紫外分光光度法-局部PLSR同时测定三种人造甜味剂

本文报道了一种简便、快速、准确的同时测定三种人造甜味剂安赛蜜、阿斯巴甜和糖精钠的方法。方法基于在pH为3.21的盐酸溶液中对安赛蜜、阿斯巴甜和糖精钠三组分混合溶液进行紫外光度测定,所得重叠光谱数据分别用偏最小二乘回归法（partial least squares regression,PLSR）、特征峰结合PLSR法和特征峰结合局部偏最小二乘回归法（local partial least squares regression,LPLSR）进行处理。结果表明,选取特征波段的峰值作为自变量,采用4个局部样本做拟合的预报误差最小,总相对偏差仅为3.05%。对果汁样品进行测定,获得了很好的定量分析结果。安赛蜜、阿斯巴甜和糖精钠的定量线性范围分别为1.0 - 30.0 mg/L、1.0 - 10.0 mg/L和1.0 – 10.0 mg/L。     

基于Raman光谱和支持向量机回归的古井贡酒年份鉴别方法

白酒年份的快速准确鉴定是白酒品质分析的重点和难点问题之一。实现白酒年份酒的快速、准确的鉴别,对促进白酒行业的健康发展、维护消费者的合法权益具有重要意义。光谱分析法结合模式识别技术是实现白酒品质快速鉴别的首选方法之一,而Raman光谱由于其受水的影响很小且很少或不需要样品前处理,在白酒分析中具有广阔的发展空间。因此,采用Raman光谱和支持向量机回归(SVR)建立数据分析模型,用于不同年份白酒的年份鉴定和同一年份不同贮存时间的白酒年份鉴定。该研究创新之处主要包括如下三个方面：(1)应用Raman光谱对白酒品质进行分析,在分析方法的应用上具有一定的创新之处。(2)研究白酒的年份鉴定问题,在研究对象的选择上,具有一定的创新之处。(3)建立基于回归框架的白酒年份与年份指数对应关系,实现白酒年份识别及预测,不仅可以有效鉴别白酒年份,同时可用于鉴别白酒贮存时间,因此,在分析方法的确定和应用上,具有一定的创新之处。实验中采用古井贡5年、8年、16年及26年系列年份酒进行了实证分析,数据分析实验结果表明,所建立的基于Raman光谱和SVR的白酒年份鉴别分析流程和方法,对鉴别不同年份的白酒,以及同一年份不同贮存时间的白酒样品(包括对数据库内已有样本年份的鉴别,以及对数据库内没有的盲样的年份预测),均取得较好的应用效果,相比于其他常用回归分析方法具有明显的优越性,可以为白酒年份酒分析提供一定的技术支持。     

波长优选对土壤有机质含量可见光/近红外光谱模型的优化

可见光/近红外光谱模型是土壤属性预测的有效工具。波长优选在光谱建模过程中起着重要作用。文中首先利用从安徽省涡阳县采集的130个砂姜黑土土壤样本获得可见光/近红外光谱,然后利用平滑与多重散射校正联合的光谱预处理方式消除光谱中的无关变量和冗余信息以提高模型预测结果的相关性,再利用SPXY方法挑选建模集样本,分别利用连续投影算法和遗传算法进行波长优选,最后利用留一法进行交互验证建立有机质含量的主成分回归模型。研究结果显示：连续投影算法和遗传算法都可以有效地减少参与建模的波长数并提高模型的准确度,尤其是遗传算法能够更好地提高土壤有机质含量预测精度,其相关系数、预测均方根误差和相对分析误差分别达到0.9316,0.2142和2.3195。通过合适的特征波长选取,不仅计算量可以大大减少,预测精度也会有效提高。     

基于移动窗口相关系数光谱法的白酒品牌快速判别技术研究

为满足白酒品牌判别领域快速检测的迫切需求,提出了一种以紫外光谱为输入,移动窗口相关系数法为手段的白酒品牌快速判别新方法。研究以海之蓝酒作为对象品牌,实验结果显示各批次海之蓝酒在实验波长区间存在较高的吻合一致性,基于紫外光谱原始谱图的相关系数值和基于移动窗口光谱计算所得的相关系数值均达到0.99以上。由于其他洋河系列白酒与海之蓝酒均属于洋河酒厂生产,原料来源、生产制备工艺等存在较高的相似性,此时若仅使用紫外光谱原始谱图数据结合相似度算法进行品牌判别,则定量化的判别区分存在一定困难。移动窗口法可有效提高谱图细节差异,突出光谱在特征谱段的形状、强度、变化趋势差异,提高实验谱图在细节结构差异辨认分析能力。经过研究筛选,发现以移动窗口相关系数结合紫外光谱特征谱段(270～295 nm)可提高洋河系列酒间的谱图差异,实现这种有较高相似性白酒品牌的判别区分。此外,市售六种其他品牌白酒及乙醇作为对照组,进一步论证了该方案的可行性。该研究的创新之处在于提出了一种移动窗口相关系数光谱法进行白酒品牌快速判别分析的新思路,该方法同时具备速度快,操作简便等优点,具有较高的实际应用潜在价值,并可为其他食品的质量安全判别分析研究提供借鉴。     

基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究

实验采集了三种不同品牌乳制品的拉曼光谱数据,并分别进行了主成分分析法(Principal Component Analysis,PCA)和稀疏主成分分析法(Sparse Principal Component Analysis,SPCA)处理。PCA特征提取结果显示前三个主成分贡献了超过90%的信息,可实现乳制品品牌的分类识别,但是PCA的载荷向量图较为复杂,而SPCA的载荷向量图清晰明了,直观上便能凸显乳制品拉曼光谱的重要特征信息,增强了稀疏主成分的可解释性。进一步结合乳制品拉曼光谱谱图的化学先验信息,可以实现特征提取成分的信息归属解析。因此,实验结果表明运用稀疏主成分分析法能有效提取解析乳制品拉曼光谱谱图中的有效特征信息。     

基于拉曼光谱-模式识别方法对奶粉进行真伪鉴别和掺伪分析

奶粉的真伪和掺伪近年来受到广泛的关注,研究一种操作便捷,能准确、快速、全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。为实现奶粉的真伪鉴别,采集三种品牌奶粉贝因美、飞鹤和雀巢的拉曼光谱,并利用拉曼谱图特征峰结合最近邻算法(nearest neighbor,NN)的模型对三种品牌奶粉进行识别,在10次交叉验证的基础上,平均识别率为99.56%。为实现奶粉的掺伪分析,将飞鹤奶粉与雀巢奶粉按不同质量比(0∶1,1∶3,1∶1,3∶1,1∶0)混合成五种掺伪奶粉,提取掺伪奶粉中的脂肪,采集脂肪样本的拉曼光谱,分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析(kernel principal components analysis,KPCA)结合最近邻算法的模型对五种脂肪样本进行识别,10次交叉验证下的平均识别率分别为93.33%和98.89%,平均运算时间分别为0.085和0.104 s。实验证明：特征峰结合NN的算法可以快速实现对奶粉真伪的判别,但此算法不能很好的区分掺伪奶粉;拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、准确、快速的方法。     

竹材非等温热解动力学

利用热重分析技术对竹材在高纯N2条件下,从室温至1273K进行了非等温热解分析,研究了升温速率(5、10、20和40K/min)对热解过程的影响,探讨了其热解机理。研究表明,竹材非等温热解过程主要分为失水干燥、快速热解和缓慢分解三个阶段组成,其中第二阶段是整个过程的主要阶段,析出大量挥发分造成明显失重。升温速率对热解过程有显著影响,随着升温速率的增加,最大热解速度增大,对应的峰值温度升高,热滞后现象加重,热解各阶段向高温侧移动。热解机理满足一维扩散Parabolic法则,反应机理函数为g(α)=α2。不同升温速率下活化能为75.32-82.99kJ.mol-1,指前因子为1.17×105-1.12×106min-1。     

聚甲基丙烯酰胺包覆的ZnO发光量子点及其在细胞成像中的应用

通过溶胶-凝胶法合成了在水溶液中稳定发光、荧光颜色可调的ZnO@polymer核壳型纳米粒子, 并研究了这种量子点对人类宫颈癌HeLa细胞的毒性以及细胞吞噬后激光共聚焦成像的效果. 这种荧光探针的外壳是一种通过配位键与ZnO内核结合的共聚物, 该共聚物外层是亲水的聚甲基丙烯酰胺, 内层是疏水的聚甲基丙烯酸酯. 细胞毒性实验证明, 该材料有良好的生物兼容性, 适用于生物荧光标记. 共聚焦荧光成像结果显示, 这些纳米粒子可以穿透HeLa细胞膜并在细胞质中稳定发光.