基于显微聚焦拉曼光谱技术的丹参产地鉴别研究

产地是影响中药材质量的重要因素,产地差异导致中药材质量参差不齐,为维护市场秩序,有必要建立中药材产地鉴别方法,以便更加精准地判别和分析中药材品质。以多产地临床大宗药材丹参为研究对象,收集不同产地丹参样品150份,采用显微聚焦拉曼光谱技术在无损条件下对每份丹参样品的每根药材表面随机扫描1～n次,求每份样品扫描1～n次的平均光谱。分析原始光谱数据发现丹参表面光谱信号同时包含了丹参酮类成分的拉曼光谱和杂质的荧光光谱,主要表现在特定波长范围内不同产地丹参存在各自的聚集区和丹参表面光谱信号强度明显弱于或强于丹参酮类对照品的拉曼光谱信号强度。对扫描1～n次的平均光谱数据进行预处理后运用偏最小二乘判别分析（PLS-DA）和随机森林分类算法[不筛选（RF）或筛选重要变量（RF-VS）]建立扫描1～n次的丹参产地分类模型。结果随机扫描1次所得最优模型训练集和测试集预测准确率分别为88%和87%,且对质量差和质量优的丹参样品区分准确率高达97%;随机扫描2次和3次所得最优模型训练集和测试集预测准确率均分别为89%和87%,结合模型运行效率和成本,选择随机扫描1次所得光谱,经一阶导数（1ST-D）预处理和RF-VS计算所得模型为丹参最终产地鉴别模型。综上,在无损伤条件下显微聚焦拉曼光谱技术能建立快速、准确的丹参产地鉴别预测模型,为该技术进一步用于贵细中药材的产地和真伪鉴别提供参考。     

基于拉曼光谱和模式识别算法的软玉产地鉴别

利用自行研制的便携式拉曼光谱仪,研究了甘肃、青海和新疆3个产地软玉的拉曼光谱特征,并对其光谱差异进行解析;基于马氏距离判别方法和随机森林判别方法实现了3个产地软玉的无损鉴别。结果表明:利用马氏距离判别方法和随机森林判别方法可以对具有相同拉曼峰的不同产地的软玉进行鉴别,鉴别准确率分别为87.5%和95.83%。     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

常见翡翠产地的激光拉曼光谱特征研究

缅甸是商业性翡翠主要产地,危地马拉、俄罗斯也有翡翠产出。不同产地的翡翠价值差异较大,其他产地的翡翠冒充缅甸翡翠以获取价格上涨。迫切需要一种可靠方法来确定地理起源,翡翠的产地研究具有重要的宝石学意义,目前主要在翡翠生成时代、矿物组合、硬玉组分含量等方面探讨不同产地翡翠,缺乏快速有效鉴别产地的方法,以缅甸、俄罗斯、危地马拉翡翠为研究对象,对不同产地翡翠样品的激光拉曼光谱特征研究发现：缅甸翡翠矿物为硬玉、绿辉石、透闪石;危地马拉翡翠矿物相对复杂,为硬玉、绿辉石、绿泥石、榍石;俄罗斯翡翠矿物为硬玉、钠长石、绿辉石。对比不同产地硬玉矿物拉曼特征发现,缅甸翡翠硬玉矿物分别在1 037,988,697,372和201 cm-1等处显示硬玉的典型光谱特征。在1 020,679,369和216 cm-1处附近显示为绿辉石特征拉曼峰,在215,332,394,680和1 073 cm-1 处有明显透闪石吸收峰,为翡翠中的次生矿物。危地马拉翡翠硬玉矿物多叠加680和218 cm-1拉曼峰值,为绿辉石特征的峰值,还含有603,537和306 cm-1附近绿泥石特征拉曼光谱峰值,表明危地马拉翡翠硬玉矿物多被Fe,Mg和Ca元素的类质同像替换,形成硬玉-绿辉石固溶体矿物,硬玉矿物表面检测出603,537和306 cm-1绿泥石特征拉曼光谱峰值,硬玉矿物表面发生绿泥石蚀变。俄罗斯翡翠硬玉拉曼峰值,多叠加1 100,507,473和164 cm-1附近钠长石特征拉曼峰值,俄罗斯翡翠硬玉颗粒普遍被钠长石交代,表面多分布灰绿色网脉,显示1 025,669,366和219 cm-1绿辉石矿物拉曼峰值。     

拉曼光谱结合WGANGP-ResNet算法鉴别病原菌种类

快速准确识别病原菌在防止传染病的传播、帮助对抗抗菌素耐药性和改善病人预后方面起着关键作用。拉曼光谱结合机器学习算法能够简单快捷地对病原菌进行无标记检测。然而,病原菌种类和表型繁多,并且深度学习需要依赖大量样本训练,而收集大批量病原菌拉曼光谱劳神费力,且易受荧光等因素影响。针对上述问题,提出一种基于WGAN-GP数据增强方法和ResNet结合的病原菌拉曼光谱检测模型。采用五种常见眼科病原菌的拉曼光谱。将采集到的原始数据归一化作为ResNet和传统卷积神经网络(1D-CNN)的输入,将经过SG滤波、 airPLS基线校正、 PCA降维等预处理后的数据作为K近邻(KNN)的输入,对比分析发现ResNet模型效果最优,其分类精度可达96%;搭建Wasserstein生成式对抗网络加梯度惩罚模型(WGAN-GP),生成大量与真实数据相似的高分辨率光谱数据。同时与偏移法、深度卷积生成式对抗神经网络(DCGAN)2种数据增强方法进行比对,证明WGAN-GP的可靠性;为验证生成数据可以丰富数据多样性,进而提高分类精度,将扩充后的数据集重新放入ResNet进行训练,最终WGAN-GP结合ResNet的分...     

绿松石显微拉曼光谱及产地意义初步分析

运用显微拉曼光谱技术（RM）分析了实地采集的我国湖北、安徽两地的4件现代绿松石样品,发现处于同一绿松石成矿带内、成矿背景和成因类型相同的3件湖北绿松石样品,尽管颜色上有差异,但其拉曼图谱保持基本一致,而与成矿背景和含矿岩系明显不同的安徽马鞍山绿松石拉曼图谱在900～100 cm-1区域差别很大,且荧光背景强度和光谱特征也有明显区别;同时选取了2件古代绿松石样品用激光拉曼光谱进行原位无损分析,通过与已知产地绿松石样品（所有样品均为实地采集）拉曼图谱的对比,探讨利用已知产地绿松石样品的拉曼图谱作为“指纹”示踪古代绿松石产地的可行性。     

近红外激发荧光光谱与拉曼光谱快速鉴别马铃薯品种

马铃薯是世界上最重要的食物之一,快速无损的进行马铃薯品种鉴别对其在应用中更好的发挥品种优势具有重要作用。研究了以近红外荧光光谱和近红外拉曼光谱的土豆品种鉴别,并对两者进行了比较。实验采用3个品种共98个土豆样本,随机将其分成校正集(74个)和预测集(24个)。首先使用785nm近红外激光激发,采集所有样本的荧光和拉曼混合光谱,然后从混合光谱中分别提取荧光光谱和拉曼光谱,最后对荧光光谱和拉曼光谱进行偏最小二乘判别分析(PLS-DA),PLS-DA模型采用留一法和全交互验证。结果显示,荧光光谱与拉曼光谱都能够对三个马铃薯品种进行鉴别,其中荧光光谱的PLS-DA模型预测Favorita品种效果较好(灵敏度为1,特异性0.86,准确性0.92),但Diamant品种(灵敏度为0.75,特异性0.75,准确性0.75)和Granola品种(灵敏度为0.16,特异性0.89,准确性0.71)预测的效果较差,而拉曼光谱图很好的解释了马铃薯中的主要营养成分,基于拉曼光谱的PLSDA模型的预测效果(三个品种预测灵敏度,特异性,准确性均为1)比荧光光谱判别效果显著提高。     

核密度估计算法结合近红外光谱技术鉴别三叶青产地

三叶青是我国珍稀中药材,具有多种疗效,但不同产地的三叶青有效成分含量差异悬殊,为防止三叶青以次充好,其产地鉴别尤为重要。以浙江、云南、安徽、广西和湖北五个产地的三叶青为研究对象,利用傅里叶变换近红外光谱分析仪(Fourier transform near infrared spectroscopy, FT-NIR)收集4 000~10 000 cm-1范围内的近红外光谱,由于三叶青近红外光谱数据还未完善,因此在其产地鉴别上,应对鉴别算法提出更高的要求,即在实现三叶产地鉴别的同时,还要能够有效地识别出其他或未知新产地的三叶青。针对这一问题,本文结合三叶青近红外光谱数据的特点,对算法共做了三方面改进：①从距离的角度估计样本的概率密度;②以训练样本可信度的方式计算带宽参数;③在未知新产地的识别上,提出一种基于训练集样本的概率密度函数的识别方法。结果表明,该算法对训练集样本的识别精度达到了100%,且在140组预测集样本中,只有3组样本识别出错,并能够100%地识别出未知新产地的三叶青,说明基于核密度估计的改进算法在三叶青产地鉴别上,不仅鉴别精度高,且能够有效识别出其他或未知新产地的三叶青。     

不同产地和陈化年限普洱茶的表面增强拉曼光谱鉴别分析研究

为了寻求一种快速鉴别分析不同产地和陈化年限的普洱熟茶科学的方法,本文采用表面增强拉曼散射光谱技术,在600～1 800cm-1的拉曼波段比较了云南三大普洱茶产地和四个不同陈化年限的普洱熟茶的拉曼光谱的异同点。结果:不同产地和陈化年限的普洱熟茶的拉曼光谱走势基本一致,但是由于不同产地和陈化年限的普洱熟茶之间的化学成分存在着差异,导致它们的拉曼光谱之间存在着明显的差别,利用这些差别可以快速、简便鉴别分析不同产地和陈化年限的普洱熟茶。     

基于拉曼光谱的食用植物油快速鉴别

提出了一种基于拉曼光谱的食用植物油快速鉴别方法。基于已知类别的食用植物油样本进行建模,首先对原始拉曼谱图进行基线校正和标准归一化等预处理,并选取食用油不饱和度特征的两处拉曼峰值作为特征向量,计算训练样本特征空间上各个植物油类别的中心坐标;然后,将食用植物油测试样本的拉曼谱图经过相同预处理和特征提取,获取测试样本的特征向量,计算其与各类别中心坐标的欧式距离,根据类中心最小距离法,取欧式距离最小的那一类作为预测样本的类别。针对7类43个食用植物油样本的实验结果表明,采用食用油不饱和度两点描述法进行特征提取,各类别样本聚集效果比PCA好,类间距更大。上述鉴别方法可以准确地实现食用植物油品种的快速分类。     

拉曼光谱在优化处理绿松石中的应用研究

优化处理绿松石的大量面市,给绿松石的鉴定带来了挑战。通过激光拉曼光谱测试分析、压制及人工注塑处理绿松石为研究对象,对优化处理绿松石的激光拉曼光谱特征进行了研究。结果表明,拉曼光谱技术是一种有效鉴别绿松石及其处理品的无损检测方法,OH,H₂O,PO₄ 及CH₂基团的振动模式和频率决定了优化处理绿松石的激光拉曼光谱特征。优化处理绿松石除具绿松石典型拉曼光谱特征外,在2 937和2 883 cm-1处普遍出现一组具鉴定意义的由外来添加物中CH₂伸缩振动及CH₂弯曲振动致拉曼谱带。依据这些特征拉曼谱带,有助于将天然绿松石与优化处理品区分开。该研究为快速、准确、无损鉴别绿松石提供了一种新思路。     

基于拉曼光谱和机器学习的百合分类识别

百合鳞茎,百合科百合属多年生草本球根植物生长的肥厚鳞片构成的地下变态茎,是一种典型的药食同源作物,含有丰富营养成分的同时还具有抗肿瘤、抗抑郁、降血糖、提高免疫力等保健作用。不同产地百合鳞茎的市场价格差异较大,依赖于人工经验感官的传统评测方法主观性强、确定性差,难以广泛推广在现代生产环节。以化学检验法为主的先进检测方法耗时长、费用高,而且难以满足产地鉴别这一要求。针对百合鳞茎现场快速地产地判断和品质评价的需求,提出了一种使用拉曼光谱和机器学习的百合鳞茎检测方法。拉曼光谱是一种基于非弹性散射的振动光谱,能够做到快速准确的无损检测,将拉曼光谱与机器学习算法相结合,建立了我国分布最为广泛的三种百合鳞茎(兰州百合、宜兴百合和龙牙百合)的产地分类模型,着眼于基质光谱上479, 870, 942和1 606cm^-1等特征峰,提出了一种基于拉曼光谱的成分含量判断产地和评价百合鳞茎品质的无损检测方法。首先采集百合鳞茎样本的光谱,经过光谱数据预处理后,使用人工先验法提取百合鳞茎代表物质并确定特征峰,再使用主成分分析和t-分布随机邻域嵌入方法降维提取光谱数据特征。并将获得的数据特征分别...     

鼻咽癌细胞分泌物的拉曼光谱研究

Plasminogen Activator Inhibitor 1(纤溶酶原激活物抑制物1, 简称PAI-1)在鼻咽癌(Nasopharyngeal Carcinoma, 简称NPC)分泌物中大量存在。本文绘制了Plasminogen Activator Inhibitor 1的分子结构, 根据局部能量最低原理对其做了结构优化, 给出了空间结构参数, 然后利用DFT B3LYP/3-21G基组计算了其拉曼光谱, 并对102 cm-1至4559 cm-1区间的谱线进行指认。理论计算Plasminogen Activator Inhibitor 1的拉曼光谱将有助于鼻咽癌的临床检测技术的提高。     

激光拉曼光谱在玉石鉴定中的应用

本文提出玉石品种鉴定的新方法———激光拉曼光谱法。测试了一系列玉石的标准拉曼谱     

胞嘧啶分子拉曼光谱研究

本文通过实验测量了胞嘧啶的常规拉曼光谱,有四个弱拉曼峰在以前胞嘧啶的常规拉曼光谱中未检测到。采用密度泛函(Density Function Theory)B3LYP/6-31+G(d,p)计算了胞嘧啶分子的拉曼光谱。结合理论计算结果对实验拉曼光谱振动模式进行了指认,并对其中几个拉曼峰非常弱的原因进行了分析。     

黄芩苷包合物的拉曼光谱和红外光谱研究

通过FT-IR(傅里叶变换红外光谱)和Raman(共焦激光拉曼光谱)分析黄芩苷包合物,对拉曼光谱法作为一种新的验证包合物形成方法的可行性进行验证.采用饱和水溶液法制备黄芩苷包合物,共焦拉曼光谱仪和傅里叶转换红外光谱仪分别测定并获得p-环糊精、黄芩苷、黄芩苷与β-环糊精物理混合物及黄芩苷包合物四种固体粉末的拉曼图谱和红外...     

对乙酰氨基酚包合物拉曼光谱和红外光谱研究

通过拉曼光谱和红外光谱法分析对乙酰氨基酚包合物,探讨拉曼光谱作为一种新的验证包合物形成方法的可行性.采用饱和水溶液法制备对乙酰氨基酚包合物,共焦拉曼光谱仪和傅里叶转换红外光谱仪分别测定并获得β-CD、对乙酰氨基酚、摩尔比1:1的β-CD与对乙酰氨基酚物理混合物及其包合物四种物质粉末的拉曼图谱和红外图谱并将其进行对照分析...     

氯霉素包合物的拉曼光谱和红外光谱研究

研究应用拉曼光谱法分析验证氯霉素包合物的可行性。采用拉曼光谱仪和傅里叶红外光谱仪分别测得β-环糊精、氯霉素、β-环糊精和氯霉素物理混合物、氯霉素包合物四种物质固体粉末的拉曼图谱和红外图谱, 并对其进行对照分析。 结果表明拉曼光谱法可获得与红外光谱法一致的结果, 结果表明氯霉素的苯环结构和易水解基团二氯乙酰胺基通过氢键作用被包裹在β-环糊精的空穴结构中形成包合物, 增加了氯霉素的稳定性和溶出度, 并且拉曼光谱法具有快速、准确、简便、无损测量等显著优势, 可作为验证药物包合物的形成重要手段。     

喇曼光谱对血糖的半定量分析

血糖检测一般采用酶化和生化方法,但这些方法都是有损破坏性的检测方法.本文利用喇曼光谱技术来检测血糖浓度,并且建一种新的数据分析方法来分析血糖的含量,以探索一种无损、快速的血糖检测方法.以小白鼠为实验模型,麻醉的小白鼠在注射葡萄糖后半个小时开始抽取小鼠尾巴处的血液进行喇曼光谱的获取,此后每间隔15 min对小鼠尾巴进行抽血并获取血液的喇曼光谱,在每次测量小鼠血液喇曼光谱的同时用血糖仪来监测血糖浓度的变化情况以用来做参比.1 125 cm^-1是葡萄糖的喇曼特征峰,血液中的葡萄糖称为血糖,因此我们把血液光谱中的1 125 cm^-1作为血糖峰,1 549 cm^-1为血红蛋白的喇曼特征峰,人体中的血红蛋白是稳定的,所以本文以血红蛋白的峰1 549 cm^-1作为内标来研究血液喇曼光谱中血糖峰的强度.结果表明1 125 cm^-1/1 549 cm^-1的变化可以很好地与血糖变化相对应,并且具有良好的线性关系.利用喇曼光谱技术可以无损地对血糖进行半定量分析.