差分拉曼光谱技术结合K-means聚类法对牙膏的快速分类

建立了差分拉曼光谱技术结合K-means聚类法对牙膏快速分类的方法。对37个牙膏样品编号,将其分别涂抹于载玻片上,晾干,使用差分拉曼光谱仪进行扫描。调用R语言软件中fpc、factoextra、cluster数据库中的na.omit和scale函数对37个牙膏样品的差分拉曼光谱数据进行标准化处理,利用手肘法和Gap Statistic算法优化聚类数。在最佳聚类数为4的条件下,通过K-means聚类法对牙膏样品进行分类,并使用层次聚类分析法进行验证。结果显示,37个牙膏样品被分为4类,并且两种方法的分类结果一致。     

基于近红外光谱和OPLS-DA的不同牌号卷烟分类识别方法研究

为了对卷烟牌号进行准确分类鉴别,提出了一种基于近红外光谱(NIRS)分析技术结合有监督的模式识别快速鉴别卷烟牌号的新方法。利用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)、二阶导数(SD)和Savitzky-Golay平滑(SG)及其相结合的光谱预处理方法对烟丝光谱进行预处理,通过近红外光谱结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA) 3种模式识别方法对不同牌号烟丝进行分类识别研究,并采用分类识别正确率作为评价指标。实验结果表明：(1)烟丝近红外光谱主成分得分图交叉重叠,区分不明显,PCA无法识别出5种牌号的成品烟丝;(2)烟丝光谱经MSC+FD预处理后的PLS-DA模型可得到较好的识别效果,校正集和测试集的分类识别正确率分别为100%和98.3%;(3)烟丝光谱经MSC+SD预处理后的OPLS-DA模型的模式识别效果最好,模型对自变量拟合指数(R2X）,因变量的拟合指数(R2Y)和模型预测指数(Q2)分别为0.485、0.907 和0.748,近红外光谱校正集和测试集的分类识别正确率均为100%。说明近红外光谱技术结合有监督模式识别方法OPLS-DA建立的烟丝牌号分类模型具有高效快速、准确无损的优点,为卷烟烟丝分类提供了一种新的快速鉴别方法。     

基于多通道CNN-GRU的表面增强拉曼光谱对毒品的模糊识别

毒品问题是全世界当局面临的严峻挑战,对缉获样品、生物体液和废水中毒品的快速检测是打击毒品犯罪的重要环节和领域热点.本文提出了多通道深度神经网络结合表面增强拉曼光谱(SERS)快速识别混合毒品的新方法,成功实现对溶液中海洛因(heroin)、氯胺酮(ketamine)、3,4-亚甲二氧基甲基苯丙胺(MDMA)的快速模糊识别.该方法以金纳米颗粒(Au NPs)作为增强基底,利用SERS对毒品进行高灵敏分析,运用深度学习对获得的差异信号进行辨识,从而实现对多种毒品的模糊识别.基于多通道卷积神经网络(CNN)-门控神经单元(GRU)模型可以从原始数据中提取空间与序列的高维分布特征,以99.9%的高准确率分类, 99.6%的准确率半定量,远优于传统CNN模型.该方法为复杂基质中混合毒品的快速模糊识别提供了新途径.     

拉曼镊子在生物单细胞中的应用与进展

拉曼镊子(Raman tweezers)是将激光光镊(Optical tweezers)与显微拉曼光谱(Raman spectroscopy)结合的光学技术,可以在接近自然状态下研究单个生物细胞或细胞器.因其有无直接接触、无损伤、快速识别、实时追踪等特点,广泛用于生物细胞的识别、探测、筛选等.研究显示,拉曼镊子在微观生物研究的应用中,可提高拉曼光谱的信噪比,也能实现生化动力学过程的实时跟踪,从而能深刻了解细胞内生物大分子的活动规律.本文着重介绍了拉曼镊子的起源、原理及其在单细胞中的应用以及展望.     

基于显微共聚焦拉曼光谱技术快速检测3种梭菌中肉毒梭菌

提出了一种基于显微共聚焦拉曼光谱技术的肉毒梭菌快速鉴别方法.利用共聚焦显微拉曼光谱技术(CRM)采集了肉毒梭菌、艰难梭菌和产气荚膜梭菌的拉曼光谱,比较了3种梭菌的平均拉曼光谱,采用基线校正、标准正态变换、Savitzky-Golay 5点平滑和最大最小值归一化预处理后,借助主成分分析(PCA)降维并提取特征变量,对样本...     

基于显微共聚焦拉曼技术对三种食源性致病菌的快速鉴别研究

采用显微共聚焦拉曼技术,建立了对三种常见食源性致病菌快速鉴别的检测方法。使用XploRA PLUS共聚焦拉曼光谱仪,在激光功率为5 mW、积分时间为30s、积分次数为1次的条件下,对德尔卑沙门氏菌、副溶血性弧菌和金黄色葡萄球菌进行了拉曼光谱数据的采集。对拉曼光谱采用多项式平滑算法和荧光背底扣除后,采用主成分分析法(PCA)对预处理后的数据进行降维,提取出前三个主成分的累计方差贡献率达到了95.4％,样本明显的聚为了3类。同时结合Fisher判别分析法(FLD)构建分类模型,对三种样本进行交叉验证,分类准确率达到了100％。结果表明,采用显微共聚焦拉曼技术与PCA-FLD方法结合可实现对三种食源性致病菌的快速准确鉴别且模型检测精度高,方法具有一定的实用性及参考价值。     

纹党参与白条党参红外光谱的SIMCA聚类鉴别方法研究

以纹党参和白条党参的红外光谱为聚类分析的对象,研究了红外光谱结合SIMCA聚类分析法对纹党参和白条党参进行识别与分类的可行性.选取400 ～2 000 cm~(-1)范围内的光谱,通过基线补偿(Offset)和散射校正(MSC)等预处理后,采用SIMCA聚类分析法建立识别模型.结果表明,所建模型对纹党参和白条党参的识别率分别达92%和96%,拒绝率均为100%.用盲样对所建模型进行了测试,测试结果全部正确.该法可实现对纹党参和白条党参的快速鉴别.     

利用拉曼光谱对塑料拖鞋鞋底样品的分类研究

为建立案件现场常见塑料拖鞋鞋底物证的分类方法,利用拉曼光谱对30个不同品牌、不同系列的塑料拖鞋鞋底样品进行了检验并进行分类。同时,结合多元统计学,分别利用系统聚类法、相关性分析法与主成分分析法对实验结果进行分析。结果表明,该方法简便快速、实验结果准确可靠,且无损检材,对样品的分类效果较好。     

表面增强拉曼光谱应用于标记免疫多组分检测

作为一种新型的免疫检测方法, 表面增强拉曼光谱(SERS)技术被应用于标记免疫多组分检测. 以多种不同的标记分子(苯硫酚, 联吡啶类分子, 氰基吡啶类分子)分别标记多种不同免疫金溶胶, 通过抗体抗原之间所具有的特异吸附性, 进一步组装“固相抗体-待测抗原-标记免疫金溶胶”多组分三明治复合体系. 利用表面增强拉曼光谱谱峰较窄, 具有较强的分辨率及高灵敏度的特点, 对多种标记分子特征谱峰进行分析判断, 从而识别所加入的多种抗原, 实现SERS标记免疫多组分同时检测的目的, 并对其中氰基吡啶类分子的吸附进行了探讨.     

偏最小二乘法在红外光谱识别茶叶中的应用

采用漫反射傅立叶变换红外光谱(FTIR)法结合主成分分析(PCA)、偏最小二乘法(PLS)、簇类的独立软模式(SIMCA)识别法对十三种茶叶进行了分类判别研究。研究结果表明,通过多元散射校正(MSC)对原始光谱进行预处理,可以提高模式识别技术的分类判别效果。在此基础上,选取1 900~900 cm-1波长范围内的茶叶红外光谱建立识别模型,三种方法都得到了满意的分类判别效果。在对检验集中全部130个样本的判别中,PCA仅有两类样本无法判别,SIMCA的识别率和拒绝率都在90%以上,而PLS的识别效果最佳,全部样本都得到了正确的归类。这一研究结果表明傅立叶变换红外光谱法与化学计量学方法相结合可以实现茶叶品种的快速鉴别,这为茶叶的客观评审提供了一种新思路。