基于2018年中国逐日PM_2.5数据，选用随机森林方法构建了高精度PM_2.5浓度估算模型，并在季节和区域尺度上验证了其时空适用性，进一步利用特征重要性方法系统阐释了各影响因子对PM_2.5浓度变化的重要程度，最后利用偏依赖技术探究了不同影响因素的交互作用对PM_2.5浓度变化产生的综合影响。结果表明：(1) 相比于多元线性回归与极端梯度提升树模型，利用多源数据构建的随机森林模型精度最高，可准确模拟出PM_2.5的浓度，且在季节和区域尺度上也有良好的适用性；(2) PM_2.5浓度估算模型的特征重要性排序分析发现，对2018年全国日均PM_2.5浓度影响显著的因子主要是时空、大气边界层高度等全局性因素，表明大气污染防治应把握PM_2.5传输机制，强化区域联防联控；(3) 偏依赖交互效应研究发现温度和相对湿度以及年积日、纬度、温度和大气边界层高度的组合对PM_2.5浓度变化会产生显著影响，说明提升空气质量要从多因子协同治理的角度出发。

基于近红外漫透射光谱分析技术, 设计了便携式面粉品质安全检测仪, 该检测仪主要包括光谱采集模块、 光源控制模块、 处理与显示模块以及电源模块。 其中漫透射检测附件不仅可以实现光谱补偿功能, 还可以有效避免外界杂散光的干扰, 设计了控制光源开关的电路, 通过实验确定样品的最佳厚度。 选用树莓派4B作为核心处理器, 选用可充电锂电池供电, 仪器可持续供电2 h, 仪器大小为250 mm×170 mm×300 mm。 以去除麸皮后由小麦磨成的面粉为研究对象, 总共180份样品, 每份样品再分三份, 分别为黄色、 红色和蓝色。 对所有的红色样品使用波长为9001 870 nm的近红外漫透射光谱进行光谱信息采集并记录, 对所有的黄色样品进行湿度值的测量并记录, 对所有的蓝色样品进行DON含量的测量并记录, 三种样品需要同时进行测量。 利用箱线图剔除光谱两端的噪声和一个异常样本, 最终选取1 048~1 747 nm波段光谱进行建模。 利用多元散射校正(MSC)、 S-G卷积平滑和标准正态变换(SNV)对原始光谱数据进行预处理, 分别建立了面粉湿度的偏最小二乘回归预测模型和DON含量超标与否的PCA-逻辑回归分类模型。 所建湿度的最优PLSR预测模型的建模集和预测集相关系数分别为0.883和0.853, 均方根误差分别为0.382%和0.286%, 残差预测偏差RPD为2.5; 所建DON含量超标与否的PCA-逻辑回归分类模型的预测集ROC曲线下的AUC值为0.927, 混淆矩阵显示未超标样本的预测准确率为96%, 超标样本的预测准确率为89%。 基于PyQt5设计GUI界面, 运用Python语言编写了面粉品质实时检测系统, 该检测软件可以实现PLSR、 PCA-逻辑回归模型的训练、 保存和加载。 利用外部验证集试验验证了便携式面粉多品质检测仪的精确性和稳定性。 结果显示面粉湿度的外部验证集相关系数和均方根误差为0.876和0.21%, 最大相对误差为2.89%。 面粉DON含量超标与否的识别准确率为90%, 表明该仪器可以对面粉的湿度和DON含量超标与否进行无损检测分析。

花生是一种重要的油料作物, 易受曲霉菌感染从而产生黄曲霉毒素, 其中黄曲霉毒素B₁(AFB₁)对人畜具有较高威胁。 传统AFB₁检测方法操作繁琐、 破坏物料以及耗时长等问题较为突出, 因此发展一种快速、 无损且适合在线的检测方法对花生生产及加工具有重要意义。 将从市场购买的市购花生, 于28 ℃和85%相对湿度环境中储藏至霉变。 在0, 4, 6, 7和8 d时间段, 再分别以0.15 m·s^-1的速度动态采集其光谱和图像信息, 采集信息后利用酶联免疫吸附法(ELISA)测定花生中AFB₁含量。 对光谱采用多元散射校正、 基线校正、 标准正态变量校正以及Savitzky-Golay平滑等方法预处理, 并对600~1 600 nm范围内的光谱数据进行主成分分析, 根据主成分权重系数确定8个特征波长(630, 1 067, 1 150, 1 227, 1 390和1 415 nm); 对图像采取灰度化和阈值分割等方法处理, 并提取12种图像颜色特征参数。 最后利用线性判别分析(LDA)以及支持向量机(SVM)建立花生样品的定性判别分析模型(以国家标准20 μg·kg^-1为界限)。 ELISA结果表明, 花生AFB₁超标率为58%; 可见-近红外图谱分析表明, 在1 180 nm等波峰处随着毒素侵染程度的加深, 吸光度逐渐降低; 机器视觉分析表明, 随着储藏时间的增加, 花生表面逐渐暗淡并有菌丝覆盖, 毒素侵染水平逐渐提高, 花生图像的RGB值总体下降。 通过主成分分析发现, 光谱呈现较明显的聚类趋势, 而图像及数据融合聚类趋势不明显。 根据全谱段、 特征波长构建的LDA和SVM模型均能够对超标和未超标样品进行快速识别, 其中基于全谱段的模型最佳识别率达92%, 基于特征波长的模型最佳识别率达88%; 相对于基于光谱信息建模, 非线性SVM模型在根据图像颜色特征参数建模分析上表现较优, 最佳识别率为90%; 结合花生样品内外部信息, 基于光谱和图像信息融合的SVM模型最佳识别率达到92%。 利用可见-近红外光谱以及机器视觉技术结合化学计量法, 实现花生AFB₁含量超标与否的动态判别具有一定可行性, 为花生在线质量安全检测提供了理论基础。

We systematically investigated the tunable dynamic characteristics of a broadband surface plasmon polariton (SPP) wave on a silicon-graded grating structure in the range of 10–40 THz with the aid of single-layer graphene. The theoretical and numerical simulated results demonstrate that the SPPs at different frequencies within a broadband range can be trapped at different positions on the graphene surface, which can be used as a broadband spectrometer and optical switch. Meanwhile, the group velocity of the SPPs can be modulated to be several hundred times smaller than light velocity in vacuum. Based on the theoretical analyses, we have predicted the trapping positions and corresponding group velocities of the SPP waves with different frequencies. By appropriately tuning the gate voltages, the trapped SPP waves can be released to propagate along the surface of graphene or out of the graded grating zone. Thus, we have also investigated the switching characteristics of the slow light system, where the optical switching can be controlled as an “off” or “on” mode by actively adjusting the gate voltage. The slow light system offers advantages, including broadband operation, ultracompact footprint, and tunable ability simultaneously, which holds great promise for applications in optical switches.