天然与处理翡翠的光谱学研究

文章通过对天然翡翠和漂白充填处理翡翠的共焦显微拉曼光谱(514nm)测定,得到表征翡翠硬玉结构的拉曼位移为1036cm-1,696cm-1和374cm-1,显微放大能观察到翡翠经酸洗产生的裂纹及其充填的有机物,经红外光谱的测定证实该充填物为环氧树脂,且表征环氧树脂的拉曼峰为777cm-1,1123cm-1,1611cm-1,2930cm-1和3065cm-1;通过相同测试条件下,并在极短的积分时间内对天然翡翠的绿色、白色部位和染绿色翡翠进行拉曼光谱(785nm)测定,并结合绿色翡翠紫外-可见光-近红外吸收光谱的测定,得到吸收光谱中的吸收峰637nm,658nm和691nm归属于翡翠晶体中的Cr3 ,Cr3 的大量存在将使翡翠的拉曼光谱产生极强的荧光,而染色翡翠中染料产生的荧光相对较弱.     

改进的随机蛙跳算法对农机润滑油污染浓度的近红外光谱检测研究

润滑油是农业机械正常作业的必要物资,农业机械发动机工作的动力性、安全性、经济性以及寿命与润滑油状况有着紧密联系。污染浓度作为油液的综合评价指标,常规的实验室检测耗时长、成本高,所以开发高效的润滑油污染浓度检测技术具有重要意义。提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法,同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大,结果再现性低等缺点,提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量,将其作为RF算法中的初始变量集,消除初始变量集的随机性对结果再现性的影响。另一方面通过对变量按被选概率值由大到小正向排序后,从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型,选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长,消除RF算法所提取的特征波长数量的不确定性。利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据,选用三种不同的预处理方法分别对原始光谱进行处理,确定最佳的预处理方法为变量标准化(SNV)。在此基础上通过RF,...     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA, FLDA和KNN算法的模型鉴别准确...     

不同种皮颜色花生糖含量近红外模型的构建

花生籽仁中的糖含量是影响食味品质的重要指标,建立快速测定糖含量的方法可有效提高食用型花生的检测效率。样品外观颜色是影响近红外分析的重要因素之一,按样品外观颜色分类定标(校正)更有利于提高模型的预测性能。研究选择不同糖含量的花生种质332个,采用色差仪将花生种质按种皮颜色分成黑紫色、红色和粉色三大类。采用3,5-二硝基水杨酸法、蒽酮乙酸乙酯法、蔗糖酶法分别测定籽粒中的总糖、可溶性糖及蔗糖含量。总糖含量分别在6.42%～39.53%(黑紫色籽粒)、 9.66%～39.71%(红色籽粒)和8.52%～38.84%(粉色籽粒)之间;可溶性糖含量分别在2.4%～14.32%(黑紫色籽粒)、 2.94%～13.75%(红色籽粒)和2.19%～14.53%(粉色籽粒)之间;蔗糖含量分别在0.92%～7.53%(黑紫色籽粒)、 1.05%～7.23%(红色籽粒)和0.95%～7.99%(粉色籽粒)之间,变异系数均在33%以上。采用瑞典波通DA7250型近红外分析仪(950～1 650 nm)采集籽粒的近红外光谱值,选用基于全波段的偏最小二乘回归法(PLSR),通过对比单一和复合预处理方法,对比模型的相...     

基于IFSR异常样本剔除的落叶松木材密度近红外优化模型的研究

木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR), BP神经网络(BPNN)...     

随机森林结合CatBoost的近红外光谱药品鉴别

药品质量关乎人民健康和国家命脉,随着社会经济的飞速发展对药品质量的快速、有效鉴别具有极其重要的作用。光谱分析技术具有较高的准确性、较快的分析速度且对样品不存在污染等突出优点,广泛应用在化工、石油以及医药等重要的领域。为了解决传统药品鉴别模型存在的鉴别精度低、鉴别速度不能满足实际需求且鉴别模型稳定性差的问题,采用光谱仪采集药品的近红外光谱数据达到对药品无污染鉴别的目的。结合随机森林和CatBoost对药品进行分类鉴别,以实现快速且准确的鉴别。首先采用随机森林(RF)对光谱仪采集的光谱数据进行有效特征波长的筛选,从而将药品光谱数据中的无关波长去除、筛选出最能表征样品属性的特征波长,然后以极限学习机(ELM)作为CatBoost的弱分类器分析筛选的特征波长对药品的属性鉴别。由于ELM仅只含有一个隐含层且无需多次迭代寻优保证了鉴别模型运行速度更快,CatBoost通过集成弱分类器以改善模型鉴别准确性。为对所提出的药品鉴别模型性能进行有效评估,采用随机抽取训练集的方式构造不同规模药品光谱数据并分别上进行独立实验且以10次运行结果的均值作为其最终结果,并通过与CatBoost、持向量机(SVM)、...     

PDMS改性环氧树脂/Sm2O3复合涂层的近红外光谱及疏水性研究

以聚二甲基硅氧烷(PDMS)改性环氧树脂(HYSZ)为粘合剂,Sm₂O₃为功能颜料,纳米SiO₂为微纳结构改性剂,制备得到了一种同时具有良好疏水性能和附着力的近红外吸收涂层。系统分析了PDMS和HYSZ质量比、邻苯二甲酸二辛酯(DOP)添加量、总填料添加量、 Sm₂O₃和纳米SiO₂质量比对涂层性能的影响。结果表明：PDMS改性可明显降低涂层的表面能,从而使涂层的疏水性得到明显增强。利用DOP强化涂层韧性和微观搭桥作用可增强涂层整体性,从而可明显提高涂层的附着力和近红外吸收性能。涂层的表面粗糙度可随总填料添加量的增加而明显升高,进而可使涂层表现出更优的疏水性能。当涂层中PDMS和HYSZ质量比、 DOP添加量、总填料添加量、 Sm₂O₃和纳米SiO₂质量比分别为1∶9, 20%, 50%和5.5∶4.5时,涂层同时具有良好的近红外低反射率(59.1%)、疏水性能(水接触角为137°)及附着力...     

基于二倍频预放大的超快光学参量放大研究

利用钛蓝宝石飞秒激光泵浦的大能量超快光学参量放大技术在强场光学和阿秒科学领域研究中具有重要应用。现有技术利用基频激光(波长为800 nm)对其产生的超连续谱种子信号进行预放大,这对超连续谱中的红外成分转化效率提出较高要求,影响了系统的可靠性。本文在实验中利用转化效率较高的超连续谱绿光成分作为种子光,在预放大过程中使用二倍频激光泵浦得到红外闲频光,再进行第二级功率放大,得到1200～2500 nm范围的宽谱可调的近红外飞秒激光脉冲输出,脉冲能量转换效率达到25%。     

用LED作光源的光纤乙炔气体传感器的研究

基于气体的近红外吸收机理,介绍了一种用LED作光源的光谱吸收型光纤乙炔气体传感器.该系统利用布拉格光纤光栅和压电陶瓷(PZT)的窄带滤波特性,对宽带光源LED进行波长调制,获得与乙炔气体吸收峰相对应的窄带反射出射光.利用谐波检测原理,获得探测器输出信号的二次谐波信号,以此二次谐波信号与光纤光栅透射光强的比值作为系统的输...     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。