十四五期间, 我国渔业总产量预计持续增长, 水产品进一步成为消费者重要饮食组成, 但因销售者与消费者食品安全知识和操作过程存在差距导致的食品安全事件频频发生。 光谱技术因快速、 无损、 测试重现度高的优点, 既体现物体的光谱属性, 也体现了样品的空间信息, 已成为水产品检测技术的热点, 但多聚焦于新鲜度检测。 该文综述了近10年来光谱技术在水产品异物残留检测的研究进展, 分别从鱼骨检测、 掺伪分析、 寄生虫检测与重金属检测四方面介绍常见光谱技术应用及进展, 包括X射线技术(X-Rays)、 可见光成像(VIS)、 近红外成像(NIR), 高光谱成像(HSI)等, 介绍目前存在问题的同时, 展望光谱技术在水产品异物残留检测的发展前景: 传统检测算法进一步优化, 多光谱技术被用于水产品异物残留检测; 深度学习在特征提取的巨大优势得以应用, 光谱技术在水产品异物残留检测的应用领域研究更加深入; 光谱技术与多种检测技术的有机融合成为必然趋势, 在线实时检测成为可能。

近红外傅里叶变换光谱仪作为一种常用的科研级近红外光谱检测仪器, 广泛应用于各个科研领域。 目前的近红外光谱仪着重于光谱分辨率方面的提升, 在光谱信噪比提升方面关注较少。 光谱信噪比直接影响光谱线指数测量精度的优劣, 光谱信噪比越高, 光谱线指数测量精度越高, 越有利于对微量物质进行精细光谱比对。 因此, 提升光谱仪的光谱信噪比是十分必要的。 对比常用的钨灯光源, 激光驱动等离子体光源(LDLS)不仅在近红外区域具有高光照强度的优点, 而且其独特的高频调制输出信号在经锁相放大器调制解调后能够很好的抑制背景信号对干涉光谱所带来的影响。 高亮度与辐射调制的结合使得以LDLS作为光源的近红外傅里叶变换光谱系统在光谱信噪比方面获得显著提升。 基于上述原因, 提出利用新型激光驱动等离子体光源作为光谱信号输出源的近红外傅里叶变换光谱系统, 并与含有调制能力的钨灯光源搭建的近红外傅里叶变换光谱系统进行了信噪比的比较实验。 首先利用钨灯光源由斩波器高频调制再经过锁相放大器解调的方式, 对锁相放大器积分时间进行优化并通过计算干涉光谱信噪比进行评估, 分别对比了积分时间为0.5, 1, 5, 10和20 ms的干涉光谱信噪比与对称度, 确定后续系统中的锁相放大器最佳积分时间为5 ms, 该状态下钨灯光源所实现的干涉光谱信噪比经计算约为90:1; 其次利用激光驱动等离子体光源代替钨灯光源和斩波器, 在最佳积分时间下进行干涉光谱信噪比对比评估, 结果表明激光驱动等离子体光源的干涉光谱信噪比与传统钨灯光源相比提升111倍; 最后, 利用近红外标准片对系统进行光谱测量准确性评估, 结果表明利用该光源的近红外傅里叶变换光谱系统的近红外吸收峰值误差<0.5 nm, 具有高光谱准确性与分辨能力。

金刚石压腔是一种在实验室被频繁使用的高压产生装置, 它在高压领域占据着重要地位。 当金刚石压腔内传压介质只能提供非静水压环境时, 利用传统的红宝石荧光光谱测压方法将很难准确测量样品压强, 这也是目前超高压实验面临的普遍困难。 若有一种兼具“传压”和“测压”双重功能的物质, 根据“相邻位置、 相近压强”原则, 将能够解决在非静水压环境中测不准样品压强问题。 显然, 探寻兼具“传压”和“测压”双重功能的物质是一项非常重要的工作。 本文将红宝石微粒与离子液体[C₄mim][BF₄]装入金刚石压腔, 然后利用金刚石压腔压缩[C₄mim][BF₄]使其提供高压环境, 同时采集红宝石的荧光光谱及其附近[C₄mim][BF₄]的拉曼光谱。 通过分析红宝石特征荧光峰R₁的峰位, 得到了[C₄mim][BF₄]在加压过程中提供的一系列高压环境的压强值。 通过分析红宝石特征荧光峰R₁的峰宽, 发现[C₄mim][BF₄]在0~6.26和6.26~21.43 GPa两个压强范围内可分别提供静水压环境和准静水压环境, 表明[C₄mim][BF₄]在0~21.43 GPa范围内可以作为传压介质使用。 此外, 还发现[C₄mim][BF₄]在0~2.28, 2.28~6.26, 6.26~14.39和14.39~21.43 GPa四个压强范围内分别为“液相Ⅰ”、 “液相Ⅱ”、 “非晶相Ⅰ”和“非晶相Ⅱ”。 通过分析[C₄mim][BF₄]中特征拉曼峰ν_(B-F)和ν_(ring)的峰位, 发现在[C₄mim][BF₄]四个相态内ν_(B-F)和ν_(ring)的峰位随压强增加均满足线性变化关系, 并给出了相应的压强与峰位关系函数, 这些函数是[C₄mim][BF₄]用作压标物质的重要依据。 综上所述, [C₄mim][BF₄]不仅具有“传压”功能, 同时还具有“测压”功能, 可同时用作“传压介质”和“压标物质”。 研究结果为在非静水压环境中准确测量样品压强提供了重要依据, 也为超高压条件下样品压强测量不准确问题提供了新的解决思路。

还原态烟酰胺腺嘌呤二核苷酸(NADH)在维持细胞生长、 分化、 能量代谢以及细胞保护方面起着非常重要的作用, NADH的无创在体检测具有非常重要的意义。 运用激光拉曼散射实验和密度泛函理论(DFT)计算研究了200~3 300 cm^-1光谱范围内NADH分子的振动模式特性。 DFT计算采用了B3LYP杂化方法, 并选用了极化6-311+G(d,p)基组。 为了准确的分析NADH分子的振动模式和频率, 首先运用B3LYP/6-311+G(d,p)理论对NADH分子的基态结构进行了几何优化, 并计算了基态结构NADH分子的各个键长和键角。 同时考虑到DFT计算中的非谐性, 运用波数线性标度方法对所有计算所得振动模式波数重新进行了标度。 重新标度后, DFT计算所得的振动模式波数与激光拉曼散射实验观测到的拉曼峰波数吻合的很好: 在200~3 300 cm^-1整个光谱范围内, 计算与实验结果具有非常好的线性相关性, 而且大部分振动模式的计算与实验之间的偏差都小于5 cm^-1。 此外, 讨论了实验观察所得拉曼光谱的分子振动模式归属, 分析了NADH分子中腺嘌呤、 烟酰胺、 及二核苷酸的特征振动模式, 并初步提出了运用拉曼光谱实现NADH快速准确无创在体检测的方法。 位于732 cm^-1处的拉曼峰是腺嘌呤的特征振动模式, 而且可以选为检测NADH分子的最特征拉曼峰。 位于1 690 cm^-1处的拉曼峰是烟酰胺的特征振动模式, 可以选为进一步准确检测NADH分子的另一个特征拉曼峰。 位于1 086和1 339 cm^-1两处拉曼峰的组合可以作为二核苷酸的特征振动模式, 用于进一步更准确的检测NADH分子。 所以在运用拉曼光谱法实现NADH快速准确无创在体检测时, 可以首先运用位于732 cm^-1处NADH分子的最特征振动模式进行快速检测, 然后再运用位于1 690 cm^-1及1 086和1 339 cm^-1组合等特征振动模式进行准确分析。

赤铁矿(α-Fe₂O₃)和针铁矿(α-FeOOH)是风成沉积物和土壤中常见的两种致色矿物, 具有重要的环境指示意义。 赤铁矿指示干热环境条件, 针铁矿指示湿冷环境条件。 两者同存于沉积物或土壤中, 相互竞争。 在实际研究中, 通过应用两者的比例来指示环境条件的变化。 由于天然样品中赤铁矿和针铁矿含量低、 磁性弱, 传统的X射线衍射方法、 化学分析法以及岩石磁学方法都难以准确、 便捷地检测出二者的含量。 基于两者光学特征, 近年来越来越多的研究者使用漫反射光谱和色度方法尝试进行天然样品中赤铁矿和针铁矿的定量研究。 然而, 这两种方法也存在着一些问题。 漫反射光谱中赤铁矿和针铁矿特征峰强度受基底效应、 晶格离子替代等因素影响; 色度参数的红度同样受晶格离子替代影响, 黄度影响因素更为复杂。 因此, 两种方法的相关参数不能简单地等同于赤铁矿或针铁矿含量。 两种方法的对比研究显得尤为重要。 采用漫反射光谱和色度两种方法分别对干旱区的新疆博乐、 半湿润区的四川金川和湿润区的广东徐闻三个风成沉积剖面进行实验, 分析不同参数对于赤铁矿和针铁矿的指示意义及其适用范围。 在此基础上, 探讨针铁矿与赤铁矿比值的环境指示意义。 研究结果表明: (1)漫反射方法与色度方法是识别风成沉积物中针铁矿和赤铁矿信号的有效方法, 但由于影响因素复杂, 在大范围空间内仅能作为半定量指标; (2)a^*能够较好地指示赤铁矿含量, Gt/Hm与b^*/a^*能够较好地反映针铁矿与赤铁矿之间的比值, 但Gt与b^*不能很好地指示针铁矿的含量; (3)大气水热条件不能完全等同于土体水热条件。 大气降水并非完全进入土体, 温度通过蒸发作用影响土壤中水分含量, 土体水热状况受多因素影响。 大范围地理空间尺度上, 温度决定化学反应速率, 对于赤铁矿和针铁矿的生成与保存作用大于降水量。

为了快速检测油页岩总有机碳(TOC)含量, 以松辽盆地某区块所取岩芯为研究对象, 测量230个岩石样本的TOC含量和近红外光谱数据。 利用蒙特卡洛法剔除异常样本14个, 剩余的216个样本进行去趋势加基线校正方法预处理, 采用连续投影算法(SPA)、 无信息变量消除算法以及竞争自适应算法选取特征波长。 使用SPXY方法对样本按照2:1的比例划分为144个校正集和72个验证集, 然后建立线性的偏最小二乘(PLS)模型以及非线性的支持向量机(SVM)模型和随机森林(RF)模型对油页岩TOC含量进行预测。 采用测定系数(R²)和均方根误差(RMSE)作为模型的评价指标, 探究不同特征波长选择方法对油页岩总有机碳建模的影响, 比较不同建模方法对油页岩TOC含量预测的准确度。 结果表明, 特征波长提取能够起到优化模型的作用。 SPA, UVE和CARS分别提取了16, 253和65个波长, 经过特征波长提取后模型测定系数均有提高, 均方根误差均有下降, 这说明进行特征波长优选对于简化模型、 提高模型运算速度发挥着很重要的作用。 此外, 非线性的RF和SVM模型性能要优于线性模型PLS。 这是因为油页岩中的碳存在于各类烃的中, 不同类别含烃基团的吸收峰之间相互影响, 使得油页岩总有机碳含量和近红外光谱数据之间存在着复杂的非线性关系, 因此, 非线性的SVM和RF模型能够表现出更好的效果。 相比于其他模型, CARS-SVM模型验证集的测定系数($R_{v}^{2}$)和均方根误差(RMSEV)表现出的结果较好, 分别达到了0.906 6和0.222 0, 该模型能够用于油页岩总有机碳含量的快速检测。 研究结果说明, 近红外光谱分析应用于油页岩TOC含量快速检测是可行的; 建立的CARS-SVM模型能够表现出较好的预测效果, 为我国油页岩TOC含量快速检测提供了一种新的方法和思路。

为了快速检测玉米品种类型, 基于支持向量机(SVM)和近红外光谱联合建立玉米品种的分类模型。 以郑单958、 先玉335、 京科968、 登海605和德美亚等五个品种共计293个样本为研究对象, 对采集的近红外光谱进行标准正态变量变换(SNV)处理后使用主成分分析法(PCA)对光谱数据进行降维处理。 按照6:1比例, 随机选取251个样本为训练集, 42个样本作为测试集, 探讨贝叶斯优化算法(BO)对SVM模型性能的影响。 分别使用网格搜索(GS)、 遗传算法(GA)和BO算法等三种方法对SVM模型的两个重要参数惩罚因子C和径向基核函数参数γ进行寻优。 选择各模型十折交叉验证识别准确率最高时对应的惩罚因子和核参数作为建模参数, 建立SVM分类模型。 将使用BO算法建立的SVM分类模型与使用GS和GA进行参数寻优后建立的模型性能进行比对。 实验发现, 使用BO优化的SVM分类模型相比于其他两种优化算法得到的SVM模型性能具有显著优势, 测试集的识别准确率可达到100%。 说明使用BO算法寻优的SVM模型参数是全局最优参数, 其他两种优化算法寻优的参数可能陷入了局部最优, 从而导致模型性能表现不佳。 在进行PCA降维前后的光谱数据上分别建立BO-SVM模型, 结果表明, BO算法对于高维数据优化效果不佳, 更适用于低维数据。 对于不同样本类别间数量不均衡导致模型性能表现不佳的问题, 通过剔除郑丹958和先玉335两类数量较少的样本, 使用剩余三个类别, 共计248个样本重新建立SVM模型, 实验发现, 剔除两类小样本之后, 各个模型在测试集上的性能均有提升, 说明对于类间样本数量不均衡问题, 某类样本数量越多, 对于模型参数的修正就越细腻, 模型对该类的拟合效果就越好。 研究结果可用于玉米品种的快速鉴别, 也可为基于近红外光谱的其他农产品分类和产地鉴别提供参考。

我国北方寒地温差大, 土壤温差对近红外光谱测量土壤墒情有较大影响。 针对这一问题, 以北方寒地土壤为研究对象, 探究大范围温度胁迫下(-20~40 ℃)土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。 选取黑龙江八一农垦大学农学院试验基地中的黑土, 经烘干、 过筛等操作处理后配置含水率范围在15%~50%内八种不同湿度的土壤样品, 建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。 在全波段光谱数据的基础上, 结合五种不同光谱信号预处理方法, 采用BP神经网络算法、 优化支持向量机算法(SVM)、 高斯过程算法(GP)三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。 利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05, 最大训练次数设置为5 000, 隐层单元数确定为20; SVM采用径向基函数, 并利用leave-one-out cross validation确定了最佳惩罚参数为0.87, 使模型预测的准确性提高; 高斯过程算法内部采用马顿核。 模型的定量评估采用决定系数(R²)和均方根误差(RMSE)。 结果表明, 在建立的全部BP神经网络模型中, 效果最佳的为S_G-BP神经网络模型, 模型的R²为0.960 9, RMSE为2.379 7; 在SVM模型中SNV-SVM模型的效果最好, 模型的R²为0.991 1, RMSE为1.081 5; 在GP模型中S_G-GP模型的效果最好, 模型的R²为0.928, RMSE为3.258 1, 综上基于SNV预处理的SVM模型训练效果最优。 利用剩余的35组光谱数据作为预测集验证模型性能, 经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法, 其中基于S_G的SVM模型效果最优, 其预测模型的R²和差RMSE分别为0.992 1和0.736 9。 综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。 此模型可以作为大范围温度胁迫条件下(寒地)的土壤含水率有效预测方法, 为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。

作为现代农业的重要工具, 农药凭借其高效的灭病虫害能力在农业生产中应用广泛, 然而其灭杀虫害的同时对大气环境和人体健康等方面也会造成危害。 使用激光诱导击穿光谱(LIBS)技术对农药的气溶胶喷雾进行了在线探测, 研究了使用LIBS技术对农药使用过程的实时监测。 首先检测了清洁环境下的空气LIBS光谱, 在空气的光谱中探测到大量的氮(N)、 氧(O)原子发射谱, 这个结果与空气成分是相吻合的; 同时还观察到了氢(H)的两条巴尔默系原子谱线, 这主要是来源于空气中的水蒸气。 值得注意的是, 在空气谱中还发现了两条氩(Ar)的原子谱线, 这也表明LIBS技术在微量元素检测方面有着重大潜力。 选用农药敌杀死作为研究对象, 对其有效成分溴氰菊酯(C₂₂H₁₉Br₂NO₃, CAS: 52918-63-5)进行了LIBS检测。 在溴氰菊酯的LIBS光谱中观察到了卤素元素溴(Br)的存在, 标记出了两条Br的原子发射谱线(827.294和833.470 nm)。 对农药样品进行探测时也发现了包括CN分子发射谱与C₂分子发射谱等大量空气光谱中没有检测到的特征谱线; 同时还检测到了空气谱中没有观测到的元素纳(Na)以及钙(Ca); 尤其是Ca, 农药中不仅仅检测出了Ca的存在, 而且相比于溴氰菊酯光谱中Ca谱线的能量以及数量都有着非常明显的上升。 最后, 实验中对CN分子的温度进行了研究; 拟合得到溴氰菊酯与农药的CN分子的振动温度分别为8 800和6 200 K, 转动温度分别为8 600和5 500 K。 以上结果表明了使用LIBS技术对农药的在线监测是可行的, 是有发展前景的。

玉米种子穗腐病是危害玉米产量的主要病害之一。 利用近红外光谱开展了玉米种子穗腐病判别模型研究。 246粒玉米种子由吉林省农业科学院海南育种基地提供, 其中96粒玉米种子为穗腐病染病样本, 其他150粒玉米种子为同种玉米正常样本。 利用MATRIX-Ⅰ型傅里叶近红外光谱仪采集了样本800~2 500 nm范围的近红外光谱信息, 并对样本近红外光谱数据利用多元散射校正(MSC)进行预处理。 结合玉米内部有机物质的近红外光谱的敏感波段和样本近红外光谱吸收峰挑选了4个优选区间, 并采用相关系数法(CA)、 连续投影算法(SPA)和竞争性自适应重加权算法(CARS)三种不同原理的特征波长提取算法分别提取了4(1 362, 1 760, 2 143和2 311 nm)、 5(1 227, 1 310, 1 382, 1 450和1 728 nm)和10(1 232, 1 233, 1 257, 1 279, 1 313, 1 688, 1 703, 1 705, 2 302和2 323 nm)个特征波长。 以提取得到的特征波长作为玉米种子穗腐病判别模型输入变量, 用0-1(染病-正常)表示样本染病状况作为输出真实值建立支持向量机(SVM)模型, 使用网格搜索法结合十折交叉验证法对模型参数进行优化。 结果表明, CA-SVM, SPA-SVM和CARS-SVM三种判别模型中训练集和测试集建模准确率均在90%以上。 该研究成果为玉米种子病害诊断装置提供了模型基础, 且针对优选区间进行特征波长选择的方式也可以为建立其他种子病害判别模型提供参考。

血液中包含着大量的生物信息, 如激素、 酶、 血糖等成分, 而血糖偏高将引发糖尿病。 糖尿病有很多并发症, 比如脑梗塞, 脑出血, 肾脏损害, 眼底损害, 周围神经病变等一系列疾病。 目前, 血液常规成分检测分析周期较长, 结果反馈较慢, 难以实现快速连续检测。 光学检测技术能够根据待测物质的光谱鉴别物质化学成分和相对含量, 因其灵敏度高、 适用性强、 分析速度快等优势, 在血液无创检测领域逐渐发挥其优势。 随着激光技术的不断进步, 拉曼光谱技术作为一种非线性散射光谱技术, 在血液检测技术中得到了广泛应用。 为提高拉曼光谱的预测精度, 首次将XGBoost算法应用到拉曼光谱血液血糖浓度中进行预测精度的提升。 实验中106组血液样本及试验标准值为河北省秦皇岛市第一医院提供, 选用布鲁克的MultiRAM光谱仪进行血液的拉曼光谱数据测量, 实验中1 064 nm激发光源功率为400 mW, 光谱分辨率为6 cm^-1, 扫描速率为10 kHz, 扫描范围为400~4 000 cm^-1, 对每个样本重复采集10次并计算平均值作为原始光谱数据, 以保证实验的准确性和可重复性。 该方法无需对数据进行预处理, 首先将光谱数据随机划分为训练集和测试集, 比例为7:3, 训练集用于训练模型并确定模型参数, 测试集用于测试模型的稳定性和预测精度。 建立XGBoost模型后, 用网格搜索法和k折交叉验证优化模型参数; 引入模型评估指标和克拉克网格误差分析图对XGBoost模型血糖浓度的预测进行分析; 最后将XGBoost模型与决策树(DT)、 随机森林(RF)和支持向量机回归(SVR)模型进行对比。 实验结果表明通过XGBoost建立的定量回归模型效果最佳, 模型的决定系数为0.999 99, 校正集均方误差为0.007 49, 预测集均方误差为0.007 17, 相对分析误差为331.973 18, 预测点均落在克拉克网格误差分析图的A区。 结果证明, 将XGBoost算法应用到拉曼光谱血液成分定量分析中具有较高的预测精度, 并且数据未经过预处理, 可以有效缩短程序运行时间, 其在拉曼光谱以及近红外光谱定量分析领域具有广阔的发展前景。

化学气体毒剂杀伤快、 易扩散、 难处置, 一旦使用或泄露将对****和社会稳定造成巨大威胁, 因此有必要发展一种可以现场实时检测化学毒害气体的方法。 目前, 传统气体检测方法主要包括红外吸收光谱、 气相色谱/质谱、 离子迁移谱和各种气体传感器等, 但其便携性、 灵敏度、 广谱性难以兼得, 无法完全满足现场检测需求。 基于发射光谱(OES)响应快、 灵敏度高、 广谱性好、 可重复性强的独特优势, 提出了一种大气压低温等离子体发射光谱检测技术。 分别以纳秒高压脉冲、 直流自脉冲和微波作为等离子体激励源, 使用毒性较小的甲基膦酸二甲酯(DMMP)作为沙林模拟剂进行发射光谱检测; 以乙醇作为环境有机干扰物, 对乙醇与DMMP光谱进行了主成分分析; 并探究了放电脉冲频率与特征光谱强度的关系。 结果表明, 三种激励源产生的等离子体都可辨别出DMMP特征光谱: P原子特征谱线波长为213.82和215.09 nm, PO基团谱带波长为253.67和255.6 nm。 光谱识别度方面, 使用微波激励源时DMMP特征光谱最为明显, 而使用纳秒脉冲与直流自脉冲激励源时光谱连续本底强烈。 方法适用性方面, 微波等离子体无电极污染、 但需要氩气维持, 可作为建立毒害气体发射光谱数据库的手段; 而纳秒脉冲与直流自脉冲激励源可在常压空气环境中直接检测。 三种激励形式下等离子体区域都存在气体加热效应, 微波等离子体气体温度最高(约1 300 K), 而纳秒脉冲和直流自脉冲放电气体温度相近(分别约为980和880 K)。 研究发现, 提升脉冲重复频率可以显著增加DMMP特征光谱强度, 其与脉冲频率在1~40 kHz内呈线性关系(相关系数大于0.98)。 所提出的大气压等离子体发射光谱检测方法具有响应快、 操作简单等优点, 可扩展性强、 具有小型化潜力, 为毒害气体快速检测装备研发提供了技术参考。

全连接网络作为深度学习中的一种典型结构, 几乎在所有神经网络模型中均有出现。 在近红外光谱定量分析中, 光谱数据样本数量较少, 但每个样本的维度高。 导致了两个问题: 将光谱直接输入网络, 网络的参数量会十分庞大, 训练模型需要更多的样本, 否则模型容易进入过拟合状态; 在输入网络前对光谱进行降维, 虽解决了网络参数量过大的问题, 但会丢失一部分信息, 无法充分发挥网络的学习能力。 针对近红外光谱的特性, 提出了一种分组全连接的近红外光谱定量分析网络GFCN。 该网络在传统的两层全连接网络的基础上, 用若干个小的全连接层替代第一个全连接层, 克服了直接输入光谱导致网络参数量过大的缺点。 采用Tecator和IDRC2018数据集对该方法进行测试, 同时与全连接网络FCN和偏最小二乘PLS两种方法进行对比。 结果显示: 在两个数据集上, GFCN预测效果均优于FCN和PLS。 在只有少量样本参与建模的情况下, GFCN依然能够保持较高的预测效果。 表明, GFCN可以用于近红外光谱的定量分析, 并且适应样本较少的场景, 具有重要的研究价值和广泛的应用场景。

为了筛选影响春季育苗移栽期番茄穴盘苗健壮程度的关键指标, 并实现其快速无损检测, 测定了5项秧苗指标, 经向量归一化预处理并采用独立性权系数法确定各指标权重, 并根据权重结果挑选出包含信息较全面, 影响较大的两个指标: 叶绿素和干质量。 两项指标所组成的简化秧苗评价值可以近似表示综合评价值, 相关系数r为0.92, 大大减少了品质检测所需的指标量, 并可以很好的表征春季育苗移栽期番茄苗的健壮度。 提取了各穴盘苗的可见-近红外光谱数据, 经去噪和多元散射矫正(MSC)预处理, 消除了由光散射等带来的光谱干扰信息, 相较原始光谱信息更具可利用性。 随后采用光谱-理化值共生距离(SPXY)算法对样本集进行划分, 利用波段值和评价值两种变量同时计算样本间距离, 以最大化表征样本分布, 提高样本差异性和代表性。 采用竞争性自适应重加权算法(CARS)和无信息变量消除连续投影算法(UVE-SPA)优选光谱特征波数, 降低光谱数据维度, 得到了更能体现光谱特征的简化光谱信息, 减少了冗余信息对建立模型精准度和分析速度的影响。 最后应用偏最小二乘支持向量机(LS-SVM)和基于U-Net模型改造的卷积神经网络(CNN), 以预处理后的光谱数据和提取特征波长后的光谱数据分别作为模型的输入, 建立了光谱数据与综合评价值的非线性映射模型, 并进行对比选优。 结果显示: 应用UVE-SPA预处理方法筛选出的波段, 光谱信息更加丰富有效; 两种预处理后的优选波段所建模型回归效果整体优于全波段建立的模型; CNN模型的建模效果整体优于LS-SVM模型, 且UVE-SPA-CNN模型对光谱数据和秧苗评价值的回归分析效果最好, 其建模集和预测集的相关系数r分别为0.988和0.946, 均方根误差RMSE分别为0.085和0.025, 为直接利用光谱数据获取融合了多种因素的番茄秧苗评价值, 从而判别秧苗健壮度提供了理论依据。

激光在水下的传输很大程度上会受到海水中悬浮颗粒物的影响, 而目前对于海洋中悬浮颗粒物光散射的理论研究大多是针对单一成分的悬浮粒子而进行的, 但是在真实海洋中悬浮颗粒物都是以多种成分混合的颗粒群形式而存在的, 因此研究真实海洋中混合悬浮颗粒物对蓝绿激光的散射特性具有重要意义。 该研究选取了对蓝绿激光传输产生较大影响的浮游藻类植物、 悬浮泥沙、 碎屑、 悬浮气泡和矿物质这五种常见的悬浮颗粒物作为研究对象, 充分考虑真实海况中这五种悬浮颗粒物的不同混合情况, 构建了海水中混合球形悬浮颗粒物对蓝绿激光的散射特性模型。 数值计算了海水中五种物质混合的球形悬浮颗粒物对532 nm蓝绿激光的统计平均光散射参量和平均散射相函数, 分析不同混合悬浮颗粒物的混合比对平均散射、 吸收和消光系数以及单次反照率随着粒子有效半径和粒子数浓度变化的影响, 同时分析了不同粒子尺寸下的不同混合比对混合悬浮颗粒物的平均散射相函数随着角度变化的影响。 数值结果表明, 当悬浮泥沙在整个混合模型中占比越大时, 平均散射系数越大, 而当悬浮藻类粒子在整个混合模型中占比增大时, 平均吸收系数增大, 由此可知海洋中对光造成主要影响的五种常见悬浮颗粒物中, 悬浮泥沙对光散射作用影响最大, 悬浮藻类粒子对光吸收作用影响最大。 随着悬浮颗粒物浓度的增大, 混合粒子的单次反照率保持不变, 由此可知混合悬浮颗粒物的平均光散射参量随着粒子浓度的增长速率是一致的。 海洋中混合悬浮颗粒物的平均散射相函数随着粒子的有效半径的增大而增大, 散射作用最大的混合比下的悬浮颗粒物其平均散射相函数最大, 悬浮颗粒物的前向散射较强。 该工作对蓝绿激光在海水中传输、 信道建模, 水下无线光通信的研究以及激光探测都具有重要的理论指导意义。

煤岩识别一直是制约煤矿无人化开采的关键问题之一。 传统的人工采煤因为工作环境极其复杂, 很难精准地找到煤岩的分界面, 容易造成欠切割或过切割现象。 太赫兹光谱技术作为一种无损探测技术, 能够反映出被测物体的物理和化学信息, 可以成为研究煤岩识别的有效方法。 采用太赫兹时域光谱技术与多元统计法—聚类分析(CA)和主成分分析(PCA)相结合的方法来识别不同种类的煤岩。 通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱, 对其进行FFT等一系列数学计算可以得到各种样品的折射率、 吸收系数以及介电常数。 计算结果表明不同种类的煤岩在折射率、 吸收系数上都存在差异。 分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系, 可以发现碳含量是影响其样品折射率大小的因素之一, 灰分含量是影响其样品吸收系数大小的因素之一。 聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分(PC1)得分都能反映煤岩样品之间的相似性和相异性, 并且CA与PCA的结果保持一致。 分别将各类样品在0.5~2.5 THz频率范围内的折射率、 吸收系数与CA和PCA结合, 组成太赫兹数据与煤岩之间的模型。 分析表明: 根据不同样品之间的相似性, 两种模型中六种煤岩样品均被分为两类; 在各种样品的吸收系数与CA-PCA组成的模型中, 四种煤炭被聚集在一起, 并且石英砂岩(GSR-4)具有很好的独特性: 石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大, 为219.03。 由此可见采用太赫兹技术与多元统计方法结合, 可以实现煤岩的准确识别, 识别准确率可以达到100%。

弱光上转换是将低能量光子转换为高能量光子的过程, 在三维荧光显微成像、 太阳能电池、 光催化等领域具有广泛的潜在应用, 因而成为有机荧光材料领域的热点课题。 目前基于三线态-三线态湮灭机制有机弱光上转换材料(TTA-UC)的研究已较为深入, 有关发光机理及应用研究均有较多报道; 然而针对另一种有机弱光上转换机理——基于单光子热带吸收的弱光上转换(OPA-UC)的研究目前还较为少见。 氮杂蒽衍生物由于具有良好的结构刚性和平面性, 高的荧光量子产率, 是研究TTA-UC和OPA-UC两种有机上转换发光的理想模型分子结构。 通过研究比较三种氮杂蒽衍生物: 酚藏花红(PSF)、 藏红T(SFT)、 亚甲基紫(MTV)各自TTA-UC和OPA-UC的发光性能差异, 分析探讨了分子结构对OPA-UC发光性能及TTA-UC敏化效率的构效关系。 实验发现酚藏花红和藏红T由于具有较高的荧光量子产率, 同时辐射衰减常数较大, 其主要衰减过程为辐射衰减; 而亚甲基紫具有较高的分子内电荷转移能力(ICT), 因而非辐射衰减部分更多。 研究三种分子的TTA-UC性能, 发现亚甲基紫的三线态能级过低无法进行三线态-三线态能量转移过程, 而藏红T由于拥有更高的三线态寿命而具有更高的上转换发光效率(9.69%), 是酚藏花红体系(3.16%)的3倍。 进一步研究酚藏花红和亚甲基紫的OPA-UC性能差异, 发现相同浓度条件(10^-3 mol·L^-1)下亚甲基紫(0.12%)的OPA-UC发光效率相较于酚藏花红(0.059%)更高, 且随着浓度的升高, 亚甲基紫的OPA-UC发光增强效应更大。 进一步研究表明, 在TTA-UC发光过程中, 敏化剂的敏化效率主要受分子三线态寿命以及系间窜跃能力影响, 寿命越长, 系间窜跃能力越强, 敏化效率越高; 而在OPA-UC发光过程中, 湮灭剂分子的发光学率主要受ICT影响, ICT能力越大, 分子发光效率越高。 使用氮杂蒽分子廉价易得, 对未来高性能TTA-UC和OPA-UC发光分子的设计具有一定的实际意义。

用于光动力疗法(PDT)中的光敏剂是一类吸收一定波长的光后达到激发三重态, 然后将三重态能量转移给生物体内的氧分子使得基态氧激发为单线态氧的一类物质。 目前, 临床应用的光敏剂大部分是以卟啉为主的平面型分子。 平面分子一般具有较大的共轭键, 被光激发后系间窜跃小, 三重态寿命较长, 因此可以获得高产率的单线态氧。 然而临床使用的这类光敏剂吸收波长位于紫外区域, 照射光会对人体组织造成光损伤, 因此改善临床光敏剂光毒性特征, 合成具有可见光区域吸收波段的光敏剂是光动力疗法研究的重要内容之一。 该研究依据密度泛函(DFT)及其含时理论(TD-DFT), 对三类平面型卟啉衍生物[耳坠型卟啉(a), 三磺酸基酞菁(b), 三磺酸基酞菁合Ni(Ⅱ)(c)]的基态和激发态性质进行了严格的密度泛函计算。 几何优化计算显示: 分子(a)的最稳定构型中, 所有原子都处于一个平面, 分子直径大约是7 Å, 分子空穴达到5 Å。 分子(b)所有的原子也处于同一平面, 分子直径达到8 Å, 但是分子空穴只有4 Å。 分子(c)的最稳定构型与平面结构发生了偏离, 这是由于金属Ni的四配位倾向形成变形四面体, 分子的空穴变得更小。 几何优化结果说明耳坠型卟啉分子大的空穴有助于其捕获更多的基态氧并进行能量传递。 前线轨道能量和轨道布局计算显示: 耳坠型分子(a)最高占据能量是最高的, 即电子更易被激发。 三类分子的最高占据轨道与最低空轨道的能级间隔分别为0.072, 0.076和0.075 a.u., 可以看出耳坠型分子(a)有最低的能级间隙。 从轨道布局来看, 三类分子中所有原子的p轨道参与了共轭大π键的形成, 其中分子(c)中金属d轨道也参与了大π键的形成。 对三类分子的吸收光谱进行了模拟, 三类分子都具有卟啉特有的Soret带和Q带。 (a)分子Q带位于450~900 nm, (b)分子和(c)分子的Q带位于400~800 nm, 其中(a)分子的最大吸收波段是939 nm。 该研究从分子结构, 轨道能量以及吸收光谱对三类卟啉类光敏剂的微观特性进行了理论计算和讨论, 研究结果将为发现和开发近红外吸收的卟啉类高效光敏剂提供理论依据。

产地是影响中药材质量的重要因素, 产地差异导致中药材质量参差不齐, 为维护市场秩序, 有必要建立中药材产地鉴别方法, 以便更加精准地判别和分析中药材品质。 以多产地临床大宗药材丹参为研究对象, 收集不同产地丹参样品150份, 采用显微聚焦拉曼光谱技术在无损条件下对每份丹参样品的每根药材表面随机扫描1~n次, 求每份样品扫描1~n次的平均光谱。 分析原始光谱数据发现丹参表面光谱信号同时包含了丹参酮类成分的拉曼光谱和杂质的荧光光谱, 主要表现在特定波长范围内不同产地丹参存在各自的聚集区和丹参表面光谱信号强度明显弱于或强于丹参酮类对照品的拉曼光谱信号强度。 对扫描1~n次的平均光谱数据进行预处理后运用偏最小二乘判别分析(PLS-DA)和随机森林分类算法[不筛选(RF)或筛选重要变量(RF-VS)]建立扫描1~n次的丹参产地分类模型。 结果随机扫描1次所得最优模型训练集和测试集预测准确率分别为88%和87%, 且对质量差和质量优的丹参样品区分准确率高达97%; 随机扫描2次和3次所得最优模型训练集和测试集预测准确率均分别为89%和87%, 结合模型运行效率和成本, 选择随机扫描1次所得光谱, 经一阶导数(1ST-D)预处理和RF-VS计算所得模型为丹参最终产地鉴别模型。 综上, 在无损伤条件下显微聚焦拉曼光谱技术能建立快速、 准确的丹参产地鉴别预测模型, 为该技术进一步用于贵细中药材的产地和真伪鉴别提供参考。

采用二维相关光谱(2D-COS)技术, 以氘代氯仿为溶剂, 解析了丹参酮ⅡA和隐丹参酮标准品的近红外光谱(NIR)。 丹参酮ⅡA和隐丹参酮二维相关切片谱在1 600~1 800, 1 900~2 230和2 300~2 400 nm处有特征吸收, 其中丹参酮ⅡA在1 640和2 140 nm处有不同于隐丹参酮的呋喃环双键一级倍频和组合频吸收, 1 696 nm为丹参酮ⅡA和隐丹参酮分子中甲基伸缩振动二级倍频, 1 726和1 740 nm处吸收为丹参酮ⅡA和隐丹参酮环己烯亚甲基伸缩振动二级倍频, 2 146和2 220 nm为丹参酮ⅡA和隐丹参酮苯环C—C伸缩振动与C—H伸缩振动的组合频, 2 300~2 400 nm处一系列峰为丹参酮ⅡA和隐丹参酮甲基伸缩振动与弯曲振动组合频吸收。 以丹参酮提取物为载体, 以丹参酮ⅡA和隐丹参酮光谱解析特征波段及组合间隔偏最小二乘(SiPLS)筛选特征波段分别建立偏最小二乘(PLS)定量模型, 模型的决定系数R²均大于0.9, 校正均方根误差(root mean of square error of calibration, RMSEC)和交叉验证均方根误差(RMSECV), 预测均方根误差(RMSEP)均较小。 结果表明, 2D-COS技术解析特征波段与SiPLS波段筛选所建PLS模型均稳定。 2D-COS技术使近红外定量模型更具解释性, 可解析出结构差异特征吸收, 同一波段可实现结构类似物的同时定量测定。

随着科学技术不断发展, 中药质量控制和质量评价出现了越来越多的新技术。 在中药标准化过程中, 现代药学研究已经取得了许多令人瞩目的成果, 检测方法和技术取得了很大的进展, 由过去单一指标检测发展到多指标检测, 但由于中草药成分复杂, 作用机制不明等因素制约了中药的发展。 红景天是一种少数民族药, 是中医药发展不可或缺的组成部分。 红景天苷是红景天中的主要有效成分之一, 其提取、 分离和纯化等方法报道甚多, 但其分子键长键角二面角、 前线轨道分布、 表面静电势等分子参数却鲜有报道, 这些都是决定其化学性质和反应机理的重要因素。 采用Gaussian09W化学计算软件的密度泛函理论DFT/B3LYP方法和6-31(d)基组优化红景天苷分子, 得到其稳定结构的键长、 键角和二面角参数。 在此稳定构型的基础上, 计算其表面静电势(ESP)、 最低空轨道(LUMO)、 最高占据轨道(HOMO)、 红外光谱(IR)和核磁共振波谱数据(NMR)。 分别对IR和NMR峰位置进行了归属并与文献报道数据进行了对比, 结果表明: 计算结果的红外吸收频率没有出现虚频说明该优化结果是合理可靠的, 最高占据轨道能量E=-5.82 eV, 最低空轨道能量E=-0.000 42 eV, 二者差值为5.81 eV。 通过绘制了轨道的电子云分布图可以看出HOMO轨道主要分布于苯环, 为π电子的成键轨道有一个节面; LUMO轨道也主要分布在苯环上, 为π电子的反键轨道有两个节面。 表面静电势的绘制可以直观地反映出分子中哪部分易发生亲核取代、 哪部分易发生亲电取代反应。 通过绘制第一激发态和基态电子差值, 可以直观地得到电子的迁移方向。 对红景天苷分子计算理论研究可以为进一步探索其化学反应机理、 结构修饰和活性位点的确认等提供重要的参考依据和新思路。

水果货架期是影响水果品质的重要因素之一, 快速无损检测货架期是消费者、 食品加工企业日益关心的问题, 为了探讨水果不同货架期的预测判别方法的可行性, 以不同货架期脐橙为实验样品, 运用高光谱成像技术并结合化学计量学方法对不同货架期脐橙进行了预测判别。 分别采集脐橙货架期第0天、 第7天、 14天后的脐橙样本高光谱图像, 并进行高光谱图像校正。 从光谱角度, 提取脐橙样本的平均光谱, 每条光谱有176个波长点; 从图像角度, 先提取脐橙样本的RGB和HSI颜色空间中R, G, B, H, S和I特征值, 得到6个分量的均值, 然后提取灰度共生矩阵的能量、 熵、 对比度、 逆差矩、 相关性的5个图像纹理信息, 一共11个图像特征值, 并将图像特征进行归一化处理; 结合光谱和图像信息, 即176个原始光谱和11个图像信息一共187个特征值。 利用光谱信息、 图像信息、 光谱和图像融合信息进行建模, 分别建立偏最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型。 当原始176个光谱变量作为输入变量, 核函数为LIN-Kernel时, LS-SVM模型预测效果最佳, 预测集误判率为5.33%。 当11个图像特征变量作为输入变量, 核函数为LIN-Kernel时, LS-SVM模型预测效果最佳, 预测集误判率较高为20%。 当原始176个光谱变量和11个图像特征变量的融合特征作为输入变量, 核函数为LIN-Kernel时, LS-SVM模型预测效果最佳, 预测集误判率为1.33%。 实验结果表明, 以光谱和图像融合信息建立LS-SVM模型效果最优, 提高了对不同货架期脐橙识别的正确率, 可实现对不同货架期的脐橙准确有效分类识别, 误判率为1.33%。 利用高光谱成像技术对不同货架期脐橙进行快速判别, 对消费者购买新鲜水果和水果深加工企业具有一定程度的理论指导, 也为后期相关仪器研发奠定了基础。

作为两种常用的喹诺酮类抗生素, 培氟沙星和氟罗沙星残留问题引起人们的高度关注, 研发快速、 高效的检测手段成为一种需求。 采用太赫兹时域光谱(THz-TDS)技术对鱼粉基质中的培氟沙星、 氟罗沙星进行了研究。 制备培氟沙星、 氟罗沙星、 聚乙烯和鱼粉纯净物质以及培氟沙星-鱼粉和氟罗沙星-鱼粉17种不同浓度二元混合物的压片样品, 共106个; 对所有压片样品进行太赫兹光谱测量和分析; 利用连续投影算法(SPA)结合支持向量机(SVM)和反向传播神经网络(BPNN)建立定性判别模型, 对培氟沙星-鱼粉和氟罗沙星-鱼粉这两种混合物进行分类判别; 利用特征频率处吸收系数建立偏最小二乘回归(PLSR)、 BPNN、 多元线性回归(MLR)定量预测模型, 分别对两种混合物进行定量预测。 结果表明: 纯净培氟沙星在0.775和0.988 THz存在明显吸收峰, 纯净氟罗沙星在0.919和1.088 THz存在明显吸收峰, 聚乙烯对太赫兹波基本没有吸收, 鱼粉无吸收峰, 两种抗生素与鱼粉混合后的峰值出现在纯净抗生素的吸收峰附近; 在定性判别中, SVM判别结果最佳, 预测集判别准确率、 精确率、 召回率、 F1得分分别为97.06%, 97.22%, 97.06%和97.06%; 定量回归中, SPA-BPNN 模型用于预测培氟沙星-鱼粉结果最佳, 预测集相关系数(R_p)、 预测集均方根误差(RMSEP)分别为0.984 9和0.009 5, SPA-MLR模型用于预测氟罗沙星-鱼粉结果最佳, R_p和RMSEP分别为0.982 7和0.040 6。 研究表明THz-TDS技术对鱼粉基质中培氟沙星、 氟罗沙星进行定性定量检测是可行的, 为畜禽行业中培氟沙星和氟罗沙星实际检测提供理论和技术参考。

钢材炼制过程锰、 镍元素的含量均会对最终产品的硬度脆度产生影响, 但由于其添加的含量需要进行严格控制, 同时传统的钢铁成分检测的设备成本高、 效率低、 速度慢, 因此需要一种高精度的快速实时分析方法。 利用遗传偏最小二乘法(GA-PLS)结合LIBS技术对钢铁样品光谱中的Mn和Ni两种元素进行定量检测, 并且与传统PLS的定量分析结果进行对比, 以验证GA-PLS模型预测性能。 采用购置于钢材市场的12个钢铁样品, 其中9个样品的光谱信息作为校正集训练模型, 3个作为测试集验证模型定量性能。 GA-PLS通过不断提高变量被选频率的阈值, 用不同阈值下的变量建立PLS模型, 对比选出最低RMSECV时的阈值(Mn和Ni元素的光谱输入变量被选频率的最佳阈值分别为8和7)。 结果显示: GA-PLS锰元素预测结果的$R_{P}^{2}$和RMSE_P分别是0.999 0和1.347 3, 相对分析误差(RPD)为2.5; 镍元素预测结果的$R_{P}^{2}$和RMSE_P分别是0.999 5和0.525 4, RPD为8.6, 最终预测的结果优于PLS。 该结果表明了GA-PLS算法在冶金金属元素分析领域具有可持续性挖掘的潜力, 同时也将促进LIBS技术在钢铁冶炼领域更深层次的应用。

生物炭(BC)施加至土壤后会释放出溶解性有机质(DOM), 能够改变土壤DOM的含量和化学性质, 进而对土壤DOM的环境行为产生重要影响。 BC DOM的分子组成和结构决定了其复杂的环境行为, 然而目前针对其分子量组分的研究几乎为空白。 本研究以稻秆和猪粪为原料, 在300, 400和500 ℃分别制备生物炭, 利用纯水萃取-过滤得到DOM, 采用超滤方法将其分离为<1, 1~5和>5 kDa(千道尔顿)组分。 通过溶解性有机碳(DOC)、 紫外-可见光光谱(UV-Vis)、 三维荧光光光谱结合区域体积积分(EEM-FRI)系统解析了BC DOM中不同分子量级组分的含量和光谱特征。 结果显示, 不同裂解温度下稻秆和猪粪BC DOM的DOC在<1, 1~5和>5 kDa组分中的分布分别为42%~60%, 16%~23%和23~29%, α₂₅₄的分布范围分别为4%~27%, 8%~49%和26%~81%。 表明BC DOM的DOC主要分布在<1 kDa组分, 而发色物质主要分布在>5 kDa组分。 400和500 ℃下BC DOM中>5和1~5 kDa组分的分子量和芳香度明显高于300 ℃下。 相比而言, 稻秆BC DOM中>5 kDa组分比猪粪的含有更多的芳香族结构, 而猪粪BC DOM中<1 kDa组分的芳香度却高于稻秆。 稻秆和猪粪BC DOM中各级分子量组分均具有相似的EEM光谱特征, 表明BC DOM是一种连续有机体系。 稻秆和猪粪BC DOM的分子量级组分分别以类富里酸和低激发色氨酸荧光物质组成为主。 BC DOM中<1, 1~5和>5 kDa组分的FI和BIX基本呈现依次降低趋势, 而HIX值则呈现出依次升高的趋势, 结果表明BC DOM中高分子量组分富集了较多的具有高芳香性和高腐殖化程度的有机组分。 研究结果将进一步提升对BC DOM的分子量组成和结构特征的认识, 同时可以为准确评估BC DOM的环境行为提供重要的基础数据。

蔬菜大棚种植对蔬菜供应发挥着重要的作用, 蔬菜大棚棚龄会影响蔬菜的产量和质量。 以不同棚龄(1年、 10年和18年)的黄瓜为对象, 利用漫反射傅里叶变换中红外光谱, 通过解析黄瓜的光谱特征峰, 探究棚龄对黄瓜品质的影响。 研究表明, 黄瓜的多糖和蛋白质组分在3个棚龄呈现先增加后降低的趋势, 10年棚龄种植的黄瓜多糖和蛋白质组分显著高于1年和18年的黄瓜多糖和蛋白质组分。 高的棚龄(即10年和18年)显著增加了黄瓜的木质素组分。 木质素组分主要分布于黄瓜皮中, 增加木质素组分会降低黄瓜的食用口感。 另外, 黄瓜中各有机组分的比值能综合反映不同棚龄下黄瓜的品质。 18年棚龄的黄瓜多糖与蛋白质组分的比值以及多糖与木质素组分的比值低于1年和10年棚龄的黄瓜各有机组分的比值, 表明1年和10年棚龄的黄瓜中碳水化合物和营养物质的比值更加均衡。 通过分析黄瓜各有机组分以及黄瓜各有机组分比值随着黄瓜棚龄的变化, 知悉黄瓜棚龄在10年以内时, 对黄瓜品质提升具有促进作用, 但更长的棚龄会抑制黄瓜品质。 因此, 综合考虑黄瓜的品质, 建议黄瓜棚龄不宜太长。 另外, 通过分析棚龄对黄瓜叶片有机组分的影响, 发现黄瓜叶片各组分与黄瓜各组分的变化趋势相似。 线性相关分析指出黄瓜蛋白质和木质素组分分别与黄瓜叶片蛋白质和木质素组分显著正相关, 表明黄瓜叶片在一定程度上能反映黄瓜的营养成分和黄瓜口感。 利用红外光谱解析不同棚龄下表征黄瓜品质的有机组分, 为蔬菜大棚管理以及提高蔬菜品质提供了科学依据。

铜精矿的铜含量在20%~30%, 是冶炼铜的基础矿物原料, 由于地质因素和冶炼技术的差别, 世界各矿区铜精矿的等级存在差异, 加之近年来, 铜精矿掺假造假、 伪报瞒报、 有毒有害元素超标等案件多发, 对国家和人民的生活和经济发展造成了危害, 建立进口铜精矿产地溯源和特征成分分析方法, 在口岸执法方面可以提供有效技术支持。 本研究应用电感耦合等离子体质谱仪测定铜精矿样品中的钇、 镧、 铈、 镨、 钕、 钐、 铕、 钆、 铽、 镝、 钬、 铒、 铥、 镱、 镥等15种稀土元素含量。 铜精矿的物理化学性质相对稳定, 针对铜精矿中稀土元素的消解方法有碱熔法、 微波消解酸溶法和常压酸溶法, 实验采用改进的常压酸溶法对样品进行消解, 选取具有代表性的5^#, 6^#, 13^#, 16^#和18^#不同稀土元素含量的铜精矿样品, 通过对氢氟酸、 高氯酸、 勒福特王水三种强酸的加入顺序和用量进行试验, 得到了所有铜精矿样品能够完全溶解, 而且用量合理的混合强酸体系最佳方案为3 mL氢氟酸-1 mL高氯酸-3 mL勒福特王水。 铜精矿属于高基体样品, 其硅酸盐、 碳酸盐等高盐化合物会对稀土元素分析带来基体干扰, 本研究比较了电感耦合等离子体质谱仪的普通模式和高基体样品进样模式下样品的分析效果, 普通模式时稀土元素工作曲线的一元线性结果较差, 高基体进样模式时工作曲线的线性相关系数都在0.999 4以上, 定量范围在2.25~110.00 mg·kg^-1, 检出限在0.008 1~0.072 5 μg·L^-1。 选取13^#铜精矿样品进行方法的回收率试验, 回收率在97.4%~103.0%, 精密度小于3.1%。 同时, 选用与铜精矿样品组成相似的GBW07105玄武岩岩石成分分析标准物质和GBW07234铜矿石标准物质, 按照本实验方法, 对稀土元素含量进行测定, 考察了在本方法测定范围内的稀土元素Y, La, Ce, Pr, Nd, Sm, Gd和Dy的含量, 测定值都在标准物质标准值范围内。 该方法快速、 有效、 准确, 易于操作, 可以为进口铜精矿的矿区辨识提供有力技术支撑。

翡翠为一种珍贵的玉石。 不同产地的翡翠价值差异较大, 有些不法商人以某些产地的翡翠冒充缅甸翡翠以获取高价。 迫切需要一种可靠方法来确定宝石地理起源, 翡翠的产地研究具有重要的宝石学意义, 目前主要在翡翠生成时代、 矿物组合、 硬玉组分含量等方面探讨不同产地翡翠, 缺乏快速有效鉴别产地的方法, 以缅甸、 俄罗斯、 危地马拉翡翠为研究对象, 对不同产地相同厚度翡翠样品的谱学研究发现: 不同产地翡翠紫外-可见吸收光谱中都存在两个明显的吸收峰, 紫区437 nm的吸收峰为Fe³⁺的吸收, 430 nm处的吸收峰为Mn²⁺的自旋禁阻跃迁所致, 但是三个产地翡翠紫外-可见吸收光谱的吸收系数范围不同, 430 nm处吸收系数峰值范围小于0.62, 437 nm处吸收系数峰值小于0.66时, 为缅甸翡翠, 430 nm处吸收系数峰值范围大于1.1, 437 nm处吸收系数峰值大于1.1, 为危地马拉翡翠, 430 nm处吸收系数峰值范围0.62~1.14, 437 nm处吸收系数峰值范围0.66~1.1时, 俄罗斯、 危地马拉及缅甸翡翠紫外吸收波段重合, 为三个产地翡翠共同区域。 采用激光剥蚀电感耦合等离子体质谱仪(LA-ICP-MS)确定MnO和FeO元素含量, 发现不同翡翠产地紫外-可见430和437 nm吸收峰值与MnO和FeO元素含量呈正相关关系, 该研究为紫外-可见吸收光谱技术应用于翡翠产地快速鉴别, 有一定的实用性和可行性。

种子的萌发是种子生命历程中的主要组成部分之一, 了解种子萌发过程中经历的生理生化变化, 准确确定种子的活力, 对农业生产很重要, 因而, 研究种子萌发有重要意义。 采用傅里叶变换红外光谱结合曲线拟合研究不同萌发程度的水稻种子, 以探寻种子贮藏物质动员情况, 对不同萌发时间的水稻种子进行傅里叶变换红外光谱、 二阶导数光谱、 二维相关红外光谱和曲线拟合研究。 结果显示, 原始红外光谱整体相似, 光谱反映出水稻种子的主要贮藏物质为淀粉、 蛋白质和脂肪; 吸收峰强度比A_{1 659}/A_{1 019}, A_{1 740}/A_{1 019}, A_{1 157}/A_{1 019}, A_{1 157}/A_{1 081}随萌发时间的增加而降低。 814~1 000和1 028~1 340 cm^-1范围内的二维相关红外光谱结果显示自动峰个数和最强自动峰的位置、 强度随种子萌发时间的增加而变化, 表明种子在萌发过程中糖类和蛋白质发生变化。 二阶导数光谱在1 200~950 cm^-1范围内出现七个峰, 其中988 cm^-1处的峰随萌发时间的增加向较高波数蓝移, 而1 053和1 158 cm^-1处的峰向较低波数红移, 表明水稻种子在萌发过程中多糖的结构和含量可能发生了变化; 在1 700~1 600 cm^-1范围内出现九个峰, 其中1 641和1 692 cm^-1处的峰呈现随萌发时间的增加红移到较低波数的趋势, 表明水稻种子在萌发过程中蛋白质的结构和含量可能发生了变化; 在1 800~1 700 cm^-1范围二阶导数光谱仅观察到1 712和1 744 cm^-1处的两个峰, 其中1 744 cm^-1由脂类物质C=O伸缩振动引起, 为脂肪的特征峰。 为进一步研究水稻种子萌发过程中贮藏物质的具体变化, 以二阶导数光谱确定的子峰位置和数目为依据, 对原始红外光谱的1 200~950与1 800~1 600 cm^-1区域进行曲线拟合分析。 曲线拟合结果显示, 随萌发时间的增加, 多糖和蛋白质的相对含量总体上呈现下降趋势, 脂肪的相对含量先降后升。 研究表明, 傅里叶变换红外光谱结合曲线拟合可作为研究种子萌发的有效手段。

不同品种及产地的小米在口感及营养价值上存在显著差异, 因此区分不同种小米对消费者具有参考意义。 将傅里叶变换红外光谱(FTIR)、 二维相关红外光谱(2D-IR)与曲线拟合、 主成分分析(PCA)相结合, 鉴别小米的品种及产地。 结果显示: 小米主要由碳水化合物、 蛋白质和脂质组成, 因此, 其FTIR特征相似; 二阶导数光谱(SD-IR)在3 012, 2 962, 2 928, 2 856, 1 748和1 548 cm^-1附近的吸收峰强度存在明显差异; 2D-IR在1 200~860和1 700~1 180 cm^-1范围内, 小米样品的自动峰和交叉峰数目、 位置和强度差异明显; 曲线拟合结果显示小米在1 700~1 600 cm^-1范围内子峰面积比例不同, 说明不同品种间小米的蛋白质含量不同, 可以实现小米品种的鉴别分类; 选取1 800~800 cm^-1范围内的导数光谱进行主成分分析, 前3个主成分累积贡献率为97%, 不同产地的小米都得到正确归类。 研究表明, 红外光谱结合统计分析方法, 是鉴别小米品种及产地的有效方法。

采用衰减全反射傅里叶变换红外光谱法(ATR-FTIR), 结合多元校正模型对γ-聚谷氨酸(γ-PGA)发酵过程中两种主要底物葡萄糖和谷氨酸钠的浓度进行间接测量, 为优化发酵系统控制提供重要的反馈信息。 光谱测量中经常出现的基线漂移会严重影响后续多元校正模型的性能, 需要采用基线校正算法对光谱进行预处理。 现有流行的基线校正算法多数是基于Whittaker Smoother(WS)平滑算法, 这些算法均采用整数阶微分对拟合基线进行约束, 表达能力有限。 针对现有基线校正算法中的整数阶微分自适应性差的问题, 利用更加灵活的分数阶微分对基线进行约束, 提出了一种基于分数阶的基线校正算法, 实现对整数阶基线校正的扩展。 总共进行了5个批次的γ-PGA发酵实验, 并对不同批次和全部批次的ATR-FTIR光谱数据分别进行了分数阶基线校正, 模型的预测精度均得到不同程度的提升。 实验结果表明, 只有在批次2时, 基于整数阶的基线校正效果最好; 其他批次的基线校正效果最好时的阶次均为分数阶。 这也表明了分数阶微分(包含整数阶微分)对基线的约束更加合理。 同时发现全部批次的整体基线校正效果远远差于单一批次的效果, 原因可能是各批次发酵光谱的基线是不同的, 对不同的批次需要选用不同的阶次以获得最佳的基线校正。 此外, γ-PGA发酵样品的ATR-FTIR光谱测量是以蒸馏水为背景, 会在3 100~3 600 cm^-1波数范围内出现负水峰, 形成有害的干扰信号; 分数阶基线校正后的光谱表明, 分数阶基线校正算法将负的水峰当作基线, 在一定程度上进行了消除。 综上分析, 分数阶基线校正算法不仅扩展了传统整数阶基线校正算法的应用范围, 也为消除ATR光谱中负的水峰提供了新的解决思路。

拉曼光谱由于重现性差, 在进行定量分析时往往需要内标。 在水溶液中, 水在2 700~3 900 cm^-1范围伸缩振动拉曼峰很强, 有作为内标的可能性, 但水与溶质的相互作用会导致水伸缩振动拉曼峰形状发生变化, 此外水的占比也会随着溶质浓度的变化而变化, 当溶质浓度较高时需要对水的含量进行校正。 将这两点因素考虑在内, 研究了以水为内标, 采用拉曼光谱法测量水溶液中NO3-, SO42-和ClO4-浓度的适用性。 不同浓度NaNO₃, Na₂SO₄和NaClO₄溶液的拉曼光谱显示随着盐浓度的升高水在2 700~3 900 cm^-1范围内的拉曼峰呈现出左肩下降右肩上升的变化趋势。 将三种盐溶液拉曼光谱中酸根离子拉曼峰面积(A_盐)和水的拉曼峰面积(${{A}_{{{\text{H}}_{2}}\text{O}}}$)的比值(R_S=A_盐/${{A}_{{{\text{H}}_{2}}\text{O}}}$)与溶液中酸根离子和水的含量的比值(c_盐/${{c}_{{{\text{H}}_{2}}\text{O}}}$)作图, 均呈现出良好的线性关系, 拟合得到三条相关曲线的R²分别为0.999 1, 0.999 1和0.999 4, 说明酸根离子和水的拉曼散射系数均未发生变化或者在同比例变化。 虽然水拉曼峰的形状发生了改变, 但并不会影响水作为内标的可行性。 在引入水的含量修正后, 经理论推导c_盐与R_S符合关系式: c_盐=AR_S/(1+BR_S)。 在0.1 mol·L^-1到近饱和的宽浓度范围内, 将R_S对c_盐作图, 通过数据拟合获得的NaNO₃, Na₂SO₄和NaClO₄的工作曲线分别为${{c}_{\text{NaN}{{\text{O}}_{3}}}}$=18.8R_S/(1+0.6R_S) (R²=0.999 1), ${{c}_{\text{N}{{\text{a}}_{2}}\text{S}{{\text{O}}_{4}}}}$=20.2R_S/(1+1.0R_S) (R²=0.998 8), ${{c}_{\text{NaCl}{{\text{O}}_{4}}}}$=15.0R_S/(1+0.7R_S) (R²=0.999 8)。 NaNO₃, Na₂SO₄和NaClO₄的检出限分别为0.008 0, 0.005 2和0.007 3 mol·L^-1。 在水拉曼峰形状变化不影响其作内标可行性的基础上, 当溶液中同时存在两种阴离子时, 通过在水含量修正部分加入干扰离子对水含量的影响, 可以在单盐溶液定量工作曲线中加入校正项来消除溶液中干扰离子对待测离子分析结果的干扰, 但当干扰离子浓度较大而待测离子浓度较小时, 干扰离子拉曼峰强度过大会影响到待测离子拉曼峰面积的准确性, 从而使得校正的效果下降。

基于电感耦合等离子体质谱(ICP-MS)建立测定地表高盐水体中痕量稀土元素的分析方法, 提出UV/H₂O₂去除地表水体中有机物的新策略。 地表水体中的溶解态稀土浓度极低, 质量浓度在ng·L^-1数量级, 分析测试非常困难。 当水体中总溶解性固体超过1 g·L^-1时, 样品直接测试会造成严重的质谱干扰, 同时可能会导致雾化器、 截取锥和样品锥阻塞。 因此, 测试高盐水体中的稀土元素需要先去除水体中的盐类。 为提高测试的准确度, 样品测试前通常需要对水体进行预富集以增加待测物质量浓度。 但是, 内陆地表水体中有机物浓度较高, 在进行预富集的过程中有机物和稀土元素发生络合作用, 使得溶解态稀土在富集时发生分异, 对预富集工作也是一项挑战。 首先在样品中加入H₂O₂, 将样品放入紫外消解系统中氧化去除水体中的有机物, 消解后水体中有机碳的浓度可降低至0.5 mg·L^-1。 然后采用NobiasPA1固相树脂对样品进行预富集, 步骤如下: 首先使用流速为2.2 mL·min^-1的硝酸, 超纯水和醋酸铵缓冲液依次分别清洗预富集系统, 去除预富集系统中可能残留的稀土元素; 然后用流速为2.0 mL·min^-1的醋酸铵缓冲液、 样品和醋酸铵缓冲液依次分别通过固相萃取柱, 富集样品中的稀土元素并去除吸附在树脂柱上的盐类; 最后使用流速为0.7 mL·min^-1的HNO₃溶液淋洗树脂柱并收集样品。 ICP-MS测试样品时, 选择¹¹⁵In为内标校正基体效应。 研究结果表明在pH 4.6±0.1的情况下, 各稀土元素的检出限和空白值分别在0.34~22.0和0.34~12.9 ng·L^-1之间; 稀土元素检出的相对标准偏差(n=5)<5%; 稀土标准溶液的加标回收率在97%~101%之间。 将该方法用于渤海海水、 海河河口水体和西藏雅根错水体, 加入Tm作为内标, 样品的加标回收率在98%~101%, 相对标准偏差(n=3)<5%。 这说明该方法适用于地表高盐水体中溶解态稀土元素的定量分析。

近年来, 随着纳米科技、 聚合物材料和先进制造技术的发展, 以柔性传感器为代表的新兴柔性电子器件在可穿戴、 健康医疗、 物联网终端等领域发挥着越来越重要的作用。 作为柔性电子器件的载体, 柔性基底对传感器的机械可靠性和电学传感性能等方面有着重要的意义。 但由于其表面非极性键造成的高疏水性限制了功能性材料在其表面的沉积, 常常造成柔性基底层与电极层/敏感层之间不稳定的界面结合。 因此, 利用紫外臭氧处理对柔性基底表面改性受到了广泛的关注。 利用近红外光谱技术对柔性基底的紫外臭氧处理效果进行快速精准评估, 旨在从基团分子层面探究其改性效果, 在实际应用中是对传统依靠接触角测量评估方法的有效补充。 具体而言, 对四种常见的柔性基底材料聚二甲基硅氧烷(PDMS)、 聚萘二甲酸乙二醇酯(PEN)、 聚对苯二甲酸乙二醇酯(PET)和聚酰亚胺(PI)进行了1/2/5/10 min不同时长的紫外臭氧(UVO)改性处理, 并利用近红外光谱对其改性效果进行表征研究, 最后利用接触角测量方法对上述的表征结果进行了验证分析。 近红外光谱分析表明: 对于柔性PDMS基底, 紫外光能量不足以切断其中的甲基(—CH₃)官能团和(—C—Si—)等化学键, 无法引入羟基、 羧基等亲水性基团。 对于柔性PEN和PET基底而言, 紫外臭氧处理的效果要优于柔性PDMS基底, 且对柔性PET基底的处理效果要优于柔性PEN基底, 其原因可能是PEN基底材料中萘环的双环结构具有很强的紫外光吸收能力, 阻隔了380 nm以下的大部分紫外线能量。 对于柔性PI基底, 紫外臭氧处理可以有效引入羟基(—OH)和羧基(—COOH)等活性基团, 且这些官能团的强度和数量随着处理时间的增加而增加, 从而在短时间内使得PI基底表面能增大、 接触角减小、 湿润性提高。 接触角测试结果验证: 紫外臭氧处理对于柔性PDMS基底处理效果不明显(接触角下降幅度为8.4%); 对柔性PET基底处理的效果(接触角下降幅度为39.6%)要优于柔性PEN基底的处理效果(接触角下降幅度为9.4%); 紫外臭氧处理的效果对柔性PI基底处理效果最佳, 接触角下降幅度达到了62.7%。

故宫奉先殿是明清两代皇帝祭祀祖先的家庙, 地位仅次于太庙。 奉先殿始建于明成祖时期, 现存建筑主要建于康熙时期, 其上保留了为数不多的清初彩画, 是研究清初彩画的珍贵实物。 利用显微观察、 扫描电子显微镜能谱和激光拉曼光谱分析, 对取自奉先殿的彩画颜料进行分析鉴定。 结果表明, 奉先殿彩画中部分红色和蓝色颜料层存在分层现象, 表层颜色鲜艳明亮, 中层和下层颜色偏浅, 每层所用颜料配方不同。 红色颜料有朱砂、 铅丹和铁红, 绿色颜料均为氯铜矿, 蓝色颜料均为石青, 用铅白打底。 浅色颜料由主显色矿物颜料加入以铅白为主的白色颜料混合调制而成。 其中浅红色由铅丹与铅白调和而成, 浅绿色由氯铜矿与铅白调和而成。 浅蓝色颜料中未发现铅白, 但含有大量Al元素和Si元素, 推测含有高岭土。 浅蓝色颜料有可能是由石青与高岭土调制而成。 奉先殿彩画中未发现清晚彩画常用的合成群青、 巴黎绿等颜料, 反映出奉先殿彩画的绘制年代很有可能就是档案记载的康熙年间, 之后未有大修。 高岭土作为白色颜料调配浅色颜料在彩画制作中比较少见, 奉先殿彩画中高岭土的发现丰富了清代早期彩画颜料制作的资料, 具有一定的学术意义。

天体光谱处理中的一项基本任务是对大量的恒星光谱进行自动分类。 到目前为止, 恒星光谱的分类工作多是基于一维光谱数据。 该研究打破传统的天体光谱数据处理流程, 提出了基于二维恒星光谱分类的方法。 在LAMOST(the large sky area multi-object fiber spectroscopic telescope)的数据处理流程中, 所有的一维光谱都是由二维光谱抽谱、 合并得来。 二维光谱是由光谱仪产生的图像, 包括蓝端图像和红端图像。 基于LAMOST二维光谱数据, 提出了特征融合卷积神经网络(FFCNN)分类模型, 用于二维恒星光谱的分类。 该模型是一个有监督的算法, 通过两个CNN模型分别提取蓝端图像和红端图像的特征, 然后将二者进行融合得到新的特征, 再利用CNN对新特征进行分类。 所使用的数据全部来源于LAMOST, 我们在LMOST DR7中随机选择了一批源, 然后获得了它们的二维光谱。 一共有14 840根F, G和K型恒星的二维光谱用于FFCNN模型的训练, 其中包括7 420根蓝端光谱和7 420根红端光谱。 由于三类恒星光谱的数量并不均衡, 在训练的过程中分别为每类恒星光谱设置了不同权重, 防止模型出现分类失衡现象。 同时, 为了加快模型收敛, 对二维光谱数据采用Z-score归一化处理。 此外, 为了充分利用所有样本, 提高模型的可靠度, 采用五折交叉验证的方法验证模型。 3 710根二维光谱用作测试集, 使用准确率、 精确率、 召回率和F1-score来对FFCNN模型的性能进行评价。 实验结果显示, F, G和K型恒星的精确率分别达到87.6%, 79.2%和88.5%, 而且它们超过了一维光谱分类的结果。 实验结果证明基于FFCNN的二维恒星光谱分类是一种有效的方法, 它也为恒星光谱的处理提供了新的思路和方法。

菱锌矿颜色丰富, 有黄色、 蓝色、 粉色、 绿色等, 矿物学特征及谱学特征的研究较少, 对其不同颜色的成因认识亦不明确。 选取黄绿色菱锌矿玉, 利用X射线粉晶衍射仪、 电子探针、 激光剥蚀电感耦合等离子体质谱仪、 傅里叶红外变换光谱仪、 拉曼光谱仪、 紫外-可见分光光度计、 电子顺磁共振仪等分析显示, 样品为纯净的菱锌矿, 主要成分为ZnO, 其平均含量为61.3%, 次要成分有CaO, FeO, MnO, CdO及PbO。 样品中含有微量过渡金属元素Fe和Mn, 平均含量分别为7 363.5×10^-6和3 558×10^-6。 样品在740, 883和1 490 cm^-1处出现菱锌矿的特征吸收带, 740 cm^-1归属于[CO₃]^2-的面内弯曲振动单峰, 883 cm^-1属于[CO₃]^2-的面外弯曲振动峰, 1 490 cm^-1处的强吸收谱带为[CO₃]^2-反对称伸缩振动所致。 拉曼谱有300, 728和1 091 cm^-1等方解石族特征峰, 300 cm^-1归属于ZnO对称伸缩振动, 728 cm^-1归属于[CO₃]^2-面内弯曲振动, 1 091 cm^-1归属于[CO₃]^2-对称伸缩振动。 综合分析认为, Fe³⁺的⁶A₁→⁴E(D)跃迁、 ⁶A₁→⁴T₂(D)跃迁、 Mn²⁺的d电子跃迁产生的紫外-可见光谱377, 395和417 nm附近的吸收带是样品产生黄绿色的原因。 EPR谱也显示出g=2.0左右的Mn²⁺的特征六重超精细共振谱线和g=1.98左右的Fe³⁺的特征谱线。 结合样品成分和吸收光谱等特征, 可以认为菱锌矿玉样品的黄绿色是由Fe³⁺和Mn²⁺的d—d轨道电子跃迁共同导致。

产于印度尼西亚的紫色葡萄状玉髓, 具有特殊的球粒状外观和浓郁的紫罗兰体色, 其双面抛光片在反射光照射下为紫色, 透射光下则为棕黄色, 且颜色浓集于球粒中心。 为探究其颜色成因, 进行了偏光显微镜和扫描电子显微镜结构观察, 显微紫外—可见光谱, 热处理以及LA-ICP-MS原位成分分析。 玉髓具有纤维状核心——粗粒石英外壳的特殊结构, 粗粒石英外壳粒度500 μm左右, 隐晶质部分则主要由粒度小于1 μm的形状不规则的SiO₂颗粒组成。 紫外-可见光谱显示紫色主要来源于540 nm左右的吸收峰, 而黄色则由于谱线“左倾”产生的近紫外区及蓝光区强烈吸收所致。 紫外-可见光谱使用塞尔迈耶尔方程修正表面反射误差、 减去无吸收波段强度矫正仪器误差, 并用最小二乘平滑扣除基线得到540 nm吸收峰的强度信息。 计算玉髓在反射光下的紫色调及透射光下的黄色调的L^*a^*b^*值和E^*值定量表征颜色。 热处理实验中, 玉髓的紫色调在350 ℃左右开始褪去, 紫外-可见光谱390和540 nm吸收峰消失, 反射光和透射光下颜色差异减小, 都呈现黄色调。 随温度升高至400 ℃后, 棕色调加深, 出现478 nm左右的吸收峰。 热处理过程中谱线吸收强度升高, “左倾”加剧, 峰位“红移”。 该现象与铁/二氧化硅纳米粒子(Fe/SiO₂ NPs)生长过程中的谱形变化相似, 有可能与玉髓内部与Fe有关的微细结构或包裹体在热处理过程中的变化有关。 颜色参数结合原位成分分析, 将数据采用标准分数(Z-score)归一化处理, 比对紫色调的E^*值与540 nm吸收峰强度及元素含量之间的关系, 发现540 nm吸收峰强度可很好的反映紫色的浓集程度, 但紫色调与过渡金属元素含量的线性相关性却并不显著, 黄色调的E^*值则与Fe元素含量具有近似的负相关性。 Fe并不以杂质矿物的形式存在, 元素含量这一因素也并不能完全决定玉髓的颜色, 可能还受到Fe在玉髓中的存在形式, 内部微细结构或包裹体等因素的影响。

利用黄海不同季节实测生物发光数据, 结合同步测量的固有光学性质数据, 基于辐射传输模拟, 分析了生物发光所致离水辐亮度(L_w-bio)的数值变化和光谱变化, 并讨论其与固有光学性质及生物发光所处深度的联系。 主要结论如下: (1)黄海水体L_w-bio幅值不仅具有显著的季节变化特征, 同时具有显著的空间变化特征, 影响其变化的主要因素除水体本身发光生物的丰度和发光能力外, 与水体自身固有光学性质和发光生物所处深度有关。 (2)在光谱变化方面, L_w-bio最大峰值波长漂移不仅随着生物发光所处深度加深而增大, 同时与固有光学性质有关, 在固有光学性质其值较大的水体, 当生物发光的光源深度位于表层以下, L_w-bio峰值波长可由蓝光波段(474 nm)变为绿光波段(最大可移动至578 nm); 在固有光学性质其值较小的清澈水体中, 辐亮度光谱变化较弱, 其L_w-bio峰值波长仍在蓝光波段范围内(最大可移动至500 nm)。 (3)黄海海域宽泛的固有光学性质对生物发光光源的几何深度反演影响较大, 但可通过L_w-bio的光谱信息, 反演光源的几何深度。

光谱质量、 样本个体差异、 检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。 采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s^-1运行速度在线获取了“富士”苹果全透射光谱信号。 不同姿态获取的透射光谱强度差异明显, 但曲线走势相近, 均在920 nm波段具有最大的光谱强度, 在850 nm波段存在波谷。 采用移动平均平滑、 标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差, 减小了样本检测姿态引起的光谱差异。 为分析不同检测姿态对苹果整果糖度预测模型的影响, 构建了单一姿态局限模型和多姿态通用模型, 结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性, 而多姿态通用模型预测能力较单一检测姿态相当, 但却对不同的检测姿态具有更强的适用能力。 为进一步提高光谱信号质量, 优化模型预测能力, 采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化, 发现移除中央位点获取的透射光谱信号, 有利于提高苹果整果糖度预测模型精度。 多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性, 有效提升了通用信号强度优化模型的预测能力和稳定性, 当多姿态通用模型中信号强度阈值为5 000时, 模型预测性能最佳, 其预测参数R_p, RMSEP和RPD分别为0.79, 0.84%和1.58。 表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的, 多姿态通用模型的建立, 扩大了模型在不同姿态的预测稳健性, 短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。

利用红外光谱结合模式识别和二维相关光谱对乌木、 东非黑黄檀、 风车木和成对古夷苏木四种黑檀硬木心材进行鉴别和聚类分析。 红外光谱显示四种木材中的主体成分为纤维素(特征吸收峰位置在~1 370, ~1 158, ~1 034和~895 cm^-1附近)、 木质素(特征吸收峰位置~2 935, ~1 510, ~1 462和~1 426 cm^-1附近)和草酸钙(特征吸收峰位置~1 615, ~1 318和~781 cm^-1附近)。 三种主体成分在四种木材红外光谱之间的相对峰强度H表明: 乌木和东非黑黄檀中木质素含量较高, 风车木中草酸钙含量较高, 成对古夷苏木中含有一定量的脂类成分。 根据红外光谱的差异性选取不同的波段, 优选计算参数, 分别对四种硬木心材进行相关系数判别分类和SIMCA聚类分析。 相关系数判别分类模式识别中, 成对古夷苏木中有一个样本未得到有效的验证, 但是其余三个木材样品均得到了有效验证。 SIMCA聚类模式识别中, 四种木材心材之间的识别率、 拒绝率和验证率都达到100%, 说明不同木材之间没有重叠区域, 可以完全的区分识别。 二维相关红外光谱中, 乌木与东非黑黄檀在升温过程中纤维素的C—O和C—C基团对温度敏感性较高, 风车木中草酸钙热敏性较高, 成对古夷苏木中木质素的热敏性高于纤维素。 红外光谱结合聚类分析和二维相关红外光谱, 不仅可以对木材主体成分进行的定性和相对含量的分析, 在完善聚类模型基础上还可以对木材种类进行快速、 有效的分类模式识别。

综合性遥感监测对载荷的灵敏度和动态范围都有较高的要求, 为此提出一种基于逐像元多挡增益切换的光谱成像方法。 不同于帧增益或者行列增益切换的成像方式, 该方法利用4T-APS CMOS探测器无破坏读出的特点, 可以进行像元级的增益优化。 这种方式可以兼顾水体、 植被、 云层等多要素的成像需求, 极大地提高了载荷的研制效益。 其基本原理为探测器先进行全局曝光, 然后根据多级积分电容的饱和判断, 选取不饱和的最高增益信号以增益码加信号的形式下传。 地面根据增益码对应的定标系数反推出像元真实辐射值。 由于谱段多且为分段响应, 为保证系统的定量化应用, 建立多挡增益光谱成像模型并进行噪声分析具有重要意义。 通过对噪声类型的分析, 建立了多挡增益下的泊松-高斯噪声模型。 基于该模型计算了像元受噪声影响以低增益读出的概率。 结果表明, 虽然噪声会影响读出增益的变化, 但影响区间极小, 入瞳辐亮度在5 mW·cm^-2·μm^-1·sr^-1以内, 信号比增益挡位辐亮度分界值小0.05 mW·cm^-2·μm^-1·sr^-1即可保证正常读出的概率大于99.6%。 随着信号增强, 光子噪声增大, 增益减小, 影响区间扩大。 根据多挡增益信噪比模型, 分析得出光谱模式与合并通道模式下的信噪比变化。 最后, 利用宽波段成像光谱仪(WIS)数据作为入瞳辐亮度进行了四挡增益的推扫式光谱成像模拟, 分析了多挡增益光谱图像的固有特点。 根据噪声模型对中心波长为0.443 μm的光谱图像添加1~3σ的随机噪声, 分析了噪声对地物目标所处增益的影响。 结果显示, 在满足信噪比指标的前提下, 该系统的单挡动态范围为74 dB, 总动态范围可达114 dB。 该方法不但提高了水体等弱信号的信噪比, 而且可以保证建筑、 云层等亮目标不饱和。 成像模拟及噪声分析不仅有利于该载荷的后续研制, 也可以为同类光谱仪器的设计提供参考。

在合金材料的生产过程中, 不同金属元素的含量改变对产品的性能以及可靠性有重要的影响, 通过在线检测技术能够对产品中不同元素含量进行实时分析, 从而指导其工业生产过程, 提高产品质量。 目前常规的无损检测方法受限于分析深度, 无法对样品内部成分进行分析, 从而影响测量结果的准确性。 瞬发伽马中子活化分析(PGNAA)技术是一种高灵敏度、 多元素同时分析的无损检测技术, 可以对大块样品进行快速分析。 针对PGNAA技术在大体积金属样品检测的可行性进行研究, 通过测量快中子与样品发生非弹性散射反应激发的伽马射线对样品成分进行分析。 搭建了一套测量系统, 包括D-T中子发生器, 中子反射体, 中子准直体, 高纯锗(HPGe)探测器及探测器屏蔽防护。 首先, 对Fe, Ti, Cr, Ni和Cu等5种金属元素进行了分析研究。 对不同质量下的样品进行测量, 通过伽马能谱处理软件GAMMAFIT对HPGe探测器测量到的特征伽马峰进行拟合, 获得全能峰的净面积。 分析全能峰净面积与样品质量之间的响应, 对探测器的探测效率变化造成的非线性响应进行修正, 得到不同元素的校准曲线, 结果显示各元素修正后的校准曲线均具有良好的线型关系。 对不同元素的质量检测限进行分析, 不同金属元素的质量检测限分别为Fe(44 g), Ti(25 g), Cr(33 g), Ni(108 g)和Cu(72 g)。 利用测量系统对不锈钢合金样品中的Fe和Cr元素含量测量开展了研究, 通过测量标准样品建立了Fe和Cr元素的定标曲线, 并对未知样品进行了测量分析。 同时与X射线荧光光谱(XRF)测量结果进行了对比分析, 结果表明两种方法的Fe元素和Cr元素测量值偏差分别为4.08%和2.97%。 研究结果表明, 利用PGNAA技术可以对多种金属元素和合金样品进行测量分析, 为后续其他金属样品的检测奠定了研究基础。

光纤布拉格光栅(FBG)是一种广泛应用于光纤通信和传感领域的关键器件, 具有灵敏度高、 体积小及抗电磁干扰等诸多优点, 但长时间工作在高温环境下其光栅特性会逐渐衰退甚至完全擦除, 极大地限制了FBG在工业生产、 石油电力、 航空航天等一些特殊领域的应用。 通过高温退火处理有望使FBG在高温擦除后重新生长出能在高温环境下稳定工作的热重生FBG(RFBG)。 因此, 研究高温退火程式对RFBG性能的影响具有重要意义。 基于248 nm准分子激光器, 以相位掩模法制作得到反射光谱中心波长为1 548.5 nm、 反射率为97.8%、 3 dB带宽为0.36 nm的初始FBG, 再利用高温管式炉对初始FBG进行高温退火处理, 发现FBG在950 ℃时实现热重生, 得到反射光谱中心波长为1 546.7 nm、 反射率为50.6%、 3 dB带宽为0.19 nm的RFBG; 进一步研究发现, 在950 ℃实现高温热重生后退火程式对RFBG性能有很大影响, 对RFBG采用急速冷却、 缓慢冷却和自然冷却以及氩气气氛下自然冷却4种方式进行退火处理并与初始光栅进行对比, 结果发现采用急速冷却方式处理的RFBG机械性能最佳, 其保留了初始光栅约 50%的机械强度, 优于缓慢冷却、 自然冷却处理仅分别保留初始光栅22.2%和29.9%机械强度的RFBG, 并发现在氩气中进行退火处理有利于RFBG机械强度的提升, 同样是自然冷却, 在氩气气氛中退火得到的RFBG保留了初始光栅43%的机械强度。 进一步对采用急速冷却方式处理的RFBG进行热循环、 热稳定性等测试。 结果表明, RFBG在150~1 050 ℃内三次加热循环结果完全重叠, 温度灵敏度为16.30 pm·℃^-1, 温度灵敏度相关系数R²为0.995 38, 且在800 ℃温度下进行热稳定性测试7 h, 波长总漂移量仅为0.08 nm, 表明所制备的RFBG具备良好的测温性能和稳定性。 该研究工作为RFBG高温传感器的实用化和工程化应用提供了一定的理论与实验依据。

新疆天山北坡山地草甸是天山山区草地生产力最高的草地类型, 草地退化情况较为严重。 对草地植被进行分类与识别, 监测草地生态系统本底状况, 可以快速、 准确、 有效的评价草地退化动态与程度, 是进行生态重建的关键。 为了探索适合草地植被的分类方法, 选择天山北坡中段山地草甸植被作为研究对象, 利用高光谱成像光谱仪(SOC710VP)获取了典型植被多季相(4个关键生育期)的原始反射光谱数据, 通过多项式卷积平滑(S-G)及最小噪声分离(MNF)变换对光谱数据进行平滑去噪及降维处理, 分别采用支持向量机(SVM)、 BP人工神经网络(BP-ANN)及波谱角填图(SAM)三种方法建立分类模型, 并对分类结果进行了对比分析。 结果表明: 使用S-G滤波及MNF变换预处理方法可以有效的对草地植被高光谱数据进行降维除噪, 获得较平滑的光谱曲线, 减少了数据的冗余程度并缩短了分类时间。 不同季相山地草甸植被的“绿峰”、 “红谷”及“红边”等参数差异较大, 在植被生长旺盛期(4月—5月)的光谱曲线特征比黄枯期的光谱曲线特征更容易区分, 这个时期分类精度较高。 SVM分类模型在返青期(4月)和分蘖(枝)期(5月)总体分类精度均超过了90%, Kappa系数也超过了0.9; 利用SVM方法进行分类时, 在植物生长旺盛期(4月—5月)Polynomial核函数分类精度较高, 植物成熟期(6月—9月)径向基核(RBF)函数分类精度较高。 BP-ANN在分蘖(枝)期分类精度较高, 总体分类精度为91.07%, Kappa系数为0.89, 其他时期分类效果一般, 虽然在MNF变换降维后能极大的缩短数据处理时间, 但分类时间还是较SVM时间要长。 SAM分类速度最快, 但在各生育期的分类精度都较低, 最高值为分蘖(枝)期的总体分类精度77.80%, Kappa系数为0.73。 因此, 利用Polynomial核函数的SVM分类模型适合对山地草甸植被进行分类识别, 分类结果类别完整, 准确度高, 误分、 错分现象相对较少, 相比BP-ANN及SAM等高光谱数据分类方法具有较大的优势。

秸秆还田是减少土壤侵蚀、 增加土壤有机碳的重要措施, 对黑土地保护具有重要意义。 区域范围内玉米秸秆覆盖区的准确、 快速识别, 对监测保护性耕作实施、 农业补贴政策的制定具有重要作用。 以实施保护性耕作的典型区吉林省四平市为研究区, 基于GEE(google earth engine)云平台, 结合2020年5月—11月的Sentinel-2时序遥感影像, 依据玉米生长季和收获后的秸秆状态构建光谱特征和指数特征, 指数特征包括归一化差值植被指数(NDVI)和归一化差值秸秆指数(NDRI)。 为避免数据冗余, 对时序特征值按大小排序, 同时利用分位法以0%, 25%, 50%, 75%, 100%分位选取分位(QT)特征, 进而构建数据集。 应用参数优化后的随机森林方法对按照7:3划分的样本集进行训练和验证, 然后对数据集分类, 结合连通域标定法去除分类过程中产生的细小连通域, 进一步优化全局结果。 通过Kappa和整体精度(OA)定量和定性评价, 实验结果表明: (1) 基于不同特征集组成数据集的分类模型(M1/M2/M3/M4/M5)定量评价结果均优于90%, 其中所设计数据集的分类模型M5效果最好, Kappa和OA分别为97.41%和97.91%, 相比于未加入QT特征集的分类模型M2的Kappa和OA分别提升4.52%和3.64%, 同时M5识别结果可以有效保留边缘细节信息; (2)针对不同时间尺度的QT特征集, 利用5月—11月时序遥感影像的QT特征集分类模型M5_6/M5可以极大地抑制其他作物秸秆的影响, 相比仅利用11月时序影像QT特征的M5_1模型分类结果的Kappa和OA分别提升了3.9%和3.12%; (3) 基于M5模型, 结合连通域标定法的分类模型M6的Kappa和OA分别为96.76%和97.36%, 仅次于M5模型识别结果, 模型M6在保证较高精度的同时避免了细碎图斑, 优化了分类可视化效果。 该研究提出的M6模型适用于识别研究区玉米秸秆覆盖区, 该方法能够在GEE云平台环境下快速执行, 适合推广应用于东北地区秸秆覆盖区。

利用高光谱遥感技术在水稻收获前对籽粒品质相关的蛋白质含量进行监测, 一方面可以及时调整栽培管理方式, 指导合理追肥, 另一方面, 有助于提前掌握籽粒品质信息, 明确市场定位。 该研究以广东省典型优质籼稻为研究目标, 基于2019年和2020年两年氮肥梯度实验, 以水稻分化期和抽穗期冠层尺度高光谱数据、 水稻氮素参数, 包括叶片氮素含量(LNC)、 叶片氮素积累量(LNA)、 植株氮素含量(PNC)、 植株氮素积累量(PNA)及籽粒蛋白含量数据为基础, 利用四种个体机器学习算法partial least square regression (PLSR)、 K-nearest neighbor (KNN)、 Bayesian ridge regression (BRR)、 support vector regression (SVR), 三种集成学习算法random forest (RF)、 adaboost、 bagging, 针对水稻不同生育期氮素状况进行监测建模, 在此基础上构建基于水稻冠层光谱信息、 光谱信息结合水稻农学氮素参数的籽粒蛋白含量的监测模型, 并对模型进行精度对比。 研究结果表明, 在水稻氮素营养监测方面, 利用水稻冠层454~950 nm波段信息, 采用RF及Adaboost算法, 在水稻分化期、 抽穗期及全生育期LNC、 LNA、 PNC及PNA模型R²均达到0.90以上, 同时也具有较低的RMSE和MAE。 在水稻籽粒蛋白品质监测方面, 采用全波段光谱信息进行籽粒蛋白含量监测时, RF具有最高的精确度与稳定性, 两生育期的RF模型对籽粒蛋白含量的监测结果R²分别为0.935和0.941, RMSE分别为0.235和0.226, MAE分别为0.189和0.152; 两生育期以全波段光谱信息结合长势参数进行籽粒蛋白监测时, Adaboost模型具有最高的精确度和稳定性, 其中分化期全波段光谱信息结合PNA作为输入参数, Adaboost模型R²为0.960, RMSE为0.175, MAE为0.150, 以抽穗期全波段光谱信息结合PNC作为输入参数, R²为0.963, RMSE为0.170, MAE为0.137。 研究结果表明, 与PLSR, KNN, BRR和SVR几种个体学习器算法相比, 集成算法RF, Adaboost和Bagging具备良好的处理多重共线性的能力, 适合用于高光谱数据的分析与处理, 在作物氮素营养监测及水稻品质的早期遥感监测方面具有明显优势。

近年来, 二维材料由于其独特的性质而受到了广泛关注。 在制备二维层状晶体的各种方法中, 机械剥离法获得的薄层二维材料晶体质量高, 适用于基础研究及性能演示。 然而用机械剥离法从衬底上获得的材料具有一定的随机性, 可能包含了少许相对较厚的部分。 实现对这些二维薄层材料有效、 快速且智能化的表征有利于促进二维材料性能的进一步研究。 提出了一种基于深度学习的表征方法, 通过搭建的编解码结构的卷积神经网络语义分割算法, 可以根据光学显微镜图像进行分割和快速识别二维材料纳米片。 卷积神经网络作为深度学习在图像处理领域中的典型算法, 能够对光学显微镜图像中的复杂信息进行特征提取。 首先采用机械剥离制备MoS₂纳米片样本, 通过光学显微镜采集高光谱图像并对样本进行标记, 根据样本的厚度范围标记出不同的区域, 对标记后的图像进一步处理, 包括图像的颜色校准和剪切操作, 得到用于网络训练和测试的数据集。 针对光学图像中二维纳米薄片存在的低对比度、 碎裂等特点, 编码时加入残差结构和金字塔池化模型, 有助于特征信息的提取; 解码时融合编码路径中提取的浅层特征信息, 以提高网络分割精度。 实验中采用带权重的交叉熵损失函数解决类别数量不平衡问题和采用数据增强扩大数据集。 对训练后的网络测试结果表明, 模型像素精度为97.38%, 平均像素精度为90.38%, 均交并比为75.86%。 之后通过迁移学习成功地对剥离的单层和双层石墨烯纳米片样本进行了识别, 均交并比达到了81.63%, 表明该方法具有普适性。 通过MoS₂和石墨烯纳米片的识别演示, 实现了深度学习在二维材料的光学显微镜图像中的成功应用。 该方法有望在更多的二维材料上得到扩展并突破自动动态处理光学显微镜图像的问题, 同时为其他纳米材料的高光谱图像处理提供参考。

透过率的计算是红外目标被动测距技术的核心, 其精度直接影响到被测距离的精度, 而仪器分辨率又直接影响到光谱信号的精度。 为了研究光谱仪器分辨率对带平均透过率的影响, 选用氧气A带为研究对象, 采用基线拟合方式计算被测目标的带平均透过率, 利用随机Malkmus模型计算被测目标距离, 从而获得仪器分辨率对被动测距的影响。 为此, 搭建了被动测距实验系统, 通过对卤素灯光源在不同距离的光谱测量, 验证仪器分辨率对带平均模式被动测距的影响。 首先, 介绍氧气A带透过率的计算方法, 计算理论值; 以卤素灯为光源, 利用光谱仪分别测量相同距离不同分辨率的光谱曲线, 计算实测大气透过率, 分析光谱分辨率对单谱线的影响; 然后, 在分析比较透过率模型和实测透过率谱线的基础上, 对透过率计算模型进行拟合、 校正, 验证光谱分辨率对带模型的影响。 对于单条谱线, 仪器的不同分辨率可测得的谱线区别较大, 而对带平均谱线, 相同波数点的光谱信号取平均, 获得平均效应, 使得被测谱线几乎没有变化; 分辨率的模型选择需根据不同的应用场合、 不同的精度要求选择合适的分辨率。 实验结果表明: 分辨率对单谱线的透过率影响较大, 随着分辨率的降低, 被捕获的光谱信息点取值越少, 被测目标距离相关系数越小; 分辨率对带平均透过率的计算影响较小, 不同分辨率下测得的目标距离, 几乎重合; 而仪器分辨率越高则测量时间越长, 当使用带平均透过率计算被测目标距离, 在精度要求范围内, 可以适当降低仪器分辨率, 从而极大地提高测量速度, 并达到测量实时性, 同时降低系统搭建的成本。 该结论可为透过率测量的应用提供依据。

低QI(原生喹啉不溶物)含量的软沥青(SCTP)是制备煤系针状焦的优选原料, 研究其在成焦过程中的结构变化有助于高品质针状焦的研制。 基于样品的X射线衍射(XRD)数据, 利用Smarsly团队开发的CarbX软件对其全谱拟合, 定量出SCTP在不同炭化温度(400, 500, 600, 800, 1 000, 1 200和1 400 ℃)下的微晶结构参数, 进而在纳米尺度下研究SCTP的热致结构变化情况。 结果表明, 随炭化温度升高, 微晶堆垛的石墨烯层大小L_a从初始沥青的10.3 Å逐步增大到1 400 ℃的47.9 Å, 但在500 ℃前L_a增加缓慢, 只有当温度超过800 ℃后, L_a才显著增大, 这表明需要800 ℃以上的高温才能使交联石墨烯层内的原子重组, 进而导致微晶长大。 然而, 石墨烯碳网的C—C键长l_cc受温度的影响很小, 在1.41~1.42 Å范围内变化。 由于SCTP在液相炭化成半焦过程中存在中间相转化, 导致微晶堆垛高度L_c在500 ℃前逐步增大, 在500 ℃时达到最大(L_c=31.1 Å), 随后由于半焦进一步热解缩聚, 使L_c逐步减小, 在1 000 ℃时达到最低点(L_c=15.4 Å), 超过1 000 ℃后又开始增大。 与L_c的变化趋势相同, 堆垛的石墨烯层数N从原始沥青的2.66层增加到500 ℃的约9.05层, 随后减小到1 000 ℃的4.55层, 超过1 000 ℃后又开始增大。 由于500 ℃前样品仍处于沥青态, 所以此阶段微晶的石墨烯层间距a₃都较大, 约为3.50 Å。 当在500 ℃变为半焦后, a₃迅速减小至3.44 Å。 随后温度升高, a₃在1 000 ℃达到最小(a₃=3.39 Å), 1 000 ℃后又开始增大, 这表明焦炭经历了收缩再膨胀过程。 通过CarbX软件拟合样品的XRD数据, 除了可得到样品炭微晶的主要尺寸(L_a, L_c, N, a₃)信息外, 还可获得这些参数的分散性(k_a, k_c, σ₃, ε₃)以及堆垛的取向性(q)、 均匀性(η)和无序碳含量(c_un)等信息, 有利于深入了解样品的微观结构, 有助于优质针状焦的生产。

质构作为一种重要的品质参数, 能够显著地影响出缸期皮蛋的凝胶品质, 目前没有有效的快速无损检测方法。 应用高光谱成像实现对出缸期皮蛋质构特性的无损预测及不同品质皮蛋的检测分级。 以不同品质鸭皮蛋为研究对象, 采集优质蛋、 合格蛋与不合格蛋样本的高光谱数据, 对比测定其凝胶质构硬度和弹性参数, 对原始光谱进行单一和组合变换(多元散射校正MSC、 包络线去除CR、 一阶求导FD、 包络线去除一阶求导组合CR-FD), 分析一维光谱数据与质构硬度和弹性的相关性, 发现经CR-FD变换后的光谱反射率与凝胶质构硬度、 弹性的相关性最大, 分别在波长683和715 nm达到最大值为0.882和0.865; 基于最优的光谱变换和二维相关光谱法, 以凝胶质构硬度和弹性作为扰动因子, 探寻皮蛋硬度和弹性的最优研究区域, 结果显示: 以硬度为扰动因子时, 波长476, 539, 647, 672, 728和851 nm处存在自相关峰; 在波长483, 572, 657, 739和826 nm处的光谱信号对弹性值较敏感, 故最终选择476~851和483~826 nm两个敏感波段分别作为凝胶硬度和弹性的研究区域; 对比连续投影算法(SPA)、 竞争性自适应重加权算法(CARS)、 遗传算法(GA)、 粒子群优化算法(PSO)、 无信息消除法(UVE)5种不同变量选择方式, 发现使用粒子群优化算法结合PLSR模型的检测精度最高: 预测硬度的$R_{P}^{2}$和均方根误差RMSEP为0.826和0.874, RPD为2, 预测弹性的$R_{P}^{2}$和均方根误差RMSEP为0.886和0.402, RPD为1.9。 使用3种不同分类器对不同品质皮蛋进行预测, 发现对优质蛋、 合格蛋与不合格蛋分类的准确率分别达到了97%, 92%和100%, 基于预测结果的混淆矩阵和ROC曲线对模型进行评估, PLS-DA模型的精度和泛化能力优于BP和RF模型。 综上表明, 使用高光谱技术可以实现皮蛋质构特性的预测及对不同品质皮蛋的无损分级。