随着新精神活性物质在全世界范围内的蔓延, 在查缉现场对疑似新精神活性物质样品进行快速定性分析是一线缉毒工作人员的迫切需求。 卡西酮类物质属于卡西酮的衍生物, 是新精神活性物质中的第二大类别。 采用便携式拉曼光谱仪分析了70种卡西酮类化合物的拉曼光谱图, 系统总结了卡西酮类物质的拉曼光谱特征, 这些特征将有助于对未知卡西酮类物质的识别。 所有卡西酮类化合物在(1 597±19)和(1 676±16) cm-1处均存在由于苯环CC键和CO键伸缩振动产生的高强度拉曼峰, 该特征可用于卡西酮类物质的识别。 苯环上单取代和1,3-二取代卡西酮类化合物在992~1 000 cm-1处存在由苯环上C—H面内变形振动引起的最强拉曼峰。 3,4-亚甲二氧基取代卡西酮类化合物在(712±9)、 (809±5)、 (1 250±16)、 (1 355±9)、 (1 444±12)、 (1 597±19)和(1 676±16) cm-1有高强度拉曼峰, 且(1 597±19) cm-1位置的峰为肩峰。 通过对70种卡西酮类化合物的拉曼光谱逐一相互比对, 考察了拉曼光谱对于各种位置异构体和结构类似物的区分度。 结果表明, 拉曼光谱对绝大多数卡西酮类物质具有较高的区分度, 特别是对苯环上甲基、 卤素、 甲氧基不同位置取代的位置异构体区分显著, 这也是拉曼光谱对比于气质联用法和液质联用法的显著优势。 拉曼光谱对于部分烷基取代基不同的结构类似物区分度较弱, 但通过特征峰也能实现区分。 采用拉曼光谱法对实际案件缴获样品进行了分析, 除部分样品存在荧光干扰无法识别外, 其他样品的拉曼分析结果与气质联用法分析结果高度一致, 证明了方法的可靠性和适用性。 便携式拉曼光谱仪具有操作简单、 测样速度快、 可进行非接触式测样等优点, 可用于新精神活性物质现场快速筛查分析。

我国于2021年7月将合成大麻素类物质整类列入管制, 在一线查缉现场对疑似合成大麻素样品进行快速定性分析是办案民警的迫切需求。 研究系统考察了拉曼光谱对合成大麻素的整体区分能力, 比较了四款手持式拉曼光谱仪分析实际缴获样品时的结果差异, 探讨了制约拉曼光谱在一线查缉现场广泛应用的原因。 ProTT-EZRaman-A7便携式拉曼光谱仪的整体性能介于台式拉曼和手持式拉曼之间, 选用该仪器采集了90种合成大麻素对照品的拉曼光谱, 并利用兼容性强的KnowItAll软件建立了90种合成大麻素通用拉曼光谱库。 分析90种合成大麻素的拉曼光谱, 结果表明, 当不存在荧光干扰时, 拉曼光谱可以区分所有合成大麻素物质, 但对部分结构相差一个甲基、 卤素原子等的结构类似物区分度欠佳。 不同款拉曼光谱仪的性能差异大, 为考察其原因, 本研究选用了四款手持式拉曼光谱仪分别对120份实际缴获合成大麻素样品进行了测定, 随后使用KnowItAll软件并选用包含90种合成大麻素的通用拉曼光谱库对每张光谱图进行谱库检索。 四款手持式拉曼光谱仪的正确匹配率分别为71.7%, 68.3%, 46.7%和24.2%。 抗荧光干扰能力和分辨率的不同是造成不同拉曼光谱仪匹配结果差异的主要原因。 便携式拉曼光谱仪具有操作简单、 测样速度快, 可用于一线查缉站点快速检测的优点, 但考虑到实际缴获样品的纯度未知且可能存在荧光干扰, 不同拉曼光谱仪的抗荧光干扰能力、 分辨率及谱库完备程度均不同, 因此现阶段拉曼光谱的测试结果只能作为定性初筛使用。 该研究内容为法庭科学实验室和一线办案民警正确理解和应用拉曼光谱测试结果提供了指导。

拉曼光谱具有非接触、非破坏性、低成本、高通量优势, 受到了多组分体系分析的关注。独立成分分析(ICA)既是多元统计方法, 也是盲分离方法, 可以无需先验知识, 只需通过测量到的混合光谱就能解出体系中各组分的估计源光谱。但是当源光谱间存在显著重叠时, ICA分离结果不可靠。本文提出了一种通过对体系光谱求导、ICA分离, 逐级剔除分量后再分离的改进ICA定性分析算法(Derivation, Separation, Cullingand Separation, DSCS-ICA), 分离得到源光谱的近似估计, 实现体系定性分析, 解决了因光谱重叠导致的现有的ICA算法分离性能差的问题。依照布洛芬胶囊配方, 配制了布洛芬、硬脂酸、聚乙烯吡咯烷酮K30、淀粉和蔗糖五种组分不同比例混合的12份布洛芬胶囊样本, 并采集其拉曼光谱数据; 采用DSCS-ICA法解出分量(ICS), 并将ICS与源光谱进行比较, 以相关系数r来判断ICS与源光谱的一致性。结果表明: 与FastICA相比, DSCS-ICA效果显著改善, ICS与源光谱对应的相关系数r达到了0.99以上, 结果具有良好的可靠性和对应性。本案例可为药物处方成分的反向研究提供参考, 并可推广应用于其他多组分体系的定性分析。

近红外波段的反射光谱测量较方便, 不需对试样进行预处理, 同时也适用于在线分析。 为利用近红外光谱实现综放开采自动化放煤技术中的煤岩识别, 从某矿井的综放工作面收集了炭质泥岩、 砂质泥岩、 砂岩、 气煤4种典型的块状煤岩试样, 综合考虑工作面后部刮板输送机的堆煤情况, 在实验室利用光谱仪采集了常见探测距离（1.3, 1.4和1.5 m）与探测角度（10°, 20°, 30°, 40°和90°）下的4种典型煤岩的近红外漫反射光谱。 通过对4种典型煤岩光谱特征分析, 发现探测角度与距离对光谱曲线波形和吸收谷位置无明显影响, 但明显影响光谱曲线的反射率。 炭质泥岩、 砂质泥岩、 砂岩这3种岩样, 均在1 400, 1 900和2 200 nm波段附近出现较明显的吸收谷, 此外, 砂岩与炭质泥岩在2 200 nm波段附近出现双吸收谷, 气煤在近红外波段内的漫反射光谱曲线整体呈水平趋势, 无明显的吸收谷。 在 1.3 m探测距离下, 光谱曲线反射率随着探测角度的增大而增大; 在1.4和1.5 m探测距离下, 光谱曲线反射率随着探测角度的增大而减小。 在10°, 20°和30°探测角度下, 光谱曲线的反射率随着探测距离的增大而增大; 在40°和90°探测角度下, 光谱曲线的反射率随着探测距离的增大而降低。 使用一阶微分（FD）、 Savitzky-Golay卷积平滑（S-G卷积平滑）、 标准正态变量变换（SNV）这三种方法来增强光谱曲线吸收特征以及消除探测条件对煤岩漫反射光谱的影响, 发现S-G卷积平滑在增强光谱吸收特征的前提下, 还有效的消除了探测角度与高度对光谱曲线的影响。 利用余弦相似度与皮尔逊相关系数两种模型分别进行煤岩定性分析, 结果发现, 基于S-G卷积平滑预处理后的余弦相似度模型分类效果最优, 其正确分类率为100%。 最佳预处理方法与定性分析模型的获得可以为在不同探测距离与探测角度下直接利用反射光谱的波形进行快速、 定性地识别煤岩提供参考意义。

近红外光谱属微弱信号, 其质量易受被测物体自身状态及各种外界因素干扰, 具体而言, 在近红外光谱定性分析中, 影响光谱质量的因素主要有光谱仪状态改变、 光谱采集人员错误操作、 奇异样本干扰等。 建模时若混入质量较差的光谱易影响所建模型的稳健性与适用性, 因此光谱质量判定是确保模型预测能力的一项重要工作。 目前用于定量分析的光谱质量判定研究较多, 而用于定性分析的光谱质量判定研究较少, 为此, 提出一种基于支持向量机数据描述的近红外光谱定性分析光谱质量判定方法, 采用自制漫透射近红外光谱装置采集单籽粒玉米光谱, 以正常状况下采集的某品种玉米单籽粒漫透射光谱作为正常样本, 而人为漏光、 近红外探测器窗口覆盖玉米表皮碎屑、 光源强度改变、 光源与被测玉米籽粒距离改变、 相近品种玉米籽粒混入等几种情况下所采集光谱作为异常样本, 在此数据集基础上研究了基于支持向量机数据描述的定性分析光谱质量判定模型建立的原理与方法, 其后将支持向量机数据描述方法与常用的马氏距离法、 局部异常因子法等光谱质量判定方法进行了对比, 并以正常样本正确识别率与异常样本正确拒识率的均值作为评价标准, 对实验结果进行分析, 由实验结果可以看出相比其他两种方法, 基于支持向量机数据描述的光谱质量判定方法具有最优判定能力, 建模集正常样本数目会影响光谱质量判定能力, 在实际使用光谱质量判定方法时, 建模集应包含足量样本。 在近红外定性分析时可以将该方法作为剔除异常光谱的手段, 在预处理、 特征提取, 模式分类等近红外光谱定性分析步骤前首先进行基于支持向量机的光谱质量判定步骤, 并剔除异常光谱, 可有效提高近红外光谱定性分析模型的可靠性, 亦为近红外光谱定性分析光谱质量判定提供新的方法参考。

近红外光谱分析技术可用于对样本的快速无损检测, 在人们的生产和生活中发挥着越来越重要的作用。 支持向量机是建立定性分析模型的常用方法, 可通过寻找最优分类超平面将两类样本分开。 在小样本情况下, 支持向量机方法有其独特的优势。 主成分分析是常用的数据降维方法, 可将数据降维之后作为支持向量机方法的输入变量, 简化模型并提高模型识别的准确性。 因此, 基于主成分分析的支持向量机(简称PCA-SVM)适合用于建立近红外光谱定性分析模型。 多模型方法是人们使用较少的建模方法, 用该方法建立的模型一般具有较好的稳定性。 将多模型方法与PCA-SVM方法成功结合形成了新方法。 以棉锦混合、 棉涤混合纺织品为例, 用新方法建立了这两类纺织品样本的近红外光谱定性分析模型。 建模时将光谱数据按照波长分为4组, 用每组光谱数据建立一个子模型, 将子模型的输出值进行加权平均便得到最终的预测结果。 这样可以更充分地使用光谱数据中所包含的信息。 为了便于对比不同的方法, 仍使用上述校正集和验证集, 又用PCA-SVM方法建立了这两类纺织品样本的近红外光谱定性分析模型。 对预测结果做交叉验证, 用新方法所建模型判别的正确率的平均值为85.49%, 正确率的标准差为0.066 7, 用PCA-SVM方法所建模型判别的正确率的平均值为83.34%, 正确率的标准差为0.109 6。 研究结果表明用新方法所建模型的分类效果好于用PCA-SVM方法所建模型的分类效果; 用新方法建立的模型的稳定性明显高于用PCA-SVM方法建立的模型的稳定性。 用PCA-SVM方法所建模型的预测效果受校正集构成情况的影响较大, 而用新方法所建模型的预测效果则相对稳定。 对废旧纺织品进行分类回收可大量节约纺织原材料, 但采用人工分拣方式效率低且成本高。 采用近红外光谱分析方法对纺织品进行分类, 为废旧纺织品的大规模精细分拣和分级奠定了一定的基础。 该新方法有望用于某些其他类型样本的分类。

为研究非转移弧层流等离子体制备面向新材料领域的μm级球形氧化铝粉末的能力，使用自制的非转移弧分段式阳极层流等离子体球化设备，以载气送粉的方式，对η相的不规则 μm级三氧化二铝粉末进行等离子体球化处理，并采用均匀设计法，研究等离子体发生器和送粉器不同的工作参数对氧化铝粉末球化率的影响规律。结果表明，实验所采用的直流非转移弧层流等离子体发生器能有效制备球化率接近100%的高球化率球形氧化铝粉末。实验发现，高球化率、高分散性和粒径大小均匀的球形氧化铝粉末可在不同工艺参数组合下制备，并证明了采用非转移弧分段式阳极层流等离子体发生器可实现较低功率下制备较高球化率球形氧化铝的可行性。实验还通过XRD与PDF卡片索引技术对球化前后的氧化铝粉末进行了物相定性分析，发现η相的氧化铝粉末经射流作用转化成了Corundum型的氧化铝粉末。