Fast detection and identification of counterfeit antimalarial tablets by Raman spectroscopy

During the last decade there has been an apparent increase in the prevalence of counterfeit medicines in developing as well as developed countries. The pivotal antimalarial artesunate has been counterfeited on a large scale in SE Asia. In this work, the possibilities of Raman spectroscopy are explored as a fast and reliable screening method for the detection of counterfeit artesunate tablets. In this study, 50 ‘artesunate tablets’, purchased in SE Asia, were examined. This spectroscopic method was able to distinguish between genuine and counterfeit artesunate and to identify the composition of the counterfeit tablets. These contained no detectable levels of artesunate, but consisted mostly of starch, calcite (CaCO₃), and paracetamol (4‐acetamidophenol). In one particular case an admixture of rutile (TiO₂) and artesunate was detected. The results of the investigation by Raman spectroscopy were in agreement with those of colorimetric tests and of liquid chromatography‐mass spectrometry on the artesunate. Moreover, principal components analysis (PCA) was combined with hierarchical cluster analysis to establish an automated approach for the discrimination between different groups of counterfeits and genuine artesunate tablets. These results demonstrate that Raman spectroscopy combined with multivariate analysis is a promising and reliable methodology for the fast characterization of genuine and counterfeit artesunate antimalarial tablets. Copyright © 2006 John Wiley & Sons, Ltd.     

近红外光谱技术的乳粉品牌溯源研究

采用近红外光谱漫反射模式,结合简易分类技术(soft independent modeling of class analogy, SIMCA)对不同品牌乳粉进行了分类溯源研究。实验共采集了四种不同品牌乳粉,包括光明乳粉54组,荷兰乳粉43组,雀巢乳粉33组以及伊利乳粉8组共138组样品的近红外光谱,通过对预处理后的训练集全谱段数据变量进行主成分分析,得出前三个主成分的累积方差贡献率为99.07%。利用SIMCA类建模法建立的乳粉主成分回归模型对预测集乳粉进行分类,研究结果表明,光明乳粉、荷兰乳粉、雀巢乳粉的识别率分别为78%, 75%, 100%,拒绝率分别为100%, 87%, 88%。因此,近红外光谱结合SIMCA建立的模型具备较好的乳粉品牌溯源能力,为快速、准确鉴别乳粉品牌提供了新思路。     

LIF技术与SIMCA算法在煤矿突水水源识别中的研究

煤矿突水水源类型的快速识别对于煤矿水害预警防治意义重大。针对传统水化学方法水源识别耗时较长的问题,提出一种基于激光诱导荧光光谱(LIF)技术与簇类的独立软模式(SIMCA)算法的煤矿突水水源快速识别方法。激光诱导荧光光谱技术具有分析速度快、灵敏度高等特点,在激光器的辅助下,荧光光谱仪实时采集荧光光谱,根据水样的荧光光谱即可进行水源类型识别,在数据库完备的情况下,只需几秒即可进行煤矿水源判断,对于煤矿的水害预警以及灾后救援来说意义重大。实验利用405 nm激光器发射激光,打入被测水体,得到五种常见突水水样的共100组荧光光谱,对各水样的荧光光谱进行光谱预处理。每种水样使用15组共75组荧光光谱作为预测集,剩余的25组水样的荧光光谱作为测试集。利用主成分分析(PCA)分别对五种水样进行建模,而后依据所建模型进行SIMCA分类。实验发现不同水样的荧光光谱差异明显,经过Gaussian-Filter预处理后的荧光光谱,在主成分数为2,显著性程度α＝5%的情况下,利用SIMCA算法进行水样分类,预测集和测试集的正确率皆为100%。     

基于光谱融合的火星表面相关矿物分类方法研究

多源数据融合能在一定程度上扩展数据信息量,更利于建立准确和稳健的分析模型。行星探测中常采用多个载荷协同分析同一目标,因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、硫酸盐、碳酸盐)的光谱特征曲线,并对获取的光谱数据进行基线校正、Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。根据光谱特征,首先选取样品Vis-NIR和Raman数据信息丰富、信噪比高、光谱信号重叠小的波段(Vis-NIR：430～2 430 nm,Raman：130～1 100 cm-1),然后运用软独立建模分类法(SIMCA)、主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR,Raman及两者融合(累加融合、串联融合)的矿物聚类分析模型。采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR),90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合);采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR),72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。实验结果表明：光谱融合能够发挥Vis-NIR,Raman各自的数据优势,所建火星表面相关矿物分类模型的预测准确度更高。该研究为我国火星探测任务奠定了岩石分类方法基础。     

KNN结合PCA在激光诱导荧光光谱识别矿井突水中的应用

矿井突水的迅速识别与分类对于井下水灾防治工作有着重要的意义。提出一种KNN结合PCA运用在激光诱导荧光光谱快速识别矿井突水水源中的新方法。利用激光器发射激光通过可浸入式探头射入水样,得到四种突水水样共80组荧光光谱数据,再分别对每组数据进行预处理,处理后的数据中每种水样取15组数据作为训练集,共60组,其余20组作为预测集。利用主成分分析(PCA)对数据进行处理,之后在主成分分析的基础上利用KNN算法进行分类识别。实验过程中,各预处理方法在主成分个数为2的情况下,进行KNN算法分类的正确率都达到100%。     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。     

道地山药红外指纹图谱和聚类分析的鉴别研究

运用模式识别技术的SIMCA法对不同产地的45种山药样品进行了道地性与非道地性的模式识别方法学研究。凭借红外光谱具有的指纹特性,构建山药样品的红外指纹图谱,作为模式识别提取的特征数据,以随机分取的22个样品为训练集,剩余23个样品为试验集,该方法的正确识别率为70％,取得了满意的分类效果。     

Fourier‐transform Raman analysis of milk powder: a potential method for rapid quality screening

In this work, FT‐Raman spectroscopy was explored as a fast and reliable screening method for the assessment of milk powder quality and the identification of samples adulterated with whey (1–40% w/w). Raman measurements can easily differentiate milk powders without the need of sample preparation, whereas the traditional methods of quality control, including high‐performance liquid chromatography, are laborious and slow. The FT‐Raman spectra of whole, low‐fat, and skimmed milk powder samples were obtained and distinguished from commercial milk powder samples. In addition, the exploratory analysis employing data from Raman spectroscopy and principal component analysis (PCA)allowed the separation of milk powder samples according to type,identifying differences between samples in the same group. Multivariate analysis was also developed to classify the adulterated milk powder samples using PCA and partial least squares discriminate analysis (PLS‐DA). The resulting PLS‐DA model correctly classified 100% of the adulterated samples. These results clearly demonstrate the utility of FT‐Raman spectroscopy combined with chemometrics as a rapid method for screening milk powder. Copyright © 2011 John Wiley & Sons, Ltd.     

Hyperspectral imaging of polymer banknotes for building and analysis of spectral library

The use of counterfeit banknotes increases crime rates and cripples the economy. New countermeasures are required to stop counterfeiters who use advancing technologies with criminal intent. Many countries started adopting polymer banknotes to replace paper notes, as polymer notes are more durable and have better quality. The research on authenticating such banknotes is of much interest to the forensic investigators. Hyperspectral imaging can be employed to build a spectral library of polymer notes, which can then be used for classification to authenticate these notes. This is however not widely reported and has become a research interest in forensic identification. This paper focuses on the use of hyperspectral imaging on polymer notes to build spectral libraries, using a pushbroom hyperspectral imager which has been previously reported. As an initial study, a spectral library will be built from three arbitrarily chosen regions of interest of five circulated genuine polymer notes. Principal component analysis is used for dimension reduction and to convert the information in the spectral library to principal components. A 99% confidence ellipse is formed around the cluster of principal component scores of each class and then used as classification criteria. The potential of the adopted methodology is demonstrated by the classification of the imaged regions as training samples.     

两类红花和牛黄的太赫兹光谱法真伪鉴别分析

藏红花和天然牛黄是广泛应用于临床实践的中药材，由于产量较低、药用价值和价格高，市场需求量大等因素，掺伪和伪品较多，不仅严重损害患者健康，而且妨碍市场正常运转。传统的“一看、二闻、三泡”等经验鉴别方法已经越来越难以分辨高仿伪品；而通过化学提取和色谱、质谱等理化检测方法往往步骤繁琐、费时，且对检测环境、人员及设备的要求和依赖度较高，不能适应现场、快速、简便等实际需求，亟需探索新的有效检测方法和鉴别技术。太赫兹时域光谱(THz-TDS)不但具有单纯化合物的高度专属性和特异性，又具有混合体系的“宏观指纹特征”，可以鉴别混合物化学成分的多样性和复杂性。另外，主成分分析(PCA)作为一种常用的统计分析手段，主要是用少数几个且能最大解释原始数据方差的综合变量来取代原始变量，可以对不同种类的样本进行模式识别。采用粉末研磨压片技术分别压制了藏红花和草红花样品各18个、天然牛黄和人工牛黄各20个，并利用太赫兹时域光谱测试技术分别测量了两种名贵中药材及其伪品在0.3～2.5 THz范围的吸收光谱，最后利用主成分分析方法对获得的光谱数据进行分类识别。为了提高PCA对测试数据的鉴别能力，一方面将数据集映射到一组基(特征向量)进行简化，选用较大的特征值代替原来的主要光谱信息；另一方面，为了消除无关因素对分类处理的干扰，在进行PCA之前采取了Savitzky-Golay(S-G)平滑处理进行降噪，去除冗余、不相关的光谱特征；然后通过Fisher诊断线进行判别分析。对比未处理和经过S-G平滑处理的主成分得分图，可以看出平滑处理后的分类效果明显优于未做处理的，在未处理的得分图中，两类样品点重叠比较严重，而经过平滑后的得分图却只有相对较少的部分样品点重叠，由此可以看出SG平滑在光谱识别中的重要性；另外，前两个主成分(PC1和PC2)已经基本能反映光谱之间的差异性。分类结果显示，藏红花和草红花具有明显的聚类趋势，分类鉴别准确率均为100%；而人工牛黄和天然牛黄的类内样品基本聚在一起，但是类间略有重叠，分类鉴别准确率分别为100%和90%。除此之外，样本的主成分得分图还可以反映样本的内部特征和聚类信息。其中，藏红花样本由于藏红花素、藏红花酸等化合物成分含量较高，聚合度较好，分布范围相对集中；反之，天然牛黄为胆囊分泌物，成分较为复杂，聚类效果较差，分布范围较广。研究结果表明，太赫兹光谱技术结合主成分分析可以区分藏红花和草红花以及天然牛黄和人工牛黄，结果可靠。该研究结果为丰富中草药的质量标准提供检测手段和理论依据。     

牻牛儿苗科11种中药材红外光谱鉴定及聚类分析

结合傅里叶变换红外光谱技术与聚类分析法,建立牻牛儿苗科11种中药材的快速鉴别方法。采用傅里叶变换红外光谱法鉴别牻牛儿苗科11种中药材;在建立主成分分析模型的基础上,采用SIMCA聚类分析法对三种中药材进行了快速的分类研究。红外光谱结合聚类分析技术对牻牛儿苗科中药材聚类结果较理想,识别率和拒绝率达到98%以上,盲样的预测率达到91%。红外光谱与聚类分析法相结合可以快速、无损识别牻牛儿苗科中药材。     

基于衰减全反射红外光谱(ATR-MIR)的混合鱼糜及其制品的鉴别分析研究

利用ATR-MIR光谱分析技术对掺杂了不同水平带鱼糜的鲢鱼糜进行了分类。文中采用了五种化学计量学方法(SIMCA, KNN, SVR, PLS-DA和 ID3决策树)分别结合ATR-MIR光谱数据建立判别模型,并对各个分类模型性能和分类效果进行了分析和比较。结果表明：无论是对生鱼糜样品进行鉴别还是对其熟制品进行鉴别,基于SIMCA方法建立的分类模型都获得了较好的分类效果。对鱼糜制品和生鱼糜正确分类率分别达到了96.59%和96.43%,相应的交互验证均方根误差(RMSECV)值分别为：0.185 7和0.189 8,相关系数r值达到了0.988 0和0.994 1。这表明ATR-MIR结合化学计量学方法可以对掺假的鲢鱼糜进行鉴别,也表明ATR-MIR在鱼糜品质监测方面具有很广阔的应用前景。     

拉曼光谱结合模式识别方法用于大豆原油掺伪的快速判别

大豆原油是我国的战略储备物资,然而目前储油市场上频繁出现大豆原油掺混的现象严重影响了食用油储备安全。基于此,通过大豆原油与部分植物精炼油拉曼谱图的特征差异,并结合主成分分析-支持向量机(PCA-SVM)模式识别建立了大豆原油是否掺伪的快速判别方法。以28个大豆原油、46个精炼油、110个掺伪油的拉曼谱图为模型样本;选择位于780～1 800 cm-1波段的谱图,预处理方法同时采用Y轴强度校正、基线校正和谱图归一化法;在此基础上应用PCA法提取特征变量,即以贡献率最高前7个主成分为变量进行SVM分析。SVM校正模型的建立是以随机选取的20个大豆原油和75个掺伪油样组成校正集,以8个大豆原油和35个掺伪油样组成验证集,分别运用并比较四种核函数算法建立的大豆原油SVM分类模型,并采用网格搜索法(grid-search)优化模型的参数,以四种模型的分类性能作为评判标准。结果表明：应用线性核函数算法构建的SVM分类模型可以很好地完成掺伪大豆原油的判别,校正集识别准确率达到100%,预测结果的误判率为0,判别下限为2.5%。结果表明应用拉曼光谱结合化学计量学能够用于大豆原油掺伪的快速鉴别。拉曼光谱简便、快速、无损、几乎没有试剂消耗,适合现场检测,从而为大豆原油的掺伪分析提供了一种新的备选方法。     

偏最小二乘法和THz-TDS在正品大黄鉴别中的应用

太赫兹技术的发展近年来受到广泛的关注并被应用于热点。中草药大黄的品质鉴定对于中药制剂的质量控制具有重要的意义。利用大黄的太赫兹时域光谱结合偏最小二乘法（PLS）模型对基于41个正品和非正品大黄的中草药鉴别模型进行了研究。首先采集大黄样品的太赫兹时域光谱（THz-TDS）信号,然后将化学计量学方法用于这些大黄样品太赫兹光谱的信号处理与建模,再建立基于太赫兹光谱的大黄品质鉴定的偏最小二乘模型方法。应用S-G一阶导数、去趋势、标准正态变换、自标度化、均值中心化等方法对原始时域谱预处理再与未经预处理的结果相比,偏最小二乘（PLS）模型的预测正确率从80%明显提高到90%。在模型建立和模型检验中,采用留一法（LOO）选取训练集和检验集样本。利用留一法交叉验证确定了PLS模型的最佳主因子数。结果表明,当采用均值中心化方法时,PLS模型的RMSECV和RMSEP的值均达到了最小,分别为0.076 6和0.169 0。研究结果表明,THz-TDS技术结合化学计量学方法能够快速、准确的对大黄的真伪进行鉴别,直接使用太赫兹时域光谱而不使用计算后的吸收谱有两个优点： （1）在分频测定和光谱信号处理时无需考虑样品的厚度;（2）使光谱信号处理过程得到简化。该技术也可以对其他中草药进行鉴别和质量控制。该法快速、简单、无污染、无需样品预处理,是一种有发展前景的中草药无损检测方法。     

一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究;5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%;5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%;SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%;MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%;SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD(小波基为“Haar”,分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%;5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%;SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%;MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%;SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织,PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。     

基于拉曼光谱的汽油牌号快速识别

提出了一种基于拉曼光谱的汽油牌号快速识别方法。该方法首先基于已知牌号的成品汽油样本进行建模,获取不同牌号成品汽油建模样本的拉曼谱图,经过谱图预处理后对谱图进行主成分分析(principal component analysis,简称PCA),获得载荷矩阵和得分矩阵,同时分别计算不同牌号汽油样本的平均得分向量,即不同牌号的得分中心坐标;然后对未知牌号汽油样本进行识别,先将未知牌号汽油样本拉曼谱图进行相同的谱图预处理,再计算该样品在载荷矩阵上的得分向量,根据PCA类中心最小距离法,计算该得分向量到不同牌号的得分中心坐标的欧式距离,依最小距离直接确定汽油牌号。针对45个取自国内不同炼油厂的成品汽油样本的实验结果表明这些汽油样本拉曼谱图经谱图预处理和PCA后,不同牌号汽油样本在主元得分空间上存在明显类间距,使用PCA类中心最小距离法可实现汽油牌号快速准确的分类。     

枸杞产地的红外指纹图谱与聚类分析法研究

本文首次采用傅里叶变换红外 (FTIR)光谱法并结合SMICA聚类分析法对不同产地 :宁夏玉西、宁夏中宁及内蒙古托克托旗的枸杞进行了聚类分析。结果表明 ,聚类分析技术对来自不同产地的枸杞可进行鉴别 ,该法快速、准确 ,为客观评价中药材的来源提供了一种新的方法。     

甲基苯丙胺、氯胺酮、海洛因、可卡因 红外光谱快速定性分析方法研究

建立了可用于甲基苯丙胺、氯胺酮、海洛因、可卡因快速定性鉴定分析的衰减全反射-傅里叶变换红外光谱(ATR-FTIR)方法,采用特征吸收峰作为定性判别依据。长期以来,由于缺乏合适的定性判别依据,红外光谱法仅被用于毒品的快速定性筛查分析。为扩大红外光谱法在禁毒领域的应用,收集并分析了1 380份各类缴获毒品样品,对特征吸收峰法和簇类独立软模式法(SIMCA)两种定性判别方法进行了考察和比较。在标准品化合物红外光谱图的2 500~650 cm-1范围内挑选5~8个相对吸收强度较高且不受常见掺杂物干扰的吸收峰作为特征吸收峰。采用特征吸收峰法(全部特征吸收峰均检出)作为定性分析依据时,646份验证样品的阳性检出率为98.1%。采用516份建模样品建立了不同盐型毒品的SIMCA定性判别模型,并对646份验证样品进行了定性分类,总识别率为95.4%,拒绝率为100%。结果表明,特征吸收峰法和SIMCA法均具有专属性强、定性结果准确可靠的特点;但特征吸收峰法操作简单,即使是没有红外光谱知识背景的一线民警在经过简单培训后也可掌握,利于推广和普及;而SIMCA模型的建立需要大量有代表性的建模样品和专业的数理统计软件,推广和普及难度较大。基于特征吸收峰的ATR-FTIR法将极大提高我国毒品样品定性检验的鉴定效率、降低检验鉴定成本。     

荧光光谱结合PCA-ED与PLSR方法检测市售橙汁饮品

为实现市售橙汁饮品的有效鉴别,在分析与比较100%橙汁与橙汁饮料两类饮品荧光特性差异的基础上,采用主成分分析结合欧氏距离(PCA-ED)的方法对市售橙汁饮品进行定性鉴别,效果良好。同时,利用荧光光谱结合偏最小二乘回归(PLSR)方法建立市售橙汁饮品中橙汁含量的估测模型,PLSR多元校正模型的相关系数r为0.997,校正均方根误差为0.87%,预测均方根误差为2.05%,实验结果表明,校正模型较准确地反映了市售橙汁饮品中的真实橙汁含量。通过采用荧光光谱结合化学计量学方法从定性与定量两方面对市售橙汁饮品的鉴别方法进行探究,研究结果可为市售橙汁饮品的鉴别与掺伪检测提供一种新的思路,也可为橙汁原料的品质控制提供一定的参考依据。