报道了一种在铜片上采用原位生长法制备Cu₂O-Ag表面增强拉曼光谱(SERS)基底的方法。通过优化制备Cu₂O时退火的温度和时间,以及制备Cu₂O-Ag时AgNO₃的浓度和反应时间,制备了Cu₂O-Ag基底,具有良好的拉曼增强效果。基底表面形成的凹形空间和均匀密布的Ag 纳米粒子提供了丰富的SERS“热点”,且该基底具有较好的疏水性、均匀性、稳定性和灵敏度,对探针分子罗丹明6G的检测限为0.78 nM。该基底对多种违禁药物都有很好的灵敏度,拉曼强度与药物浓度具有良好的定量关系,孔雀石绿、恩诺沙星和呋喃西林的检测限分别为4.9 nM、0.72 μM和0.12 μM。本文方法具有工艺简单、成本低、SERS活性高等优点,在环境监测领域具有较好的应用前景。

为有效应对违法掺加导致的饲料安全隐患, 完善饲用油脂的高效检测手段, 满足饲料质量安全的监管需求, 以来源可靠的不同种属动物油脂为研究对象, 通过在非反刍动物油脂中掺加不同比例(1%, 5%, 10%, 20%, 30%和40% W/W)的反刍动物油脂获得试验样品, 首次系统应用傅里叶变换红外光谱结合化学计量学方法探讨了陆生动物油脂中掺加反刍成分的鉴别分析方法与模型。 研究表明基于掺加比例1%～40%样品集, 偏最小二乘判别分析模型正确判别率为100%, 无假阳性和假阴性样品; 进一步研究发现, 基于陆生动物油脂中反刍成分低掺加比例0.1%～40%, 0.2%～40%, 0.4%～40%, 0.6%～40%和0.8%～40%样品集, 偏最小二乘判别分析模型的正确判别率均低于100%。 且随着最低掺加比例的降低, 假阳性与假阴性样品数明显增多, 其正确判别率逐步降低。 因此, 陆生动物油脂中掺加反刍成分判别分析检量限约为1%; 进一步通过脂肪酸组成与差异性分析、 红外光谱特征波段和特征化学键对比分析探讨其判别分析机理。 非反刍动物油脂光谱3 006 cm-1处吸收峰(代表CH(cis-)的拉伸振动)和914 cm-1处吸收峰(代表HCCH(cis-)的弯曲振动)明显高于反刍动物油脂样品, 主要表征了顺式脂肪酸和不饱和脂肪酸的显著差异。 非反刍动物油脂光谱965 cm-1处吸收峰(代表HCCH(trans-)的弯曲振动)明显低于反刍动物油脂样品, 主要表征了反式脂肪酸和饱和脂肪酸的显著差异。 掺加比例为1%的混合样品中反式CC键含量显著高于其他低掺加比例的样品, 而不同掺加比例样品的顺式CC键含量和C—H(—CH2—)键含量均无显著性差异。 因此, 基于红外光谱的陆生动物油脂中反刍动物成分鉴别分析主要是基于反式CC键结构的信息表征。 综上所述, 红外光谱可作为一种兼顾检测效率与检测精度的技术应用于陆生动物油脂中反刍成分的鉴别分析。

为实现畜禽粪便高效、 安全资源化利用, 快速、 准确定量表征分析畜禽粪便中钙(Ca)元素含量具有重要意义。 以我国畜禽养殖比较集中地区的代表性畜禽粪便样本为对象, 探讨了LIBS快速、 定量分析其Ca元素含量模型构建和通过GA筛选变量优化模型的可行性。 采集光谱的仪器参数设置如下: 采集点数、 激光能量、 压制样压力、 光斑大小和延迟时间分别为80个, 15%, 20 T, 400 μm和1 μs。 建模结果表明: 采用基于Ca元素特征波长所建三种线性模型精度较低; 基于全谱的PLS所建模型中, R2v和RPD分别为0.85和2.13; 选用化学计量学方法-遗传算法进行变量筛选可显著减少建模变量信息, 提高建模效率, 经GA优选所得12个变量所建PLS模型中R2v和RPD为0.90和3.04, 具有较高精度和实际应用价值。 研究表明, 将激光诱导击穿光谱技术和遗传算法相结合可定量分析畜禽粪便中Ca元素含量。

目前, 堆肥化是解决畜禽粪便污染环境和造成社会经济问题、 实现其无害化和资源化利用的简便易行的重要途径。 鸡粪中含有大量的氮磷钾等营养成分。 文章以鸡粪和菊花渣工厂化高温堆肥发酵过程氮、 磷和钾主要营养成分为研究对象, 探讨利用近红外光谱法进行无损速测分析的可行性。 在鸡粪工厂化堆肥不同发酵阶段进行多点取样, 利用美国Nicolet公司生产的傅里叶变换型近红外光谱仪采集在10 000～4 000 cm-1范围内原始样品光谱, 并结合多种光谱数据处理方法和偏最小二乘回归法建立了总氮、 总磷和总钾的近红外模型并进行了验证分析。 根据环境类样品近红外模型评价标准, 近红外光谱法测定鸡粪堆肥过程主要营养成分含量具有较好的可行性。 其中, 所建总氮含量模型验证决定系数(R2)大于0.80, 验证相对分析误差(RPD)大于2.0； 所建总磷和总钾模型的R2和RPD值分别大于0.90和3.0。Composting Using Near-Infrared Reflectance Spectroscopy

水分和热值是与秸秆能源转化利用相关的重要特性指标，采用近红外光谱技术结合LOCAL算法来予测秸杆 水份和热值.首先将样品分别按水分含量和热值大小均分为高、中、低三个子集分段建模，结果高、中、低含量样品 建立的模型的交互验证标准差(SECV)几乎都小于全部样品模型的SECV，表明了秸秆水分和热值变幅对近红外光 谱模型的预测精度有较大的影响.针对化学值变幅对模型精度的影响，引入LOCAL算法实现近红外光谱技术预 测，快速分析测定秸秆的水分和热值.研究结果表明，LOCAL算法为每个预测样品选择合理的定标集，与常规的PLS 和MPLS模型相比，有效提高了近红外光谱技术预测精度，在秸秆近红外光谱定量分析中有着广阔的应用前景.

从全国24个省(市)收集到222个秸秆样品, 包括172个稻秸样品和50个麦秸样品。 采用近红外光谱技术, 结合主成分回归、 偏最小二乘回归和改进的偏最小二乘回归建立了秸秆热值的定量分析校正模型。 近红外光谱模型的建立与优化过程中使用了不同的散射校正方法和光谱导数处理来帮助改善模型精度。 对得到的54个模型采用统计学的方法分析外部验证的结果, 通过比较外部验证的系统偏差(Bias)和Bias校正的预测标准差(SEP(C)), 考察了不同光谱预处理和回归方法对秸秆热值的近红外模型预测性能的影响。 结果表明： 近红外光谱技术能够快速、 准确地分析秸秆的热值, 模型的SEP(C)在134～178 J·g-1之间； 对外部验证结果的统计分析, 能够有效地选择较好的建模方法, 确定较优模型。

工业分析是生物质热化学工程技术中的一项常规应用分析。 文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用, 并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量。 利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、 灰分、 挥发分和固定碳以及干燥粉碎样品中灰分、 挥发分和固定碳的近红外光谱建立了预测模型。 对于直接切短秸秆样品, 水分、 灰分、 挥发分和固定碳校正模型外部验证的R2V(SEP)分别为0.92(0.76%), 0.94(0.84%), 0.88(0.82%)和0.75(0.65%)。 干燥粉碎样品中灰分、 挥发分和固定碳的近红外光谱模型外部验证的R2V(SEP)分别为0.98(0.54%), 0.95(0.57%)和0.78(0.61%)。 实验结果表明, 近红外光谱技术能实现秸秆的快速分析和多组分同时测定, 从而可降低秸秆工业分析的成本。

探讨了径向基核函数(RBF)支持向量机(RBF-SVR)建立定量分析模型时主要参数的优选方法及其在近红外光谱分析畜禽粪便堆肥产品含水率、挥发性固体含量和碳氮比中的应用,并与偏最小二乘回归法所建近红外定量分析模型的预测能力做了比较。供试样品为我国22省市不同种类的120个畜禽粪便堆肥产品样品,利用傅里叶变换型光谱仪获取样品在4000~10000 cm-1内的光谱数据信息。研究发现,逐步寻优循环优选支持向量机建模参数方法具有较好的可行性,其所建近红外定量分析模型均优于基于偏最小二乘法所建模型,所建立的含水率和挥发性固体近红外模型验证决定系数(r2)均大于0.90,相对分析误差(RPD)均大于4.0,具有实际应用价值;所建碳氮比近红外模型验证决定系数(r2)为0.85,RPD值大于2.5,也可用于定量分析,但精度有待于进一步提高。

探讨了基于可见和近红外反射光谱分析技术检测鱼粉中是否掺有植物饼粕的可行性。收集了我国常用的鱼粉和豆粕,将豆粕按不同浓度掺杂到鱼粉中制备试验样本,分别进行了定性和定量分析研究。定性分析用206个样本作为校正集,103个样本作为检验集,选择合适的光谱预处理方法和光谱范围建立了定性判别分析模型,模型对外部检验集的正确判断率为96.12％。定量分析用掺杂有豆粕的130个鱼粉样本作为校正集,65个鱼粉样本作为检验集,采用偏最小二乘法(PLS)建立了定量分析模型。以变量标准化处理(SNV)与二阶导数(2,4,4,1)相结合处理效果最佳,其预测值和测量值的决定系数R2和标准差SEC分别为0.989 0和1.539 0;检验集进行外部验证的决定系数R2和标准差SEP分别为0.988 8和1.786 0,RPD为8.61。结果表明,利用近红外光谱分析技术可以成功检测鱼粉中豆粕的存在和含量。