三维荧光光谱结合Zernike图像矩快速鉴别掺伪芝麻油

为了实现对掺伪芝麻油的快速鉴别,应用FS920荧光光谱仪测定样品的三维荧光光谱数据。将三维荧光光谱图视为灰度图,在没有任何预处理的前提下,直接应用Zernike图像矩提取三维光谱灰度图的特征信息,然后采用类平均法对特征信息进行聚类分析,从定性角度实现掺伪芝麻油的鉴别,并解析其组成成分。最后应用广义回归神经网络(GRNN)对掺伪样本的成分进行定量分析。聚类分析能够以很高的辨识率来识别掺伪芝麻油,并能够正确解析其组成成分。定量模型预测了2组掺伪样本中各成分的相对体积,其平均相对误差分别为2.23%,8.00%,9.70%和9.70%。分析结果表明,Zernike矩能够有效提取光谱的特征信息,光谱数据的Zernike矩特征结合聚类分析以及GRNN模型能够获得良好的定性和定量分析结果,为掺伪芝麻油的鉴别提供了一种新的方法。     

基于tri-PLS模型的油类混合物三维荧光光谱及其成分的研究

提出了一种光谱重叠的多种矿物油混合物组分含量测定的新方法。将偏最小二乘方法(PLS)推广至三维扩展(tri-PLS),不需要解决特征值问题。利用该方法对柴油、汽油和煤油混合物的三维荧光光谱进行研究,根据样本序列、激发波长、发射波长构造出三维数据矩阵,结合浓度矩阵应用tri-PLS法建立校正模型,对实验样本进行预测,实验结果表明tri-PLS方法的建模精度比常用的平行因子法优越。     

基于特征峰值积分法的调和油组分含量的测量

目前食用调和油市场混乱,存在混淆概念、随意冠名、以次充好等问题,特别是调和油成分和配比标准模糊不清。国家食用调和油标准历经八年仍未能如期出台,其根本原因在于缺乏对调和油中植物油定性及定量检测的有效方法。食用调和油是由不同的植物油按一定比例混合而成,含有丰富的营养成分,在日常生活中经常使用。不同的植物油含有特定的组成成分,将各种植物油进行混合可以充分利用其中的营养物质,使调和油中营养成分更加均衡,有利于人的身体健康。因此准确测定调和油中单一植物油的含量可以有效对调和油市场进行监管。同时由于调和油中植物油种类是确定的,仅需对其含量进行准确测定。利用三维荧光光谱对调和油中植物油含量进行测定,提出一种新的数据处理方法,采用拟蒙特卡洛原理对选定的特征区域进行特征峰积分,结合神经网络方法求解非线性方程组,得出调和油中各单一植物油含量。选用花生油,大豆油,葵花油为研究对象,用不同比例单一植物油调和成食用调和油,不考虑每种单一植物油的具体组分,仅将其作为整体研究。通过测定10组不同调和比例的调和油的回收率,验证特征峰积分法的有效性,为高灵敏度检测混合物复杂组分含量提供一种有效方法,与常用的解线性方程组测定混合物组分浓度的方法进行比较,回收率的准确度提高,可以用于食品质量检测人员对食用调和油中所用植物油种类及含量进行检测,为国家标准的出台提供一种有效参考。     

基于荧光光谱的五维数据处理方法

石油是一种成分复杂的混合物,通过常规的检测方法很难对其进行定性识别。本文用汽、煤、柴油的混合物来模拟环境中的油类污染物。汽、煤、柴油在特定波长范围的激发下可以发出含有物质自身信息的荧光,根据朗伯-比尔定律可知荧光强度与物质浓度成正比,利用该性质对特定物质进行识别。通过FS920稳态荧光光谱仪对样本进行测量,将实验所得的三维数据拓展为五维数据,提出了一种将展开偏最小二乘耦合到残差四线性的五维数据处理方法,同时采用五维平行因子法和该算法分解数据,实现了对汽、煤油的定量分析,并恢复出了其激发和发射光谱。结果表明,展开偏最小二乘法的分析效果更好。     

三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油

应用FS920荧光光谱仪测定样品的三维荧光光谱数据,直接利用Tchebichef矩提取三维光谱灰度图的特征信息,然后对其进行聚类分析,最后通过逐步回归建立样本中各成分的线性模型。聚类分析能够准确识别掺伪芝麻油,并正确解析其组成成分,得到的线性模型相关系数R>0.99。研究表明,Tchebichef矩能够有效提取光谱的特征信息,应用于掺伪芝麻油鉴别可获得良好的定性和定量分析结果。     

基于EMD-LWT的低浓度石油类污染物荧光光谱去噪法EI北大核心CSCD

石油类污染物是造成雾霾等空气污染问题的重要原因.去噪处理的有效性是石油类污染物荧光光谱检测中的热点问题.提出一种基于经验模态分解-提升小波变换(EMD-LWT)相结合的低浓度石油类污染物荧光光谱去噪方法.经验模态分解法(EMD)可自适应地滤除微弱荧光信号中的噪声,但去噪过程中第一个本征模态函数(IMF)包含的频率范围过宽,影响了去噪准确性和有效性.引入提升小波变换(LWT)对IMF1实现更精细的分解,有效分离出IMF1的有用信息,改善信噪分离效果.将EMD-LWT联用方法和传统的EMD或LWT去噪法分别运用于煤油荧光光谱检测中,仿真结果表明,与只用EMD或LWT相比,EMD-LWT相结合的光谱去噪法得到的信噪比和均方根误差均显著提高,验证了该方法的有效性和可行性.     

荧光光谱及平行因子分析法在植物油鉴别中的应用

利用FS920荧光光谱仪测量市售的八种植物油(大豆油、玉米油、橄榄油、稻米油、花生油、核桃油、葵花籽油和芝麻油)共22个样品的荧光光谱,并对其数据矩阵(EEMs)进行平行因子分析,结合荧光谱分析的直观物质表征和平行因子法对灰色体系的组分识别优势,实现了植物油的种类区分与鉴别。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的三维荧光光谱和等高线光谱图,给出了各植物油峰位、峰数和峰强等特征信息,确定了植物油各荧光谱峰相应的荧光物质(不饱和脂肪酸类、维生素E及其衍生物、叶绿素及类胡萝卜素);将平行因子模型应用于植物油光谱数据矩阵的分析,确定了平行因子分析模型的因子数及各因子的物质基础(维生素E及其衍生物、亚油酸和亚麻酸、脂肪酸氧化产物、植物油氧化产物)。建立了植物油的4因子激发-发射光谱轮廓图和样品因子投影得分图。通过对植物油荧光光谱的图谱特征和其数据阵平行因子模型的分析,证实荧光光谱技术和平行因子分析法对植物油进行分析和种类鉴别的有效性。     

基于THz-TDS的陶瓷纤维复合材料缺陷检测分析

新型陶瓷纤维复合材料由短切氧化硅纤维及其胶合物经高温烧结得到的一种轻质多孔材料,材料微观结构特性直接影响着宏观结构特性和功能特性。该类材料的孔隙度分布在84%~95%之间,微观孔径主要集中在100 μm范围内,偶尔有少量纳米孔。陶瓷纤维复合材料以其耐高温、低密度、高比强和抗烧蚀等优异性能在超高声速飞行器外层隔热部件得到应用,但该类材料可能因为制作和装配的工艺水平等因素出现夹杂、孔洞甚至大面积脱粘等现象。由于陶瓷纤维复合材料结构与应用场景的特殊性使得常规的无损检测手段效果不佳,而太赫兹(THz)技术作为一种新兴的无损检测技术,在该类材料的无损检测具有很大的潜力,可与常规检测技术形成互补。针对陶瓷纤维复合材料构件粘接层缺陷检测问题,研究了太赫兹时域信号和太赫兹层析成像方式对缺陷定位方法。基于太赫兹时域光谱(THz-TDS)无损检测技术获取和对比试样中有粘接层缺陷和粘接层完好位置的时域波形的波形峰值和相位差异,并经过反卷积滤波技术对时域波形进行处理,定性分析时域波形与粘接层缺陷特性的关系,宏观判断缺陷存在;通过对太赫兹波段陶瓷纤维复合材料光学参数提取测定太赫兹波段的平均折射率为1.028,进而分析粘接层缺陷的深度和厚度分别为18.4和0.28 mm,与预置缺陷真实深度和厚度相比准确度分别为92%和90%。但由于通过时域信号提取的平均折射率会给粘接层缺陷位置分析造成误差,因此以太赫兹层析成像方式进一步估计缺陷的位置,分析了太赫兹层析成像噪声来源以及对成像质量的影响并采用了双边滤波对层析成像降噪滤波,基于太赫兹层析成像技术建立了位置评估模型,获取了粘接层缺陷的厚度为0.26 mm,较预置缺陷厚度的准确度为96%,有效地完善了太赫兹检测技术对缺陷定位的形式,实现了陶瓷纤维复合材料构件的粘接层缺陷的高精度定位表征。     

基于温度变量的四维荧光光谱的石油类污染物测定

三维荧光光谱结合多元校正分析对石油类污染物复杂多组分体系测定方法多谱图混叠,且易受到空白荧光和干扰物荧光影响降低了测定准确性。提出在三维荧光光谱中增加一维温度信息构造激发波长-发射波长-温度-样品（EEM-temperature data array）的四维荧光光谱数据阵列,应用四线性成分模型建立高维荧光光谱定性定量分析的方法。实验证明在15～25 ℃温度范围内,矿物油荧光光谱轮廓形状不随温度变化,而其强度随温度线性变化,满足四线性要求,这为构建四维荧光光谱发展高维数据的三阶校正提取更丰富的有效信息提供了可能。三阶校正不仅可以在干扰物共存的情况下对感兴趣组份进行定量测定,即具有“二阶优势”,还具有更高的选择性和灵敏性,可以对高共线性和背景干扰的重叠光谱表现更好的解析能力,即“三阶优势”。对0#柴油、97#汽油和机油为混合油待测组分,腐殖酸为水体干扰组分组成的复杂体系污染油样品为进行实验,得到的三维荧光光谱利用平行因子（PARAFAC）算法和交替惩罚三线性分解（APTLD）算法进行二阶校正分析,将三维荧光光谱在温度方向上堆叠构成增加温度维度的四维荧光光谱数阵,并将其利用四维平行因子算法（4-PARAFAC）和交替惩罚四线性分解（APQLD）算法进行三阶校正分析,比较,0#柴油、97#汽油和机油的预测结果表明增加了影响荧光光谱的温度因素构造的四维荧光光谱提高了有效信息提取能力,四维荧光光谱结合高阶校正算法能提高油种光谱识别和浓度精确检测,较传统的三维荧光光谱分析提高了回收率（recovery rate）和预测均方根误差（root mean square error of prediction,RMSEP）,有利于石油类污染物的有效,准确,实时,绿色环保检测。同时指出了4-PARAFAC和APQLD算法各自的特点及其不同适用环境,为油类污染物检测具体情况提供算法选择依据。引入温度参量的四维荧光光谱结合三阶校正算法的检测技术较三维荧光光谱技术,在组分光谱定性分辨和浓度定量检测方面能对复杂体系油类污染物实现快速有效,绿色无污染地检测,实现“数学分离”更有效代替“化学分离”。     

基于荧光光谱及矩阵分析的植物油鉴别技术

利用FS920荧光光谱仪测量42个油样(包括36个纯植物油样,3个调和油样和3个混合油样)的荧光光谱,并对其数据矩阵(EEMs)进行归一化处理,确定了植物油特征激发波长及矩阵分析模型。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的等高线光谱图和特征发射谱线图,将植物油划分为三类;将矩阵分析模型应用于纯植物油鉴别,分类正确率100%;为验证矩阵分析的定量判别能力,对三种混合油样进行分析,得到接近实际配比的分析结果;对市售三种调和油样本进行分析,得出调和油以大豆和菜籽油为基底的结论。通过对植物油荧光光谱的图谱特征和其矩阵模型的分析,证实荧光光谱技术和矩阵分析法对植物油进行分析和种类鉴别的有效性。