1 吉林大学白求恩第一医院核医学科，吉林 长春 130021
2 空军航空大学航空基础学院，吉林 长春 130022
3 空军航空大学作战勤务学院，吉林 长春 130022
4 吉林大学原子与分子物理研究所，吉林 长春 130012
针对飞秒脉冲激光诱导击穿光谱（fs-LIBS）中Al靶温度对AlO分子光谱的影响进行了实验研究。通过测量AlO分子的光谱强度和振动温度，发现Al靶温度对fs-LIBS技术中AlO分子的光谱特性有显著的影响。研究结果表明，提高靶材温度能有效增强fs-LIBS中AlO分子的光谱信号强度，并提高分子的振动温度和寿命。此外，时间分辨光谱分析结果还揭示出在高Al靶温度条件下，AlO分子的辐射寿命较长，光谱信号强度较强。这意味着在高温下，分子能够停留更长的时间，增加了光谱信号的持续时间。通过调控飞秒激光能量和靶材温度，可以获得更强的分子发射和光谱信号，从而实现更高的灵敏度和准确性。研究结果为fs-LIBS技术中样品温度对分子光谱的调控机制研究提供了实验数据。
光谱学 激光诱导击穿光谱 飞秒激光 分子光谱 样品温度 AlO
1 国网四川省电力公司电力科学研究院，四川 成都 610041
2 华东师范大学重庆研究院，重庆 401121
3 国网电力科学研究院武汉南瑞有限责任公司，湖北 武汉 430074
双光梳光谱是实现高分辨光谱分析的重要工具，其因相干特性依赖于复杂、庞大的频率锁定与反馈系统，导致成本高昂且对环境扰动敏感，应用领域受限。基于电光频率梳的双光梳系统具有装置简单、频率捷变及相干性高等优势，有利于外场的应用，但其在气体检测应用中的含量反演精度及实时性仍有待验证。为此，搭建了高相干电光双光梳系统，并利用多通气体池实现了CO和CO2气体吸收光谱测量，其结果与HITRAN数据库仿真结果一致。光谱分辨率达200 MHz，单次刷新时间仅为4 μs。实验通过对CO2吸收峰的含量反演与多峰拟合，将含量不确定度缩小至2.86%。此外，通过对CO吸收光谱的快速检测，验证了系统对混合气体含量监测的实时性，该系统有望应用于电力设备故障特征气体的实时监测。
分子光谱 电光 频率梳 双光梳光谱 气体检测 激光与光电子学进展
2023, 60(17): 1730002
1 中国人民公安大学侦查学院，北京 102600
2 北京海关缉私局司法鉴定中心，北京 100000
指甲等人体生物组织的鉴定在刑事案件侦查中发挥着重要作用。为了对犯罪现场提取的指甲组织进行快速无损鉴别，提出了一种基于分子光谱分析和机器学习的人指甲无损鉴别和性别刻画方法。通过采集120个同年龄段不同性别人指甲样本的红外光谱数据，建立了多种分类预测模型。借助主成分分析技术降维提取3个主成分，对样本进行交互验证，并对比了Fisher判别函数、多层感知器及反向传播（BP）神经网络模型的识别效果。实验结果表明：多层感知器模型的分类识别率可达到91.4%，优于Fisher判别分析模型；基于粒子群优化算法的BP神经网络模型分类效果最佳，识别率达到97.7%。
光谱学 法医人类学 人指甲 分子光谱 深度学习 性别刻画 激光与光电子学进展
2023, 60(5): 0530003
1 中国人民公安大学侦查学院，北京 100038
2 北京市海关缉私局司法鉴定中心，北京 100000
通过寄递渠道传播的含有非法添加成分的减肥药物是公安机关侦办食药环犯罪的重点打击对象。为快速鉴别此类药物，本研究采用分子光谱分析技术，对含艾司唑仑、西地那非、西布曲明、氟硝西泮、唑吡坦等5种精神管制类药物成分的“减肥药”进行检验，获取了145组光谱数据。采用主成分分析提取主成分因子对数据降维。基于所提取的20维数据，建立FDA模型、KNN模型、SVM模型并进行对比。在模型1中构建3个Fisher判别函数对5类样品进行判别，准确度达到100%；在模型2中K值的变化会影响分类器精度，通过对K值的调整能够快速对5类样品进行分类，准确率达到100%；在模型3中选用RBF核函数，分别对比唑吡坦与其他4类减肥药物分类效果，准确率均达到100%。通过实验中的数据集对唑吡坦不同品牌的样本进行识别和对实际案件进行分析，对公安机关侦办此类案件具有一定参考。
光谱学 减肥药物 精神管制类药物 寄递 分子光谱 机器学习 模式识别 激光与光电子学进展
2023, 60(4): 0430002
1 中国民用航空飞行学院理学院, 四川 广汉 618307
2 青岛海洋科学与技术试点国家实验室海洋观测与探测联合实验室, 山东 青岛 266200
研发能够精确、 实时、 原位获取热液甲烷数据的深海甲烷传感器对深海研究具有非常重要的意义。 前期研制的两款深海甲烷光学成像干涉系统, 均利用甲烷辐射光谱开展甲烷状态参数探测和反演。 首先, 以分子光谱辐射理论为基础, 建立了分子辐射光谱与浓度、 温度、 压强的理论关系式, 结合深海高压环境特点, 建立了基于Lorentz线型的深海分子辐射模型, 该模型为利用光谱法定量反演分子浓度、 温度、 压强等状态参数提供理论依据, 同时为深海分子光谱仿真提供有力工具。 接着, 借助HITRAN分子光谱数据库提供的分子基本谱线参数, 挑选出甲烷成像干涉系统的光源谱线。 对比CH4分子与CO2, H2S, H2O等分子的特征吸收谱线, 在5 990~6 150 cm-1波段范围内, CH4谱线强度比CO2, H2S, H2O等三种干扰分子的谱线强度约高2~3个数量级, 且此波段内甲烷六条有效谱线分布均匀, 谱线间距皆约为2~3 nm, 非常适合采用光谱法进行分子状态参数探测, 因此选择谱线干扰较弱、 谱线分布均匀、 谱线间距适中的甲烷六条谱线(1 640.37, 1 642.91, 1 645.56, 1 648.23, 1 650.96和1 653.72 nm)作为甲烷成像干涉探测系统的目标光源谱线。 最后, 基于深海分子辐射模型和HITRAN数据库的甲烷分子基本谱线参数, 人工合成了甲烷任意浓度, 任意温度和任意压强的辐射光谱数据, 并分析了甲烷辐射光谱随浓度、 温度和压强的变化特征。 对于单一中心谱线, 甲烷分子辐亮度随着浓度的升高而线性增大, 随着温度的升高而非线性增大, 随着压强的升高而非线性减小。 对于全波段谱线, 甲烷辐射光谱的全线宽随着浓度、 温度的升高而变宽, 随着压强的升高而变窄。 建立的深海甲烷辐射光谱理论和仿真分析结果, 可以为基于光谱法的海洋原位甲烷传感器的研制和数据反演提供数据支撑和理论依据。
热液甲烷 辐射光谱 HITRAN分子光谱数据库 成像干涉 Hydrothermal methane Emission spectrum HITRAN Imaging interference 光谱学与光谱分析
2022, 42(9): 2714
1 北京化工大学信息科学与技术学院, 北京 100029
2 北京化工大学材料科学与工程学院, 北京 100029
食用油是日常生活中的必需品。 市场上食用油在成分、营养价值及价格上有很大的不同。 为避免欺诈行为, 亟需建立一套有效的市场销售的食用油品质分类方法。 常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。 分子光谱从分子水平上反映了物质的组成与结构信息, 分子光谱分析速度快而且是无损监测, 因此分子光谱分析结合化学计量学的方法正成为食用油分类方法的趋势。 SIMCA（Soft Independent Modeling of Class Analogy）是应用广泛的分子光谱分析方法, 然而在SIMCA中使用欧氏距离于对基于PCA和F检验提取的特征进行分类, 难以区分不规则的特征空间。 由于食用油样本分子光谱差别细微, 通常难以用SIMCA方法进行分类。 SVDD（Support Vector Domain Description）算法是一类基于支持域的非线性单类分类方法, SVDD利用求解凸二次规划得出一个尽可能包含所有目标样本的最小超球体进行分类。 本文提出了一种基于SIMCA-SVDD方法的分子光谱分析方法并用于食用油的快速分类。 为鉴别不同种类的食用油, 在ATR-FTIR光谱仪上扫描四种食用油的红外光谱。 应用SIMCA方法提取分类特T2和Q, 由于提取的特征T2和Q分布的不规则性, 不同于SIMCA中的欧氏距离, 本文采用SVDD用于对提取的不规则特征进行分类。 由于SVDD能通过映射函数将分类特征映射到高维空间, 因此可以通过求解凸二次规划来训练最优的分类超球面对分类特征进行分类。 采用本文所提的SIMCA-SVDD方法及传统的SIMCA方法, 对同样的样本进行了对比实验。 对比实验证实了本文所提的SIMCA-SVDD方法具有比传统的SIMCA方法更好的分类结果, 所提的方法为实现基于分子光谱进行食用油快速分类提供了一条新的途径。
食用油 分子光谱 欧氏距离 Edible oil Molecular spectrum SIMCA SIMCA Euclidean distance SVDD SVDD 光谱学与光谱分析
2020, 40(8): 2651
1 北京化工大学信息科学与技术学院, 北京 100029
2 北京化工大学材料科学与技术学院, 北京 100029
分子光谱分析技术结合化学计量学已成为一种非常活跃的食用油鉴别方法。 然而, 当不同类型的样本之间的光谱差异极其微小时, 利用传统的分类技术也很难将其分开。 为了完成相似品种食用油的快速识别和分类, 收集了包括芝麻油、 玉米油、 油菜籽油、 调和油、 葵花油、 花生油、 橄榄油七种食用油的衰减全反射红外光谱, 在此基础上, 采用图像识别的方法对七种食用油进行快速分类。 在所提出的图像识别方法中, 首先, 将通过多元散射校正预处理后的红外光谱吸光度矩阵进行自相关运算, 利用等高线原理根据吸光度强度值的不同生成光谱图像, 以扩大的光谱差异并提高光谱可视化。 然后, 根据图像膨胀的原理找到光谱图像的局部特征点, 将其作为图像特征。 最后, 使用BP神经网络对特征点进行训练和分类预测。 为了对比所提出的方法, PCA-BP和KL-BP的方法被用于与图像识别的方法进行比较, 实验结果表明, 图像识别方法的正确识别率为94.4%, 高于PCA-BP的66.7%和KL-BP的83.3%。 所提方法为实现食用油的快速识别和检测提供了一条新的有效途径。
食用油 分子光谱 光谱可视化 特征提取 图像识别 Edible oil Molecular spectrum Spectral visualization Feature extraction Image recognition
1 华南理工大学 电力学院, 广州 510640
2 广东省能源高效低污染转化工程技术研究中心, 广州 510640
选用碳元素常见的有机形态(C6H7O2)和碳酸盐形态(CaCO3)样品为实验对象, 配置一系列不同含碳量的样品进行激光诱导击穿光谱实验, 实验分析了不同形态碳元素样品在空气气氛条件下的激发特性.研究结果表明, 碳酸盐形态中可探测到明显的碳元素的原子谱线, 且与碳元素含量有良好的线性关系, 但较难探测到碳元素的分子光谱; 对于有机形态, 不仅能探测到碳的原子谱线, 还能探测到碳的CN分子谱线和C2分子谱线, 且分子光谱与碳元素含量具有较好的相关性, 说明碳元素分子光谱的形成与有机形态有关.将两种形态混合后, 发现CN分子光谱与有机形态中的碳元素含量具有较好的相关性, 说明利用探测到的CN分子光谱可以实现有机形态的鉴别.同时利用CN分子光谱的形成机制, 在两种形态混合后的样品中添加一定量的氮元素, 在氩气条件下, CN分子光谱与样品中有机碳元素含量存在较好的线性关系.进一步说明来源于空气中N和样品中N所形成的CN, 均可用于有机形态碳元素的鉴别.
光谱学 激光诱导击穿光谱 有机形态碳 碳酸盐形态碳 分子光谱 Spectroscopy Laser Induced Breakdown Spectroscopy (LIBS) Organic carbon Carbonate carbon Molecular spectroscopy
1 中国科学技术大学合肥微尺度物质科学国家研究中心, 安徽 合肥230026
2 中国科学技术大学能源材料化学协同创新中心, 安徽 合肥 230026
3 Harvard-Smithsonian Center for Astrophysics, Atomic and Molecular Physics Division, Cambridge, MA 02138, USA
分子吸收光谱数据, 包括谱线的位置、强度、压力位移系数及展宽系数等,是研究温室效应、大气环境监测以及星际气体探测等应用的基本参考。随着激光技术的飞速发展, 光腔衰荡光谱技术以其极高的探测灵敏度和测量精度, 被广泛应用于分子光谱测量。结合各种复杂精密光谱线型, 可以获得大量可靠的高精度光谱数据参数。这些结果被用于更新光谱数据库, 甚至是检验基本物理定律和常数。主要介绍光腔衰荡光谱测量方法, 特别是结合激光锁频技术的精密测量技术, 并以一氧化碳、氢分子泛频振转光谱测量为例, 介绍其在精密分子光谱参数测量中的应用。
光谱学 分子光谱 红外光谱 精密测量
1 华南理工大学 电力学院，广州 510640
2 广东省能源高效清洁利用重点实验室，广州 510640
3 广东电网公司 电力科学研究院，广州 510080
选用同时含苯环和C-N结构的有机物苯甲酰胺样品为实验对象，制备不同含氮量的样品并进行激光诱导击穿光谱实验；在不同气体环境（空气、氩气）和激光能量条件下，研究了有机物中N元素的激发特性，建立了N元素光谱信息与N元素含量之间的关联性.结果表明：在氩气环境中，含N元素样品的N原子谱线较难被探测到N，该结果说明在大气环境中探测到的N原子谱线主要源于空气中N的激发（空气中有79%的N2）；在空气或氩气条件下，均能探测到较强的CN分子光谱，且与样品中N元素含量有一定的关联性，这种关联性不仅与气体环境有关还与激光能量有关；在氩气条件下，由于CN分子光谱的形成完全来源于样品，不管在低能量还是高能量条件下，均与N元素含量具有较高的相关性；在大气环境中，在低能量条件下，关联性较好（R2高于0.9），而高能量条件下，关联性较差，说明在低能量条件下，空气环境中探测到的CN主要来源于样品本身，而在高能量条件下CN分子光谱的形成受环境中氮气的影响较大.
光谱学 激光诱导击穿光谱 CN分子光谱 非金属元素 N元素 Spectroscopy Laser-induced breakdown spectroscopy CN molecular Non-metallic element Nitrogen 光子学报
2016, 45(10): 1030003
