人工神经网络-近红外光谱法用于粉末药品扑热息痛的非破坏定量分析

研究了应用人工神经网络进行粉末药品的非破坏定量分析,使用扑热息痛粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,采用逼近度作为网络新的评价标准,由于人工神经网络好的非线性的多变量校正特点,预测结果是准确的。     

改进的偏最小二乘-近红外光谱法非破坏定量分析Cofrel药品

用改进的偏最小二乘法解析Cofrel药品的近红外漫反射光谱,实现了对其有效成分磷酸苯丙哌林精确的非破坏定量测定。用主成分得分趋势图选择最佳主成分数。讨论了波长范围及原始光谱、一阶导数光谱、二阶导数光谱对测定结果的影响。用HPLC法的测定结果作标准,磷酸苯丙哌林预测值的相对误差RE(%)＜0.42,满足Cofrel药品实际生产的测定要求。     

改进的PLS-NIR光谱法非破坏定量分析Norvasc药片

本文用改进的偏最小二乘法(PLS)解析Norvasc药片的近红外(NIR)漫反射光谱,实现了对其中的有效成分苯磺酸氨氯地平的精确的非破坏定量分析.用样品的主成分得分趋势图选择PLS的最佳主成分数.分别讨论了最佳波长范围以及NIR原始光谱、NIR一阶导数光谱、NIR二阶导数光谱对测定结果的影响.用HPLC法的测定结果作标准,苯磺酸氨氯地平预测值的相对误差RE(%)＜2.53%,可以满足Norvasc药片实际生产中的质量控制要求.     

近红外漫反射光谱的主成分分析

本文研究了主成分分析的应用，说明了在主成分分析过程中所产生的新变量如何提供新的光谱信息，该信息能改善对原光谱的解释。     

近红外光谱法分析油页岩含油率中异常样品识别和剔除方法的研究

研究了漫反射近红外(NIR)光谱法分析油页岩含油率过程中异常样品的识别和剔除方法。在近红外光谱定量分析中,环境变化和操作失误等都会产生异常样品,异常样品的存在会导致模型的预测能力下降,因此异常样品的剔除是建模过程中的关键步骤。分别采用主成分分析—马氏距离(PCA-MD)法和半数重采样(RHM)法识别油页岩光谱数据中的异常样品,通过剔除异常样品后所建的偏最小二乘(PLS)分析模型的性能来评价PCA-MD与RHM方法对异常样品的识别能力。实验中考察了不同MD阈值和RHM置信度对异常样品剔除结果的影响,比较了单独和同时应用PCA-MD及RHM法识别并剔除异常样品后所得PLS模型的预测能力。结果表明：与所有样品参与建模时预测偏差均方根(RMSEP)相比,采用PCA-MD法时阈值取平均值与标准偏差之和时RMSEP降低了48.3%;采用RHM法时置信度取85%时RMSEP降低了27.5%;同时采用PCA-MD法和RHM法时RMSEP降低了44.8%,研究内容有效地提高了分析模型的预测能力。     

近红外漫反射光谱法快速鉴别石斛属植物

通过采集15种石斛171份样品的近红外漫反射光谱,结合化学计量学统计分析方法建立预测模型,对不同种石斛进行快速无损鉴别。应用Hotelling T2对随机抽取的5份样品的近红外光谱进行稳定性分析,结果表明,样品的近红外光谱具有较好稳定性。设计正交试验L24(2×4×3×8),对光程类型、光谱波段、导数和平滑四个因素进行优化处理。利用主成分分析对正交试验结果进行分析,结果显示,选择6 500～4 000cm-1的光谱波段,采用多元散射校正、二阶导数和Norris平滑对光谱预处理,提取的主成分数为7时,光谱判别正确率为100%。将正交试验优化条件作为偏最小二乘法判别分析的输入值,随机选取123份样本作为校正集建立预测模型,其余48份样本为预测集,评估预测模型的性能。结果表明,该模型前3个主成分累积贡献率为99.36%,设定鉴别标准偏差为±0.1时,该方法的正确识别率为97.92%,获得满意的结果。该方法的建立为不同种石斛的快速鉴别提供了一种新的方法,同时为药用植物的鉴别提供参考。     

红木的近红外光谱分析

红木珍贵、种类多,大多数人对红木种类及真伪难以或无法鉴别。利用近红外光谱技术对国家标准中八类红木的近红外光谱进行分析,研究结果表明:(1)近红外光谱与红木色度学参数(L*,a*和b*)之间存在非常高的相关性,预测值与实测红木L*,a*和b*值的相关性分别达到0.988,0.991和0.993;(2)利用化学计量学中的主成分分析(PCA)方法可以将八类红木清楚地区分成八个相应的类别,利用三个主成份信息绘制的三维PCA得分图比二维图更能直观地展现八类红木的区别。研究结果说明应用近红外光谱技术识别红木类别具有可行性,这为开发红木的鉴定或识别提供新的方法和研究思路。     

近红外光谱法对甲醇柴油中甲醇含量测定

应用近红外光谱结合化学计量学方法实现了对甲醇柴油中的甲醇含量的定量分析。以实验室配制的32种不同浓度[浓度范围为2%～25.8%(φ)]的甲醇柴油溶液为研究对象,在4 500～7 000 cm-1光谱范围内,建立偏最小二乘(PLS)、支持向量机(SVM)和最小二乘支持向量机(LS-SVM)三种定量分析模型。在建立SVM模型时,经过比较分析,径向基函数(radial basis function,RBF)作为SVM模型的核函数时可以获得更高的预测精度。最终获得甲醇含量的PLS, SVM和LS-SVM三种模型的预测相关系数R_P分别为0.985 9, 0.990 3, 0.998 9,预测均方根误差RMSEP分别为0.405 2, 0.356 3, 0.062 4,可以看出,三种预测模型都可以达到很好的效果,最优的预测模型是使用LS-SVM建模。研究结果表明,利用近红外光谱法结合化学计量学方法对甲醇柴油中甲醇含量的检测具有可行性,并可以达到很好的效果。采用近红外光谱技术结合化学计量方法对甲醇柴油中甲醇含量进行定量分析,也为近红外光谱技术快速无损检测甲醇柴油甲醇含量提供参考和应用价值。     

近红外光谱无创血糖检测的模拟样品试验研究

提出了采用牛奶作为模拟样品,对血糖测量中的测量方法和波长选择等基础问题进行了研究。在1560～1750nm和2090-2190nm的波段：对模拟样品的近红外漫反射光谱,分别采用多元散射校正(MSC)、一阶微分和矢量归一化进行预处理,用偏最小二乘法(PLS)建立了乳糖的校正模型。在2090～2190nm波段内,采用一阶微分配合多元散射校正,模型相关系数达到0．99,预测集样本的标准偏差(RMSEP)达到0．045。以上研究结果为血糖测量的深入研究提供了理论和实践上的指导。     

特征根回归法近红外光谱定量分析研究

本文以大豆样品为实验材料，研究了特征根回归法近红外光谱定量分析。用40个大豆样品的近红外光谱数据建立了测定大豆蛋白质含量的特征根回归模型，预测另外32个大豆样品的蛋白质含量，结果同PLS回归方法进行了比较，表明特征根回归模型可用于生物样品的近红外光谱定量分析。特征根回归法是对PCR建模方法改进的又一种化学计量学定量分析校正方法，该方法在对样品光谱提取主成份时考虑了待分析组分的作用，因此所建立的定量分析模型有好的分析效果。研究结果进一步表明，以样品近红外光谱建立定量分析模型，提取主成份时充分考虑被定量分析成份的作用是完全必要的。     

用近红外光拓扑图技术短期预测脑梗塞

本研究用近红外光大脑拓扑图技术(near-infrared cerebral topography, NIRS topography),对大鼠大脑中动脉线栓梗塞模型的皮层缺血部位进行定位成象.我们利用氧合血红蛋白和去氧血红蛋白对近红外光的吸收峰值波长分别为850nm和760nm的原理,制作了NIRS拓扑仪.分别用NIRS拓扑仪、磁共振成象和解剖样本染色对10只SD雄性大鼠大脑皮层缺血部位进行成象.结果表明,NIRS拓扑图所显示的皮层缺血面积与磁共振图象及解剖样本所显示的皮层缺血面积的相关系数分别为0.82(p<0.05)和0.89(p<0.01).     

近红外反射光谱法评价安乃近药物质量

本文研究了用近红外反射光谱法进行安乃近粉末药品质量评价的可能性，用多变量统计分类技术（系统聚类分析，逐步聚类分析，主成分分析和逐步判别分析），从安乃近粉末药品的近红外一阶导数光谱，成功地鉴别出合格药，劣药和假药。     

用近红外光学漫射成象方法观测语义编码在前额叶的响应

本文采用近红外光学漫射成象技术成功观测了左右前额区在知觉与语义编码中的活动。 发现大脑在完成上述两任务时,左前额的活动显着地强于右前额,语义加工引起的活动显着地强于知觉加工。 对于每一侧而言,与浅加工相比,深加工时的活动主要集中在下前额叶。上述结果进一步证实了左前额叶在语义加工中的作用。     

染色体的显微光谱

利用显微光谱技术在可见光范围内测定了蚕豆根尖染色体，小白鼠髓细胞染色体和小白鼠骨髓细胞微核的光谱，其光谱形状各具有特征，峰值亦有差异。     

近红外光谱的马铃薯环腐病SIMCA模式识别

中国是马铃薯生产和消费大国,伴随马铃薯主粮化战略推进,马铃薯对中国农业结构和消费者饮食结构的影响与日俱增。环腐病是制约马铃薯产业发展的常见病害,对种薯会造成死苗死株,对加工原料会降低加工效率和成品质量,严重可达30%~60%。传统检测马铃薯病害的主要方法是目测、机器视觉以及高光谱成像等方法,目测或机器视觉方式鉴别环腐病需要对样品进行破坏;高光谱成像技术成本高昂,存在一定的应用局限性。因环腐病会造成整薯内部品质变化,利用近红外光谱技术探测整薯内部品质变化,从而将环腐病马铃薯从健康薯中区别开来,具有可行性和实用价值。创新地尝试利用近红外光谱结合SIMCA模式方法来区分马铃薯环腐病及健康薯。研究结果表明,基于主成分分析的SIMCA模式识别能有效判别马铃薯环腐病样品,模型校正集中环腐病和健康薯的识别率、拒绝率均为100%;模型验证集中环腐病的识别率、拒绝率分别为99.00%和100%,健康薯的识别率、拒绝率分别为94.12%和100%,所建模型精度较高。利用独立的18个样品进行模型外部验证,环腐病样品识别率为87.50%,健康薯识别率为80.00%,均没有错判。表明所建SIMCA二值识别模型效果良好,可满足实际应用,但模型精度需进一步提高。马铃薯环腐病发病部位接近表皮0.5 cm左右,近红外光谱对马铃薯样品有一定的透射和漫反射。可考虑采集马铃薯接近表皮部分的果肉组织内部光谱信息,结合马铃薯环腐病的发病机理及近红外漫反射光谱的特性,利用近红外识别模型进行环腐病判别,具有一定的创新性和应用性。     

基于可见-近红外光谱的咖啡品牌鉴别研究

利用可见-近红外光谱技术对市场上三种不同品牌咖啡品种进行鉴别。分别采用主成分分析法与BP神经网络结合和小波变换与BP神经网络结合两种组合模型进行分析预测。利用主成分分析法与小波变换的数据压缩功能和BP神经网络的学习预测能力实现对不同品牌咖啡的鉴别。实验采用３个品种共60个样本建立模型,30个样本进行品种鉴别,结果表明,两种鉴别模型的咖啡品种鉴别率均为100%。同时也表明,小波变换用于数据压缩无论是在压缩时间上还是在压缩能力上都优于主成分分析法。说明通过小波变换和BP神经网络相结合建立模型进行不同品牌咖啡鉴别具有分析速度快,鉴别能力强的特点,为快速鉴别纯品咖啡提供了新的方法,同时也为确定不同品牌咖啡选用咖啡豆品种奠定了基础。     

INFRARED AND RAMAN SPECTROSCOPY IN PAPER AND PULP ANALYSIS

Infrared and Raman spectroscopy are essential analytical tools for the structural analysis of paper and pulp chemistry. The studies of cellulose, hemicellulose, lignin, thermal- and photo-induced oxidation; cross-linking; and various chemical treatments of pulp and paper products are all made possible using these forms of molecular spectroscopy. In this review, containing 70 references, a broad range of applications into pulp and paper materials, components, and processes is described from recent and classic research over predominantly the past 20 years.     

基于热重红外联用分析的生物质热裂解机理研究

利用热重红外联用技术在线分析研究了白松在不同升温速率下的热裂解行为,结果表明木材的热裂解可归结于纤维素、半纤维素和木质素三种主要组分的热裂解。白松的热裂解产物主要有酸类、醇类、醛类、酮类、酯类、水分和小分子气体等。在线红外分析结果表明白松热裂解过程中先析出游离水,随后发生解聚和脱水反应,主要的苷键和碳碳键断开形成各种烃类、醇类、醛类和酸类等物质,随后,这些大分子物质又二次降解为一氧化碳为主的气体产物。     

INDIRECT METAL ION (K+, NA+, MG2+, AND CA2+) QUANTIFICATION FROM INFRARED SPECTROSCOPY

ABSTRACT

In this paper, we report the use of Mid-FTIR spectroscopy coupled with Partial Least Squares method for the quantitative determination of various alkaline and alkaline earth metals in aqueous solution owing to their interactions with sucrose. First of all, prediction equations that linked cation concentration to the spectral data were established independently for each ion (K⁺, Na⁺, Mg²⁺ or Ca²⁺): very high correlation coefficient values between the two first axes and the chemical values were obtained. Moreover, a good prediction could be made whatever the nature of ion involved in interaction with sucrose. Then, all spectral data have been gathered for generating a common prediction equation. In this case, the predictions of metal ion concentration are almost as much accurate. For both regression models, Mg²⁺ appears to provide the best precision in quantification. Nevertheless, the different types of aqueous solution, regarding to ions, can be discriminated on the basis of their spectral data set up with the three mostly correlated axes of the PCA.