鹅膏菌的傅里叶变换红外光谱研究

利用傅里叶变换红外光谱对云南野生鹅膏科蘑菇子实体及孢子进行了研究,二者的光谱差异显著。子实体光谱的最强峰出现在蛋白质酰胺Ⅰ的特征峰1 655 cm-1附近,在碳水化合物的C—O特征振动峰1 077, 1 042 cm-1附近也有强吸收,表明鹅膏科蘑菇子实体的主要成分是蛋白质和碳水化合物;孢子的三个强峰在2 926,2 855,1 747 cm-1,归属为脂类物质的吸收。在1 800～750 cm-1,不同属、不同种的鹅膏科蘑菇光谱有区别,以此可以区分不同种类的蘑菇。此外,隐花青鹅膏菌不同部位的光谱也有差异,表明蘑菇的化学组分在子实体的不同部位有不同分布。利用傅里叶变换红外光谱可以区分不同种类的蘑菇。     

不同产地黑木耳的傅里叶变换红外光谱鉴别

利用傅里叶变换红外光谱法研究了五种不同产地的黑木耳。结果显示,它们的红外光谱主要由蛋白质、脂类化合物及多糖的振动吸收谱带组成。五个样品的傅里叶变红外光谱整体上十分相似,因此分别选取1750~1500cm-1和1200~1000cm-1范围内的傅里叶变换红外光谱进行相关性分析。结果显示,不同产地的黑木耳在1750~1500cm-1范围内相关性较好,光谱的相关系数分布在0.895~0.994。五个样品在1200~1000cm-1范围内的相关系数分布在0.441~0.981,东北地区产的黑木耳与西南地区产的黑木耳的光谱图有明显区别。利用1200~1000cm-1范围内的差异并结合其它吸收峰的特征可鉴别出不同产地的黑木耳。研究结果表明傅里叶变换红外光谱在鉴别菌类方面具有方便、快速等优点。     

三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油

应用FS920荧光光谱仪测定样品的三维荧光光谱数据,直接利用Tchebichef矩提取三维光谱灰度图的特征信息,然后对其进行聚类分析,最后通过逐步回归建立样本中各成分的线性模型。聚类分析能够准确识别掺伪芝麻油,并正确解析其组成成分,得到的线性模型相关系数R>0.99。研究表明,Tchebichef矩能够有效提取光谱的特征信息,应用于掺伪芝麻油鉴别可获得良好的定性和定量分析结果。     

基于堆栈压缩自编码的近红外光谱药品鉴别方法

由于近红外光谱在药品鉴别应用中具有分析速度快、样品无损、可现场检测等突出优点，目前已在众多领域中广泛应用。但近红外光谱存在信噪比低，吸收强度弱且谱峰重叠等缺点，无法从光谱中直接得到定性/定量的物质信息，因而近红外光谱分析技术常作为一种间接分析技术，并且光谱的化学计量学建模方法成为近红外光谱分析的核心内容。深度学习是机器学习的一个新的分支，并已经成功运用于多个领域。深度学习的网络结构和非线性的激活能力，使其模型特别适合高维、非线性的大规模数据建模。为进一步丰富近红外光谱建模方法，并提高近红外光谱分析技术的回归精度或分类准确率，将深度学习方法应用于近红外光谱分析，发展新的建模方法十分必要。面向近红外光谱定性分析技术，提出一种基于堆栈压缩自编码网络(SCAE)光谱定性分析方法，并应用于多类别药品的光谱分析，以区分或鉴别不同厂家生产的同种药品。压缩自编码网络(CAE)以自编码网络(AE)为基础，进一步加入雅克比矩阵作为约束项。自编码网络最初是用实现数据降维，以学习数据内部特征，而雅克比矩阵包含数据在各个方向上的信息，将其作为AE的约束项则可使提取到的特征对输入数据在一定程度下的扰动具有不变性，从而提高AE提取特征的能力。SCAE是一种由多层CAE构成的神经网络。前一层CAE的隐藏层作为后一层CAE的输入层，网络的全部参数是通过采用逐层贪婪的训练方式来获取的，训练结束后将所有网络视为一个整体，通过反向传播算法进行微调，最后使用Logistic/Softmax分类器进行定性分析。实验数据均为中国食品药品检定研究院采集，以头孢克肟胶囊作为二分类实验数据，硝酸异山梨酯片作为多分类实验数据。通过Bruker Matrix光谱仪测定每个样本在不同波长下的吸光度值得到其光谱曲线，再通过OPUS软件消除漂移等因素对光谱样本之间产生的偏差。接下来通过实验确定约束项雅克比矩阵的系数λ为0.003之后建立模型。建模过程分为五个阶段，分别为： 预处理阶段，预训练阶段，微调阶段，测试阶段和对比阶段。为了验证SCAE在分类准确性、算法稳定性和建模时间等方面的性能，与BP神经网络、SVM算法、稀疏自编码(SAE)和降噪自编码(DAE)开展对比实验研究。分类准确性方面，在不同的训练集与测试集的比例下，SCAE均有最佳的分类准确性与算法稳定性。建模时间方面，由于SVM算法不需要预训练和特征提取，所以运行时间方面比其他算法有大的优势，但是SCAE建模速度优于除SVM之外的其他对比算法。综合而言，使用SCAE进行药品鉴别有效可行。     

FTIR结合化学计量学对三七地下部位鉴别及皂苷含量预测

当今中药市场上掺假现象屡见不鲜，不良商贩利用三七须根粉末假冒主根和剪口粉末，严重影响三七的质量与药效。通过傅里叶变换红外光谱(FTIR)结合化学计量学建立三七主根、剪口和须根粉末鉴别及四种皂苷含量快速预测模型，为快速三七质量控制提供基础。采集三七主根、剪口和须根红外光谱，超高效液相色谱(UPLC)测量样品中三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁和人参皂苷Rd含量。采用纵坐标归一化及二阶导数对原始红外光谱进行预处理；Kennard-stone算法将60个样本分为2/3训练集与1/3预测集。训练集数据结合支持向量机(SVM)判别建立三七主根、剪口和须根粉末鉴别模型，最佳核函数c和g采用交叉验证进行网格式搜索，预测集数据用于对判别模型进行外部验证。正交信号校正偏最小二乘回归(OSC-PLSR)建立三七中四种皂苷含量预测模型，红外光谱采用一阶、二阶导数及Savitsky-Golay平滑5点、7点、9点、11点预处理。60个样本分为2/3训练集与1/3预测集，训练集数据建立OSC-PLSR模型，预测集数据对OSC-PLSR模型的预测结果进行外部验证。结果显示： (1)二阶导数可有效的分离原始谱图的叠合隐蔽谱峰，并提高谱图的分辨率；(2)交叉验证网格式搜索计算出最佳核函数c=2.828 43，g=4.882 81×10-4，此时训练集判别正确率为100%；(3)SVM判别模型核函数设置为最佳核函数，预测集数据外部验证正确率为100%，所有样本均被正确鉴别；(4)三七皂苷R₁、人参皂苷Rg₁、人参皂苷Rb₁和人参皂苷Rd最优含量预测模型预测值与UPLC检测值接近，预测效果良好。FTIR结合SVM判别能对三七主根、剪口和须根粉末快速鉴别，结合OSC-PLSR能对四种皂苷含量进行准确预测。该方法准确可靠，可为中药材三七提供快速有效的质量控制。     

利用BESⅢ的双层TOF寻找D0-D0混合的研究

在ψ(3770)处, D⁰→K^－π⁺是研究D⁰-D⁰混合的非常理想的衰变道. 实验上, 良好K/π识别技术将对寻找D⁰-D⁰混合过程起着决定性的作用. 在BESⅢ实验的物理预研究中, 发现利用飞行时间的信息, 能够精确测定末态中含有多条带电径迹事例的起始时间, 从而可以改善飞行时间计数器的时间分辨率. 进一步的研究表明, 应用该方法后, BESⅢ双层TOF的时间分辨率从～78ps降到～64ps. 按照20fb^－1的ψ(3770)数据量进行估算, 在95%置信度下, D⁰-D⁰混合率的上限值可以提高7%左右.     

七种花旗参茶包的FTIR光谱法无损鉴别

本文利用傅里叶变换红外光谱法（FTIR）无损快速鉴别了七种花旗参茶包。各种花旗参茶包的红外光谱较特征。根据红外的特征谱图分析，市售的7种花旗参茶包基本上可分为两大类，一类是纯的花旗参药材料末而制成的茶包；另一类是花旗参的提取物和辅料混合后而制成的茶包。红外光谱图还表明各种花旗参茶包所选用的辅料也不尽相同，有的采用葡萄糖，有的则采用蔗糖，辅料所添加的种类与有的商品标定的不符。另外花旗参茶包所添加的辅料较多，花旗参提取物的特征峰较弱，这就表明有的花旗参茶包的质量较差。HPLC的分析结果也证明了采用原药材而制成的花旗参茶包的总皂甙含量高于花旗参的提取物和辅料混合后而制成的茶包，基本上相差了4倍。因此，红外光谱法快速、直观、可靠，适用于中药的鉴定。     

中草药猫人参与其同科同属植物的光谱分析与鉴别

本文用紫外光谱和荧光光谱等方法对猫人参与其同科同属的木天蓼、藤梨根进行了分析与鉴别。结果表明 :在 2 54nm紫外灯下 ,猫人参水溶液几无荧光 ,而木天蓼、藤梨根水溶液均显较强荧光 ;三种药材提取液的紫外光谱和荧光光谱存在明显差别。     

Linear optical implementation of optimal unambiguous discrimination among quantum states

In this paper, we present a linear optical scheme for optimal unambiguous discrimination among nonorthogonal quantum states in terms of the multiple-rail and polarization representation of a single photon. In our scheme, discriminated quantum states are expressed by using the spatial degree of freedom of a single photon while the polarization degree of freedom of the single photon is used to act as an auxiliary qubit. The optical components used in our scheme are only passive linear optical elements such as polarizing beam splitters, wave plates, polarizers, single photon detectors, and single photon source.     

基于支持向量机的近红外光谱鉴别茶叶的真伪

快速准确地鉴别名优茶的真伪是当前茶叶行业亟待解决的一项重大课题。针对这一现状,提出了一种快速准确鉴别名优茶真伪的新思路。试验中,以碧螺春茶为研究对象,利用近红外光谱分析技术结合支持向量机(SVM)模式识别原理建立碧螺春茶真伪鉴别模型。试验结果显示,通过标准归一化(SNV)预处理,选取6500~5500 cm-1波长范围内的光谱经过主成分分析后,提取11个主成分,选用径向基函数(RBF)作为核函数建立的模型最佳。对训练集中的138个茶叶样本,模型的回判鉴别率达到93.48%;对90个独立样本进行预测时,模型的预测鉴别率达到84.44%。研究结果表明基于支持向量机的近红外光谱鉴别名优茶真伪的方法是可行的。