利用挥发物红外光谱鉴别牛肉变质状态

牛肉在运输过程中极易受到微生物的感染而变质,对牛肉变质的监测十分重要。我们利用长光程FTIR光谱检测牛肉变质时产生的挥发性物质。证明了牛肉在变质过程中产生的主要挥发性物质是氨气和二氧化碳。并定量分析牛肉变质产生的氨气和二氧化碳的变化规律,以判断牛肉的状态。采用主成分分析法(PCA)实现对挥发性物质的红外光谱分类,进而可以准确的区分新鲜和变质的牛肉。我们采用化学计量学方法软独立建模聚类分析法(SIMCA)和偏最小二乘判别分析(PLS-DA)对特征波段内的光谱进行分类,两种方法具有很好的判断率。结果表明长光程FTIR结合化学计量学方法能够区分新鲜和变质的牛肉。     

溶液阴极辉光放电结合标准加入法和背景去除法分析水溶液中的Ca和Mg

溶液阴极辉光放电发射光谱法易受水体样品中的基体效应影响,而且对于实际水体样品组份相对复杂,含有多种元素,受基体效应干扰更加明显,导致金属元素浓度预测精度降低。为了减少溶液阴极辉光放电发射光谱法中水体样品基体效应的影响,常常利用定量分析方法对金属元素进行分析。这些定量分析方法中,标准加入法尤其适合于待测物质基体效应较为显著或者含有干扰物质等情况,然而标准加入法容易受到背景信号的干扰,使测量结果产生误差,因此在进行标准加入法之前需要消除光谱数据的背景干扰。最简单的谱线干扰消除法是离峰校正法,此法扣除线峰左右两侧的背景强度值,以达到消除背景干扰的目的;小波变换法同样也适用于消除背景干扰,并且具备普适性,利用此法对小波进行多尺度分层,而后对小波低频系数进行处理,获得校正后的数据。在独立开发的溶液阴极辉光放电发射光谱系统上,利用基于标准加入法的离峰校正法和小波变换法对水溶液样品中Ca和Mg含量进行预测。实验结果比较发现,基于传统的标准加入法,测得5, 10和20 mg·L-1浓度的Ca样品的相对误差分别为157.0%, 105.1%和47.0%, Mg的相对误差分别为20.1%, 3.1%和2.8%。然而,结合标准加入法和离峰校正法后, Ca的相对误差分别降低至15.4%,-8.8%和3.3%, Mg的相对误差分别降低至14.5%, 0.1%和0.8%。采用小波变换算法消除背景干扰后的标准加入法, Ca元素的相对误差分别降至13.2%,-7.6%和-1.4%, Mg的相对误差分别降至13.4%,-0.4%和0.5%。结果表明,离峰校正法和小波变换法结合标准加入法测量Ca和Mg的准确度显着提高,两种方法能有效地消除背景干扰,降低基体效应,使预测精度升高。其中,小波变换法结合标准加入法可用于多种类型的背景校正场合,无需选择合适的背景校正点,而且预测精度更高,相比离峰校正法具有一定的优势。     

对比变分自编码器的近红外光谱测量及其在液态样品检测中的应用

近红外光谱是热门的食品检测方法之一,对于这种高维光谱数据的分析常常需采用数据降维算法提取其中的特征,然而绝大多数算法都只能针对单个数据集进行分析。虽然已有基于对比学习的对比主成分分析成功应用于不同水果表面农残的近红外光谱检测中,但是该方法只能以线性的方式组合原有特征,特征提取效果存在局限性,并且需要调节对比参数来控制背景集影响,需要消耗更大的时间成本。cVAE（contrastive variational autoencoder）是一种基于对比学习和变分自编码器的改进算法,被用于图像去噪和RNA序列分析中,它仍然具备分析多个数据集的特点,同时因为组合了神经网络的概率生成模型而具备了提取非线性隐含特征的能力。将cVAE算法应用于近红外光谱分析,建立了准确的近红外光谱数据降维模型。在实际验证中,使用cVAE算法对购买的不同品牌和批次纯牛奶中掺假三聚氰胺进行检测。结果表明,使用VAE算法只能区分出不同品牌和批次的纯牛奶,而其中是否掺假三聚氰胺这一重要信息无法表现出来;而使用cVAE算法进行数据分析时,由于添加了背景数据集分离了无关变量,能够清晰的将有无掺假三聚氰胺的样本分类。这说明了,cVAE不仅具备了cPCA（contrastive principle component analysis）在近红外光谱数据降维中的优势,而且具备提取非线性特征的能力,同时不需要调节可变参数,能够更方便地建立近红外光谱降维模型。     

LIBS结合图像筛选方法提高钢铁中Cu、Cr、Mn元素检测稳定性研究

优质特种钢材和低端粗钢之间的性能差异主要受其构成元素种类及其成分含量的影响，因此，如何快速准确地对物质成分进行定性及定量分析对钢铁产品的质量评估至关重要。针对传统方法难以实现对钢铁合金成分的快速准确检测的难题，采用激光诱导击穿光谱(LIBS)结合等离子体图像信息的方法，通过快速地对不同元素的特征光谱强度与激发生成的等离子体图像进行采集，分析两者之间的相关性，并通过提取的图像特征信息的异常值剔除了部分无效光谱数据，进而实现了对钢铁成分的高精度分析。通过分析延迟时间和激光能量等不同实验条件对元素特征光谱强度及其对应等离子体图像的影响规律，不仅证明了等离子体图像与光谱之间存在相关性，还利用等离子体图像特征信息的局部最优值确定了最优延迟时间、激光能量分别为1 000 ns与50 mJ,并根据图像特征的平均阈值来筛选无效光谱数据。结果表明，图像筛选优化数据后，各元素谱线校准模型的决定系数(R²)分别从原始数据的0.978、0.986、0.957、0.935提升至0.995、0.997、0.968、0.957,且其定标曲线对未知样品元素的预测浓度相对标准偏差(RSD)下降为原...     

水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向, 与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280～310 nm谱区建模预测性能较好,近红外光谱在7 250～6 870 cm-1谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

纳米增强激光诱导击穿光谱的苹果表面农药残留检测

水果表面的农药残留严重危害身体健康,而常规检测方法需要采样处理,耗时、费力。激光诱导击穿光谱技术具有多元素分析和原位测量的能力,在水果表面农药残留检测方面潜力巨大。但是较差的检测灵敏度,限制了此技术在水果表面微量有害元素检测方面的应用。提高激光诱导击穿光谱系统的检测能力是目前的研究热点领域,研究了纳米粒子表面增强技术对苹果表面残留的毒死蜱农药的激光诱导击穿光谱信号的增强效果。通过在被测样品表面涂抹币族金属纳米粒子,然后利用激光诱导击穿光谱激发样品表面,对诱导出的原子发射光谱信号进行测量,实验结果表明,苹果表面涂抹金属纳米粒子后毒死蜱农药中磷元素的特征峰有4倍的增强。此方法的应用对提高果蔬表面微量有害元素的检测能力具有重要意义。然后我们对币族金属纳米粒子的增强效果进行了优化。研究了金纳米粒子和银纳米粒子的增强能力,同时对纳米粒子的粒径的增强效果进行了比较,通过对20 nm的金纳米粒子、20 nm的银纳米粒子和80 nm的银纳米粒子的增强效果比较,发现80 nm的银纳米粒子对苹果表面毒死蜱农药光谱的增强效果最好。研究了信号采集延时时间对光谱信噪比的影响,确定了0.2 μs的延时时间可以获得较为理想的信噪比。在以上研究的基础上,采用最优的实验参数(80 nm银粒子增强、0.2 μs的延时时间),以毒死蜱中磷元素在213.62,214.91,253.56和255.33 nm处的特征峰峰强作为依据,对苹果表面残留的毒死蜱农药进行了定量化分析。分别采集了毒死蜱残留浓度分别为30,20,15,12,10和6 μg·cm-2的苹果表面的LIBS光谱,然后分别利用磷元素的四个特征峰峰强进行了定量化曲线拟合,结果发现LIBS对残留的毒死蜱具有很好的定量化预测能力,R2在0.89以上。根据定量化拟合曲线,探讨了纳米增强LIBS的检测限,计算得到,利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μg·cm-2的检测限。研究证明了金属纳米粒显著提高了LIBS对苹果表面农药残留的检测灵敏度。     

网络背景下大学物理实验教学模式探讨

随着网络的深入发展,人们的生活模式,学习模式都发生着变化。在这种背景下,对大学物理实验的教学模式进行探讨,分析了物理仿真实验与传统实践实验教学模式的互补性,提出立体教学模式的教学方式。     

傅里叶变换红外光谱在葡萄酒品质劣变检测中的应用

葡萄酒如果贮存方法不当极易发生劣变,失去原有的风味和质感,影响品质,因此对葡萄酒劣变进行检测,具有重要意义。在红葡萄酒劣变过程中,主要发生了酸败现象,产生了过量的有机酸类物质,致使葡萄酒原有性状发生变化。利用傅里叶变换红外光谱技术研究红葡萄酒特征光谱及其品质劣变的判别方法。对劣变过程的理化特性进行了分析,并对葡萄酒的FTIR光谱的主要吸收峰进行了解析。在劣变判别过程中,创新性的采用了比较多个吸收峰之间的吸光度比值之间大小关系的方法实现对劣变的判定,但此方法具有一定的相对性。通过对变质红葡萄酒与未变质红葡萄酒的FTIR光谱数据进行对比分析,发现在3 020～2 790,1 760～1 620以及1 550～800 cm-1三个波段内,在光谱特征上具有一定的差异,为了能够将这些光谱差异与葡萄酒的劣变情况建立联系并能够实现判别分析,引入了化学计量学方法。采用主成分分析(PCA)结合软独立建模聚类分析法(SIMCA)分别对以上三个特征波段内光谱数据进行了分类,最后利用偏最小二乘判别分析(PLS-DA)对验证集数据在这三个波段进行了判别,结果表明FTIR结合化学计量学方法能够成功区分开变质和未变质的红葡萄酒样本,且具有很好的识别率,其中利用1 550～800 cm-1波段来建模分析效果最好,SIMCA和PLS-DA识别率分别为94%和100%。     

农田土壤水分含量的激光诱导荧光光谱表征

通过实验探讨了植物的激光诱导叶绿素荧光光谱与土壤水分间的关系。实验利用Y-形光纤探头获取了植物在450 nm LED光源照射下所发出的叶绿素荧光光谱,同时利用TDR传感器测量土壤湿度。实验以水稻为研究对象,研究了在持续水分胁迫和间歇水分胁迫下,叶绿素荧光光谱743 nm附近波峰的变化,结果发现,波峰强度与土壤水分含量具有相关性。最后,利用Lorentzian方程,将持续水分胁迫下的土壤含水量与叶绿素荧光强度进行建模,发现所建的模型具有较高的决定系数,说明该方法可以应用于农业生产中对土壤水分的测量。     

多信息融合的冬小麦地上鲜生物量检测研究

将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合,对冬小麦地上鲜生物量进行预测,提高了冬小麦地上鲜生物量无损检测精度,试验获取苗期93个样本的冠层光谱和冠层图像,中后期(拔节期、抽穗期、开花期、灌浆期)200个样本的冠层光谱和侧面图像。将光谱反射率作为光谱特征参数,并通过图像处理提取小麦覆盖度作为图像特征参数,建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型,将冠层光谱反射率和小麦覆盖度作为多信息融合的输入,利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。结果表明,在苗期和中后期,将光谱信息和图像信息融合,采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。苗期基于信息融合所建立的PLS模型验证集R2为0.881,其RMSE为0.015 kg;中后期基于信息融合所建立的PLS模型验证集R2为0.791,RMSE为0.059 kg。由此可见,相比单一的光谱模型和图像模型,图像信息和光谱信息融合之后,充分提高了光谱信息和图像信息的利用率,使模型的精度得以提高。