Near infrared (NIR) spectroscopy has been developed into one of the most important process analytical techniques (PAT) in a wide field of applications. The feasibility of NIR spectroscopy with partial least square regression (PLSR) to monitor the concentration of paeoniflorin, albiflorin, gallic acid, and benzoyl paeoniflorin during the water extraction process of Radix Paeoniae Alba was demonstrated and verified in this work. NIR spectra were collected in transmission mode and pretreated with smoothing and/or derivative, and then quantitative models were built up using PLSR. Interval partial least squares (iPLS) method was used for the selection of spectral variables. Determination coe±cients (R2 cal and R2 pred), root mean squares error of prediction (RMSEP), root mean squares error of calibration (RMSEC), and residual predictive deviation (RPD) were applied to verify the performance of the models, and the corresponding values were 0.9873 and 0.9855, 0.0487 mg/mL, 0.0545 mg/mL and 8.4 for paeoniflorin; 0.9879, 0.9888, 0.0303 mg/mL, 0.0321 mg/mL and 9.1 for albiflorin; 0.9696, 0.9644, 0.0140 mg/mL, 0.0145 mg/mL and 5.1 for gallic acid; 0.9794, 0.9781, 0.00169 mg/mL, 0.00171 mg/mL and 6.9 for benzoyl paeoniflorin, respectively. The results turned out that this approach was very e±cient and environmentally friendly for the quantitative monitoring of the water extraction process of Radix Paeoniae Alba.

通过求解密度泛函理论中的含时科恩-沈（TDKS）方程，对Ne原子光电离过程进行了数值模拟，发现了在高强度极紫外（XUV）激光脉冲作用下的三重动量相关（TMC）现象。计算结果显示了不同轨道电子具有不同电离特性，发现对于高强度XUV激光脉冲，Ne原子p轨道电子的电离主要发生在沿着轨道纵向的方向上。通过计算各轨道电子的动量分量，发现轨道电子的平行动量相互关联，垂直动量也相互关联，但平行动量和垂直动量之间并不关联。这些相互关联的关系可以由轨道形状、轨道朝向和激光偏振来解释。模拟结果显示了内层轨道电子也可以发生显著电离现象。

番茄采后储藏、运输中遭受的病害有很多，严重影响了番茄的品质。生物防治因低毒、高效，已作为控制采后病害的新途径，成为研究热点。本文主要对采后成熟番茄表面寄生菌进行分离纯化，通过形态特征、生理生化特性、rDNA-ITS序列分析以及系统发育分析对该菌株进行鉴定，并通过不同浓度（E）-2-己烯醛对该菌种进行抑菌分析。采用真菌通用引物扩增18S rDNA基因，得到PCR产物（约500 bp）。测序后，NCBI数据库比对可知，确定其为圆弧青霉菌（Penicillium cyclopium）。根据圆弧青霉的生长曲线可知，生长60-72 h，其生物量达到最大，其最适温度为25-30 ℃，最适pH为5.0。抑菌结果显示，（E）-2-己烯醛对圆弧青霉的菌丝生长有较好的抑制作用，对菌丝生长的最低抑菌浓度（MIC）为160 μL/L。

利用近红外光谱在不同光程下对山茶油中掺杂大豆油的掺伪量进行定量检测研究,着重分析光程对掺伪量检测精度的影响.将大豆油按一定质量分数掺入山茶油获取实验样本,掺伪质量分数范围为1%～50%.利用QualitySpec型光谱仪采集样本在不同光程(1,2,4,10 mm)下的透射光谱,通过对比不同建模方法、预处理方法及建模波段范围所建立的掺伪量定量预测模型,分析光程对掺伪量检测精度的影响.研究结果表明,光程由1 mm增加到4 mm时,掺伪量定量预测模型性能随着光程的增加而逐渐变好,检测精度逐步提高;光程由 4 mm增加到10 mm时,掺伪量定量预测模型性能变差,检测精度下降,4 mm为较优的光程.在1,2,4和10 mm下所建立的较优掺伪量定量预测模型的预测集决定系数(R2P)和预测均方根误差(RMSEP)分别为0.923,0.977,0.989,0.962和4.58%,2.54%,1.72%,3.20%。

为建立预测能力高、 稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型, 对比各种预处理方法、 变量优选方法、 快速独立主成分分析(FICA)以及最小二乘支持向量机(LS-SVM)对黄花梨SSC模型的影响, 得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。 采用Quality Spec型光谱仪采集550~950 nm波段范围内的黄花梨漫透射光谱并采用遗传算法、 连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量, 再结合FICA提取光谱主成分, 最后采用LS-SVM建立黄花梨的SSC预测模型。 结果显示, 采用CARS筛选的21个变量, 经FICA挑选出12个主成分数, 联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳, 建模集和预测集的决定系数及均方根误差分别为0.974, 0.116%和0.918, 0.158%, 同直接采用PLS方法建模相比, 变量数从401个下降到21, 主成分数由14下降到12, 建模集和预测集决定系数分别上升了0.023, 0.019, 而建模和预测均方根误差分别下降了0.042%和0.010%。 CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。

霍山石斛是一种非常珍贵的中药材, 具有很高的商品价值和药用价值。 不同种的霍山石斛具有不同的商品价格和药效作用, 因此需要建立一种快速且绝对无损的方法来鉴别不同种的霍山石斛。 该实验, 采用微型近红外光谱仪MicroNIR 1700 实现对来自于三个不同种的五个不同商品等级的霍山石斛鉴别研究。 经光谱预处理、 波段选择及主成分数优化后所建最佳SIMCA模型结果的识别率和拒绝率均达到100%, 表明微型近红外光谱仪MicroNIR 1700能够成功实现对五类霍山石斛的快速及绝对无损鉴别。

利用可见-近红外光谱技术联合变量选择新方法对南丰蜜桔的可溶性固形物(SSC)进行快速无损检测研究, 以简化南丰蜜桔SSC预测模型和提高预测模型性能。 试验共采用300个南丰蜜桔样本, 校正集、 验证集及预测集样本分别为150, 75和75个。 采用QualitySpec型光谱仪在350~1 000 nm波段范围内采集样本光谱, 利用无信息变量消除(UVE)剔除无用信息波长变量, 再采用独立成分分析(ICA)提取光谱的独立成分, 最后应用最小二乘支持向量机(LS-SVM)建立南丰蜜桔的SSC预测模型, 并利用未参与建模的预测集样本对模型进行评价。 研究结果表明, 可见-近红外光谱技术联合UVE-ICA- LS-SVM对南丰蜜桔的SSC检测精度高。 UVE-ICA可以有效剔除无用信息波长变量, 提取特征光谱信息, 简化预测模型及提高预测模型性能。 UVE-ICA- LS-SVM所建立的南丰蜜桔SSC预测模型性能优于PLS, PCA-LS-SVM及ICA-LS-SVM预测模型, 其校正集、 验证集及预测集的决定系数和均方根误差分别为0.978, 0.230%, 0.965, 0.301%及0.967, 0.292%。