大麦品种数量性状的聚类分析研究

定义品种标准化主成分间的欧氏平方距离为遗传距离，采用类平均法对６３个地理来源不同的品种进行系数聚类，将其分为８类。表明品种的地理分布对遗传差异有一定的影响，但两者间并无必然的联系。认为大麦杂交亲不可否认尖在类间距离大于平均类间距离的类间选配，同时参考主成分分析对品种综合性状的认识，并结合其它因素，选择综合性状好的品种作亲本。     

基于高光谱技术的蛋白粉掺假检测研究

蛋白粉是健身者必备的营养补剂,市场需求在不断增加,一些不法商家为了谋取利益,在蛋白粉中加入廉价的粉末售卖。传统的蛋白粉掺杂的检测方法费时、费力,操作复杂,且成本昂贵。高光谱技术具有易于操作、在不损害实验样本的情况下可快速检测等优点,因此,提出使用高光谱技术以实现蛋白粉掺假检测。在蛋白粉中分别加入质量百分数5%～60%,浓度间隔5%的三类掺假物（玉米粉、大米粉和小麦粉）,并采集所有样本的光谱信息。在对蛋白粉中的玉米粉、大米粉和小麦粉三类掺假物进行定性判别时,首先分别采用卷积平滑（SG）、标准化（Normalize）、多元散射校正法（MSC）、基线校正（Baseline）和标准正态变换（SNV）的预处理方法对光谱数据进行处理,然后建立基于主成分回归（PCR）、反向传播神经网络（BPNN）和随机森林（RF）的模型,其中基于全波段光谱MSC预处理方法下建立的RF模型最优,其整体准确率达到了100%,其对应的R_P和RMSEP分别为0.997 9和0.018 9。在对蛋白粉中不同掺假物浓度进行定量分析时,对三类掺假样本的光谱分别进行SG,Normalize,MSC,Baseline和SNV的预处理,并建立LSSVM模型;比较不同预处理方法下的各模型之间的性能,在蛋白粉中掺玉米粉、大米粉和小麦粉的LSSVM预测模型最佳预处理方法分别是无、Baseline和Normalize,然后,采用连续投影算法（SPA）和竞争性自适应重加权算法（CARS）对其筛选,并建立LSSVM模型,三类掺假样本的SPA-LSSVM模型对应的R_P为0.989 0,0.986 0和0.997 9,CARS-LSSVM模型对应的R_P为0.991 0,0.994 6和0.999 1,故三类掺假样本的CARS-LSSVM模型预测效果更佳。研究表明：高光谱技术可以实现对蛋白粉掺假的定性、定量的检测,并且操作简单、检测快速和无损。     

RIBLL2上放射性次级束粒子鉴别能力的提升

为了提升兰州重离子加速器冷却存储环(HIRFL-CSR)中放射性次级束流装置(RIBLL2)的粒子鉴别能力,在其F1色散面上研发、安装了一套可测量核反应产物起始时间和位置等信息的新型高性能探测器,并发展了一种利用测量的位置及飞行时间等实验数据提取束线光学参数从而修正粒子磁刚度的实验方法。使用F1色散面上的新型探测器,再结合粒子磁刚度修正方法,首次在RIBLL2-ETF分离器上实现了全动量接收度下300 MeV/nucleon 78Kr弹核碎裂产物的清楚鉴别,结果显示:对于较重的75As33+,其电荷分辨σ_Z~0.19、质核比分辨σ_A/Z~5.8×10?3。这一结果,有效提升了RIBLL2粒子鉴别能力,增加了奇异核收集效率,使研究范围由低质量核区(A<40)拓展到了中等质量核区(A~80),这将有效促进RIBLL2上放射性次级束物理实验的发展。     

专利

一种近红外光谱无损鉴别山参真伪的方法 ：一种近红外光谱无损鉴别山参真伪的方法,属于中药检测技术领域,目的在于解决现有技术鉴别山参鉴别结果不确定及鉴别过程破坏山参形体的问题。采集山参和工艺参的光谱数据,经主成分分析法提取出主成分变量作为输入变量,设定山参及工艺参的属性代码并将其作为目标变量,根据输入变量和目标变量训练网络,建立BP人工神经网络模型;采集待鉴别样品光谱数据,并经建立的BP人工神经网络模型进行仿真,输出待鉴别样品预测值,参照山参和工艺参的属性代码判断待鉴别样品。当待鉴别样品     

基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别

针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal com-ponent analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法。通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大。RBF神经网络算法识别率在92%左右。该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义。     

BESⅢ探测器粒子鉴别效率的蒙特卡罗研究

利用ψ（3770）DD衰变的运动学特性,通过分析工作在BEPC-Ⅱ上BESⅢ探测器在正负电子对撞质心系能量为3.773GeV处的e＋ e_ψ（3770）蒙特卡罗模拟事例,挑选出干净的介子和K介子样本,研究了BESⅢ粒子识别系统对带电粒子的鉴别效率。根据此方法,可以确定数据和蒙特卡罗样本在粒子鉴别效率方面的差异。     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

藤梨根红外光谱聚类分析及可视化鉴别

探索傅里叶变换红外光谱技术在抗癌中药藤梨根快速鉴别、分析方面的应用。对不同品种藤梨根药材的红外光谱图进行了聚类分析和主成分分析,以样品的主成分数值为评价指标,并将谱图进行可视化表达。结果显示,应用傅里叶变换红外光谱法结合主成分分析和谱图的可视化转化,能够实现红外光谱无损快速鉴别藤梨根品种。傅里叶变换红外光谱法的应用能够快速、简便、准确地鉴别藤梨根的品种,是其质量监测一种直观有效的方法。     

近红外漫反射光谱鉴别鸡蛋种类

提出一种利用近红外光谱技术进行鸡蛋种类快速、无损鉴别的新方法.选用7500-4000cm-1的光谱,采用标准正态变量变换(SNV)后作主成分分析(PCA),选取前10个主成分作为模型输入,种类类别作为模型输出,分别建立了3种鸡蛋种类的线性判别法(LDA)和支持向量机(SVM)鉴别模型,所建模型均能较好的对鸡蛋种类进行鉴别,SVM模型效果优于LDA模型,其预测集正确识别率达97.44％.结果表明,近红外光谱技术可用于鸡蛋种类的快速、无损鉴别.     

南北五味子荧光光谱差异的原因

建立了用荧光法快速鉴别五味子和部分含五味子制剂中五味子是属于北五味子还是南五味子的方法,探明了南北五味子荧光光谱差异的主要原因。研究了五味子的五种活性成分五味子醇甲、五味子酯甲、五味子甲素、五味子乙素和安五脂素的荧光性质和五味子以及护肝片乙醇提取液的荧光光谱,并用高效液相色谱测定了供试品五种活性成分的含量。研究表明：发光效率按安五脂素、五味子乙素、五味子甲素和五味子醇甲依次减弱,五味子酯甲不具有荧光性;北五味子的主要荧光物质为五味子乙素,而南五味子的主要荧光物质是安五脂素,它们是导致南北五味子荧光光谱差异的主要原因。用荧光法鉴别南北五味子具有简单、快速和灵敏的特点