玉米是我国重要粮食作物之一, 在我国广泛种植, 筛选优良的玉米品种是农业生产和育种的关键, 但市场上玉米品种繁多, 如何快速准确高效鉴别玉米品种从而实现玉米高产高收亟待解决。 提出了基于高光谱图像技术的极限学习机(ELM)鉴别模型, 以期解决玉米品种鉴别问题。 以八个品种玉米种子作为研究对象, 试验样本共480个, 按2∶1比例划分为训练集和测试集, 分别为320个和160个。 利用高光谱图像采集系统获取935.61～1 720.23 nm范围内的玉米种子图像, 黑白校正后选取胚芽部位大小为10×10 pixel的感兴趣区域(ROI), 提取该区域内平均光谱作为原始光谱数据。 因原始光谱两端噪声较大, 有效信息较少, 为增强信噪比, 截取949～1 700 nm范围内的玉米种子光谱波段作为有效波段进行分析。 由于数据采集过程中受无关信息干扰较强影响建模效果, 故对去噪后的光谱波段信息进行SG平滑(Savitzky-Golay smoothing)预处理, 将平滑点数设置为3, 在SG平滑基础上进行最大归一化(MN)预处理。 预处理后分别采用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)单一提取和CARS+SPA、 CARS-SPA组合筛选方法提取特征波长, 以特征波长反射率作为输入矩阵X, 预设样本类别1、 2、 3、 4、 5、 6、 7、 8作为输出矩阵Y, 利用极限学习机分别建立(SG+MN)-ELM、 (SG+MN)-CARS-ELM、 (SG+MN)-SPA-ELM、 (SG+MN)-(CARS+SPA)-ELM、 (SG+MN)-(CARS-SPA)-ELM五种玉米品种定性鉴别模型。 试验结果表明: (SG+MN)-(CARS-SPA)-ELM模型较其他四者鉴别效果最佳, 训练集和测试集平均鉴别准确率均为98.13%, 表明CARS-SPA二次筛选的特征波长变量更敏感, 能够代表所有波长信息, 且极限学习机模型有较好的定性鉴别性能, 可实现对玉米品种的鉴别。 该研究为玉米种子及其他农作物种子快速准确鉴别提供了新思路和新方法。

纵火是一种严重危害公共安全和社会稳定的个人极端暴力犯罪行为。 在纵火案件调查过程中， 火灾残留物中的易燃液体（ILs）是确定火灾性质和判断起火原因的重要物证， ILs的分析一直是法庭科学工作者关注的热点。 利用衰减全反射红外光谱法（ATR-FTIR）对汽油、 柴油、 煤油、 植物油等常见ILs进行检验， 结合主成分分析（PCA）、 层次聚类分析（HCA）、 判别分析（DA）三种化学计量学方法， 实现了常见易燃液体的快速筛选。 通过红外光谱定性分析， 汽油、 柴油、 植物油与含氧有机溶剂的红外光谱图差异明显， 可相互区分， 而柴油、 煤油、 航空煤油、 溶剂油、 汽轮机油五类ILs的红外谱图无明显差异， 仅通过图谱的直接比较， 无法进行区分。 重点选取1 136~976 cm-1范围的红外特征吸收峰， 结合PCA， PCA-HCA， PCA-DA化学计量学方法进行比较， 成功将航空煤油与与其余四类ILs区分开； 最后选取837～400 cm-1范围的红外特征吸收峰， 利用PCA， PCA-HCA， PCA-DA方法， 可将其余四种ILs实现互相区分。 研究结果表明， ATR-FTIR结合化学计量学方法对常见ILs进行定性分析， 具有方便、 快捷、 准确的优点， 可作为ILs种类的快速筛选方法。

Human serum albumin (HSA) injectable product is a severely afflicted area on drug safety due to its high price and restricted supply. Raman spectroscopy performances high specificity on HSA detection and it is even possible to determine HSA injectable products noninvasively. In this study, we developed a noninvasive rapid screening method for of HSA injectable products by using portable Raman spectrometer. Qualitative models were established by using principal component analysis combined with classical least squares (PCA-CLS) algorithm, while quanti-tative model was established by using partial least squares (PLS) algorithm. Model transfer in different instruments of both the same and different apparatus modules was further discussed in this paper. A total of 34 HSA injectable samples collected from markets were used for verification. The identification results showed 100% accuracy and the predicted concentrations of those identified as true HSA were consistent with their labeled concentrations. The quantitative results also indicated that model transfer was excellent in the same apparatus modules of Raman spectrometer at all concentration levels, and still good enough in the different apparatus modules although the relative standard deviation (RSD) value showed a little increasing trend at low HSA concentration level. In conclusion, the method was proved to be feasible and efficient for screening HSA injections, especially on its screening speed and the consideration of glass containers. Moreover, with inspiring results on the model transfer, the method could be used as a universal screening mean to different Raman instruments.

为了实现对太阳能电池可靠性的筛选分类，建立了一套低频噪声自动测试系统。首先，根据太阳能电池1/f噪声的来源，确定了在大电流密度情况下以1/f噪声功率谱作为太阳能电池可靠性指示的可行性。然后，由测试得到的功率谱曲线明确了通过比较在f为1 Hz频点处的1/f噪声功率谱值大小可以区分太阳能电池的可靠性。最后，根据半导体器件可靠性试验验证的分类标准，给出了确定筛选阈值的方法。实验结果表明：该方法可以在短时间内无损地完成一批太阳能电池3个等级的可靠性分类，平均每个太阳能电池的测试时间只需5 min。采用该筛选方法，能精确检测单一器件，解决了传统方法花费大、周期长，易引起器件的损伤，且只能得到一批器件可靠性的统计规律的问题。该方法适用于对太阳能电池可靠性要求高的应用场合。

建立了一种基于红外光谱用于检测中药掺杂的违禁化学药物的方法——局部直线筛选法(local straight-line screening,LSLS)。 该法区别于传统的光谱计量学方法,无需模式识别或模型校正,仅利用待测中药与化学药物的各一张红外光谱,通过提取差谱过程中特征吸收峰信息的变化规律而进行掺杂物的判定。以盐酸芬氟拉明、盐酸西布曲名、枸橼酸西地那非及洛伐他汀四种化学药物做为对照品,对16个不同中药样品分别进行了检测判定。结果表明,尽管中药光谱信息包埋严重,LSLS算法仍能以较好的准确性对掺杂成分做出判别。由于具备简便、 快速、 经济的优势,使得方法非常适用于大量中药样品的初筛及检测,可为基层打假一线提供有力的技术支持。