基于激光拉曼光谱的水面油膜厚度测量方法研究

为了实现水体表面油膜厚度的快速非接触检测,基于激光拉曼光谱检测技术,搭建了水体表面油膜厚度拉曼光谱检测系统。以532 nm激光作为激发光源,以常见的柴油和汽油为例研究了不同油品的拉曼光谱特性,研究结果表明,油膜拉曼光谱响应特性与油品密切相关,相同油膜厚度情况下不同油品的拉曼光谱曲线有明显的差异,97#汽油在1 651 cm-1光谱强度要高于90#汽油。随着油膜厚度的增加,柴油316和1 451 cm-1光谱强度和汽油1 651 cm-1拉曼位移光谱强度增加,油拉曼光谱信号变强;根据油水界面拉曼光谱特征,设计了油膜厚度计算因子,实验证明随着油膜厚度增加,油膜厚度计算因子r_film呈下降趋势。可以将油膜厚度计算因子作为水体表面油膜厚度测量的一种依据。     

紫外吸收全光谱法测定海水硝酸盐研究

紫外吸收全光谱法用于探测海水中硝酸盐浓度,具有测试结果准确可靠,简单快速,实用性强等特点。文中实验采用紫外吸收全光谱法在200~370 nm波段测试了硝酸盐和溴离子、氯离子、亚硝酸盐、浊度,以及他们与硝酸盐的混合溶液。分析了这些对测定海水硝酸盐有干扰影响的物质的紫外吸收光谱,并与硝酸盐做了对比分析,获得了硝酸盐和干扰物质的紫外吸收光谱特性,以及吸光度随波长变化的规律。通过硝酸盐浓度与吸光度的线性拟合曲线,显示二者有良好的线性关系,验证了实验的准确性。结果表明,使用紫外吸收全光谱法可用于测定海水中的硝酸盐。     

近红外光谱的海水微塑料快速识别

光谱技术与机器学习算法结合快速识别微塑料, 为微塑料的现场检测提供了极大的技术支持,是一个得到极大关注的新领域。近红外光谱检测技术具有检测速度快、灵敏度高、不损坏样品,且可以在不对样品进行预处理的情况下直接检测等特点,在化学分析、质量检测等领域广泛应用。本文基于近红外光谱检测技术,研究比较了结合Support Vector Machine（SVM）和Extreme Gradient Boosting（XGBoost）两种机器学习分类算法,构建微塑料的高速有效识别分类模型。采用微型近红外光谱仪采集了20种常见的微塑料标准样品的光谱数据,为了防止过拟合,对每种样品多次采样,共收集了1 260个微塑料样本,每个样本包含512个数据点。利用XGBoost算法进行特征重要性排序,共提取了对识别准确率影响较大的65个数据点。分别采用SVM算法和XGBoost算法对数据降维后提取的65个数据点建立微塑料快速识别模型,并运用网格搜索（GridSearchCV）对XGBoost算法影响较大的超参数进行选取,确定n_estimators,learning_rate,min_child_weigh,max_depth,gamma的最佳超参数分别为700,0.07,1,1,0.0。为了提高模型的稳定性,识别速率和泛化能力,对模型采用10折交叉验证和混淆矩阵评估;研究结果表明,XGBoost模型对微塑料的识别准确率为97%,而SVM模型对微塑料的识别准确率为95%;XGBoost模型对微塑料识别的正确率优于SVM模型。综上所述,XGBoost模型微塑料识别整体性能优于SVM模型,为实际微塑料快速识别提供技术支撑。     

微量Co2+掺杂ZnO粉体的结构和光学性能研究

采用球磨法制备了Zn1-xCoxO(x=0,0.004,0.008)纳米粉体,分别利用XRD,PL光谱和紫外-可见吸收光谱对样品进行了表征。XRD图谱显示样品呈六方纤锌矿结构,随着Co2+离子掺杂量的增加,晶格常数和平均晶粒尺寸略有减小。在PL光谱上观察到三个发光带:370nm处的本征发光峰、468nm附近的强蓝光发光峰,以及533nm附近的绿光发光峰。和球磨样品相比,1 200℃退火的样品的发光强度明显增强,这归因于退火使样品晶粒长大。在紫外-可见吸收谱上可以观察到两个吸收带:由ZnO的带隙吸收引起的360～388nm的强紫外吸收带和由Co2+离子的d-d跃迁引起的565nm附近的可见光吸收带。因此通过调节Co2+掺杂量和选择适当的退火温度可制备高质量的发光材料。     

基于拉曼光谱技术的可燃液体快速检测研究

拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动对物质进行定性分析,广泛应用在很多领域。拉曼光谱可应用于便携式监测系统,但其数据量偏大,如果不对其数据处理,会增加后续的分析时间,影响自动识别的速度。文中选取九种常见可燃液体90#汽油、93#汽油、97#汽油、丙酮、二甲苯、甲醇、乙醇、乙二醇、叔丁醇为例,对其进行数据预处理分析,特征峰提取效果显著,进而对数据进行512点的压缩,然后选取支持向量机(support vector machine,SVM)分类算法和随机森林分类算法进行模型训练。研究结果表明,随机森林算法的识别可燃液体样品的交叉验证精度高于SVM算法,随机森林算法的均方误差的结果也都优于SVM算法。运用拉曼光谱技术可明显检测出可燃液体样品的谱峰,对数据进行压缩,提高分析速度,可为后续仪器小型化提供技术参考。