作为一个微弱光信号探测系统, 拉曼光谱仪中的杂散光分析可以为其设计提供较大帮助。 针对微型拉曼光谱仪系统, 结合光学设计和三维建模优化了其光机结构, 系统分辨率为0.7 nm, 体积为110 mm×95 mm, 属便携式微型拉曼光谱仪, 并基于杂散光分析软件TracePro对系统进行了光线追迹和仿真分析。 首先通过优化孔径光阑初步抑制了入射处带来的杂散光, 然后针对系统内部的主要杂散光（光栅零级衍射光）抑制装置即光学陷阱进行了详细分析和设计改进, 改进后的光学陷阱较改进前更有效地利用了光谱仪内部空间, 且分析结果表明改进后的光学陷阱将杂散光线数量减少了50%, 杂散光归一化辐照度强度从10-5降低至10-7, 在微型化的同时可有效抑制微型拉曼光谱仪系统中的杂散光, 将更加有利于微弱信号的探测, 为微型拉曼光谱仪的设计和装调提供了参考。
微型拉曼光谱仪 杂散光 光学陷阱 Miniature Raman spectrometer Stray light Receiver of stray light Tracepro Tracepro
北京理工大学光电学院光电成像与信息工程研究所, 北京100081
基于激光诱导荧光光谱原理, 提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光, 诱导九种常见机油样品发射荧光, 共采集450组荧光光谱数据, 其中360组数据用于分类训练, 90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异, 利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别, 识别率可达97.8%。实验证明, 激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。
机油 激光诱导荧光 主成分分析 聚类分析法 Engine oil Laser induced fluorescence Principal components analysis Clustering analysis 光谱学与光谱分析
2014, 34(8): 2148
为了实现地沟油的快速检测, 利用激光诱导荧光探测技术搭建了食用油类快速检测系统。 对多种食用油和煎炸食用油(地沟油的一种)进行了光谱采集, 建立了多种食用油和煎炸食用油的荧光光谱数据库, 发现煎炸食用油的特征荧光光谱与常见食用油之间存在较大差异, 在此基础上利用主成分分析法和BP神经网络实现了油类识别、 地沟油的快速检测, 总体识别率高达97.5%。 实验证明激光诱导荧光光谱技术具有快速非接触和灵敏度高等优点, 与BP神经网络相结合能够实现油类的快速识别, 成为地沟油快速检测的一种新方法。
地沟油 食用油 激光诱导荧光(LIF) 主成分分析 BP神经网络 Trench oil Edible oil Laser induced fluorescence(LIF) Principal component analysis BP neural network 光谱学与光谱分析
2013, 33(9): 2448
