近红外光谱波段优化在白酒酒醅成分分析中的应用

为了提高白酒酒醅主要成分的快速检测技术水平,利用近红外光谱法对白酒酒醅中的水份、淀粉、酸度和酒精度进行定量分析,通过PLS建立酒醅成分定量分析模型,同时采用CARS、间隔偏最小二乘变量选择法(iPLS)和无信息变量消除法(UVE),实现光谱特征波段选择,并利用多元散射校正(MSC)、导数以及标准正态变量变换(SNV)等预处理方法进行模型优化。用决定系数(R2)、预测标准偏差(RMSEP)以及最佳主因子数对模型进行评价,确定最佳建模方法。结果表明：波段筛选能够对模型起到优化作用,并提高模型运算速度,其中CARS优化效果最为明显,酒醅水份、淀粉、酸度和酒精度的R2分别达到0.885,0.915,0.951,0.954;RMSEP分别为0.630,0.519,0.228,0.234,有效地提高了模型的稳定性与准确度。经过优化,所建模型预测效果好,能够满足白酒酒醅主要成分的快速检测要求,在实际应用中有一定的参考价值。     

红外光谱技术在翡翠鉴定中的应用

在翡翠贸易中,鉴定天然翡翠和处理翡翠是一个非常重要的问题。传统的翡翠鉴定方法,主要依赖于折射仪、宝石显微镜、滤色镜和分光镜进行检测,而所有这些方法对于鉴定处理翡翠。这种方法不仅可以鉴定未镶嵌的翡翠,而且还可以鉴定镶嵌翡翠和一些大型的翡翠饷品,如手镯、挂件和串珠等。     

红外光谱技术在医学中的应用

系统回顾了过去50余年中红外光谱技术的发展创新及在生物医学领域中的研究应用。傅里叶变换红外光谱技术已从对单个细胞水平结构构成与形态的研究进展到组织水平。现代红外光谱技术联合成熟的模式识别技术与组织微阵列技术,为平行大规模测定分子结构提供了可能。此外,红外光谱技术的临床应用为良恶性肿瘤的判别提供了可信的参考依据,并可准确判别甲状腺、乳腺、胃肠道及腮腺等组织的良恶性,具有极广泛的应用前景。     

红外光谱在微藻领域的应用研究进展

微藻富含类胡萝卜素、维生素、蛋白质、多不饱和脂肪酸等多种人体和动物所必需的营养成分，同时在水生态系统的维持和保护中也扮演着重要的角色，因此开展微藻生物学的研究具有十分重要的实际应用价值。传统的微藻成分的检测分析需要经过微藻细胞研磨破碎、有机溶剂分离提取、液(气)相检测等一系列的繁琐的操作步骤，有费时、需要高昂的仪器设备、操作过程复杂等缺点，因此需要发展更加快速高效的微藻细胞组分检测分析技术。红外光谱作为一种高效的物质检测和分析手段可以实现对微藻样品中的蛋白、脂类、核酸、多糖、叶绿素、类胡萝卜素等多种成分同时分析，具有简单、快速和无损检测等优势，特别是结合显微镜技术的红外光谱成像可以在微空间尺度上研究单一细胞或组织中各组分的变化。近年来，尤其是随着同步辐射技术的迅速发展，为红外光谱仪器提供质量更好、能量更高的同步辐射光源，使得红外光谱显微光谱及成像检测技术具有更高的灵敏度和空间分辨率，实现了能够在细胞和亚细胞尺度上对个体进行高空间分辨的原位观测，这在一定程度上解决了许多常规的检测分析技术不能同时兼顾高通量测量和高空间分辨率观察之间的矛盾。首先介绍了红外光谱技术的原理及其特点并分析了显微红外光谱及成像技术在生物样品检测中的独特优势，特别介绍红外光谱结合化学计量学的分析方法在生物学研究领域的应用。接下来综述了此项技术在分类鉴定、生长代谢监测、育种、水环境、食品医药等与微藻相关领域国内外的应用研究进展。比如，结合化学计量学方法红外光谱能够进行微藻的快速鉴定、判别和分类。利用红外光谱多组分快速检测的优势，可以实现微藻生长代谢的研究。基于红外光谱无损、高效检测的特点，可以实现油脂、β-胡萝卜素、虾青素等高产藻株的快速筛选。另外，微藻还可以有效地吸附废水中的重金属和有机活性染料，利用红外光谱可以对其吸附和降解环境污染物的机理进行研究。红外光谱还能够快速高效地实现微藻成分的分析和鉴定，因而可以用于微藻食品药品质量的检测和真伪的鉴定。然而，红外光谱在微藻的研究和应用方面还处于发展阶段，尚存在着一定的缺点和不足，对此进行了讨论和分析并提供了相应的解决方案。最后，对红外光谱在微藻的规模化养殖、高产藻株的筛选、微藻的生理、细胞器的结构和功能的研究等领域进行了展望。     

红外光谱技术在罂粟籽检验中的应用

罂粟籽的检验鉴定是当前国内毒品检验工作一项新的课题，红外光谱技术可以有效，快速，准确地检验罂粟籽。     

红外光谱技术在矿产勘查中的应用

红外光谱技术具有快速、经济、高效等特点,是现阶段国内外地质找矿工作中被广泛应用的一项高新技术。通过研究矿物在红外波段上的差异性吸收特征,开展红外光谱填图和波谱参数分析工作,进而确定矿化区域内的特征矿物组合以及指向矿化热液中心的矿物波谱参数变化范围。近年来,随着光谱分辨率的提高和解混算法的优化,越来越多的波段被应用于岩矿信息提取工作,其中发展成熟的短波红外技术(SWIR, 1 100～2 500 nm),对于绢云母、高岭石、明矾石和绿泥石等中低温黏土矿物有较好的识别效果,通过这些矿物的波谱参数变化规律成功在斑岩型、浅成低温热液型、 VMS型等矿床中建立了找矿勘查模型;热红外技术(TIR, 6～15μm)主要针对长石、石英、石榴子石和辉石等中高温矿物有更好的探测能力,近几年在矽卡岩型矿床中有着出色的表现;中红外技术(MIR, 3～6μn)在地学领域找矿勘查工作中还处于研究阶段,没有形成一套完整的矿物信息提取方法。对红外光谱技术在地学领域的发展历程进行了综述,对各个波段引起波形变化的原因、常用的波谱参数及其表征的含义、四类测试仪器进行了总结,描述了常作为找矿指标的四种矿物——绢云母、绿泥石、...     

中红外及近红外光谱在小杂粮品质检测中的应用进展

中红外光谱以及近红外光谱在现代分析化学中有重要的地位,是人类认识物质结构、功能、成分以及含量的重要途径。小杂粮泛指生育期短、种植面积少、种植地区和种植方法特殊,有特种用途的多种粮豆,其特点是小、少、特、杂。小杂粮营养丰富,既是传统口粮,又是保健食品资源。随着人民生活水平的提高和膳食结构的改善,小杂粮作为药食同源的新型食品资源,在现代绿色保健食品中占有重要地位。对小杂粮进行品质检测可为小杂粮生物活性物质研究、品质分级、小杂粮育种、产地溯源与真伪鉴别等方面提供可靠的数据支撑。按照麦类小杂粮及豆类小杂粮分类,对国内近30年来小杂粮品质检测有关文献加以综述。研究表明,麦类小杂粮品质检测文献更多,约占文献数量的2/3左右,且以近红外光谱技术应用居多;豆类小杂粮品质检测文献相对较少,约占文献数量的1/3左右,且以中红外光谱技术应用居多。中红外光谱、近红外光谱在小杂粮品质检测分析方面有诸多重要应用。其中,中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征,而近红外光谱则更多应用于小杂粮中粗蛋白、粗脂肪、水分等主要品质指标的定量分析检测,可为小杂粮品质监测、科学育种提供高效的数据来源。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱不再局限于小杂粮品质指标定量分析,而且还被应用于小杂粮产地溯源等领域,亦取得了良好的效果。最后对中红外光谱、近红外光谱在小杂粮品质无损分析检测方面做出了展望。     

中红外光谱吸收法快速测定汽油中的苯含量

利用美国Thermo公司的傅里叶变换中红外光谱仪对汽油中的苯含量进行快速测定,并采用TQAnalystEZEdition(Nicolet)分析软件通过经典最小二乘法(CLS)进行了定量分析。结果表明,利用中红外光谱仪可以快速、准确地测量汽油中苯的含量,其再现性和重现性优于气相色谱法的要求。     

傅里叶变换红外光谱分析技术在预防医学领域的应用

本文从环境污染、生命科学、应用开发及最新红外分析方法四方面阐述了傅里叶变换红外光谱分析技术在预防医学领域的具体应用：在环境污染领域主要叙述了气红联用（GC/FTIR）技术在环境复杂有机污染体系分析中的优势、局限性及解决途径；在生命科学领域主要叙述了红外光谱分析技术在蛋白质二级结构、膜蛋白、脂、核酸及细胞、组织等复杂体系研究中的具体应用；另外，还介绍了的红外光谱分析技术在食品、化妆品及保健药品等领域的具体应用及几种最新红外分析方法。     

粒子群优化算法在混合气体红外光谱定量分析中的应用

通过将粒子群优化技术及BP神经网络技术相结合,建立了三种烃烷混合气体的红外光谱定量分析模型。混合气体主要由甲烷、乙烷、丙烷三种组分气体组成,三种组分气体浓度范围分别为0.01%～0.1%。文章首先采用主成分分析技术从红外光谱1 866个数据中提取了5个特征变量作为神经网络的输入,将气体浓度作为网络输出。然后将粒子群优化算法与BP神经网络技术相结合,对网络的隐含层节点数进行了优化选择。再对结构优化后的网络进行训练,建立气体分析模型。分析模型的标准气体验证实验结果表明,采用此方法建立混合气体红外光谱定量分析模型所用时间(大约4 600 s)比单纯采用BP神经网络进行遍历优化建模所用时间(大约24 500 s)降低5倍以上,模型预测精度水平相当,网络结构大致相同,具有一定的实践意义和应用潜力。     

基于中红外光谱技术鉴别转基因大豆的方法研究

转基因技术对于实现粮食增产,保护生物多样性,减少化学农药使用量等方面有着重大意义,但也可能存在一定的安全隐患。因此,转基因作物检测鉴别技术的研究愈发受到重视。本文采用中红外光谱分析技术,研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。实验采集了三种不同的非转基因大豆亲本(HC6, JACK和W82)及其转基因大豆品种在3 818～734 cm-1范围内的光谱信息。采用偏最小二乘-判别分析(partial least squares-discriminant analysis, PLS-DA)进行判别分析,三种大豆的建模集的判别正确率分别为96.67%, 96.67%和83.33%,预测集的判别正确率分别为83.33%, 85%和85%。研究中采用X-loading weights、变量投影重要性(variable importance in the projection,VIP)和二阶导数(second derivative,2-Der)三种特征波数选择方法对光谱数据进行处理,并根据得到的特征波数分别建立PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。采用主成分分析(principal component analysis,PCA)和独立组分分析(independent component analysis,ICA)两种特征信息提取方法对光谱数据进行处理,分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过80%和75%。研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种,为转基因大豆的无损鉴别提供新的思路。同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度,减少程序运算量。     

近红外光谱技术在中草药分析中的应用

中草药分析与鉴定对中草药质量控制意义重大,传统分析方法由于过程复杂、需要丰富的经验等不利因素,无法满足快速分析和在线分析的要求。近红外光谱技术具有预处理简单、分析速度快、适用于固体漫反射技术和光纤技术等特点,已经在中草药有效组分的快速测定、在线质量控制、药材真伪鉴别、产地及质量鉴定等方面得到广泛应用。文章介绍了近红外光谱技术的基本原理和分析方法,综述了近红外光谱技术在中草药定量及定性分析方面的具体应用。     

基于中红外光谱和化学计量学算法鉴别核桃产地及品种

为探究中红外光谱快速检测核桃产地和品质的可行性,基于中红外光谱分析技术,并将化学计量学的算法应用于中红外光谱判别分析之中,对中国四大核桃主产区的10类主要核桃品种进行检测,取得较好效果。通过提取核桃粉末的光谱透射率,去除原始光谱首尾部分的明显噪声,对保留的700~3 450 cm-1范围的光谱采用小波分析（wavelet transform,WT）算法进行去噪预处理,并采用无信息变量消除结合连续投影算法（UVE-SPA）提取光谱特征波数,采用主成分分析法（PCA）对光谱定性分析,基于反向传播神经网络（BPNN）、极限学习机（ELM）、随机森林(RF)、径向基函数神经网络（RBFNN）及偏最小二乘判别分析（PLS-DA）对全谱和特征波数建模对比。在4类不同产地核桃判别中,得到12个特征波数：803,1 355,1 418,1 541,1 580,1 727,1 747,1 868,2 338,2 462,2 824和3 166 cm-1,基于特征波数分类的正确率高于全谱的分类结果,BPNN算法结合特征波数建模得到的识别正确率高达97%,RF算法分类判别效果最差,正确率仅69.70%;在10类不同品种判别中,得到10个特征波数：903,1 275,1 507,1 541,1 563,1 671,1 868,2 311,2 845和3 437 cm-1,基于特征波数分类的正确率依然高于全谱的分类结果,BPNN算法结合特征波数建模得到的识别正确率高达83.3%。在特征波数通用性方面,两组特征波数范围中有2个特征波数相同：1 541和1 868 cm-1,其他大多特征波数也都相近,将10类品种特征波数作为输入变量对4类不同产地的核桃进行分类,分类结果较差,因此,在10类品种监督值下选取的特征波数无法适用于4类产地的判别问题,由此推断,即使是同一原始数据,基于不同判别问题得到的特征波数在建模时通用性较差。结果表明,经UVE-SPA算法提取特征波数后,变量数可减少99%以上,有效地简化了模型,减少计算量,提高预测的稳定性;总体上,每个分类器的表现为：BPNN>RBFNN>ELM>PLS-DA>RF;基于小波变换结合特征波数选取和反向传播神经网络算法能有效地实现核桃的产地和品种识别。     

特征谱区筛选在多元混合物的太赫兹光谱定量分析中的应用

用特征谱区筛选法结合太赫兹时域光谱(THz-TDS)技术对多元混合物成分含量进行了定量分析研究。实验利用太赫兹时域光谱系统测量了由乳糖一水合物(LAC)、对乙酰氨基酚(APAP)、可溶性淀粉(starch)以及微晶纤维素(MCC)四种材料组成的混合物样品的太赫兹吸收光谱,并分别尝试采用常规区间偏最小二乘(iPLS)、向后区间偏最小二乘(biPLS)、联合区间偏最小二乘(siPLS)和移动窗口偏最小二乘(mwPLS)四种特征谱区筛选法对多元混合物的太赫兹吸收光谱进行特征子区间优选,建立了太赫兹吸收谱与四元混合物中乳糖一水合物含量之间的定量回归模型。通过比较四种谱区筛选算法模型及全光谱偏最小二乘(PLS)模型所得结果,表明采用移动窗口偏最小二乘法建立的谱区筛选模型得到的结果相对最优,其交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)、校正集相关系数(R_C)和预测集相关系数(R_P)分别为0.980 3,1.114 1,0.996 0和0.995 1。实验结果表明,采用特征谱区筛选方法可以有效选择多元混合物太赫兹吸收光谱的特征区间,提高模型精度和降低模型复杂性,为实现多元混合物成分含量的快速检测提供了一种有效的方法。     

红外光谱在中药定性定量分析中的应用

红外光谱灵敏度高、操作简便、谱带的专属性强,特别适合于中药材的无损快速鉴别和定量分析,它正在成为中药质量控制方面的一种有效手段。文章综述了红外光谱在中药定性和定量研究中的应用现状,对红外光谱在中药材(同一药材不同部位,不同产地、品种的同种中药材,易混淆、真伪中药材等)和中成药(中药配方颗粒和注射剂等)的鉴别分析与有效成分含量测定等方面的应用进行了详细评述。随着傅里叶变换红外光谱和计算机技术的不断发展,它必将在中国中药的现代化和国际化道路上起到关键作用。     

蚁群算法在近红外光谱定量分析中的应用研究

蚁群算法是新近发展的基于群体智能的仿生优化算法,它模拟蚂蚁的觅食行为来解决复杂的组合优化问题。蚁群算法的优点是智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等。近红外光谱定量分析技术在很多领域得到广泛的应用,而其关键技术环节之一是建立近红外光谱测量数据的多元校正模型。文章将蚁群算法应用于近红外光谱定量分析中,建立了谷物样品的傅里叶变换近红外漫反射光谱和谷物中蛋白质含量的定量分析模型,得到了较好的结果。校准集的相关系数与相对标准偏差分别为0.943和3.41％,预测集的相关系数与相对标准偏差分别为0.913和4.67%。     

激光拉曼光谱分析中药复方制剂中青蒿素含量的研究

从中药材黄花蒿中提取的青蒿素,是一种含有过氧基团的倍半萜内酯药物,目前已成为世界卫生组织推荐的抗疟疾药物。含有青蒿素的复方制剂具有抗疟、抑菌和调节免疫功能等作用,然而含青蒿素的复方制剂没有可量化的统一质量标准,因此难以控制和评价这些复方制剂的质量。目前对于青蒿素复方制剂的研究主要集中在定性分析其有效成分上,但具体如何定量分析其中青蒿素含量的研究工作却并不多,迫切需要一种简便、快速、无损的方法监控青蒿素的生产和使用。激光拉曼光谱是一种分子联合的光散射现象,能够提供样品分子的成分及结构,对研究青蒿素具有重要的意义。首先对青蒿素标准样品进行激光拉曼光谱定性分析测试,获得青蒿素标准品的拉曼特征图谱,这些标准图谱为以后分析中药复方制剂中的青蒿素奠定了基础。通过拉曼测试分析得到位于724 cm-1处的拉曼峰是与青蒿素中过氧基团直接相关的特性声子振动模式,可用于检测过氧桥键的存在,也是决定其抗疟活性的关键;而位于1 736 cm-1处的拉曼峰强度大、周围无其他振动峰干扰,是与青蒿素中内酯基团相关的特性声子振动模式,也可用来检测分析青蒿素。因此,拟采用青蒿素分子中位于724 cm-1处和1 736 cm-1两处的拉曼特征峰进行定性定量分析。然后,在实验室制备了一系列具有不同青蒿素质量百分数的青蒿素/面粉混合样品,确定出混合样品中青蒿素724 cm-1处和1 736 cm-1处拉曼光谱参数。并以峰面积比值A₇₂₄/A_{1 736}的平均值作为横坐标,青蒿素质量百分数作为纵坐标,拟合青蒿素质量百分数与峰面积比的函数关系,得到二次函数关系式为y=0.907 22x2+0.465 93x(0<x<0.9),相关系数r为0.992 65。最后,将该关系式用于中药复方制剂青蒿素哌喹片中青蒿素的含量检测分析,按照此方法计算得到的青蒿素含量值与真实值（14.29%）比较,相对误差较小（<10%）,可以初步建立起青蒿素含量的拉曼光谱测试方法。本文提出应用激光拉曼光谱技术,以期实现原位、无损和快速检测。在青蒿素标准样品实验研究基础上,确定青蒿素拉曼光谱参数和实验条件,建立起复方制剂中青蒿素含量的实验分析方法,为青蒿素的研究和应用开创新的局面。     

核苷混合物的太赫兹谱定量分析

以物质的太赫兹吸收全谱为特征指纹可以进行混合物的成分分析。生化物质容易受外界影响而变性,使用光子能量只有毫电子伏特的太赫兹波来分析物质成分不会带来有害的电离辐射。文章使用太 赫兹谱成分分析法对腺苷、胸苷、鸟苷、胞苷、尿苷的混合物做了分析,实验结果表明该方法可以较为准确地分析出这几种核苷混合物的成分及其含量,相对误差在10%以内,并对误差产生的原因做了简 要分析。该项研究表明,此方法简单有效而且对样品无损。有可能成为生化物质成分分析的一种新手段,从而进一步拓展太赫兹谱的应用领域。