傅里叶变换近红外光谱结合RVM与新聚类算法鉴别灵芝孢子油多样掺假类别

食品掺假种类众多,手段隐蔽,成为食品安全检测一个重要难题。为摆脱传统模型识别食品中是否存在新掺假类别的局限性,实验以纯净的灵芝孢子油和掺杂不同比例花生油、玉米油、薏仁油、地沟油的五种类别为研究对象,采用傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)收集12 400～4 000 cm-1范围内的近红外光谱。假设掺杂地沟油为新掺假类别,利用前四种类别的校正集样本构建相关向量机(RVM)多分类器,分别对建模的预测集样本和掺杂地沟油样本进行判别,并借助新聚类算法对判别为纯净的灵芝孢子油的样本做进一步分析验证。研究表明,RVM分类器对于建模的预测集样本判别准确率高达93.75%,说明模型有较强的判别能力,但由于模型局限性,掺杂地沟油样品被误判为纯净的灵芝孢子油;在新聚类算法的决策图上,纯净灵芝孢子油校正集和预测集混合样本的聚类中心数为1,而纯净灵芝孢子油校正集和掺杂了地沟油混合样本聚类中心数为2,直观验证判别结果的准确性。结果表明利用FT-NIR技术结合RVM分类器与新聚类算法对于灵芝孢子油掺假能够有效识别,并且能够定性识别新型掺假类型,为解决食品掺假多样化问题提供一种新思路。     

近红外光谱法应用于食用香精中增塑剂的检测研究

借助近红外透射光谱技术得到香精样品的原始光谱,选取波段范围为8 800～8 540和7 500～5 085 cm-1,用主成分分析（PCA）法定性识别其中是否添加DEHP或DINP,正确率100%。同时测定了DEHP和DINP（浓度范围在0～100 mg·kg-1之间）在食用香精中的含量,并以偏最小二乘法（PLS）建立定量分析模型,DEHP和DINP预测结果的相对误差分别在-17.6%～15.8%和-7.6%～9.9%之间,预测均方根误差分别为1.39和0.98。为检测食用香精中增塑剂的含量提供了一种可同时定性与定量的快速、简便、廉价、准确的分析方法。     

电场调控的碳纳米管非线性光学开关及其管径效应

本文借助密度泛函理论方法获得了五个不同管径碳纳米管在外电场作用下的最优几何结构和相应的性质,研究了外电场对碳纳米管的结构和性质的调控作用.结果表明外电场导致了碳纳米管内部的电荷转移,引起了碳纳米管第一超极化率(β₀)的急剧增大.例如CNT(6, 3),当电场从0增大到工作电场F_w=80×10^-4 au时,碳纳米管的β₀值从0 au可增大到最大83695 au,导致了极大的β₀对比,因此碳纳米管成为新型的非线性光学(NLO)开关.新型NLO开关的管径效应表明,较大管径的碳纳米管具有更优的NLO开关性质.除此之外,电子吸收光谱表明这些碳纳米管具有小于300 nm和大于2500 nm的光学工作区,因此碳纳米管可成为一类新的灵敏、快速、可逆的紫外兼红外的NLO开关.