颜色不稳定黄色蓝宝石的谱学特征与颜色成因

颜色不稳定黄色蓝宝石广泛存在市场中,如何有效鉴别颜色不稳定黄色蓝宝石的特征是当前宝石学研究的热点。利用改色实验、紫外-可见光谱（UV-Vis）、三维荧光光谱对颜色不稳定黄色蓝宝石进行深入的谱学特征研究。改色实验表明斯里兰卡黄色蓝宝石中部分存在光致变色的现象,短波紫外光会导致样品着色,而太阳光会导致样品褪色。紫外光照后黄色蓝宝石的颜色由稳定部分和不稳定部分共同组成。颜色不稳定蓝宝石的“着色态”和“褪色态”紫外-可见光谱可见明显的蓝紫区吸收,这可能与蓝宝石中O2--Fe3+的电荷转移有关,导致了蓝宝石稳定的黄色调。蓝宝石的紫外-可见光谱在“着色态”相比“褪色态”可见明显的蓝紫区吸收增强,可能由于紫外光照射增强了O2--Fe3+之间的电荷转移。紫外-可见光谱测试表明样品中具有弱的与Fe有关的吸收峰,这与样品含有较低的Fe含量一致,不足以产生稳定黄色调。三维荧光光谱分析结果表明颜色不稳定黄色蓝宝石的“着色态”和“褪色态”具有一致的激发光波长Ex=325～335 nm、发射光波长Em=560～570 nm的特征荧光中心,在“着色态”时的荧光强度明显高于“褪色态”。含铁黄色蓝宝石具有荧光效应且特征的荧光中心可作为识别这种颜色不稳定黄色蓝宝石的潜在鉴定手段。综合报道了颜色不稳定黄色蓝宝石的谱学特征与可能的颜色成因,为识别颜色不稳定的蓝宝石提供了鉴定依据,同时为后续改色处理的工艺提供了理论基础。     

一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

改进的紫外拉曼光谱分段线性拟合基线校正方法

紫外拉曼光谱具有拉曼散射强度高、易于荧光光谱分离、受环境干扰影响小以及人眼安全性高等特性,所用的紫外拉曼光谱仪采用波长266 nm激光器,拉曼和荧光光谱会有部分重叠,增加了准确获取拉曼光谱特征信息的难度,进一步影响样品的辨识。因此,需要在分析拉曼光谱之前进行基线校正来消除荧光干扰。根据紫外拉曼+荧光混合光谱中,荧光光谱具有逐渐增加且接近分段线性递增的特点,利用分段线性函数拟合荧光光谱基线是一种较简捷的方法,于是针对传统分段线性拟合基线校正方法基线点定义过度依赖操作人员、自动化水平较低等问题,研究了一种改进的紫外拉曼光谱分段线性拟合基线校正方法:(1)首先求原始信号经不同次平滑迭代后的光谱数据。由于波峰相对于基线是高频信号,在多次平滑过程中,波峰附近的光谱强度逐渐下降且变化较大,基线部分逐渐上升且相对变化很小,经不同次迭代平滑的光谱波峰和基线点处的光谱强度标准差SD差异较大。(2)然后通过对光谱强度偏差的比较确定准有效基线点位置。通过适当设定的阈值SD_0提取出准有效基线点位置;(3)再利用线性迭代拟合法提取并修正过校正基线点。准有效基线点将整个拉曼光谱分割成N个特征峰区间,分别连接特征峰区间两端点得到一条直线,若特征峰全部在直线以上表明不存在过校正,否则区间端点向其峰方向移动并再次直线连接,重复以上过程,直到特征峰全部在直线以上,得到有效基线点;(4)最后逐段直线连接所有相邻有效基线点得到整个光谱的基线。原始光谱减去基线就是基线校正后的拉曼光谱。通过对模拟和实际测量的紫外混合光谱的基线校正处理实验表明:该方法能自动确定基线点位置,且较传统方法能获得更好的基线校正效果,为下一步的光谱分析提供更准确的光谱信息。     

基于共焦显微拉曼的柑橘黄龙病无损检测研究

黄龙病危害柑橘果树日益严重,对柑橘黄龙病进行快速检测研究具有重大意义。采用拉曼光谱技术,结合偏最小二乘判别分析(PLS-DA)方法探讨快速诊断柑橘黄龙病及病情类别的可行性。获取柑橘叶片拉曼光谱并进行普通PCR鉴别分为轻度、中度、重度、缺素和正常5类。在715～1 639.5 cm-1范围内采用一阶导,基线校正(Baseline)和多项式拟合三种方法扣除光谱背景,突显叶片拉曼光谱特征峰。多项式拟合方法分别进行了2次,3次和4次拟合,与一阶导和基线校正两种扣除背景方法进行比较,结合最小二乘支持向量机(LS-SVM)和偏最小二乘判别分析(PLS-DA)建立判别模型。经比较发现,多项式拟合方法扣除光谱背景效果均好于另外两种方法,其中用2次多项式拟合的PLS-DA模型的效果最好,预测相关系数(R_P)为0.98,预测均方根误差(RMSEP)为0.67,总误判率最小为0。基线校正扣除光谱背景的LS-SVM模型效果最差,总误判率最大为40%。研究结果表明,利用拉曼光谱技术对柑橘黄龙病进行快速识别研究具有一定的可行性,为柑橘黄龙病无损检测研究提供一种新途径。     

拉曼光谱的荧光背景扣除及其用于药物聚类分析

拉曼光谱分析中,由于有机分子或样品中污染物的荧光影响,常会使拉曼光谱产生高背景信号,以致其拉曼光谱吸收信号被淹没。利用自行开发的软件包baselineWavelet,本文对醋酸泼尼松片和格列本脲片的拉曼光谱进行了荧光背景扣除研究,采用主成分分析和随机森林算法对它们进行聚类分析,得到了较好的结果。通过这2种药物的拉曼光谱聚类分析结果,检验了该背景扣除算法的有效性和准确性,并讨论了荧光背景对拉曼光谱聚类分析的影响。结果说明,荧光背景对拉曼光谱聚类分析影响很大,在分析前必须预先扣除。     

分段式线性拟合校正拉曼光谱基线漂移

基线漂移是目前光谱仪收集拉曼光谱时难以避免的现象,基线校正是光谱数据处理中一个不可或缺的重要步骤。针对传统的基于多项式拟合的基线校正方法存在的不足,本工作采用线性拟合的方法分段拟合背景基线,与计算机相结合,实现快速、准确、自动的基线校正;经聚苯乙烯小球、红细胞和酿酒酵母等多批次拉曼光谱数据处理的验证,表明该改进方法可以有效地对拉曼光谱进行基线校正,为进一步分析光谱数据提供更准确的信息,是一种可行的基线校正方法。     

基于自动线性拟合的快速拉曼基线校正算法

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

养殖水体中孔雀石绿的SERS光谱识别

表面增强拉曼光谱(SERS)是一种重要的高灵敏度分析技术。 基于SERS的技术特点,建立了真实体系下孔雀石绿定性检测方法。 提出了一种光谱自动识别算法,有机整合了稳健的傅里叶变换基线校正,基于主成分分析的特征提取与人工神经网络分类器。 该方法结合基线的低频特征,通过迭代傅里叶变换实现基线校正;通过样本空间中类间与类内的欧氏距离判别自动获取拉曼光谱信号主成分的最优组合,实现光谱数据的降维与特征提取;最后构建三层反向传播神经网络分类器进行样本分类。 实验结果表明,基线去除可排除基线变化对检测结果的影响;光谱主成分的优化组合可减小基线校正残余及复杂体系中被测物以外的物质拉曼峰对检测结果的干扰,同时实现了分类器最小化。 该方法用于养殖用海水中孔雀石绿的现场检测,最低检出浓度0.1 μg·L-1。 该方法具有可拓展性,可以直接应用于其他溶胶/凝胶体系中SERS光谱的定性分析。     

基于自动线性拟合的快速拉曼基线校正算法（英文）

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

部分动植物油的拉曼光谱研究

利用拉曼光谱技术分别研究了植物油和动物脂肪油的光谱特性。通过自适应迭代惩罚最小二乘法的基线校正方法, 对所测得的拉曼光谱进行了数据处理,获得了它们的微观信息。进而通过选取其中部分油的拉曼光谱,进行了植物油的光谱、动物脂肪油的光谱以及动物脂肪油和植物油之间的光谱比较和分析,从而发现了多种植物油光谱(包括多个频移范围内的频移大小以及强度大小)的差异,也发现了动物脂肪油与植物油的拉曼光谱间的差异。不但提供了辨识不同食用油的光谱依据,也证明了拉曼光谱是一种识别不同油品的有效方法。     

A shifted‐excitation Raman difference spectroscopy (SERDS) evaluation strategy for the efficient isolation of Raman spectra from extreme fluorescence interference

A biochemical characterization of pathologies in biological tissue can be provided by Raman spectroscopy. Often, the raw spectrum is severely affected by fluorescence interference. We report and compare various spectra‐processing approaches required for the purification of Raman spectra from heavily fluorescence‐interfered raw spectra according to the shifted‐excitation Raman difference spectroscopy method. These approaches cover the entire spectra‐processing chain from the raw spectra to the purified Raman spectra. In detail, we compared (1) area normalization versus z‐score normalization, (2) direct reconstruction of the difference spectra versus reconstruction of zero‐centered difference spectra and (3) collective baseline correction of the reconstructed spectra versus piecewise baseline correction of the reconstructed spectra and, finally, (4) analyzed the influence of the shift of the excitation wavelength on the quality of the reconstructed spectra. Statistical analysis of the spectra showed that – in our experiments – the best results were obtained for the z‐score normalization before subtraction of the normalized spectra, followed by zero‐centering of the difference spectra before reconstruction and a piecewise baseline correction of the pure Raman spectra. With our equipment, a wavelength shift from 784 to 785 nm provided reconstructed spectra of best quality. The analyzed specimens were different tissue types of pigs, tissue from the oral cavity of humans and a model solution of dye dissolved in ethanol. © 2015 The Authors. Journal of Raman Spectroscopy published by John Wiley & Sons Ltd.     

乙醇含量拉曼光谱检测中噪声与背景同时消除方法研究

乙醇含量拉曼光谱检测中,拉曼光谱信号中的各种噪声及光谱荧光造成的基线漂移和样品池背景等,影响了校正模型的预测精度。利用总体平均经验模态分解,将光谱信号分解成若干无模态混叠的内在模式分量,根据排列熵的信号随机性检测判据判断出代表背景信息和噪声信息的内在模式分量,将其置零即可同时消除拉曼光谱中的噪声与背景。将总体平均经验模态分解与排列熵相结合的预处理方法应用于乙醇含量的拉曼光谱检测中,并与小波变换和平均平滑滤波做了对比。实验结果表明：应用总体平均经验模态分解与排列熵相结合的方法能够有效的同时消除乙醇含量拉曼光谱检测中的噪声和背景信息,提高校正模型的预测精度,且使用简便,无需参数设置,对乙醇含量拉曼光谱检测具有实用价值。     

多波长消荧光拉曼光谱仪的研制及应用研究

拉曼光谱技术作为探究分子、晶体及其结构特征的有力手段,具有快速、无损、样品用量小、无需前处理且适应性强等优点,已被广泛应用于食品安全、石油化工等领域。但在拉曼光谱应用中,常常受到荧光背景干扰,导致拉曼信号降低,严重的情况下拉曼信号甚至会淹没在荧光背景中。为解决拉曼技术在实际应用中荧光背景干扰的问题,从仪器角度出发,采用二色镜对多波长拉曼光谱进行光路耦合设计,研制了近红外拉曼光谱与移频差分拉曼复合一体的多波长消荧光拉曼光谱检测系统,其中近红外拉曼光谱采用1 064 nm激光光源设计,移频差分拉曼光谱选取784.5和785.5 nm两组激光光源进行时分复用,在移频差分拉曼光谱检测的同时,亦可获得两组单波长拉曼光谱数据。通过对比同步测试和分时逐次测试的强度及峰位稳定性,验证了多波长消荧光拉曼光谱仪的同步测试性能;选取了多种荧光背景强弱不同的样品,进行了单波长拉曼、近红外拉曼及移频差分拉曼光谱的对比分析。针对丙酮、乙腈等荧光背景较弱的样品,可采用单波长拉曼光谱对样品进行定量及定性分析;针对食用油、红色塑胶微粒等荧光背景与拉曼信号强度相当的样品,可采用近红外拉曼光谱对样品进行定量及定性分析;针对红酒、棕色塑胶微粒等荧光背景较强的样品,需结合近红外拉曼光谱和差分拉曼光谱对样品进行定性分析。研究表明：通过多波长消荧光拉曼光谱检测系统的研制,在常规单波长拉曼光谱技术的基础上,将两种抑制荧光干扰技术有机结合,有效扩充了应用领域及样品检测范围。     

便携式拉曼光谱仪用于合成大麻素类物质快速定性分析探究

我国于2021年7月将合成大麻素类物质整类列入管制,在一线查缉现场对疑似合成大麻素样品进行快速定性分析是办案民警的迫切需求。研究系统考察了拉曼光谱对合成大麻素的整体区分能力,比较了四款手持式拉曼光谱仪分析实际缴获样品时的结果差异,探讨了制约拉曼光谱在一线查缉现场广泛应用的原因。ProTT-EZRaman-A7便携式拉曼光谱仪的整体性能介于台式拉曼和手持式拉曼之间,选用该仪器采集了90种合成大麻素对照品的拉曼光谱,并利用兼容性强的KnowItAll软件建立了90种合成大麻素通用拉曼光谱库。分析90种合成大麻素的拉曼光谱,结果表明,当不存在荧光干扰时,拉曼光谱可以区分所有合成大麻素物质,但对部分结构相差一个甲基、卤素原子等的结构类似物区分度欠佳。不同款拉曼光谱仪的性能差异大,为考察其原因,本研究选用了四款手持式拉曼光谱仪分别对120份实际缴获合成大麻素样品进行了测定,随后使用KnowItAll软件并选用包含90种合成大麻素的通用拉曼光谱库对每张光谱图进行谱库检索。四款手持式拉曼光谱仪的正确匹配率分别为71.7%, 68.3%, 46.7%和24.2%。抗荧光干扰能力和分辨率的不同是造成不同...     

自适应的EEMD残余相关基线校正算法

基线校正是光谱分析的重要环节,现有算法通常需要设定关键参数,不具备自适应性。根据总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)残余量特点,提出用残余量拟合光谱基线。通过残余量与信号相关性、残余量自相关和互相关性(称为残余相关准则)判断残余量是否是基线组成部分,以此为基础提出一种自适应的EEMD残余相关基线校正算法。对叠加曲线背景和线性背景的模拟光谱数据进行实验,结果显示在已知基线数学假设情况下,EEMD残余相关法逊于多项式拟合,同非线性拟合相差不多,优于小波分解。在没有光谱背景知识情况下,对真实拉曼光谱数据进行试验。经过上述方法预处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,经过残余相关基线校正的模型具有最大校正相关系数和预测相关系数,最小交叉验证标准差和相对分析误差。各种基线校正方法中,残余相关基线校正对特征峰峰位、峰强和峰宽影响最小。实验表明,该算法可用于拉曼谱图基线校正,无需分析样品成分的先验知识,无需选择合适的拟合函数、拟合数据点、拟合阶次以及基函数和分解层数,也无需基线信号分布的数学假设,自适应性很强。     

基于自适应免疫算法重叠拉曼谱峰的解析

拉曼光谱测量速度快,可以实现原位实时测量,现已成为过程控制中物料检测的一种重要手段。但由于环境的复杂性以及拉曼光谱信号特点,目前在线检测时难免会出现一些重叠谱峰。基于免疫算法特点,将该方法用于芳烃重叠拉曼谱峰信号的解析中,提取混合物质中单个组分拉曼谱峰信息进行分析,结果表明该方法解析快速、定量准确,相对误差低于1%,是解析重叠拉曼光谱信号的有效方法。针对现场样品检测中出现的重叠谱峰伴随荧光背景信号,提出了结合独立成分分析的自适应免疫算法,有效地解析出荧光背景信号,为复杂样品的拉曼光谱检测分析提供了新的手段。     

Implementation of a novel low‐noise InGaAs detector enabling rapid near‐infrared multichannel Raman spectroscopy of pigmented biological samples

Pigmented tissues are inaccessible to Raman spectroscopy using visible laser light because of the high level of laser‐induced tissue fluorescence. The fluorescence contribution to the acquired Raman signal can be reduced by using an excitation wavelength in the near infrared range around 1000 nm. This will shift the Raman spectrum above 1100 nm, which is the principal upper detection limit for silicon‐based CCD detectors. For wavelengths above 1100 nm indium gallium arsenide detectors can be used. However, InGaAs detectors have not yet demonstrated satisfactory noise level characteristics for demanding Raman applications. We have tested and implemented for the first time a novel sensitive InGaAs imaging camera with extremely low readout noise for multichannel Raman spectroscopy in the short‐wave infrared (SWIR) region. The effective readout noise of two electrons is comparable to that of high quality CCDs and two orders of magnitude lower than that of other commercially available InGaAs detector arrays. With an in‐house built Raman system we demonstrate detection of shot‐noise limited high quality Raman spectra of pigmented samples in the high wavenumber region, whereas a more traditional excitation laser wavelength (671 nm) could not generate a useful Raman signal because of high fluorescence. Our Raman instrument makes it possible to substantially decrease fluorescence background and to obtain high quality Raman spectra from pigmented biological samples in integration times well below 20 s. Copyright © 2015 John Wiley & Sons, Ltd.     

Background removal from polarized Raman spectra of tooth enamel using the wavelet transform

A wavelet transformation method is introduced to remove the large fluorescence background from polarized Raman spectra of stained tooth enamel. This method exploits the wavelet multiresolution decomposition where the experimental Raman spectrum is decomposed into signals with different frequency components, and where the lowest frequency background and highest frequency noise are removed. This method is optimized using a simulated collection of parallel‐polarized and cross‐polarized Raman spectra of the enamel and then applied to a set of experimental data. The results show that the wavelet transform technique can extract the pure spectra from background and noise, with the depolarization ratio used to discriminate between early dental caries and sound enamel preserved. Copyright © 2010 Crown in the right of Canada. Published by John Wiley & Sons, Ltd.     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。