排序方式: 共有37条查询结果,搜索用时 15 毫秒
31.
基于相干反斯托克斯拉曼散射(CARS)光谱技术机理,针对甲醇制烯烃(MTO)产物中多种组分烃类的探测需求,搭建了一套扫描式窄带CARS光谱实验装置。采用该装置对甲烷,乙烷,乙烯,丙烯分别进行CARS光谱扫描,获得了各分子的特征拉曼谱;并在相同实验条件下进行比对试验,得到不同分子特征峰处的CARS信号强度与目标气体浓度及其他背景气体之间的关系。通过建立简化模型对不同分子的CARS信号特征峰强度信息进行解析,提出了一种分时窄带CARS光谱探测多种拉曼活性气体浓度的方法,用于快速在线分析催化化工等领域中各类流体的组分。利用这种方法探测了甲烷,乙烯,丙烯的浓度,将实验误差控制在9%以内。 相似文献
32.
基于声光可调谐(AOTF)光谱相机的技术指标和性能要求,采用机械正组补偿方式,实现了10可见光波段连续变焦光学系统的设计。详细介绍各组元的光焦度分配和初始结构的计算过程,并用Zemax光学软件进行设计,对设计结果进行了像质评价和像差分析,并对凸轮曲线进行求解。设计和分析结果表明:该系统在0.38 m~0.7 m波段实现了30 mm~300 mm连续变焦,在空间频率50 lp/mm处调制传递函数(MTF)值最大达到0.7。该系统可工作在可见光波段,具有变倍比大、变焦曲线平滑的特点,能够满足光谱相机的成像要求。 相似文献
33.
采用地基光谱探测技术,观测到了最低亮度为4.2星等的空间碎片其分辨率为0.5 nm的高精度散射光谱。并对卫星残骸和火箭残骸的光谱数据进行了归一化处理和离散率分析,得到了不同类别目标的明显区别。火箭残骸的多帧散射光谱归一化后线型一致,而对于卫星的多帧散射光谱归一化后线型不一致,对归一化的空间碎片的每一帧光谱求离散率,得到的结果为火箭残骸的离散率低,都在0.978%~3.067%之间,且波动差值及平均值较小;而卫星的每帧归一化散射光谱的离散率高,在3.1184%~19.4727%之间。且波动差值及平均值较大。原因是火箭残骸的结构简单,组成材料较单一,卫星的结构复杂,组成材料较多。因此散射光谱分析可以应用于空间碎片分类的研究。 相似文献
34.
35.
响应度R是反映探测器性能的一项重要指标,当探测器被强激光损伤后,光电探测器的响应度将发生改变。设计了一套实时测量探测器响应度的装置,用能量逐渐增加的Nd∶YAG激光辐照PIN光电探测器,获得了探测器响应度与入射强激光功率密度的变化关系。从实验数据可知,探测器被功率密度低于7.6×105W/cm2的激光辐照后不会发生损伤,探测器对532nm参考光的响应度不变;当激光的功率密度超过1.27×106W/cm2时,激光辐照后,探测器对532nm参考光的响应度开始下降,当探测器被功率密度为6.01×106W/cm2的激光辐照后,响应度迅速下降,PN结遭到破坏是探测器响应度下降的根本原因,扫描电镜的结果与我们的分析相一致。 相似文献
36.
2017年8月初,荷兰发现大范围鸡蛋受杀虫剂氟虫腈污染。用拉曼光谱检测的方法对解决氟虫腈检测问题做了一定的探索。为了获得氟虫腈分子的分子结构振动信息,根据密度泛函理论中的B3LYP杂化泛函和6-311G++(d,p)基组,对氟虫腈分子进行了几何结构优化和频率计算,得到了该分子的稳定构型和全部振动模式,计算了氟虫腈分子稳定构型的拉曼散射光谱。利用HORIBA公司的T64000型光栅共聚焦显微拉曼光谱仪采集了FP的拉曼光谱并配合使用Ag/Cu纳米基底采集了表面增强拉曼光谱,较强峰出现在211,308,350,867,1323和1432 cm-1处,次强峰出现在254,407,443,463,511,607,646,712,800,1065和1639 cm-1处。结果表明,理论计算得到的振动频率与实验测量值在全部较强峰处和部分次强峰处吻合的较好。并对FP分子200~2000 cm-1区间内各频率谱线对应的振动模式进行了归属指认,6个较强峰依由小到大的次序分别指认为21H-22H蜷曲振动,10F-11F变形振动和21H-22H面外摇摆振动,15N-22H蜷曲振动,6C伸缩振动和21H面内弯曲振动,苯环呼吸振动和9C伸缩振动,7H-8H面内弯曲振动。发现表面增强拉曼光谱相对于拉曼光谱整体有微小的频移,两者整体吻合较好,表面增强拉曼光谱中211,867,1400和1432 cm-1处的峰得到了选择性增强,根据表面增强拉曼光谱的选择定则,解释为相关振动峰的原子与银衬底表面或许为接近垂直的状态,并可能与银表面吸附。下一步计划将氟虫腈混入鸡蛋中,对氟虫腈在鸡蛋中不同浓度情况下进行指认研究。研究结果可为氟虫腈的拉曼光谱分析提供理论依据,将促进食品和农产品中氟虫腈残留的快速检测和在线检测研究。将拉曼光谱作为对传统化学检测方法的补充。 相似文献
37.
痤疮是属于丙酸杆菌皮肤病脉的一种慢性炎症,它危害着人体健康。虽然市面上存在痤疮识别手段,但其仪器较大且费用昂贵,目前尚无民用级别的痤疮识别系统投入使用。本文提出一种基于多光谱成像技术的面部痤疮识别方案,即利用多光谱相机设备,分别对面部正常与不同严重程度痤疮皮肤进行多光谱图像信息采集,通过图像处理方法对采集的信息进行多光谱图像分析,并通过光谱反演算法获取光谱信息。然后将反演出的正常和不同严重程度痤疮皮肤的反射率谱线,与高精度光谱仪在同等实验条件下探测的谱线趋势进行对比。最后建立支持向量机(support vector machine, SVM)面部痤疮三度四级分类模型,准确率为90%,验证了基于多光谱成像技术对面部痤疮无创识别与分类的可行性。 相似文献