卷烟滤棒中三醋酸甘油酯含量的现场快速检测研究

为了提高卷烟滤棒中三醋酸甘油酯含量的检测效率,该文通过使用手持式近红外光谱仪,结合粒子群优化－极限学习机（PSO－ELM）回归算法建立了三醋酸甘油酯含量的定量预测模型,并与偏最小二乘回归（PLSR）和极限学习机回归（ELMR）进行了比较。实验结果表明：相比于PLSR和ELMR模型,所建立的PSO－ELM预测模型的决定系数R2为0.921 2,远高于PLSR预测模型的0.860 4和ELMR预测模型的0.877 2;同时,使用PSO－ELM模型的预测均方根误差（RMSEP）为0.392 12,小于PLSR预测模型的0.497 72和ELMR预测模型的0.470 18。以上实验结果表明,所建立的近红外光谱定量模型能够应用于卷烟滤棒中三醋酸甘油酯含量的快速准确测量,为实现滤棒中三醋酸甘油酯含量的现场快速检测提供了良好的技术参考。     

近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定

该研究基于近红外光谱（NIRs）技术,以2016～2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法（CARS）、蒙特卡洛无信息变量消除法（MC－UVE）以及随机青蛙算法（RF）3种变量筛选方法的极限学习机（ELM）模型效果,与常规判别方法偏最小二乘判别分析（PLS－DA）比较,验证了ELM模型的优势。并通过教与学优化（TLBO）算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO－ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。     

基于可扩展的自表示学习波段选择算法在近红外光谱回归建模中的影响研究

该文提出了一种基于可扩展的自表示学习（SOP－SRL）波段选择与偏最小二乘（PLS）建模的定量模型分析方法,以安胎丸指标含量阿魏酸、黄芩苷和汉黄芩苷为研究对象,通过SOP－SRL选取代表性波段,采用PLS建立近红外光谱回归模型,并与相关系数法（CC）、正则化自表示学习算法（RSR）和稀疏子空间聚类法（SSC）3种波段选择算法的建模结果进行对比,以校正决定系数（R2c）、校正均方根误差（RMSECV）、预测决定系数（R2p）和预测均方根误差（RMSEP）为评价标准,对回归模型的预测性能进行评估。结果显示,SOP－SRL在3种数据集上均取得了较好的结果,建模波段从全波长的800分别减少到70、67、87;RMSEP分别从0.080 1、6.349 5、0.742 5下降到0.065 3、3.620 8、0.407 3,分别下降了18%、43%、45%;相应的R2p分别从0.911 9、0.879 4、0.915 8提高到0.938 8、0.952 6、0.970 1,分别提高了3%、8%、6%。结果表明,经SOP－SRL波长选择后模型的预测能力相比于其他几种算法得到显著提升,基于SOP－SRL的PLS模型可以实现安胎丸指标含量的快速检测。     

检测SARS－CoV－2的电化学生物传感器研究进展

电化学传感器因具有灵敏、便携、稳健性高、小型化、成本低、无需前处理、检测快速等优点,在严重急性呼吸综合征冠状病毒2型（SARS－CoV－2）检测领域受到广泛关注。该文介绍了致病菌SARS－CoV－2的组成部分,综述了基于病毒表面的刺突蛋白、病毒内部核衣壳蛋白和核糖核酸（RNA） 3种可特异性检测SARS－CoV－2的电化学生物传感器的研究进展,并对比了3种类型电化学生物传感器的检出限、检测时间、动态监测范围等关键参数。同时与其他检测SARS－CoV－2的方法进行对比,分析了电化学生物传感器的优劣势;最后指出了未来可通过优化检测电极材料及反应条件、修饰检测探针等方面提升电化学生物传感器性能,以实现对新型冠状病毒肺炎（COVID－19）患者的早发现、早隔离及早治疗,同时为设计现场快速诊断COVID－19设备提供有力支撑。     

物流邮寄渠道走私毒品的光谱信息模型比较与优化

为了对现场大量缴获毒品进行快速检测,实现无损准确定性分析,实验对神经兴奋剂、神经抑制剂和致幻剂三类毒品共166份样本的红外光谱数据进行采集,利用径向基函数神经网络与支持向量机构建不同数据分类模型,并对比基于不同核函数的支持向量机模型对分析准确率的影响。结果表明,在三类毒品样本识别与分类过程中,基于Polynomial核函数的支持向量机分类模型分类效果优于其他模型,样本训练集的分类准确率达到96.5%。该模型在对同一类型中不同种类毒品样本的识别与分类过程中,神经兴奋剂类中各种类毒品样本训练集的分类准确率达到96.4%。本研究实现了不同类型及同一类型不同种类毒品快速准确的定性分析,为这类走私管制类药物案件的准确定性及刻画犯罪嫌疑人相关行为特征提供了一定的技术支持。     

高效毛细管区带电泳分离Cu(Ⅱ),Zn(Ⅱ),Pb(Ⅱ)和Al(Ⅲ)-EDTA配合物

建立了用高效毛细管区带电泳（ＣＺＥ）分离Ｃｕ（Ⅱ），Ｚｎ（Ⅱ），Ｐｂ（Ⅱ）和Ａｌ（Ⅲ）－ＥＤＴＡ配合物的方法。对影响Ｍ－ＥＤＴＡ配合物分离的主要因素，如ｐＨ值、ＥＤＴＡ用量和阳离子表面活性剂用量等进行了讨论。采用控制加权可变步长单纯形算法动态寻优对影响［Ａｌ－ＥＤＴＡ］－形成的因素进行了优化。     

高效毛细管区带电泳分离Cu(Ⅱ),Zn(Ⅱ),Pb(Ⅱ)和Al(Ⅲ)-EDTA配合物

 建立了用高效毛细管区带电泳（ＣＺＥ）分离Ｃｕ（Ⅱ），Ｚｎ（Ⅱ），Ｐｂ（Ⅱ）和Ａｌ（Ⅲ）－ＥＤＴＡ配合物的方法。对影响Ｍ－ＥＤＴＡ配合物分离的主要因素，如ｐＨ值、ＥＤＴＡ用量和阳离子表面活性剂用量等进行了讨论。采用控制加权可变步长单纯形算法动态寻优对影响［Ａｌ－ＥＤＴＡ］－形成的因素进行了优化。     

指纹物质中毒品检测的研究进展

指纹作为案件现场中最常见的物证之一,不仅包含了可用于人身识别的形态特征,还蕴含了丰富的反映遗留人人身特点的化学信息。通过对指纹中毒品物质的检测及分析,可提供指纹遗留者毒品的吸食、接触情况,将其与特定案件相联系,反映个人生活方式信息,为涉毒人员的发现提供新思路。该文利用文献计量学方法总结了该领域的发展脉络以及研究现状与热点,主要总结了目前已建立的指纹物质中毒品分析检测的各种技术方法和特点,并对未来研究方向及难点进行评述,以期为实际案件指纹中的毒品检测提供参考。     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。     

基于ICP－MS截尾数据与支持向量机优化模型鉴别蜂蜜植物源

该文开展了一种电感耦合等离子体质谱（ICP－MS）截尾数据和支持向量机（SVM）分类模型识别蜂蜜植物源的研究。实验选取荆条蜜、洋槐蜜、葵花蜜、油菜蜜4种不同植物源的蜂蜜共97例,经微波消解等预处理后,采用ICP-MS分别测得蜂蜜样品中16种金属元素的含量,并研究13种具有显著性差异的金属元素,以含截尾数据和不含截尾数据的元素作为输入变量分别建立基于高斯径向基函数的SVM分类模型,并通过网格搜索法（GS）、遗传算法（GA）、粒子群优化（PSO）算法对SVM模型中的惩罚参数c和核函数参数g进行优化。结果表明：Al、Ti、Cr、Ni、As、Se、Cd、Ba、Pb 9种金属元素存在截尾数据;方差分析结果表明,4种不同植物源蜂蜜之间,Na、Mg、Al、K、Ca、Mn、Ni、Cu、Zn、Se、Ba、Pb 12种金属元素在95%置信区间差异极显著,As元素在95%置信区间差异显著,Ti、Cr和Cd在95%置信区间无显著性差异,使用替换法将截尾数据按二分之一检出限值处理并作为输入变量时所建立的SVM模型分类效果更优;使用截尾数据所建立模型的判别正确率为91.8%,而不含截尾数据建立模型的判别正确率仅为82.5%。使用网格搜索法、遗传算法、粒子群优化算法对分类模型中惩罚参数c和核函数参数g作进一步优化,通过PSO算法寻优获得惩罚参数c为62.8,核函数参数g为1.26的条件下所建立的分类模型最优,其综合判别正确率为96.9%。由此可见,利用替换法按二分之一检出限值处理截尾数据作蜂蜜植物源鉴别分析是可行的,同时表明基于ICP－MS截尾数据结合SVM优化模型能提高模型判别正确率并可有效鉴别不同植物源蜂蜜。