超高压辅助浊点萃取法提取富集莲子心总生物碱

通过表面活性剂类型、浓度、提取压力、时间、料液比等单因素实验确定了超高压辅助胶束提取的工艺条件，并通过加入NaCl和加热引发体系浊点，诱导双水相分离，实现了莲子心生物碱的富集。结果表明，最佳提取工艺为质量分数5%的OP 10为溶剂，提取压力100 MPa，提取时间1 min，料液比1:20(g/mL)，莲子心生物碱的提取率可达到103.6 mg/g。提取液中加入NaCl使其质量分数达到15%，在50℃条件下平衡10 min，两相分离，离心后莲子心生物碱的萃取回收率为70.73%，浓缩系数为8.6。此方法快速高效、环境友好。     

浊点萃取预富集-火焰原子吸收光谱法测定环境水中钴

以浊点萃取为分离富集方法,以火焰原子吸收光谱法为检测手段,探讨了测定钴的新方法.以非离子型表面活性剂OP-8为萃取剂,同时以1-(2-吡啶偶氮)-2-萘酚为络合剂,浊点萃取水样中的痕量钴(Ⅱ).对溶液pH值、试剂浓度、平衡温度和时间、离心时间等实验条件进行了优化.钴的质量浓度在1.00 mg/L以内与其吸光度呈线性关系,检出限(3σ)为0.26,μg/L,相对标准偏差为2.5％(p=0.4 mg/L,n=5次).该法用于自来水、河水、湖水以及雨水中痕量钴的测定,回收率在96.0％～103.0％,结果令人满意.     

液膜萃取法富集稀土的研究

本文从回收稀土的目的出发，研究了液膜法富集稀土的若干规律，提出了具有实际意义的分离方法。     

浊点萃取-原子吸收光谱法测定金属离子的进展

着重介绍了浊点萃取的原理、萃取方法和分离机理,概括了浊点萃取作为预富集法在原子吸收光谱法测定金属离子中的应用,探讨了浊点萃取法及其与原子吸收光谱法联用的应用前景.     

固相萃取法富集煤抽提物中的酚类化合物

选取大同煤,用乙腈、四氢呋喃、吡啶作溶剂连续抽提后,对其中的吡啶抽提物进行固相萃取,考察了NH2基、聚合物(HLB)和C18三种固相萃取柱对酚类化舍物的富集效果.研究发现,三种不同类型的固相萃取柱对酚类化合物的富集效果依次为C18柱>HLB柱>NH2基柱.采用C18柱,分别用体积分数为20%,50%和80%的THF水溶液为淋洗剂,二氯甲烷为洗脱剂,可实现煤抽提物中以2,6-二叔丁基对甲酚为主的酚类化舍物的高选择性分离.该方法简单快速,可用于煤衍生物如焦油、液化油等复杂基体样品中2,6-二叔丁基对甲酚的分离.     

浊点萃取-荧光光度法测定废水中痕量铝

建立了荧光光度法测定水中痕量铝离子的浊点萃取分离富集新体系.在pH=5.6的HAc-NaAc缓冲体系中,水样中的铝与8-羟基喹啉生成疏水性络合物.通过95 ℃水浴加热1.5 h,8-羟基喹啉-铝络合物被萃取到乳化剂(OP)表面活性剂相并与水相分开.在激发波长365 nm和发射波长510 nm下进行荧光测定,测定铝的线性范围为10.00～250.00 μg/L,方法的检出限(3σ)为0.39 μg/L,相对标准偏差(RSD)为3.6%,该法用于各种水样中痕量铝的测定,加标回收率为96%～105%,结果令人满意.     

混合胶束浊点萃取法测定污水中的三种喹诺酮药物

采用PONPE7．5和十二烷基硫酸钠混合表面活性剂进行浊点革取,研究了该混合表面活性剂从水溶液中革取诺氟沙星、环丙沙星和洛美沙星的能力。采用电解质NaCl使混合表面活性剂产生浊点现象,继而进行分离后用高效液相色谱法测定。对影响萃取的pH值,表面活性剂用量,电解质用量,浊点温度及苹取时间等各种因素进行了研究。在最适合的条件下,环丙沙星,诺氟沙星和洛美沙星的线性范围分别为0．5-1500,0．5--1500和1--1500ng·ml-1,检出限分别为0．2、0．2和0．5ng·m-1。     

浊点萃取用于有机磷农药残留的检测

以建立农药残留快速检测技术为目的,利用非离子表面活性剂(C12E10)水溶液的浊点萃取特性,进行了水溶液中痕量的有机磷农药甲基对硫磷、辛硫磷富集分离的实验研究;考察了表面活性剂浓度、盐浓度、有机磷浓度、干扰物等因素对浊点萃取效果的影响。结果表明,C12E10浊点萃取技术对于甲基对硫磷、辛硫磷具有很好的富集分离效果,在35℃、C12E10浓度为5g.L-1、Na2SO4浓度为120g.L-1时,两种有机磷农药富集倍数最高分别可达95和97,萃取率也可达到90%以上。将浊点萃取技术与高效液相色谱分析法结合,甲基对硫磷和辛硫磷的检测限可达1μg.L-1。     

浊点萃取-火焰原子吸收光谱法测定环境水样中痕量铅

采用浊点萃取技术-火焰原子吸收光谱法联用开发了分析环境水样中痕量铅的新方法.方法的检测限为58.7 ng.mL-1,线性范围为200~400 ng.mL-1,实际水样分析结果令人满意.所建立的方法可应用于铅的例行分析,为环境监测部门提供了便捷的检测工具,对铅的环境安全性评价具有非常重要的意义.     

浊点萃取-分光光度法测定水中痕量镍

采用十二烷基磺酸钠(SDS)和Triton X-100的混合表面活性剂,以1-(2-吡啶偶氮)-2-萘酚(PAN)为络合剂,加入电解质NaCl溶液,通过紫外-可见分光光度法测定水中痕量镍.在室温下,考察影响浊点萃取、分离和富集金属离子镍的影响因素及适宜的反应条件.结果表明,在饱和NaCl的加入量为5.5 mL,体积分数为0.1%的PAN加入量为0.125 mL,SDS和Triton X-100的摩尔比在0.38～1.39时,所形成的体系对Ni2 -PAN络合物具有较好的萃取效果.最佳条件下,方法的线性范围为0.1～1.0 mg·L-1,相关系数R2＝0.999 8,检测限为18.9 μg·L-1,镍的加标回收率达97%～99%,相对标准偏差为2%～4%.     

浊点萃取-紫外分光光度法同时测定厚朴酚与和厚朴酚的含量

建立了以Triton X-114为表面活性剂的浊点萃取-分光光度法同时测定厚朴酚与和厚朴酚含量的新方法,探讨了溶液的pH,Triton X-114浓度、平衡温度和平衡时间等因素对浊点萃取的影响.在最佳条件下,厚朴酚与和厚朴酚含量的线性方程分别为Y1=5.89×10-4x-1.14×10-3(相关系数为0.992 1),Y2=5.52×10-4x+7.71×10-5(相关系数为0.999 2);检测限分别为2.5μg/L和1.0μg/L.该方法成功用于药材中厚朴酚与和厚朴酚含量的测定,回收率为98.4%~104.3%.     

基于逐条线区域生长的点云平面提取

三维激光扫描点云中的平面特征提取是3D建模的重要组成部分,是一个重要的研究领域。在建筑物平面提取的过程中,针对传统的单点式区域生长方法在生长时会使拟合得到的平面与真实点云平面存在偏差,导致面块间的粘连的问题,提出一种逐条线区域生长方法,考虑到建筑物的平面都具有规则的形状,而平面是由一条条直线组成的,因此在生长的过程中加入了平面的形状这个先验条件。实验结果表明,该方法能够消除面块间的粘连,有效改善平面提取的精度。     

Use of cloud point extraction for removal of nanosized copper oxide from wastewater

Triton X-114 based cloud point extraction has been demonstrated to be an advantageous approach for the recovery of nanosized copper oxide (NCO) from water. The removal of NCO was influenced by the concentrations of TX-114 and salt, incubation temperature and time, as well as solution pH. With the addition of 0.3% (w/v) Triton X-114, over 88% of the spiked NCO was removed from wastewater after incubation at 35°C for 2 h and centrifugation, whereas over 85% of NCO was recovered after incubation at 28°C for 20 h by gravity phase separation, which is economical and energy-saving. This study suggests that the cloud point extraction technique has great potential in removal of nanomaterials from wastewater.     

浊点萃取-火焰原子吸收光谱法测定水样中痕量铅的研究

提出了浊点萃取-火焰原子吸收光谱法测定痕量铅的新方法,并详细探讨了溶液pH值、试剂浓度等实验条件对浊点萃取及测定灵敏度的影响.在最佳条件下,富集50 mL样品溶液,用火焰原子吸收光谱法测定,铅的检测限为0.82μg/L,铅的富集倍数为66倍.该方法可用于自来水、井水及河水中痕量铅的测定.     

点云精简的一种方法

重构曲面之前,需要对三维数据点集做精简处理,即在保留特征点的前提下剔除尽可能多的冗余点,这样可以保证后续曲面重构工作的高效进行.本文以样点邻近点与强制中心点切平面的关系,来判断局部空间点的分布情况,从而提供了一种新的数据精简方法.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

基于力场的点云树木骨架提取方法

树木骨架是树木仿真及建模的基础,笔者根据树木的拓扑原理,直接利用地面激光雷达扫描获得的单木点云数据,提出了一种基于物理学中力场概念的点云数据树木骨架提取方法:首先对点云树木模型运用空间层次剖分的方法进行分层,根据点云的邻域关系建立基于树木特征点的简化表示,然后根据计算点的测地距离对树木特征点进行连接,再运用力场将位于树木表面的骨架连线压缩至树木内部,最后根据骨架夹角阈值对骨架进行顺滑得到最终的树木骨架。研究显示,将该方法分别应用在含笑树和樱花树的骨架提取中效果较好,相比同类算法效率较高。     

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明：该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25％～40％。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。