科研产出
土壤金属元素近红外光谱定量校正模型适应性初步研究
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：为研究土壤金属元素近红外光谱定量校正模型适应性,采用近红外光谱结合偏最小二乘算法,针对风干土壤中的K,As,Hg,Cu,Zn,Pb,Cr,Cd元素,在剔除异常值后,建立定量校正模型;并对风干、烘干处理的外部验证集样品分别预测上述元素含量。结果表明,风干外部验证集样品的预测值-参考值相关系数皆大于相应烘干外部验证集样品的预测值-参考值相关系数;风干外部验证集各元素的预测值-参考值均具有显著的相关关系,烘干外部验证集中K,Hg,Cr的预测值-参考值之间不具有显著的相关关系。对土壤金属元素近红外光谱定量校正模型的适应性进行了初步研究,可为土壤中金属元素快速定量监测方法以及农产品产地环境监测等提供一定的参考。
全文链接
请求原文
土壤养分的红外衰减全反射与漫反射光谱同步测量方法
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：光谱学分析技术因具有快速、实时、无损等优势,被广泛用于土壤养分检测等各个领域,也是现代农业检测控制中广泛应用的一种有效方法。实验采集不同养分含量的土壤样本,分别获取中红外衰减全反射(ATR)和漫反射(DRIFT)光谱数据。通过不同的光谱预处理算法结合偏最小二乘法(PLS)建立土壤中全碳、全氮、碱解氮的定量分析模型,对土壤养分的ATR和DRIFT光谱分别进行独立模型和叠加模型的分析。并以土壤养分中的全碳和全氮为例,发现经过标准正态变量变换处理的两种光谱建立的PLS模型相关系数均有所提高。全碳的两种光谱模型校正集的R~2分别提高至0.826和0.919,而全氮两种模型校正集R2分别提高至0.841和0.928。我们进一步对全碳、全氮各自叠加后的光谱进行分析,模型的R~2分别提高至0.942和0.951。用同样的方法分析土壤中的碱解氮,联用两光谱后的R~2提高至0.919。研究结果表明,两种光谱的联合使用,为提高模型的相关系数和预测能力提供了一种合理有效的方法。
全文链接
请求原文
基于太赫兹技术的植物叶片水分检测初步研究
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：叶片含水量是植物健康状况的重要衡量指标之一。太赫兹波处于红外和微波之间,对样品水分变化非常敏感,当太赫兹光谱穿透含水丰富的叶片时,叶片中水分等物质能对太赫兹光谱产生强烈的吸收,根据叶片不同位置处水分含量的不同,能利用太赫兹光谱技术对植物叶片进行成像。本研究利用太赫兹技术检测植物叶片的水分含量,初步探讨植物叶片中水分和太赫兹成像的相关关系。实验采集离体绿萝叶片,每隔一定时间通过太赫兹光谱仪对叶片逐点扫描,获取叶片每一点的太赫兹时域光谱数据,经过傅里叶变换得到对应频域光谱,提取时域幅值的光谱参数以及特定频域光谱,对植物叶片图像进行重构,获取植物叶片的二维图像。结果表明,不同频率下,绿萝离体叶片的太赫兹二维图像呈现明显差异,叶肉与叶脉中水分含量不同,对太赫兹波的吸收也不同,根据图像,能清晰显示植物叶片叶肉与叶脉部位的水分含量差异。通过叶片时域幅值的平均值、叶片频域平均值与叶片水分含量建立相应的回归模型,时域最小幅值光谱与水分含量建立的最佳模型预测相关性达0.989 1,预测均方根误差为0.024 4g。研究表明太赫兹技术用于植物叶片的水分含量检测具有较好的研究潜力。
全文链接
请求原文
水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：水体COD的光谱学传感技术是现代环境监测的一个重要发展方向,与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R~2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R~2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280~310nm谱区建模预测性能较好,近红外光谱在7 250~6 870cm~(-1)谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。
全文链接
请求原文
基于激光诱导击穿光谱和化学计量学的水体COD实时测量方法
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：光谱学传感技术测量水体COD是现代环境监测发展的趋势,相比于传统的化学分析方法具有在线连续检测的突出优势,适合对环境水体COD的实时监测。采集实际水样,利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型,对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果,校正集集R2为0.9958,预测集R2为0.975 3,RMSEC为4.438 7,RMSEP为9.733 9。通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。
全文链接
请求原文
超高效液相色谱-串联质谱法检测鸡粪中16种残留抗生素
《分析化学 》 2017 EI SCI 北大核心 CSCD
摘要：建立了固相萃取-超高效液相色谱-串联质谱(UPLC-MS/MS)同时检测畜禽粪便中四环素类、磺胺类、氟喹诺酮类和大环内酯类16种抗生素的分析方法。针对目标物化学性质和样品杂质情况,对质谱条件、提取液种类、超声功率等参数进行了优化。最终以50%乙腈(V/V)的磷酸盐缓冲溶液(p H=4)提取3次,经过超声、离心、旋蒸、稀释后,SAX-HLB串联小柱净化富集,用10 m L甲醇-丙酮混合液(80∶20,V/V)洗脱,35℃氮吹近干后,用含0.1%甲酸-甲醇(1∶1,V/V)定容,在UPLC-MS/MS多反应检测模式下进行定性及定量分析。结果表明,粪便中四环素类、磺胺类、氟喹诺酮类和大环内酯类抗生素的平均加标回收率为56.4%~94.6%,相对标准偏差(RSD)在2.6%~19.8%之间,方法检出限(LOD,S/N=3)和定量限(LOQ,S/N=10)分别为0.01~2.50μg/kg和0.05~7.90μg/kg。本方法简便、稳定性好、灵敏度高、重现性好,适用于畜禽粪便中多种抗生素的同时检测。
关键词： 四环素类 磺胺类 氟喹诺酮类 大环内酯类 固相萃取 超高效液相色谱-串联质谱 畜禽粪便
全文链接
请求原文
基于太赫兹光谱技术的D-无水葡萄糖定性定量分析研究
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：葡萄糖是生命活动中重要的有机分子,研究葡萄糖在太赫兹波段的吸收特性并开展定性定量分析研究具有重要意义。太赫兹光谱对大分子物质具有特异性,当光谱穿透生物大分子时,由于分子间作用力和分子转动振动等因素影响,会产生太赫兹光谱下的特征指纹峰,不同大分子物质的指纹峰具有特异性,利用这一特征可以对不同大分子物质进行鉴别。本研究选取D-无水葡萄糖为研究对象,首先运用太赫兹时域光谱技术测量得到葡萄糖样品的时域光谱,测得的时域光谱经过傅里叶变换得到频域光谱,再采用Dorney和Duvillaret方法计算得到吸收系数,研究样品的吸收特性,然后开展了数学建模研究并建立了D-无水葡萄糖含量与太赫兹光谱的定量预测数学模型。研究结果表明,D-无水葡萄糖在太赫兹波段呈现明显的吸收特性,比较多元线性回归与偏最小二乘方法建立的回归模型,通过多元线性回归对样品的特征指纹峰建立的回归模型,得到的预测模型精度较高,稳定性较好,模型的校正集相关系数达0.977 2,均方根误差为0.061 6,预测集相关系数为0.992 7,预测均方根误差为0.055 2,从而太赫兹时域光谱技术可用于有效开展D-无水葡萄糖定性定量研究,该研究为运用太赫兹光谱技术手段开展果蔬、食品、药品中葡萄糖含量快速检测提供方法参考。
全文链接
请求原文
利用挥发物红外光谱鉴别牛肉变质状态
《光谱学与光谱分析 》 2017 EI SCI 北大核心 CSCD
摘要：牛肉在运输过程中极易受到微生物的感染而变质,对牛肉变质的监测十分重要。我们利用长光程FTIR光谱检测牛肉变质时产生的挥发性物质。证明了牛肉在变质过程中产生的主要挥发性物质是氨气和二氧化碳。并定量分析牛肉变质产生的氨气和二氧化碳的变化规律,以判断牛肉的状态。采用主成分分析法(PCA)实现对挥发性物质的红外光谱分类,进而可以准确的区分新鲜和变质的牛肉。我们采用化学计量学方法软独立建模聚类分析法(SIMCA)和偏最小二乘判别分析(PLS-DA)对特征波段内的光谱进行分类,两种方法具有很好的判断率。结果表明长光程FTIR结合化学计量学方法能够区分新鲜和变质的牛肉。
全文链接
请求原文
西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以"京秀"西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用CARS算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道R_P=0.892和RMSEP=0.684°Brix,瓜脐R_P=0.905和RMSEP=0.629°Brix,瓜梗R_P=0.899和RMSEP=0.721°Brix。模型得到了很大的简化,且预测精度较高。比较发现,利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型,结合CARS算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。
全文链接
请求原文
基于向前和向后间隔偏最小二乘的特征光谱选择方法（英文）
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：在近红外光谱分析中,向前间隔偏最小二乘法(FiPLS)和向后间隔偏最小二乘法(BiPLS)是常用的基于波长变量选择的建模方法,其模型精度较高,但贪婪搜索特性较强,导致选出的波段并不能较好地反映待测成分的信息。针对该问题,提出一种基于两者组合策略的光谱特征波段选择方法(FB-iPLS)。在光谱分段的基础上,既利用FiPLS选取有用波段,同时利用BiPLS删除无用波段,来交互执行特征变量的选择与删除,对目标特征波段进行双向选择,用于提高模型的稳健性。用该方法建立水中乙醇含量的定量预测模型,并与FiPLS和BiPLS算法对比。由于光谱分段大小会对模型的结果有影响,该实验还考查这三种方法在不同光谱分段处的结果。在光谱划分60段时,提出的FB-iPLS方法取得最佳预测性能,其校正集与验证集相关系数r分别为0.967 7,0.967 0,交互验证均方根误差RMSECV分别为0.088 8,0.057 1。与FiPLS和BiPLS相比,该方法无论在不同光谱分段区间还是在各自最优与最差分段处,模型的整体预测性能都有所提高。实验结果表明,提出的方法能改善BiPLS与FiPLS贪婪搜索的特性,对特征波段的选取更高效、更具代表性,能进一步提高模型的预测性能。
关键词： 近红外光谱 FiPLS BiPLS FB-iPLS 贪婪搜索 特征波段
全文链接
请求原文
