梨和苹果糖度在线检测通用数学模型研究

采用可见/近红外光谱技术在线检测水果糖度,每个水果品种要单独建模,模型升级维护耗时费力。探讨建立苹果、梨等薄皮水果可溶性固形物(SSC)在线检测通用数学模型的可行性。利用自行设计的可见/近红外漫透射光谱在线检测系统,在积分时间80 ms、单线速度5个/s的条件下,采集新梨7号、砀山酥梨、玉露香梨和富士苹果四种水果的可见/近红外漫透射光谱。分析了四种水果的可见/近红外漫透射光谱响应特性,采用变异系数法和连续投影算法,筛选通用数学模型建模用光谱变量,并建立了偏最小二乘和最小二乘支持向量机梨与苹果梨通用数学模型。采用新样品评价模型的预测能力,变异系数法筛选光谱波段建立的偏最小二乘通用数学模型预测精度最高,通用模型预测梨和苹果梨模型预测均方根误差分别为0.49%和0.55%,通用模型预测相关系数分别为0.88和0.93;独立模型预测新梨7号、玉露香梨、砀山酥梨和富士苹果的预测相关系数分别为0.93,0.91,0.88和0.95,预测均方根误差分别为0.40%,0.42%,0.41%和0.46%。通用数学模型的预测精度略低于每个品种的独立数学模型,但是通用模型的通用性高于单一模型。实验结果说明采用变异系数法结合偏最小二乘法建立薄皮水果在线检测通用数学模型,实现四种水果糖度在线检测是可行的。     

便携式近红外光谱仪的苹果糖度模型温度修正

样品温度对近红外光谱有很大影响,在近红外技术评价水果品质的实际应用时,需要修正温度变化对模型预测结果的影响。便携式近红外光谱仪采集不同温度下(0～30℃)苹果的漫透射光谱,采用二阶导数和卷积平滑进行预处理。选取20℃下代表性样本的光谱数据,建立基准PLS模型。斜率/偏差法分别计算苹果糖度PLS模型在0,10和30℃下的修正方程。分析结果表明:斜率/偏差法对0,10和30℃下外部样本预测结果进行修正,预测精度得到显著提高,其修正前后的Q值分别为0.525cv 0.810,0.680cv0.822,0.669cv 0.802。温度修正模型可以有效提高预测精度,也扩展了近红外仪器的适用性,为自主研发便携式近红外光谱仪提供参考。     

田间黄花梨糖度的可见/近红外光谱检测方法

提出了一种可克服背景光对田间光谱测量影响的方法。采集田间水果光谱时,环境背景光的干扰强,难以获取样品有效光谱信息。在田间采用套袋方式遮挡现场光线能得到较理想的结果,但检测效率低,仪器暗场校正和参考光谱校正等方法有利于减小模型误差,但不能有效消除环境光照的干扰。通过在测量探头前加装快门,打开快门时测得样品在仪器光源和背景光共同作用下的现场光谱,关闭快门时测得样品仅在现场环境光线作用下的背景光谱,将背景光谱从现场光谱中扣除进行背景光校正。利用偏最二乘法建立田间(背景光校正前、后)以及室内样品光谱建立黄花梨糖度预测模型,预测值与真实值的相关系数分别为0.1,0.69,0.92,均方根误差分别为0.89。Brix,0.42。Brix,0.27。Brix,预测集的RPD分别为0.79,1.69,2.58,结果表明实验所采用的背景光校正方法可有效减小田间环境光照对黄花梨可见/近红外光谱采集的影响,可用于田间水果的近红外光谱采集,有利于充分发挥可见/近红外光谱技术在果实采收前的田间管理、采收成熟度检测等方面的潜力。     

水果糖度可见-近红外光谱手持式检测装置开发与试验

基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置,并用于水果糖度的现场实时分析。硬件系统主要包括微型光谱仪、卤素灯、OLED显示屏、单片机及驱动电路等。采用Keil 5开发工具,用C语言开发单片机程序。配合上位机以LabView编写的光谱采集程序,实现光谱信息的采集。以苹果和大桃作为检测对象,对装置的检测精度和模型在2台装置（主机、从机）间的传递效果进行了探讨。在实验室和果园环境下,分别获取了苹果、大桃样本在600～950 nm范围的可见-近红外光谱。对实验室条件下采集的主机校正集光谱进行分析,经过平滑、最大值归一化、二阶导数等预处理后,利用偏最小二乘算法分别建立了苹果、大桃的糖度检测模型。模型导入主机装置后,对预测集样本进行检验。对苹果、大桃的预测集相关系数和预测均方根误差分别为0.925,0.587%和0.821,0.613%。采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。对比后发现,基于典型相关分析算法取得了更好的模型传递结果。从机对苹果、大桃糖度的预测集相关系数和预测均方根误差分别为0.883,0.641%和0.805,0.626%。将实验室条件下建立的模型用于树上采集到的水果光谱数据分析,得到预测集相关系数和预测均方根误差分别为0.866,0.741%和0.816,0.627%。整体检测结果表明,该装置可以满足对苹果、大桃糖度的有效检测,借助模型传递算法,实现了模型在不同装置间的共享和有效传递,且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测,该装置具有较大的经济价值和应用前景。     

基于背景水分扣除的水泥生料成分的近红外光谱建模

傅里叶变换红外光谱技术(FTIR)在水泥生料成分的在线分析上具有巨大的潜力。但因现场环境复杂,空气湿度不稳定,会对生料样品中Fe_2O_3, SiO_2, CaO和Al_2O_3四种关键成分的在线FTIR定量分析形成一定干扰。使用生料在线FTIR分析仪对不同湿度条件下的水泥生料样品进行了近红外光谱采集,分析了不同湿度对近红外光谱定量分析的影响,并提出一种消除背景水分吸收的方法。具体研究内容为:(1)通过对两种不同湿度条件下的各50个样品的光谱分析得到:高湿度的样品光谱与低湿度的样品光谱比较,形状类似,但吸光度整体降低,基线倾斜。表明背景水分影响了样品的近红外光谱。(2)分别建立高湿度、低湿度条件下的样品的定量分析模型,预测另一湿度条件下的预测集中8个样品的四种成分含量。得到:①高湿度模型预测样品中4种成分含量与标准值之间的相关系数(r)为83.74%～92.74%,均方根误差(RMSE)为0.12～0.83;②低湿度模型预测的r为67.32%～82.41%, RMSE为0.12～0.84。表明背景水分影响了水泥生料成分的FTIR定量分析。(3)为了消除背景水分造成的影响,从实测光谱中消除背景水分的特征吸收后,分别建立了高湿度、低湿度条件下的样品的FTIR定量分析模型,并对预测集样品的四种成分含量进行预测。得到:①高湿度条件下,消除背景水分后的模型较未消除前的模型预测的准确度提高,预测的r为90.73%～97.76%, RMSE为0.12～0.82;②低湿度条件下,消除背景水分后的模型较未消除前的模型预测的准确度提高,预测的r为94.07%～98.69%, RMSE为0.12～0.82;③高湿度、低湿度条件下,消除背景水分后的2个模型预测的r均达到90%以上。表明了该方法可有效消除背景水分对水泥生料成分定量分析模型预测的影响,为实现基于FTIR的水泥生料成分的在线分析提供了理论基础和技术支持。     

不同产地苹果糖度可见近红外光谱在线检测

为了实现不同产地苹果糖度的快速在线无损检测,减少产地差异对近红外光谱检测模型的影响,建立了不同产地苹果糖度的在线检测通用模型。首先,采用水果动态在线检测设备采集了包括栖霞、洛川与会宁3个产地的红富士苹果的漫透射光谱。其次,采用偏最小二乘算法(PLS),结合无信息变量消除(UVE)方法,筛选出58个特征变量,建立了苹果糖度的UVE-PLS通用模型,该模型对个体产地预测集及总预测集的均方根误差分别为0.50～0.74°Brix与0.63°Brix,较原始个体模型分别提高了23.2%～44.4%与35.7%。最后,提出了一个新的外部验证样本集对模型性能进行评价,其残留预测偏差为2.33,预测值在±1.0°Brix和±1.5°Brix误差范围内的占比分别为85%与100%。实验结果表明:建立多个产地苹果糖度的在线检测通用模型,能够提高其他产地样本糖度的预测稳健性,并且采用合适的波长筛选方法能够简化模型。开发不同产地水果内部品质通用模型在波长有限的光谱设备中具有良好的应用潜力。     

基于近红外在线装置苹果糖度模型参数优化研究

糖度(SSC)是苹果内部品质主要评价指标之一,近红外光谱技术是预测苹果SSC的首选技术,优化近红外光谱采集装置的参数,可以提升模型的性能。采用本课题组自主研发的动态在线设备采集苹果的近红外光谱(350～1 150 nm),研究不同参数条件下(运动速度、积分时间和光照强度)对近红外光谱预测苹果糖度模型的影响,优化动态在线装置的参数。210个红富士苹果被分为两批,第一批90个苹果样品,经过Kennard-Stone算法(K-S)算法分为建模集和预测集,用于研究不同运动速度、不同积分时间对苹果SSC含量在线预测模型的影响。在0.3和0.5 m·s^-1两种运动速度下,使用多元散射校正(MSC)、小波变换(WT)、标准正态变量变换(SNV)对采集到的光谱进行预处理,对不同移动速度的光谱构建糖度的偏最小二乘回归模型(PLS),结果表明：装置的运动速度为0.5 m·s^-1所建立的预测模型性能较优,在四种不同积分时间中,积分时间为120 ms时,经SNV预处理所建立的模型性能最优,其预测集的相关系数和均方根误差分别为0.968和0.331。第二批苹果120个...     

木材中的水分及其近红外光谱分析

水分是木材的重要特征之一,用近红外光谱分析木材性质,必须考虑水分对预测结果的影响。文章分析了不同含水率状态下木材在近红外光谱区的吸收特性;用近红外光谱法预测木材中的水分含量,相关系数为0.99,校正标准偏差SEC和预测标准偏差SEP分别是0.041和0.043;通过在不同含水率(7%,12%,20%,30%,60%)状态下采集近红外光谱与固定含水率下的木材密度建立关联,结果表明,利用近红外光谱技术可以在不同含水率下采集近红外光谱来预测木材气干密度。     

温度变化对近红外光谱预测木材含水率的影响

为实现温度不稳定环境下木材含水率的近红外光谱检测,探究了不同温度下木材近红外光谱的变化规律及温度变化对近红外预测木材含水率的影响。对从林场采集的樟子松、水曲柳、大青杨和红松原木木块试样各75块,共计300块试样,进行了不同温度和含水率条件下的近红外光谱采集。采用单一温度下的校正集分别与各个温度下的验证集建立偏最小二乘含水率预测模型,探究温度变化对木材含水率模型预测准确性的影响。比较了不同光谱预处理的木材含水率预测温度全局模型。采集相同含水率下不同温度的近红外光谱数据,对光谱进行光谱平均、一次微分、主成分分析和偏最小二乘判别分析,以探究温度变化时,木材近红外光谱的变化规律。结果显示：(1)温度对木材样品光谱存在显著影响;主成分分析和判别分析表明不同温度下的样品有明显聚类趋势,温度判别准确率为96.1%。温度会影响木材的近红外光谱在特定波长吸收峰的位置及吸光度,在含水率相同的情况下,随着温度的升高,特定位置吸收峰有逐渐向高频波段转移的趋势且在零下低温时波峰移动变化更明显。(2)不同温度下的PLS含水率预测模型对温度变动的适应能力有差异,木材含水率预测模型更适应于检测与建模样本相同温度的样品...     

基于近红外光谱的杂交水稻种子发芽率测试研究

现阶段水稻种子发芽率测试仍然按照传统的农作物种子发芽技术规定进行发芽试验,此方法存在试验周期长、成本高、专业性要求高等缺点,本研究提出一种基于近红外光谱技术的快速、无损测试杂交水稻种子发芽率的新方法。采用人工老化方法在温度45 ℃、湿度100%的条件下分别老化处理2个品种杂交水稻种子0,24,48,72,96,120,144 h;用近红外光谱仪分别采集2个品种不同老化时间段杂交水稻种子光谱数据共280份,随机分成校正集(168份)和检验集(112份);测试不同老化时间段的水稻种子发芽率;以偏最小二乘算法(PLS)建立了回归模型,分析不同光谱波段和比较不同光谱预处理方法对模型精度的影响。2个品种的水稻种子光谱数据采用全波段和标准化＋正交信号校正预处理时模型最优,模型校正集决定系数(R_C)与验证集相关系数(R_P)分别为0.965和0.931,校正标准误差(SEC)与预测标准误差(SEP)分别为1.929和2.899,验证集预测值与真实值之间的相对误差在4.2%以内。研究结果表明利用近红外光谱分析技术进行杂交水稻种子发芽率的快速无损检测是可行的。     

湿度对水泥生料近红外光谱检测的影响及补偿方法

近红外光谱检测已被应用于水泥生料成分的快速检测,但现场环境中的湿度等因素会对光谱产生干扰,从而降低检测精度。为了提高检测精度,在实验分析湿度对水泥生料近红外光谱检测影响的基础上研究了补偿方法。在水泥厂选取了24份水泥生料样本,其中18份作为校正集,6份作为验证集;水泥生料中的有效成分为SiO2,Al2O3,Fe2O3和CaCO3,各成分含量的标准值由X射线荧光光谱分析测出。首先,将校正集的18份样本每份重复装样测5次光谱,用得到的90个光谱建立模型Ⅰ;再每份样品制作5个湿度梯度样本,其获得过程为,先将样本放置在电加热平台上,用玻璃棒将样本摊平,180℃下加热30 min,再将样本放置在散热片上进行降温,待样品恢复室温后取出进行第一次光谱扫描,得到1个光谱,将测量后的样本放入搅拌器,使用装有去离子水的喷雾器对其喷雾两次,然后搅拌30 s混合均匀,测量混合后的样本得到下一个光谱,重复该过程,得到具有湿度梯度的5个光谱。所有样本均采用烘干法进行湿度测量,样本湿度变化区间在0.6%~2%以内。对每个湿度梯度的样本测量1次,用得到的这90个光谱建立模型Ⅱ。然后,将验证集的6份样本每份制作5个湿度梯度,获取方式与校正集相同,对每个湿度梯度的样本测量1次,得到30个光谱。所有光谱均采用多元散射校正预处理,拟合波段选择4000~5000 cm^-1,建模方法采用偏最小二乘法。比较同一份样本的5个湿度梯度,可以看到在5200 cm^-1处光谱差异最大,在其他位置也有肉眼可见的明显差异,因此,湿度变化对全波段光谱有明显的影响。最后,将这30个光谱输入模型Ⅰ与模型Ⅱ进行验证,并对比模型Ⅰ与模型Ⅱ的预测均方根误差RMSEP。模型Ⅱ中SiO2,Al2O3,Fe2O3和CaCO3的预测均方根误差RMSEP比模型Ⅰ分别减小了25%,31.3%,33.3%和25%。实验结果表明,水泥生料样本湿度对近红外光谱模型的预测结果具有一定的影响,采用具有湿度梯度的样本进行建模可有效降低湿度对预测结果的影响。     

溶液近红外光谱分析中温度影响的修正

作为一种快速、无损的分析技术,近红外光谱分析在许多领域中被广泛应用,其中液体样品是其应用最为广泛的分析对象之一.由于水等常用溶剂在近红外波段的温度敏感性极高,因而不能忽视温度对溶液的近红外光谱测量带来的影响.文章以朗伯-比尔定律为基础,在理论上推导出了温度变化对溶液透射光谱的影响,并提出利用纯溶剂在不同温度下的吸光度变化量作为温度校正量,对样品光谱进行修正.文章还在不同温度下,对葡萄糖水溶液和白蛋白水溶液进行了光谱测量,建立了30℃下的校正模型,并以纯水的吸光度变化量为温度校正量,将不同温度下的预测样品光谱修正至对应于30℃的光谱.实验结果表明,对光谱进行温度修正后,有效消除了温度对光谱的影响,葡萄糖和白蛋白的浓度预测误差得到了明显的降低.     

饮用水激光拉曼光谱的比较与分析

为了对我国目前饮用水的质量进行有效检测,对市面上几种常用品牌的饮用水以及实验室提供的蒸馏水等样品做了测量和计算。运用激光拉曼光谱的分析方法,测量了它们的激光拉曼光谱。同时,通过测量计算了样品在对称伸缩振动处拉曼谱的退偏度。结果表明,在水样品的对称伸缩振动处,其拉曼谱的相对强度大小和退偏度的大小有着相同的规律。对结果进行比较和分析后得出了如下结论：可以从拉曼光谱特征峰相对强度的大小和同一特征峰下退偏度的大小两方面来判断饮用水中矿物质含量的相对多少。为鉴定饮用水的质量提供了新的有效途径。     

基于倏逝波的锥形光纤马赫-曾德尔湿度传感器

提出了一种基于倏逝波原理的光纤马赫-曾德尔湿度传感器,传感器是在2个单模光纤粗锥的传感臂中心通过绝热火焰熔融拉锥处理而成。光由传感器输入端传入,经过第1个粗锥时,将激发出若干高阶模,各模式光传输经过细锥区进入第2个粗锥时被耦合进入传感器输出端。当外界湿度变化时,细锥区倏逝场随之变化,最终导致透射谱能量变化。通过测量透射谱能量变化,可以实现环境湿度传感测量。实验结果表明,在35%~85%RH的湿度变化范围内,透射谱的能量具有相同变化趋势,处于水蒸气吸收峰附近的干涉谷湿度响应灵敏度可达0.157 dBm/%RH,温度交叉灵敏度仅为0.014 %RH/ ℃。该传感器因其制作简单、灵敏度高,温度交叉敏感小等特点,具有很好的应用前景。     

多元散射校正技术用于近红外定标波长组合的优选研究

在近红外光谱定量分析技术中,多元散射校正(MSC)算法可以有效地剔除由于样品颗粒度、装填密度、湿度等物理因素所导致的散射影响,有效地提高了光谱的信噪比。相关光谱法反映了样品待测成分光谱信息和浓度信息之间的线性相关性,在定标波长优选过程中发挥了重要作用。然而采用单一波长通道一元线性回归计算得到的相关光谱极易受到散射的影响,掩盖了待测成分的特征线性信息,将多元散射校正技术用于相关光谱的信息提取和噪声压制,克服了上述的困难, 并通过人参样品的定标实验验证,得到了良好的效果和满意的定标结果。     

基于拉曼光谱的PE膜包装食用农产品品质检测误差的校正方法

透明保鲜膜包装以其方便、经济、卫生的特点被广泛应用于超市卖场及日常生活中,却也给食品农产品的检测增加了难度,所以急需一种能够隔透明薄膜无损检测农产品的方法。叶绿素是影响黄瓜品质的重要因素之一,该研究主要探讨了拉曼技术检测黄瓜品质时,食品保鲜膜层数对叶绿素特征峰的影响,并通过对菠菜、油菜和芹菜对得出的结论进行验证。采用点检测拉曼光谱系统,采集无保鲜膜包装以及多层包装下黄瓜的拉曼光谱。拉曼信号经Savitzky-Golay(SG) 5点平滑和自适应迭代惩罚最小二乘法扣除荧光背景,探究不同层数(1~6层)的PE保鲜膜对黄瓜叶绿素特征峰的影响。采集被保鲜膜覆盖的黄瓜的拉曼信号并处理,即可建立叶绿素的特征峰(1 158和1 528 cm-1)减少值与保鲜膜层数之间的变化规律,并对规律的预测效果进行评价。随着保鲜膜层数的增加,透明包装层数与黄瓜叶绿素特征峰强度之间呈现良好的线性相关关系。提取出单层透明包装对叶绿素在1 158和1 528 cm-1处特征峰强度的降低值分别为81.4和103.1,分别占未加保鲜膜时叶绿素特征峰强度值的7.98%和8.56%,多组验证结果的相关系数达到0.95以上,验证的相关系数达到0.94。随着样品浓度增高,线性递减效果越明显。作为验证,通过透明保鲜膜检测菠菜、油菜和芹菜叶片中的叶绿素表明,每加一层膜叶绿素在1 158和1 528 cm-1处的特征峰强度会比覆膜前分别降低7.9%～8.6%和8.1%～8.6%;导致检测信号强度呈线性降低是由于保鲜膜使激发光分散不聚焦导致,保鲜膜成分对检测结果无影响。该研究为拉曼光谱隔透明包装检测拉曼光谱特征峰强度,进而获得农产品品质信息提供了一种新的分析方法。     

基于傅里叶红外光谱的SiO_2基相变储湿复合材料结构分析及性能优选预测

以SiO_2为载体材料、脂肪酸为相变材料制备具有相变调温性能与储湿调湿性能的SiO_2基相变储湿复合材料。采用等温吸放湿法和步冷曲线法测试不同脂肪酸用量的SiO_2基相变储湿复合材料相变调温性能与储湿调湿性能。利用傅里叶红外光谱测试SiO_2基相变储湿复合材料的结构组成,分析SiO_2与脂肪酸的嵌合机理。以SiO_2基相变储湿复合材料的傅里叶红外光谱特征吸收峰作为输入层,以SiO_2基相变储湿复合材料的脂肪酸用量、相对湿度52.89%下SiO_2基相变储湿复合材料吸湿平衡含湿量与放湿平衡含湿量的平均值、SiO_2基相变储湿复合材料从30~15℃降温所需的时间作为输出层,以S型激活函数作为隐含层,利用BE神经网络建立结构参数与综合相变储湿性能的SiO_2基相变储湿复合材料性能优选预测模型。结果表明,SiO_2基相变储湿复合材料中SiO_2与脂肪酸仅为物理嵌合,未发生化学作用;当脂肪酸用量0.079 mol时,所制备的SiO_2基相变储湿复合材料具有最优的综合相变储湿性能,即在相对湿度52.89%下的吸湿平衡含湿量为0.132 3 g·g~(-1)、放湿平衡含湿量0.147 5 g·g~(-1)、平衡含湿量的平均值为0.139 9 g·g~(-1),从30~15℃降温所需的时间为1 305 s;SiO_2基相变储湿复合材料的性能优选预测模型吻合性较好,具有较高的精确度,其预测值与实测值的相对误差为-2.07%和2.45%,可以用于优选预测SiO_2基相变储湿复合材料的储湿调湿性能和相变调温性能。     

一种适用于湿度传感的表面等离子微环传感器

提出了一种适用于湿度传感的表面等离子微环传感器。该传感器纵向上采用表面等离子多层波导结构,横向上采用U型微环结构,以聚酰亚胺(polyimide,PI)为感湿材料。根据传输矩阵法推导表面等离子微环传感器结构的传递函数,外界环境的相对湿度变化引起聚酰亚胺的折射率变化,从而多层波导结构的有效折射率发生改变,导致传感器的输出光谱发生漂移。重点分析讨论了多层波导结构的传输特性以及感湿部位折射率的变化对输出光谱的影响。根据计算和仿真得出：当U型波导的两个耦合点间的距离为微环周长的整数倍时,传感器的输出光谱水平漂移量较大,自由光谱范围(FSR)加倍,达到128 nm,当外界环境相对湿度从10%RH变化到100%RH时,漂移量Δλ_m在0.005～0.038 μm之间变化,相比于其他湿度传感器,灵敏度提高了10～50倍,高达0.0005 μm/%RH,并且传输稳定。结果表明：设计的表面等离子微环传感器,灵敏度较好,性能稳定,可以应用于湿度测量,并且实现了在高灵敏度感湿的同时兼顾大范围的滤波选频,为微型光学器件的制备提供了理论基础。     

可在线校准的大气CO_2浓度光声光谱监测系统研究

Fs光声光谱系统的谐振频率和池常数通常在实验室由标准气体标定得到,但在实际应用中,由于标准气体本身的不确定度以及与被测气体成分的不同、环境温湿度的变化,使得现场测量中谐振频率和池常数与实验室标定结果有偏差,从而导致测量结果不准确。为了解决以上问题,提出了基于大气中氧气的在线校准技术,并将该技术用于检测大气中二氧化碳浓度的光声光谱系统。大气中氧气浓度恒定为20.964%,通过探测氧气在763.73nm附近的扫频信号及峰值信号,实现共振频率和池常数的在线校准。该系统中光声池为直径6mm,长度100mm的一阶纵向共振模式结构。理论上分析了环境温湿度、气体成分对光声池性能的影响,同时给出了用标准气体、室内空气和室外空气标定的谐振频率和池常数,在标定结果的基础上,测量得到室内和室外的二氧化碳浓度值。实验结果显示,与校准过的气体分析仪的测量值相比,用被测大气中的氧气标定的谐振频率和池常数计算的二氧化碳浓度更准确,相对误差小于1%,远小于实验室标准气体标定计算的浓度相对误差。创新处在于,直接利用大气中的氧气对光声池的池常数和共振频率进行在线校准,有效的减小了标准气体标定带来的误差,以及环境变化带来系统漂移,提高光声系统在线监测的准确性和可靠性。     

不同土壤物理性质下石油类污染物LIF发射特征研究

利用激光诱导荧光技术可对土壤中石油类污染物快速检测,不同土壤物理性质下,污染物荧光发射特征具有一定差异。为实现外场检测时快速制备合适的土壤样品,实验研究了土壤疏松度、颗粒度、湿度与土壤中石油类污染物荧光强度及光谱稳定性之间的关系。压片机压强大于2 MPa时土壤样品荧光光谱的稳定性较好,九种不同疏松度的土壤样品荧光强度的相对标准偏差为3.51%。不同粒径的机油土壤样品荧光强度差异较小,其中100目土壤样品的荧光光谱RSD值为2.25%。结果表明,土壤样品表面呈平整洁净时,所得样品荧光光谱的稳定性较好,土壤疏松度和颗粒度对荧光光谱的影响较小。湿度对土壤样品荧光发射的影响较大,当土壤湿度低于10%,荧光强度变化较小;湿度范围大于10%时,荧光强度变化较大。为利用LIF技术对外场土壤中石油类污染物检测时,快速有效制备土壤样品及准确测量提供参考。