天然钻石与合成钻石的特异性光谱初步研究

通过紫外-可见-近红外(UV-Vis-NIR) 吸收光谱、傅里叶变换红外(FTIR)光谱及钻石观测仪( DiamondViewTM)对天然钻石、经辐照或热处理的天然钻石、高温高压(HTHP)合成钻石及化学气相沉积(CVD)合成钻石进行了较系统的谱图及微区生长结构的对比研究。结果表明：天然钻石、经辐照或高温退火处理后的天然钻石、高温高压(HTHP)合成钻石的UV-Vis-NIR吸收谱图在200～1 100 nm区间谱图的反射率变化明显。相比之下,CVD合成钻石的反射率的变化相对较小。基于钻石样品的红外光谱分析,在其图谱中的800～1 600 cm-1区间,合成钻石样品、特别是CVD合成钻石在上述区间无明显的特征吸收峰位。此外,DiamondViewTM检测表明：一般而言,经HTHP处理后的CVD合成钻石出现平行的位错线,并呈现淡蓝色荧光。部分天然钻石可见典型的八面体生长线或称为树的年轮状图像,且因样品经辐照与高温高压处理后其荧光图像的颜色发生改变。高温高压合成钻石呈现出块状几何生长图像。限于钻石样品类别的多样性及合成钻石工艺的复杂且不断更新特征,天然钻石与合成钻石 的UV-Vis-NIR或FTIR光谱特征存在一定的相似性,因此不具有典型天然钻石图谱特征的样品需进一步辅以DiamondViewTM、光致发光光谱等其他检测仪器予以综合分析。     

椭偏测量法的油膜紫外可见-近红外光谱光谱偏振特性研究

为实现水面溢油目标的偏振遥感,选择合适的波段和观测角度,需要油膜的光谱偏振特性数据作支撑。在实验室采用椭偏测量的方法,针对不同厚度机油油膜和纯净水作为背景样本,测量了不同观测角度下从紫外到近红外波段（270~900 nm）的镜面反射光谱偏振参数：辅助角ψ和相位差Δ,并对在相同条件下油和水的测量结果作对比。分析表明除布儒斯特角附近位置外,不同厚度的油膜与水的起偏特性在各观测角都存在差异。通过在45°入射角所测的ψ和Δ,得到水/油样本的光谱折射率和消光系数,水折射率经过偏移修正后,与Schiebener水折射率模型的标准差为3×10-5。根据之前得到的油/水参数,对油膜在水背景的物理现象作薄油膜理想介质层建模,用菲涅耳定律仿真自然光的镜面反射,发现在全观测波段相同入射光条件下油膜的反射光存在明显的偏振度（DOP）或偏振角（AOP）光谱偏振可观测性。模型与实际测量结果对比发现：在300~350 nm仿真结果和实际测量相符,油膜的反射光偏振性质趋近于油样本;在350~550 nm,油膜模型仿真结果比实验的干涉效应更明显,油膜实验数据表明其光谱起偏性质依然与油保持一致;在大于550 nm直到近红外波段,实验干涉效应开始显著。说明油膜比油有更强的散射或吸收特性,辨识参数得到油膜的消光系数存在不同于油的随波长先变小后变大的性质。总之,利用光谱椭偏测量方法,通过多波段、多角度测量,分析液体样本的光谱偏振特性和折射率等性质;偏振观测的恰当角度与油/水的布儒斯特角有关,在布鲁斯特角之外的位置观测,油膜的光谱椭偏角相较水都存在分辨能力;对小于200 μm的薄油膜近红外波段可重复性较差,而紫外和可见蓝紫波段相比之下有很好的可重复性和区分性,更适合于对甚薄油膜表面种类的遥感观测。该实验涉及的方法可以用于其他油种油膜的偏振光谱测量,实验数据为偏振遥感工作的波段选择与观测角度提供提供参考。     

水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向, 与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280～310 nm谱区建模预测性能较好,近红外光谱在7 250～6 870 cm-1谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

水稻土可见-近红外-中红外光谱特性与有机质预测研究

土壤有机质是农田肥力评估的重要指标,要实现快速获取大面积土壤有机质的含量需要建立高效、稳健的预测模型。光谱技术能够快速诊断土壤有机质,以水稻土为例,从校正样本选择方法的对比,研究了可见-近红外、中红外和可见-近红外-中红外三种不同波段光谱对土壤有机质的预测能力。可见-近红外和中红外区域的光谱反射率转换成吸收率后通过Savitzky-Golay平滑法去噪,通过三种校正样本选择方法建立相应的偏最小二乘回归预测模型。通过Rank-KS法建立的三种波段的有机质预测模型均优于Rank法和KS法,中红外波段光谱的模型预测能力强于可见-近红外和可见-近红外-中红外波段的预测模型,基于Rank-KS法建立的中红外波段有机质预测模型取得了最好的预测效果,RMSE_P仅为3.25 g·kg-1,RPD达到4.24,依据VIP得分筛选出可见-近红外和中红外波段的水稻土有机质重要建模波段。因此,中红外光谱建模技术能够对水稻土有机质进行快速定量分析,Rank-KS法可提高模型的预测能力,为今后农田肥力评价和科学施肥提供技术支持。     

作物和杂草叶片的可见-近红外反射光谱特性

为了进行快速实时的杂草识别,研究了作物和杂草叶片的可见-近红外反射光谱特性.选择了两种常见的 田间作物大豆(Glycine max)和玉米(Zea mays),以及铁苋菜(Acalypha australis L.)和田字草(Marsilea quadrifolia L.)两种杂草作为研究对象.每种各30个样本.共120个样本.采用ASD Fieldspec便携式光谱仪进行光谱采集.在对400～1000 nm的光谱数据进行平滑和-阶求导预处理、.通过主成份分析.去除了一个奇异样本.最后用79个样本组成的建模集进行偏最小二乘法建模.对剩余的40个样本进行预测.预测模型结果的相关性达到0.986,识别率达到100%.说明研究中选用的作物和杂草叶片的可见-近红外反射光谱特性之19有较大的区别,町以用于 进行杂草和作物的区分.     

基于紫外‐可见透射光谱技术和极限学习机的早期鸡胚雌雄识别

为了对鸡种蛋胚胎进行雌雄识别,探究利用紫外-可见-近红外透射光谱进行鸡胚雌雄识别的可行性,搭建了鸡种蛋透射光谱检测系统,采用横向和竖向大头朝上2种放置方式获取210枚鸡种蛋孵化0~15 d的光谱,光谱范围为360~1 000 nm。构建极限学习机（ELM）鸡胚雌雄识别模型,通过比较不同放置方式和孵化天数下模型的识别准确率,发现竖向放置且孵化第7 d的识别效果最好;将竖向放置孵化第7 d的光谱初步分为紫外（360~380 nm）、可见光（380~780 nm）、近红外（780~1 000 nm）、紫外-可见光（360~780 nm）和全波段（360~1 000 nm）5个不同的波段范围来分析,预测集准确率分别为82.86%,77.14%,75.71%,84.29%和81.43%,筛选出360~780 nm的紫外-可见光波段为有效波段;在紫外-可见光（360~780 nm）波段,采用多元散射校正（MSC）去噪,并用竞争性自适应重加权采样算法（CARS）和连续投影算法（SPA）筛选特征波长降维,建立不经筛选特征波长、CARS筛选特征波长和SPA筛选特征波长的3种ELM模型。其中不经筛选特征波长的ELM模型识别效果最好,但输入变量最多,隐含层神经元为680且激活函数为sig时,预测集准确率为84.29%。SPA筛选特征波长的ELM模型识别效果次之,输入变量有9个,隐含层神经元为840且激活函数为hardlim时,预测集准确率为81.43%。CARS筛选特征波长的ELM模型识别效果最差,输入变量有27个,隐含层神经元为100且激活函数为sig时,预测集准确率为78.57%;用遗传算法（GA）优化ELM模型的权值变量和隐含层阈值,不经筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%,SPA筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%,CARS筛选特征波长建立的GA-ELM模型,预测集准确率为81.43%。紫外-可见光波段不经筛选特征波长的GA-ELM模型识别效果和经SPA筛选特征波长的GA-ELM模型相同,表明SPA筛选的特征波长变量能够有效反映360~780 nm波段的信息,SPA使用的变量数仅占紫外-可见光波段的2.14%,因此,雌雄识别最佳模型为紫外-可见光波段经SPA筛选特征波长的GA-ELM模型,预测集准确率为87.14%,其中,雌性识别率为88.57%,雄性识别率为85.71%,单个样本平均判别时间0.080 ms。结果表明紫外-可见透射光谱技术和ELM模型为孵化早期鸡胚蛋雌雄识别提供了一种可行方法。     

近红外透射和紫外吸光度法检测水质化学需氧量的研究

化学需氧量(COD)是表征水体中有机物污染程度的一个综合性指标.基于光电检测技术发展起来的红外透射法和紫外吸光度法相较于传统湿化学法有着精度高,速度快,非接触,无二次污染等优点.以邻苯二甲酸氢钾配置的标准液为实验对象,分别采用近红外透射法和紫外吸光法采集标准液的近红外光谱和紫光吸光度光谱,对光谱进行不同的预处理后运用偏...     

不同方法合成蓝宝石与天然蓝宝石的谱学对比研究

蓝宝石作为珍贵的彩色宝石深受人们喜爱,随着宝石合成技术的不断发展,市面上已有许多种合成方法制成的合成蓝宝石,常规的宝石学鉴定不能简单准确的区分天然蓝宝石与不同合成方法的合成蓝宝石。论文利用紫外-可见-近红外光谱仪对蓝宝石进行光谱分析,发现天然蓝宝石具有387 nm、452 nm、566 nm吸收峰,而提拉法、焰熔法和泡生法合成蓝宝石则无这些吸收峰;提拉法和焰熔法合成蓝宝石都具有600 nm附近的吸收带;泡生法合成蓝宝石存在660 nm附近的吸收峰,其他三种蓝宝石无此吸收峰。通过拉曼光谱特征峰拟合分析与SPSS单因素方差分析,发现天然蓝宝石和不同方法合成蓝宝石的半高宽值存在显著差异,天然蓝宝石的半高宽值大于10.0 cm^-1,三种合成蓝宝石的半高宽值小于10.0 cm^-1;泡生法合成蓝宝石半高宽集中在8 cm^-1附近,而焰熔法合成蓝宝石的半高宽普遍在8 cm^-1～10 cm^-1范围内,提拉法合成蓝宝石半高宽则分布在6 cm^-1～8 cm^-1     

紫外吸收温差光谱特性与化合物的电子跃迁类型

用紫外吸收变温光谱差减法获得化合物的紫外吸收温差光谱（UVSDT）。测量了系列化合物的温差光谱。结果表明,UVSDT具有很强的特征性：n→σ^*电子跃迁的UVSDT单边红移,温差增大峰强度增加、红移增大;n-π^*电子跃迁的UVSDT为正、负两峰、温差增大,正负两峰各自向正、负方向增强;π-π^*电子跃迁的UVSDT为负峰,温差增大,峰强负向增大,峰位不移动。     

UV-Vis-NIR反射光谱表征粉体材料的能隙值的方法

运用涂膜法和UV-Vis-NIR反射光谱,提出了表征粉体材料能隙值的新方法。结果表明,当Vcoloed/VTiO2（有色粉体与钛白的体积比）小于5%时,通过反射光谱可得到表征材料在该波段吸波特性的Kubellka-Munk函数F,即F=（1-R∞）2/2R∞（R∞是涂层无限厚时的反射率）。将Kubellka-Munk函数F对波长（以电子伏特表示）作图,就可以得到表征材料能隙值的曲线。该方法操作简单,节省原料,同时由于去除了有色粉体粒子间的相互干扰,在实际研究中具有普遍性。     

近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别

为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响,以糯玉米种子京科糯2000为例,用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据,分别提取胚面向上胚部、胚面向上胚乳部、胚面向下胚乳部单点多光谱数据,并对胚面向...     

应用可见-近红外光谱技术进行白醋品牌和pH值的快速检测

提出了一种基于可见-近红外透射光谱技术快速判别白醋品牌和测定pH值的方法。应用可见-近红外透射光谱获取不同品牌白醋的透射光谱曲线,并对获得的原始光谱数据进行平滑、变量标准化以及一阶导数等预处理,然后利用主成分分析对原始光谱数据进行聚类分析,根据主成分的累计贡献率选取主成分数,并将所选取的主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,得到三层优化神经网络结构：5输入层节点,6隐含层节点和2输出层节点,各层传递函数均采用Sigmoid函数。利用该模型对预测集样本进行预测。实验结果表明在阈值设定为±0.1的情况下该模型对预测集样本品牌鉴别准确率达到了100%,pH预测值与实际测量值偏差小于5%,得到了理想的结果。所以利用可见-近红外光谱技术结合主成分分析和神经网络算法能够快速准确的判定白醋品牌和pH值。     

杂交稻种宜香725纯度的可见-近红外反射光谱鉴定

提出了一种基于可见-近红外光谱技术快速、无损鉴定杂交稻种纯度的新方法.以FieldSpec(R)3地物光谱仪采集纯度在90%～99%范围内的杂交稻种(宜香725)光谱数据90份,随机分成校正集(75份)和检验集(15份).根据其在380～2 400 nm的反射光谱,以偏最小二乘算法(PLS)建立了回归模型,并比较了不同光谱预处理方法对模型的影响.分析表明采用一阶导数结合标准归一化处理能最有效地提取光谱信息,此时PLS模型校正集决定系数与检验集决定系数分别为0.988 4与0.922 7,校正标准误差(SEC)与预测标准误差(SEP)分别为0.002 5与0.006 6.将经一阶导数结合标准归一化处理后的光谱进行PCA降维,以前20个主成份(含原始光谱86.09%的特征信息)为输入变量,建立杂交稻种纯度鉴定的BP-ANN模型.分析表明BP-ANN模型校正集决定系数与检验集决定系数分别为0.995 2与0.936 9,SEC与SEP分别为0.001 7与0.006 1,具有比PLS模型更高的精度.结果表明以可见-近红外技术进行杂交稻种纯度的快速、无损鉴定是可行的,且PCA结合BP-ANN是一种优选方法.     

巴基斯坦斯瓦特山谷祖母绿的谱学特征研究

随着哥伦比亚祖母绿矿的日益枯竭,巴基斯坦祖母绿逐渐成为市场的主力军之一,运用常规宝石学仪器、红外光谱仪、激光拉曼光谱仪、紫外-可见-近红外光谱仪(UV-Vis-Nir)和激光剥蚀电感耦合等离子体质谱仪(LA-ICP-MS)对巴基斯坦斯瓦特产区的祖母绿谱学特征进行了较系统的研究。结果表明,巴基斯坦斯瓦特祖母绿颜色整体呈深绿色-深蓝绿色,折射率较高为1.589～1.615。巴基斯坦斯瓦特产区的祖母绿中含有种类和数量较多的内含物,其中三相内含物呈边界清晰平直的矩形且具有明显定向性,与俄罗斯、赞比亚和埃塞俄比亚产区祖母绿的三相内含物接近。根据同一样品不同颜色的紫外-可见-近红外光谱和LA-ICP-MS的分析表明,在颜色较深的区域,紫外-可见-近红外光谱显示相对较强的427, 608, 637和679 nm(o光)Cr的R线吸收以及在o光下370 nm Fe的吸收,同时此区域内Cr和Fe含量相对较高,因此祖母绿色带是由含量不同的Cr和Fe所致。巴基斯坦斯瓦特祖母绿是由Cr致色,V对颜色有一定贡献且Cr/V极高。根据LA-ICP-MS结合红外光谱可知,巴基斯坦斯瓦特祖母绿属于富碱祖母绿,在红外光谱...     

应用可见-近红外光谱技术快速无损鉴别婴幼儿奶粉品种

为了快速无损鉴别婴幼儿奶粉品种,提出了结合偏最小二乘(PLS)法和人工神经网络(ANN)综合预测婴幼儿奶粉品种的新方法。获取婴幼儿奶粉样本在400～1 000 nm波段的漫反射光谱,采取平均平滑法和多元散射校正(MSC)进行预处理,用PLS建立校正模型进行模式特征分析及主成分的提取。经过交互验证法判别,提取7个主成分作为神经网络的输入变量,奶粉的品种值作为输出,建立了三层BP神经网络。9个典型品种的婴幼儿奶粉各取样本30个,共计270个作为训练集。随机抽取的各个品种的10个样本,共90个作为预测检验样本,结果表明,90个未知样本的品种预测准确率为100％。说明提出的方法具有很好的分类和鉴别作用,为婴幼儿奶粉的品种快速无损鉴别提供了一种新方法。     

基于可见-近红外反射光谱技术的葡萄品种鉴别方法的研究

提出一种利用可见-近红外反射光谱技术快速无损鉴别葡萄品种的新方法.采用主成分分析法对三个葡萄品种的光谱进行聚类分析.结果表明, 黑提葡萄能够被区分.进一步采用人工神经网络技术对马奶子和木拉格两种葡萄进行品种鉴别.以前10个主成分作为神经网络的输入, 品种类型作为神经网络的输出, 建立三层BP神经网络模型.结果显示, 这两个品种的识别准确率达到98.28 %, 结果优于簇类独立软模式(SIMCA).同时提出葡萄品种鉴别的四个敏感波段: 452、493、542和668 nm.基于敏感波段光谱的BP神经网络预测准确率为97.41%.说明采用可见-近红外光谱分析技术结合主成分分析和人工神经网络的方法能够快速无损鉴别葡萄的品种, 为葡萄品种的鉴别提供了一种新方法.     

基于可见-近红外光谱变量选择的荒漠土壤全磷含量估测研究

以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象,利用ASD Field Spec○R 3 HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源,将原始光谱数据经过卷积平滑、标准正态变量变换以及一阶微分预处理后,采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长,构建土壤全磷含量偏最小二乘回归预测模型;并与全谱偏最小二乘、蚁群-区间偏最小二乘、遗传-偏最小二乘模型进行比较。结果表明：经蚁群-区间偏最小二乘法筛选后,荒漠土壤全磷特征波段为500~700,1 101~1 300,1 501~1 700,1 901~2 100 nm;进一步采用遗传-区间偏最小二乘法进行变量选择,得到共线性最小的13个有效波长,分别为：1 621,546,1 259,573,1 572,1 527,564,1 186,1 988,1 541,2 024,1 118和1 191 nm。建模方法比较显示,采用蚁群-遗传结合区间偏最小二乘法选择的特征变量,建立的模型精度最高,其次是遗传算法、蚁群算法和全光谱。蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型,效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108 mg·g-1,效验证相关系数R_c以及预测集的相关系数R_p分别为0.535 7,0.555 9。因此,经过卷积平滑、标准正态变量变换以及一阶微分预处理,并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单,而且具有较高的预测精度和较好的稳健性,可以估算荒漠土壤全磷含量。     

基于近红外光谱的柔性基底紫外臭氧改性效果表征研究

近年来,随着纳米科技、聚合物材料和先进制造技术的发展,以柔性传感器为代表的新兴柔性电子器件在可穿戴、健康医疗、物联网终端等领域发挥着越来越重要的作用。作为柔性电子器件的载体,柔性基底对传感器的机械可靠性和电学传感性能等方面有着重要的意义。但由于其表面非极性键造成的高疏水性限制了功能性材料在其表面的沉积,常常造成柔性基底层与电极层/敏感层之间不稳定的界面结合。因此,利用紫外臭氧处理对柔性基底表面改性受到了广泛的关注。利用近红外光谱技术对柔性基底的紫外臭氧处理效果进行快速精准评估,旨在从基团分子层面探究其改性效果,在实际应用中是对传统依靠接触角测量评估方法的有效补充。具体而言,对四种常见的柔性基底材料聚二甲基硅氧烷(PDMS)、聚萘二甲酸乙二醇酯（PEN）、聚对苯二甲酸乙二醇酯（PET）和聚酰亚胺（PI）进行了1/2/5/10 min不同时长的紫外臭氧（UVO）改性处理,并利用近红外光谱对其改性效果进行表征研究,最后利用接触角测量方法对上述的表征结果进行了验证分析。近红外光谱分析表明：对于柔性PDMS基底,紫外光能量不足以切断其中的甲基（—CH₃）官能团和（—C—Si—）等化学键,无法引入羟基、羧基等亲水性基团。对于柔性PEN和PET基底而言,紫外臭氧处理的效果要优于柔性PDMS基底,且对柔性PET基底的处理效果要优于柔性PEN基底,其原因可能是PEN基底材料中萘环的双环结构具有很强的紫外光吸收能力,阻隔了380 nm以下的大部分紫外线能量。对于柔性PI基底,紫外臭氧处理可以有效引入羟基（—OH）和羧基（—COOH）等活性基团,且这些官能团的强度和数量随着处理时间的增加而增加,从而在短时间内使得PI基底表面能增大、接触角减小、湿润性提高。接触角测试结果验证：紫外臭氧处理对于柔性PDMS基底处理效果不明显（接触角下降幅度为8.4%）;对柔性PET基底处理的效果（接触角下降幅度为39.6%）要优于柔性PEN基底的处理效果（接触角下降幅度为9.4%）;紫外臭氧处理的效果对柔性PI基底处理效果最佳,接触角下降幅度达到了62.7%。     

紫外-可见多功能光谱电化学池的研制

利用研制的紫外－可见多功能光谱电化学池,以ＵＶ－Ｖｉｓ长光程薄层和光透支光谱电化学法的分别测定了Ｆｅ（ＣＮ）６＾３－／Ｆｅ（ＣＮ）６＾４－电对的反应电数ｎ;燕以ＵＶ－Ｖｉｓ光透半无限扩散和平行人射式光谱电学法分别测定了Ｆｅ（ＣＮ）６＾３－的扩散系数Ｄ。实验的结果均与文献值相近,从而表明了这种ＵＶ－Ｖｉｓ多功能光谱电化学池的可靠性。