首次使用核反应法鉴别JUNA深地加速器A/q=2的束流种类

JUNA团队计划利用CJPL所提供的极低本底条件和400 kV高压平台上2.45 GHz ECR离子源产生的毫安量级束流首次在天体物理能区对关键核反应进行直接测量。实验需要10 emA的质子束流和He+束流以及2 emA的He2+束流。使用2.45 GHz离子源产生毫安量级的He2+束流是离子源制造的难点。由于离子源分析磁铁分辨能力有限,无法区分He2+和H+₂离子,本文首次使用核反应法对离子源产生的A/q=2的束流进行了鉴别,结果显示,JUNA项目2.45 GHz ECR离子源无法产生毫安量级的He2+束流。该研究成果为JUNA项目离子源的设计提供了重要的参考依据。JUNA团队另外研制了一台微波频率为14.5 GHz的ECR离子源并成功产生2 emA的He2+束流来满足实验需求。     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据,实现定性或定量分析的无损检测方法,特征数据的完整性和代表性决定了所建模型的性能,而现有分析方法只能实现光谱子区间特征筛选,导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取,有效提高近红外光谱定性分析模型的精度和稳定性,提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法,并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究,讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现,云南产鲜松茸因其独特外形易于分辨,而片状的干松茸失去其独有的外形特征,导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析,采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据,剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上,利用LASSO筛选出全光谱区间的特征变量,再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法,构建松茸真伪甄别模型和食用菌分类模型,对两种模型进行盲样测试,并分析了LASSO与PCA算法的不同点,最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法,其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN),食用菌分类模型准确率为67.39% (BP)和65.22% (KNN),基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN),食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN),对两种模型进行10次蒙特卡罗实验,其结果平均值分别为99.93%和97.22%,由此可知,与PCA等数据降维算法相比,LASSO可实现全光谱区间的光谱特征选择和数据降维,有效地提高了近红外定性分析模型的预测性能,为近红外分析提供了一种新的特征筛选方法。     

木蜡油涂饰对檀香紫檀易混树种的红外光谱影响分析

卢氏黑黄檀和染料紫檀木材特征与檀香紫檀相似,特别是两者经过加色精的木蜡油涂饰后,用肉眼很难与珍贵的檀香紫檀分辨。市场上销售的很多红木家具为了达到防腐、防尘、防开裂的性能以及提高红木表面光泽度和显现珍贵木材的纹理,大都进行了木蜡油表面涂饰加工,因而只研究木材本身的鉴别不能满足市场需求。借助红外光谱（FTIR）结合二阶导数红外光谱（SDIR）和二维相关红外光谱（2D-IR）技术,对经过木蜡油涂饰的檀香紫檀（Pterocarpus santalinus）、染料紫檀（P.tinctoricus Welw）和卢氏黑黄檀（Dalbergia louuelii）进行了红外光谱分析。通过打磨-涂底油-打磨-涂面油-干燥的涂饰工艺对3个树种进行表面涂饰。分别取3个树种素材的木粉和经过表面涂饰的木材表面的木粉进行FTIR,SDIR和2D-IR三级鉴别分析,同时测定了木蜡油的FTIR谱图。结果表明：(1）木蜡油FTIR谱图在2 925,1 733,1 465和1 378 cm-1较强的特征峰出峰位置与3个树种木材本身的出峰位置基本重合,且在2 854 cm-1处归属于亚甲基C-H对称伸缩振动,1 233 cm-1处归属于羧基C-O伸缩振动,729 cm-1处归属于长链的亚甲基C-H弯曲振动的特征峰在涂饰后三种样品的FTIR谱图中有相同的体现,说明木蜡油涂饰未对3个树种红外谱图的特征峰产生影响;3个树种表面涂饰前后FTIR谱图的相关系数同时可以对木蜡油涂饰未对3个树种的特征峰产生影响进行佐证;(2）FTIR谱图在1 595,1 060和836 cm-1处可以将染料紫檀与檀香紫檀和卢氏黑黄檀两个树种区分开;SDIR谱图可以在1 551 cm-1将卢氏黑黄檀区分开,并能进一步对染料紫檀的特征峰进行验证;在2D-IR光谱中,在1 425~1 800和850~1 300 cm-1两个波段范围,檀香紫檀的自动锋明显区别于其他两个树种,在1 250 cm-1处归属于醚类化合物的吸收峰可以将檀香紫檀区分开。目前红木识别主要利用木材解剖方法,表面涂饰大多集中在木材材色变化研究。借助红外光谱技术,最终利用各个树种和木蜡油在红外光谱谱图中不同的特征峰体现的官能团差异直接推测特征成分的含量差异,无须测定其特征成分的具体物质,进而实现准确、快速地把经木蜡油表面涂饰的檀香紫檀及与其易混淆的染料紫檀和卢氏黑黄檀区分鉴别。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重,研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别,并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先,采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品,以及6种常见糖浆样品按不同糖浆含量（10%,20%,30%,40%,50%,60%）配制的112个掺假蜂蜜样品,共计224个样品;通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）;然后,分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理;再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升,而对于SVM模型,惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中,经FD光谱预处理后建立的模型效果最好,最佳PLS-DA模型准确率为87.50%;在SVM算法中,经MSC预处理后,再通过GS寻优,获得惩罚参数c为3.0314,核函数参数g为0.3298的条件下所建立的模型效果最好,最佳SVM模型准确率为94.64%。由此可见,非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型,同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

基于液相色谱-串联质谱法的肉类特征肽段鉴别及掺假测定

建立了液相色谱-串联质谱技术鉴别肉类特征肽段及定量检测羊肉中常见外源肉掺假的方法。样品经蛋白质提取、胰蛋白酶水解和固相萃取小柱净化后,利用超高效液相色谱-四极杆/静电场轨道阱高分辨质谱（UPLC-Q/Exactive-HRMS）和Proteinpilot软件,实现蛋白质和多肽的鉴定;再通过基本局部比对搜索工具（BLAST）与Uniprot数据库对比分析,筛选出羊肉、鸭肉、猪肉和鸡肉的20个物种特征性多肽标志物;最后利用高效液相色谱-三重四极杆质谱（UPLC-QqQ-MS）系统对羊肉、鸭肉、猪肉和鸡肉的特征性多肽进行了验证和多反应监测（MRM）定量研究。将鸭肉、猪肉和鸡肉分别按照质量分数为1%、5%、10%、20%、50%的比例掺加到羊肉中,得到鸭肉最低掺假检出限为0.25%、猪肉最低掺假检出限为0.17%、鸡肉最低掺假检出限为0.10%。     

基于AOTF的成像光谱仪及其在同色异谱目标鉴别中的应用

为了同时获得同色异谱目标的光谱信息和空间分布信息,设计了基于声光可调谐滤波器(acousto-optic tunable filter, AOTF)的成像光谱仪,主要包括前置成像透镜组、AOTF滤光成像模块、AOTF驱动器、CCD图像检测器、图像采集卡和计算机。在计算机的控制下,实现波长的快速扫描,获取每个设定波段下的灰度图像,构建一个光谱图像立方体,因此可以获得图像中任意一点的光谱信息。所设计的成像光谱仪,光谱范围为550 ～1 000 nm,光谱分辨率2.6 nm(@632 nm),光谱扫描速度快,任意两个波长之间的切换时间小于80 μs,整个仪器无机械运动部件,功耗低,抗振能力强。利用该仪器对真假玫瑰花进行了鉴别试验,对涂改物证进行了信息复原实验,并成功地辨别出真假玫瑰花和复原出涂改物证,证实了该成像光谱仪具有优异的同色异谱目标鉴别本领,在同色异谱物质的鉴别上具有广阔的应用前景。     

基于激光共聚焦显微拉曼技术的藻种鉴别研究

微藻种类的鉴别和分类是研究微藻生理生化特性的基础和前提。微藻细胞中主要包含五种生物分子,包括蛋白质、糖类、油脂、核酸和色素,在不同藻种会有不同的比例含量,常常作为藻种鉴别的一种依据。文章探讨了采用激光共聚焦显微拉曼技术快速鉴别普通小球藻(Chlorella sp.)、莱茵衣藻(Chlamydomonas sp.)两种不同藻种的可行性。通过在相同光照时间、强度和相同培养基的条件下培养的两种微藻,利用琼脂固定法固定微藻细胞,在514.5 nm的激光下采集了不同藻种及其不同生长时期的拉曼光谱曲线,并通过rolling circle filter(RCF)算法去除荧光背景,然后采用去基线、卷积平滑等预处理方法得到两种藻种各40个样本的曲线。从80个样本中随机抽取50个样本训练建模,剩下的30个样本作为独立的验证集。对光谱数据采取不同的预处理方法,采用偏最小二乘(partial least squares,PLS)全波段建模建立光谱响应特征与普通小球藻、莱茵衣藻的关系模型,比较了不同预处理程度的效果。结果表明：利用激光共聚焦显微拉曼技术,基于不同藻种色素含量比的差异,同时结合化学计量学方法,可以快速、有效地将两种藻种鉴别出来。所提出的最大谱峰比值标准化法处理样本,当阈值为±0.5时,预测正确率达到100%,当阈值为±0.2时,预测正确率达到86.67%,表明所提出的新方法能在藻种鉴别和分类领域具有较高的可行性。     

傅里叶变换红外光谱结合化学计量学鉴别预包装纯菠萝汁中外源糖

为了快速、准确鉴别预包装纯菠萝汁是否掺有外源性糖,采用傅里叶变换衰减全反射中红外光谱技术采集900～1 500 cm-1范围内不同批次的预包装纯菠萝汁样品和掺入甜菜糖浆、大米糖浆、木薯糖浆的菠萝汁掺假样品的中红外光谱共计234例,以线性判别分析和支持向量机分析为掺假鉴别模型的建模方法,比较了全波段谱图与通过主成分载荷系数分析选取特征波长图谱的两种掺假鉴别模型。研究表明,全波段图谱的线性判别分析和支持向量机分类模型对验证集的判断正确率均高于88%;选取8个特征波长之后,线性判别分析模型验证集判断正确率提高至96.15%,支持向量机模型验证集判断正确率提高至94.87%,且模型输入变量由312个减少到8个。利用傅里叶变换衰减全反射中红外光谱技术结合化学计量学方法选取特征波长后建立的模型可以较好的应用于预包装纯菠萝汁外源糖的鉴别。     

水体细菌微生物种类快速鉴别方法研究

紫外可见多波长透射光谱包含了细菌微生物对光的吸收和前向散射等信息,能反映细菌细胞的组分、大小以及形态等特征,具有细菌种属的特异性,可应用于细菌微生物的快速种类鉴别。以水体中常见细菌微生物为研究对象,实验测量了大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌的紫外可见多波长透射光谱,简要分析了不同种类细菌微生物的多波长透射光谱特征;研究了透射光谱与支持向量机多向量分析方法相结合的水体细菌微生物快速识别方法,利用基于网格搜索法的训练集内部交叉验证获取建模所需最佳惩罚因子C和核函数参数g,根据最优参数和LibSVM一对一多分类法建立细菌快速分类鉴别模型。利用不同株实验细菌的透射光谱作为测试集对所建模型进行识别正确率的验证,结果表明,所建立的快速分类鉴别模型可以对选取的大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌进行快速种类识别,识别正确率为100%;分类鉴别模型对不同大肠杆菌亚种的测试集识别正确率为100%,证明该模型对细菌属间鉴别具有较好的稳定性。不仅可为饮用水源细菌微生物的快速识别预警提供方法,而且可在生物医学方面作为细菌微生物鉴别的一种简便、快速、准确的手段。     

高光谱成像技术的柚类品种鉴别研究

柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析 (PCA)和连续投影算法 (SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。