提出了一种衰减全反射红外光谱法快速分类和识别多种食用油的方法——KL-BP模型.此模型利用KL算法对原始光谱数据分类特征进行提取并对原始数据降维,降维后的数据作为神经网络的输入建立分析模型.实验共收集了九种食用油包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油、大豆油、茶籽油,共84个样品,并测定了其衰减全反射红外光谱.为了对比所提方法性能,分别建立PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP模型的分类结果进行对比.研究结果表明,对所研究的9种食用油,PCA直接分类、KL直接分类、PLS-DA、PCA-BP和KL-BP方法的识别率分别为59.1%,68.2%,77.3%,77.3%和90.9%.在数据降维中,KL算法通过分别提取使类间距离和类内距离比值最大方向的特征向量提取和包含在类内离散度矩阵中的分类信息,能够比PCA方法提取了更多的分类信息;引入BP神经网络能有效地提高分类能力和分类准确率;KL-BP综合了KL对分类信息提取优势以及BP神经网络自学习、自适应、非线性的优点,在分类和识别成分相近的9种食用油中表现出了最优秀的能力.

采用直线腔激光二极管(LD) 抽运Nd:GdVO4晶体1.34μm激光器.在泵浦功率为8W的情况下,获得连续波输出为1.91W.激光器光-光转换效率为23.9%,斜效率为29.1%.采用声光调Q,重复频率为10kHz时,得到最短脉宽、最大单脉冲能量分别为78ns和20.1μJ,最大平均输出功率为253mW.采用Nd:GdVO4晶体KTP腔内倍频激光器,在泵浦功率为6.7W时,得到单向连续红光输出为50.7mW,光-光转换效率为1.5%.