疗检测等领域将有广泛应用。由于该方法使用窄带成像来提高光谱分辨率及图像对比度,所获得的图像是灰度信息,失去了场景的色彩信息,不便专家对图像鉴别、评价与赏析。已有的色彩还原算法主要针对光谱波段带宽较宽或者多个波段叠加基本覆盖整个可见光谱范围等两种光谱成像仪,不适合窄带多光谱成像方法的色彩还原。该研究适合于快照式窄带多光谱成像的色彩还原方法,提出建立窄带多光谱彩色相机的概念。首先,提出两种窄带多光谱色彩还原方法：(1)基于CIE色度系统三刺激值色的,(2)基于贝尔阵列插值算法的;其次,分别应用两种算法还原快照式窄带多光谱相机所获得的植物、手臂及宫颈组织等三种代表性场景窄带多光谱灰度图像;之后,计算并比较表征两种算法所得的代表性场景彩色图像的均值、方差、熵及梯度等表征图像质量的参数数值,确定出适合快照式窄带多光谱成像的色彩还原方法;最后,对所确定的色彩还原算法进行色偏校正。实验结果表明,基于CIE三刺激值色彩还原方法比贝尔阵列插值法更适用于窄带多光谱成像颜色复原。配合使用CIE三刺激值色彩还原方法及灰度图象校正算法,从窄带光谱成像所获得的植物、手臂皮肤及宫颈组织的灰度图像所还原出的近彩色图像逼近物体真实色彩,满足人眼观察习惯。介绍了仅覆盖可见光光谱范围30%的窄带多光谱图像进行色彩还原的方法,该方法证明快照式窄带多光谱成像可以兼具光谱分辨能力,同时保持可供人主观辨识的色彩信息。所提出实现快照式窄带多光谱彩色成像的方法,有望设计不同于传统RGB相机的彩色相机实施方案。     

30CrMnSiNi2A超高强度钢孔挤压强化残余应力场的模拟

利用有限元软件ANSYS建立了30CrMnSiNi2A超高强度钢孔挤压强化残余应力场的三维有限元模型,分别模拟分析了不同孔径、过盈量、厚度和孔边距比下30CrMnSiNi2A超高强度钢构件孔挤压强化的三维残余应力场分布.模拟结果表明,残余应力沿厚度在中层和出口处随着孔径的增大而增大,且残余拉应力的增加幅度也大;随着过盈量的增大,残余压应力增大,但达到一定程度后过盈量的增量所引起的有利残余压应力的增量减小;随着厚度的增加,残余压应力在入口表面的孔周处先减小后增大;孔边距的减小,对残余压应力影响较小,而对残余拉应力的影响很大.     

药用植物川东獐牙菜红外光谱分析与鉴别

采用傅里叶变换红外光谱法(Fourier transform infrared spectroscopy,FTIR)、偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)和系统聚类分析(hierarchical cluster analysis,HCA)快速鉴别不同产地川东獐牙菜(Swertia davidi Franch)。采集4个不同地区70株样品不同部位的红外光谱数据,原始光谱数据经预处理(自动基线校正,自动平滑,一阶求导,二阶求导)后导入OMNIC 8.2,比较吸收峰的差异;用SIMCA-Pa+10.0进行偏最小二乘判别分析(PLS-DA),以前三个主成分三维得分图比较产地鉴别效果;红外光谱数据导入SPSS 19.0,进行系统聚类分析(HCA),通过树状图比较不同部位分类效果。结果显示,(1)不同产地根的光谱图在1 739,1 647,1 614,1 503,1 271,1 243,1 072cm~(-1)附近的吸收峰有差异,不同产地茎的光谱图在1 503,1 270,1 246cm~(-1)吸收峰附近有差异;(2)相同产地不同部位的光谱特征峰有差异;(3)PLS-DA分析结果显示自动基线校正+自动平滑+二阶求导这种预处理方式分类效果最好,根的红外光谱数据产地鉴别效果最佳;(4)HCA的树状图,显示根的聚类分析结果正确率83%,茎的聚类分析结果正确率49%,叶的聚类分析结果正确率70%。FTIR技术结合PLS-DA与HCA方法能够快速准确地鉴别不同产地川东獐牙菜,不同部位产地鉴别效果有差异,根的光谱数据产地鉴别效果最佳,二阶求导处理增强了样品的特异性,使PLS-DA的三维主成分得分图分类效果更明显。     

近红外光谱信息筛选在玛咖产地鉴别中的应用

食药植物玛咖富含多种营养成分,极具药用价值。采用近红外漫反射光谱,对采自秘鲁及云南共139份玛咖样品进行产地鉴别。采用多元信号校正结合二阶导数和Norris平滑预处理光谱,利用光谱标准偏差初步选择光谱波段(7 500~4 061cm~(-1)),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)筛选出适宜的主成分数为5。基于所筛选的光谱波段及主成分数,利用"模群迭代奇异样本诊断"方法剔除2个异常样品后,分别采用竞争自适应重加权法(competitive adaptive reweighted sampling,CARS)、蒙特卡洛-无信息变量消除法(monte carlo-uninformative variable elimination,MC-UVE)、遗传算法(genetic algorithm,GA)和子窗口重排(subwindow permutation analysis,SPA)四种方法筛选光谱变量信息,利用模型集群分析(model population analysis,MPA)思想对所筛选的光谱变量信息进行评价。结果显示,RMSECV(SPA)RMSECV(CARS)RMSECV(MC-UVE)RMSECV(GA),分别为2.14,2.05,2.02,1.98,光谱变量数分别为250,240,250和70。采用偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA)对四种方法筛选的光谱变量建立判别模型,随机选择97份样品作为建模集,其余40份样品作为验证集。通过R2,RMSEC和RMSEP分析可知,R2:GAMC-UVECARSSPA,RMSEC和RMSEP:GAMC-UVECARSSPA,且GA,MC-UVE,CARS和SPA四种方法筛选的光谱信息所建立的产地判别模型预测正确率分别为95.0%,92.5%,90.0%和85.0%。四种方法筛选的光谱信息所建立的产地判别模型均具有较好的预测性能,其中GA法所筛选的光谱信息建立的判别模型更准确。该方法的建立旨在为中药材鉴别和品质评价奠定基础。     

微型快照式窄带多光谱成像宫颈癌筛查方法

白光阴道镜图像对比度较低,不利于医生鉴别不同病变程度组织,也不利于自动化宫颈癌筛查。利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性,与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反,利用快照式多光谱窄带成像来加速光谱图像获取过程,提升不同病变程度组织之间灰度对比度同时,降低后续图像分析处理算法难度,实现对宫颈组织病变类型高帧率自动化分类。首先,使用微型快照式窄带多光谱摄像方法,在血红蛋白的两个强吸收峰(415±10)和(525±10) nm、一个反射带(620±10) nm和一个背景波段(450±10) nm共四个波段对宫颈组织进行快照式零时差获取四幅窄带光谱图像。而后,对所获取的光谱图像进行简单代数加减,以生成突显病变组织的融合图像,提高不同病变程度组织之间的对比度。最后,使用欧式距离分类算法,对光谱融合图像中不同病变级别进行分类,建立计算机辅助宫颈癌筛查方法。创新点在于实现了高帧率计算机辅助光学病理诊断方法。分别采用临床常规白光阴道镜及微型快照式窄带多光谱摄像对宫颈癌手术切下的新鲜组织进行彩色图像及光谱融合图像的高帧率采集,并使用同一个欧式距离分类算法对两种图像进行自动分类,分类结果都以组织病理诊断作为标准来计算正确率。通过对比两种分类结果正确率来检验光谱融合图像相对于彩色图像是否提升对比度,及其是否可以实现与组织病理诊断(金标准)结果一致的诊断。欧式距离分类算法对光谱融合图像分类准确率接近100%,远高于对白光阴道镜图像约50%的准确率。多位临床医生对基于微型快照式多光谱摄像头光谱融合图像的计算机自动分类结果表示接受。微型快照式窄带多光谱成像方法能有效提升光谱融合图像获取帧率及不同病变程度组织之间灰度对比度,能有效快速地将宫颈组织划分为与组织病理诊断结果一致的病变类型。由于诊断客观、无创伤、结果立等可得,该方法将有助于实现落后地区宫颈癌筛查的普及以及图像导航下的宫颈癌精准治疗手术。     

近红外光谱快速鉴别不同产地药用植物重楼的方法研究

重楼属植物极具药用价值,野生资源主要分布在我国西南省区。应用近红外漫反射光谱,以贵州、广西和云南三个不同产区的70份野生药用植物重楼为研究对象进行产地鉴别。采用多元信号校正、标准正态变量、一阶导数、二阶导数、Norris平滑和Savitzky-Golay滤波六种方法,对训练集(50份样品)原始光谱进行优化处理。结果表明,多元信号校正结合二阶导数和Norris平滑预处理光谱效果最好。采用光谱标准偏差选择光谱波段(7 450~4 050cm-1),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)建立分类模型,前三个主成分累计贡献率、R2、RMSEC和RMSEP分别为89.44%,97.58%,0.179 6,0.266 4,预测正确率90%;采用变量重要性图选择光谱波段(7 135.33~4 007.35cm-1),结合偏最小二乘判别分析法(partial least square discrimination analysis,PLS-DA)建立判别模型,前三个主成分累计贡献率、R2、RMSEC和RMSEP分别为89.28%,95.88%,0.234 8,0.348 2,预测正确率为100%。比较两种方法的结果可知:采用变量重要性图方法选择光谱波段结合偏最小二乘判别分析法建立的判别模型能更准确地鉴别不同产区的重楼,该方法的建立为中药材真伪和品质评价奠定基础。