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350～1000 nm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。     

特征变量提取方法对脐橙皮中Cu元素LIBS检测精度的影响

食品重金属污染日趋严重,常规的实验室化学分析方法难以满足现代农业发展的需求。激光诱导击穿光谱是一种新兴的快速无损检测新方法,但该技术存在检测稳定性、灵敏度和精确度不高的瓶颈问题。本工作以江西特色水果赣南脐橙中的Cu元素为研究对象,探讨采用LIBS技术检测的可行性问题。首先对脐橙样品进行实验室污染处理,再利用优化的试验参数(激光能量120 mJ、光谱采集延迟时间1.14 μs、采集积分时间2 ms)采集样品表皮的LIBS光谱信息,然后利用AAS对激光击打部位果皮进行Cu元素真实含量检测。提取Cu Ⅰ324.7 nm与Cu Ⅰ 327.4 nm作为Cu元素定量分析特征光谱,建立Cu元素真实浓度与Cu Ⅰ 324.7强度、Cu Ⅰ 327.4强度、Cu Ⅰ 324.7与Cu Ⅰ 327.4强度之和的关系模型,并对模型的灵敏度和预测准确度进行了分析。结果显示,三个关系模型的浓度预测相对误差均在7.01%以下,最小分别达到了0.02%,0.01%和0.02%,平均相对误差分别为2.33%,3.10%和2.63%。试验表明,寻找合适的特征变量能明显提高定量分析结果的精确度。此外,该研究有助于为重金属元素在果皮果肉中的传输规律提供理论依据。     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338 nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。     

基于LIBS技术的脐橙中铜含量联合区间偏最小二乘法定量分析

选用60个果形相当的脐橙样品进行激光诱导击穿光谱(LIBS)试验,引入联合区间偏最小二乘法(siPLS)的分析方法,实现水果脐橙中重金属铜元素的LIBS定量分析。先对脐橙在320~340nm波段内激光诱导击穿光谱进行九点平滑处理,并提取特征光谱CuI324.75nm为分析线。采用siPLS方法将光谱划分为25个子区间,当选择其中5、14、16、22 4个子区间建立的模型时效果最佳,其校正集相关系数和均方根误差分别为0.988 3和5.61,预测集相关系数和均方根误差分别为0.979 2和8.62。研究表明,与偏最小二乘法(PLS)相比,改进的siPLS模型更能有效利用光谱中的信息,减少模型计算量,提高预测能力。为进一步实现水果中痕量重金属元素的快速定量分析提供了方法。     

基于SSPA-同步荧光法的鸭蛋蛋清中强力霉素残留含量的检测研究

应用同步荧光光谱技术结合分段连续投影算法(SSPA)实现了对鸭蛋蛋清中强力霉素含量的快速检测。首先对蛋清、强力霉素标准品和含有强力霉素的蛋清进行三维同步荧光光谱分析,确定了其最佳波长差(△λ)为110 nm;然后对60个含有强力霉素的蛋清样本进行同步荧光光谱扫描,运用SSPA分别从全光谱和划分不同子区间中提取特征波长,作为多线性回归(MLR)、偏最小二乘法(PLS)、主成分回归(PCR)的输入变量,分别建立了SSPA-MLR、SSPA-PLS和SSPA-PCR模型。结果表明,利用SSPA法可以压缩模型的输入变量,缩减率为90.8%。划分为6个光谱子区间的SSPA-MLR模型的预测结果最好,其预测集样本的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9896和0.89,有效地提高了模型的效率和预测能力。该方法为快速检测鸭蛋蛋清中抗生素提供新的方法。     

基于激光诱导击穿光谱的微生物种类鉴别研究

建立了激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)全光学诊断方法,对微生物种类进行快速鉴别。制取10种微生物样品,优选滤纸为富集载体,采集等离子体羽时间演变形貌图及LIBS光谱指纹图分析了鉴别微生物种类的可行性;运用九点平滑(Nine smooth,9SM)、多元散射校正(Multiple scatter correction,MSC)对波长范围200~420 nm和560~680 nm微生物LIBS全谱数据进行了预处理;分析比较了主成分分析(Principal component analysis,PCA)、随机森林结合主成分分析(Random forest combined with principal component analysis,PCA-RF)两种方法对微生物种类的鉴别结果。结果表明,运用一定的数据预处理方法,采用PCA-RF算法对10类微生物种类鉴别,训练集总准确率为99.6%,预测集总准确率为96.7%,说明选择合适的LIBS光谱预处理及模型构建方法,对微生物种类的快速准确鉴别具有可行性。     

激光诱导击穿光谱技术/多元二次非线性回归分析土壤中的铬元素

利用激光诱导击穿光谱(LIBS)技术对土壤中铬元素的含量进行了定量分析研究.由于土壤成分复杂,光谱谱线存在较严重的重叠干扰,若采用一元回归方法分析常得不到理想结果.为了更充分有效地利用光谱中信息,以土壤中Cr Ⅰ 425.43 nm和Fe Ⅰ 425.07 nm谱线的积分强度为自变量,Cr元素浓度为因变量,建立交叉降维近似多元非线性回归、多元二次非线性回归和平方降维近似多元非线性回归模型.对比分析表明,当添加Cr和Fe元素特征谱线强度交叉项影响时,所建立的多元二次非线性回归模型效果最佳,预测浓度与实际参考浓度之间线性关系达到0.9943,预测4个验证样品的相对误差分别为3.57％,0.76％,7.66％和2.24％.