Solriamfetol的二维相关红外光谱分析

利用红外光谱及二维相关光谱进行了Solriamfetol进行了结构分析。检测Solriamfetol 20~150℃范围内(每隔5℃)的近红外光谱,结合红外光谱、二维相关光谱及相关文献,分析Solriamfetol分子内变化。观察分析了温度对Solriamfetol分子的羰基、脂肪胺基和酰胺基的氢键和自由基之间的影响,明确了因温度扰动,引起羰基氢键的断裂及变化规律,分析了胺基与酰胺氢键的不同,确定了不同分结构之间的变化先后顺序,并进行了红外峰的归属。联合使用二相关光谱,提高了Solriamfetol红外光谱的分辨率和可解释性。

结合光谱降维的IPSO-SVR水体总磷浓度预测模型

[目的]选择最优模型对水体中总磷浓度进行预测,为准确、实时、高效检测水资源状况提供支持。[方法]以2021年在长江中下游武汉—安徽地区采集的水质样本作为研究对象,首先,对采集到的长江光谱数据进行最大最小归一化和均值中心化两种预处理操作以便统一数据的范围和均值点,并使用核主成分分析(KPCA)技术对预处理后的光谱数据进行降维操作。选取方差解释率为99.6%下的6个特征向量进行后续预测模型的训练,接着在原有粒子群算法的基础上引入自适应惯性权重更新公式和遗传—模拟退火变异思想,提高算法的寻优能力。使用改进的粒子群优化算法对支持向量回归模型中的超参数组合进行寻优,对支持向量回归模型使用输出的结果进行预测模型的训练,最后使用测试集数据进行总磷浓度的预测。[结果]提出了一种结合光谱降维的改进粒子群优化算法(IPSO)结合支持向量回归(SVR)的水体总磷含量预测模型。通过和当前预测性能较好的几种机器学习模型进行精度的比较发现,该试验模型对长江水体总磷浓度进行预测时决定系数(R^(2))为0.973920,均方根差(RMSE)为0.003012,平均绝对误差(MAE)为0.002105。[结论]使用光谱数据结合降维技术、粒子群优化算法和机器学习模型的算法融合模型检测水体总磷浓度可行性强,精确度高,且拟合效果良好。

基于同步辐射X射线荧光光谱与一维卷积神经网络的癌症筛查方法

癌症是全球范围内引起高发病率与高死亡率的疾病之一。现有癌症检测方法耗时、昂贵、专业人员依赖性强,开发一种无损、快速筛查方法非常重要。在前期工作基础上,发展了基于同步辐射X射线荧光光谱技术(SRXRF)与深度学习技术结合的一种非靶标金属组学方法筛查癌症患者。首先,分析控制组与癌症组共269份血清样本的SRXRF谱线,得到Ca、Mn、Zn、Ge、Br在两类人群中具有代表性差异,可以作为癌症筛查的标志物;其次,对于平均光谱进行归一化(Normalization)、迭代自适应加权惩罚最小二乘法(airPLS)、Savitzky-Golay平滑(SG)、标准正态变换(SNV)的预处理,并建立偏最小二乘判别分析(PLSDA)、K近邻法(KNN)、软独立建模分类法(SIMCA)的化学计量学模型,三种模型对癌症筛查的最优准确率分别为89.89%、93.26%、90.95%;最后,基于像素级光谱,搭建三种一维卷积神经网络(1DCNN)模型,三种模型准确率分别为93.56%、95.24%、93.27%,相对于化学计量学模型均有所提高,增加卷积层的数量有助于数据特征提取,模型准确率提高了1.68%。将三种模型卷积层提取获得的特征进行t-分布随机邻域嵌入算法(tSNE)降维可视化,得到1DCNN提取的特征具有显著可分性,SRXRF结合1DCNN模型开发的非靶标金属组学方法在实现癌症的快速筛查方面具有潜力。

高光谱喷墨打印墨水数据的非线性降维及分类建模方法研究

在法庭科学实践中,往往需要通过对文件中字迹墨水的成分分析来精确判定检材和样本文件的同一性。该文利用高光谱成像技术结合机器学习对喷墨打印墨水的种类进行区分,分别采集14套不同品牌、型号的4色(黑、青、品红和黄色)喷墨打印墨水打印的文件在400~1000 nm范围的高光谱图像,共提取56种样品墨迹的光谱数据。使用均匀流形逼近与投影技术(UMAP)和T分布随机近邻嵌入技术(t-SNE)两种算法对高光谱喷墨打印墨水数据进行降维处理,然后建立极致梯度提升(XGBoost)、轻量级梯度提升机器学习(LightGBM)和支持向量机(SVM)3种分类模型,以1∶4的比例确定测试集和训练集,分别对原始数据和降维后的数据进行分类。实验结果显示,UMAP降维算法结合SVM模型对喷墨打印墨水分类的效果最优,黑色墨水样品的分类精度为90%左右,其余颜色墨水样品的分类精度均为100%。该研究为喷墨打印文件的检验鉴定提供了一种新的、无损、准确的鉴别方法。

二维相关红外光谱和高光谱成像技术检测黄精干燥过程中多糖的变化

[目的]研究黄精“一蒸一制”炮制工艺中干燥过程多糖的变化。[方法]采用常压隔水蒸对黄精切片进行蒸制,然后在60℃条件下进行热泵干燥,利用近红外光谱(NIR)、高光谱成像(HSI)和中远红外光谱技术对黄精干燥过程中的特征光谱进行解析,并结合二维相关红外光谱(2D-IR)分析方法研究黄精干燥过程中的多糖变化。[结果]蒸汽加热11 h后黄精多糖含量为3.39%,干燥11 h后多糖含量为6.67%,整体来看,黄精在干燥过程中多糖含量呈逐渐增多的趋势。通过二维相关分析可知,多糖的特征官能团在不断发生变化,在1 016 cm^(-1)处,其官能团变化顺序均为—CH2的C—H伸展→O—H基团在水中拉伸和变形→N—H基团的伸缩振动→O—H拉伸和C—O拉伸组合→C—H拉伸和C—C拉伸组合→吡喃糖苷;HSI技术结合化学计量学,利用PLSR建立多糖的光谱预测模型,模型的R2p为0.903。[结论]红外光谱、HSI技术结合2D-IR技术能很好地监测黄精在干燥过程中的多糖变化规律。

二维相关红外光谱技术解析牛肉热加工过程中蛋白质二级结构变化

利用傅里叶变换红外光谱和近红外(near-infrared,NIR)光谱技术,对60~120℃下加热0~15 min的66个牛肉样品进行光谱分析,并通过二维相关光谱技术揭示蛋白质结构的动态演变过程。结果显示,随着加热温度的上升,酰胺A带和酰胺I带的吸收峰发生位移,N—H和C—N的振动增强。β-折叠相对含量增加,β-转角相对含量降低,蛋白质二级结构的变化时序为β-转角、β-折叠、α-螺旋、无规卷曲。此外,基于NIR光谱数据构建的牛肉蛋白二级结构(α-螺旋、β-折叠、β-转角和无规卷曲)含量预测模型具有高精度的预测能力(校正相关系数>0.9)。本研究基于大量样本揭示了牛肉加热过程中蛋白质二级结构的变化规律,而且为实现快速、无需复杂预处理的肉类产品蛋白质结构分析提供了有效的技术路径。

不同数据类型和降维对钙华高光谱识别精度的影响

钙华是研究地壳运动、古气候等地质环境的重要载体,大规模的钙华景观不仅有利于研究地质演变,作为自然遗产具有很高的旅游价值和保护意义,由于全球气候变化与人为因素影响,钙华容易出现被破坏、退化等现象。为方便保护和修复钙华资源,本研究提出区别于传统实地勘察的高光谱识别方法,利用原始数据(OD)、多元散射(MSC)后数据、一阶导后(FD)数据、二阶导(SD)后数据经过主成分分析(PCA)、线性判别分析(LDA)方法降维后与支持向量机(SVM)、随机森林(RF)、BP神经网络、卷积神经网络(CNN)四种方法建立识别模型,并讨论了不同降维效果和数据类型对识别模型总体分类精度(OA)的影响,发现原始数据中PCA降维的效果比LDA降维效果好,其在PCA降维下的分类模型普遍精度要比LDA下的模型精度高;在本研究中,以MSC数据为输入的识别模型精度均值为88%,在四种数据的模型精度均值大小中位居第二,仅比第一位低0.1%,但其方差与标准差分别为0.043、0.042,远远小于其他三种数据的模型,说明MSC数据的识别模型要更加稳定;其次经过粒子群算法(PSO)优化的SVM分类模型在F1-score、kappa系数、OA三种性能指标的评价下性能显示优良,其中SD-PCA-PSO-SVM获得了98%的高精度。综上,在钙华识别过程中,未经优化的分类器选择MSC数据或PCA降维的原始数据作为输入,更容易获取高精度识别模型,选择合适的理论来优化模型也可提升模型的识别性能。

基于三维荧光光谱结合2D-LDA的食用油掺假鉴别研究

食用油掺假行为严重威胁消费者的身体健康并扰乱社会市场秩序。研究有效的食用油掺假鉴别方法对于构建安全、可靠的食品供应链和提升消费者福祉具有重要意义。以食用油中的香油为例开展食用油掺假鉴别方法研究。通过芝麻香精与玉米油、大豆油以及菜籽油三种食用油配制了3类掺假香油;使用FLS920稳态荧光光谱仪采集了这3类掺假香油以及不同品牌香油共计45个实验样本的三维荧光光谱数据;基于2D-LDA方法提取了实验样本的二维特征,并以此为依据采用最近邻分类原理实现了掺假食用油的准确鉴别。将所述方法与平行因子结合非线性判别分析(PARAFAC-QDA)、多维偏最小二乘——判别分析(NPLS-DA)两种方法进行了对比。结果表明,2D-LDA方法能够有效提取掺假香油的二维特征。这些特征能够使不同类别的实验样本在投影子空间中实现最大程度分离;同时可使相同类别的实验样本在子空间中尽可能地紧密聚集,进而使得样本在低维子空间中具有更好的可分性,从而获得了100%的鉴别准确率。而PARAFAC-QDA和NPLS-DA两种方法仅分别获得了85%和95%的鉴别准确率。2D-LDA方法相比于这两种方法在食用油掺假鉴别特别是现场快速检测的实际应用中更具优势和潜力,其鉴别过程与结果更加简捷和精确。研究为现场食品安全监管提供了一种高效可行的新方案。

基于傅里叶变换中红外光谱的不同维度光谱图像结合残差神经网络鉴别黄精属物种

将不同维度光谱图像的概念首次应用于物种鉴别,建立了快速准确的黄精属鉴别方法。采集6种黄精属共计563批样品,基于傅里叶变换中红外光谱(FT-MIR)的一阶导数(1st)、二阶导数(2nd)、乘法散射校正(MSC)、标准正态变量变换(SNV)和Savitzky-Golay(SG)5种预处理方法,构建了决策树(DT)、随机森林(RF)和支持向量机(SVM)3种机器学习算法。同时构建了深度学习残差神经网络(ResNet)模型,绘制了不同维度的光谱图像,包括一维MIR,同步、异步和综合二维相关光谱、三维相关光谱、三维相关光谱投影图像的10个数据集,并将其与ResNet模型相结合进行分类。结果表明,不同预处理方法对模型结果的影响不同,MSC预处理方法可显著提高DT、RF和SVM 3种算法的准确率。基于同步二维相关光谱数据集的ResNet算法建模效果最好,准确率达到100%,损失值较小,不需要复杂的预处理,时间成本低,可以准确鉴别黄精属物种,为食品、中草药等其他领域的鉴别提供了参考。

基于改进反馈卷积自编码器的高光谱图像降维

高光谱图像具有光谱分辨率高、特征丰富、图谱合一等优势,在土地利用分类、城市规划管理、森林资源调查等领域有着广泛应用。但是,高光谱图像不同光谱通道间存在大量冗余信息,导致高光谱图像降维算法复杂度高,同时也降低了高光谱图像降维算法的性能。针对该问题,结合目前主流的深度学习技术,文中提出一种基于改进反馈卷积自编码器的高光谱图像降维方法。首先,为增强信息的流动,在原有编码器模型中引入残差连接,促进了梯度信息的传播;其次,为了能够更好地捕捉高光谱数据的关键特征,在现有解码器模型中加入分支结构;最后,通过使用平均池化替换最大池化,采用平均绝对误差(MAE)替换均方误差(MSE)损失函数,进一步优化模型的特征提取能力,提高高光谱图像降维的性能。实验结果表明,所提出模型在Indian Pines数据集上的高光谱图像降维性能超过了现有最新方法,为高光谱图像降维提供了一个新思路。

2维材料/Ⅳ族体材料异质结多光谱光晶体管

多光谱探测在工业等很多领域有着重要应用,研制集多波段响应于一体的高性能宽谱光电探测器已成为光学成像技术发展的重要研究方向之一。简要介绍了当前宽谱探测器的研究进展,阐述了2维/3维混合维范德华异质结在宽光谱探测器研制的前景;总结了本课题组在2维过渡金属二硫化物/3维Ⅳ族体材料范德华异质结宽光谱光晶体管研制方面取得的一些进展,其中包括传统的NPN型、PNP型光晶体管以及基于肖特基结集电极的新型光晶体管,并对这些混合维光晶体管的应用前景进行了展望。

二维相关近红外光谱的牦牛奶粉掺伪判别分析

目的:建立二维相关近红外光谱结合偏最小二乘判别分析方法(PLS-DA)对牦牛奶粉掺伪进行快速判别分析。方法:通过将牦牛奶粉与普通牛奶粉以一定比例混合,共制备56个掺伪样品,并以KS法按3∶1比例划分校正集和预测集;再采集所有样品一维近红外光谱,构建出以浓度为外扰的二维相关谱,基于同步谱与自相关谱的分析,优选出26个特征变量,建立牦牛奶粉掺伪PLS-DA判别模型。结果:通过二维相关光谱分析,优选到的26个特征波长,集中在光谱差异比较明显的区域,均与奶粉中的蛋白质脂肪等营养成分密切相关;建立的牦牛奶粉掺伪判别模型,校正集与预测集的决定系数R^(2)均超过0.97,校正集与预测集的分类准确率均为100%。结论:结果表明,二维相关光谱结合化学计量学方法可以识别掺伪牦牛奶粉的微小差异特征,并进行快速的判别,本方法为乳制品掺伪检测提供了新的思路和方法。

二维相关光谱和导数光谱色谱图法识别及解混高效液相色谱二极管阵列色谱峰

基于高效液相色谱-二极管阵列检测器(HPLC-DAD)获得的色谱-光谱数据,建立了一种二元完全重叠液相色谱峰的快速解析定量方法:将HPLC-DAD采集的时间t、波长λ、吸光度S的三维光谱色谱数据,光谱经过背景补偿加Savitzky-Golay平滑预处理,得到光谱波长方向的吸光度强度处理值随时间变化的光谱图,与对照品光谱计算光谱相似度,实现重叠峰的快速智能化识别;利用导数光谱色谱图法对预处理的色谱-光谱矩阵进行解析,获得原点波长,再利用二维相关光谱技术提取特征光谱后,得到基于特征光谱的原点波长的色谱流出曲线,进而得到分离后的色谱峰,实现重叠色谱峰的定量测定。该方法充分利用HPLC-DAD获得的三维色谱-光谱数据信息,能够将二元完全重叠色谱峰有效解析分离和定量测定,明显提高解析结果的准确度,并利用色谱工作站实现了数据采集、解析识别、定量分析一体化智能分析,方法简单高效。

面向色彩再现的多光谱图像非线性降维方法

针对多光谱图像数据维数高导致图像色彩再现过程中数据处理复杂度高的问题,提出一种多光谱图像非线性降维方法。首先根据人眼视觉系统特征,用CIE标准观察者色匹配函数对源光谱进行加权,对加权光谱采用主成分分析(PCA)方法降维来提高降维的色度精度及光照变换时的色差稳定性;然后针对因色匹配函数加权降维引起的光谱损失,采用PCA方法对损失的光谱进行降维,补偿因色度精度提升引起的光谱损失,有效提高降维的光谱精度。最后根据应用精度要求用前两步获得的主成分组合形成降维后数据。实验结果显示,提出方法的平均光谱精度为0.013 9,平均色度精度为0.705 8,色差稳定性为1.950 6,比现有的线性变换PCA法和LabPQR法分别提高了14%,15%;47%,68%和82%,表明新方法在光照变换色差稳定性、光谱精度及色度精度3方面均优于现有其他算法。

汉麻及剑麻纤维红外光谱研究

首先采用一维中红外(MIR)光谱开展了汉麻及剑麻纤维结构研究,实验发现:汉麻及剑麻纤维的一维MIR光谱吸收模式包括:νOH-一维、νas CH2-一维、νs CH2-一维、νC=O-一维、νC=C-一维、δCH2-一维和νC-O-一维。采用一维变温中红外(TD-MIR)光谱,进一步开展了汉麻及剑麻纤维的热稳定性研究,研究发现:在303 K^393 K的温度范围内,汉麻及剑麻纤维热稳定性进一步降低,并进一步进行了机理研究。研究开拓了一维MIR光谱及一维TD-MIR技术在重要的植物纤维(汉麻及剑麻纤维)结构及热稳定性的研究范围。

基于多尺度二维相关拉曼光谱的橄榄油掺杂检测

尝试引入二维相关光谱(two-dimensional correlation spectroscopy,2DCOS)法应用于橄榄油掺杂检测,以提升常规拉曼光谱的分辨率及检测准确度.在外界温度微扰下,二维相关拉曼光谱法能够准确反映橄榄油组成成分以及官能团的变化情况,这些变化随着掺杂油含量和种类的差异而呈现相应的特征信息,进而为实现橄榄油中掺杂其他劣质油的定量分析提供可靠的依据.在二维相关拉曼光谱技术的基础上,结合多维偏最小二乘方法(N-way partial least square,NPLS)与多尺度建模(multi-scale modeling,MM)思想,利用二维相关光谱所提取的二维信息,建立了多尺度二维相关拉曼光谱模型.计算结果表明,多尺度二维相关拉曼算法显著提升了常规拉曼光谱分析模型的精度和可靠性,不仅准确挖掘出了掺杂橄榄油光谱中新的表征信息,而且能克服噪声和基线带来的干扰,使得拉曼光谱分析更加简单、可靠,有望在复杂体系光谱分析中得到广泛的应用.

用二维相关红外光谱鉴别羊毛和羊绒的研究

研究分析羊毛及羊绒的红外光谱。采用变温傅立叶变换衰减全反射红外光谱技术，分别测试了羊毛和羊绒的红外一维光谱、红外二阶导数光谱和二维相关同步红外光谱。研究发现：羊毛和羊绒同时存在着vasCH3、vasCH2、vsCH3、vc=o、δN—H＋vc—N、δN—H＋uc-N和δs-o等。研究还发现：在2800cm^-1～3000cm^-1、100cm^-1～1700cm^-1和1000cm^-1～1100cm^-1频率区间内，采用传统的红外一维光谱法和红外二阶导数光谱法不能有效区分羊毛和羊绒。而采用二维相关同步红外光谱，在2800cm^-1～3000cm^-1和1000cm^-1～1100cm^-1频率范围内，可以清晰地区分羊毛和羊绒。认为：采用二雏相关同步红外光谱技术，可以有效区分羊毛纤维和羊绒纤维。

水汽界面二维银颗粒表面上的单分子拉曼光谱检测

We have found that the silver colloids, which usually used as SERS active substrate, are inclined to aggregation on air water interface and forming a two dimension silver particle films. The formed silver particle films exhibit much higher surface Raman enhancement factor than silver colloids, and the power used on silver particle films is only about 1% of that on silver colloids. Combining with resonance Raman enhancement technique, we realize single molecular Raman detection under the common conditions by using this silver particle films as SERS active substrate.

用高光谱曲线分形维数分析植被健康状况

植被叶片高光谱反射曲线包含植被生长状况的众多信息,该文在分析光谱特征参数如红边位置、绿峰反射高度、红谷吸收深度以及红边面积的基础上,提出利用分形理论对450～780nm之间的反射光谱曲线进行分形测量,并用分形维数定量反映其健康状况的新思路。研究表明,(1)植被反射光谱曲线具有分形特征,对于相同植被,其不同健康状况的叶片在可见光到近红外(450～780nm)间的反射光谱曲线分形维数呈逐渐下降趋势;(2)分别针叶和阔叶,分形维数均与绿峰反射高度、红谷吸收深度以及红边面积3个光谱参数之间存在较好的正相关关系;(3)分形维数与绿峰反射高度、红谷吸收深度以及红边面积也存在较好的多元线性关系,其相关指数分别为0.8928和0.6987。因此,分形维数是对曲线整体的一个综合分析和定量描述,能够作为一个新的综合参数来客观反映植被叶片所处的健康状况。

七种不同产地仙鹤草原药材及提取物的红外光谱与二维相关红外光谱的分析与鉴定

采用红外光谱、二阶导数红外光谱以及二维相关红外光谱,对七种不同产地的仙鹤草原药材及其总鞣酸提取物进行了鉴别分析。仙鹤草原药材的红外光谱中出现了1 151,1 101,1 032 cm-1的淀粉特征峰,同时还出现了1 618,1 318,780 cm-1的草酸钙特征峰,说明在原药材粉末中同时有淀粉和草酸钙存在。原药材丙酮提取物中所含淀粉等基本成分大为减少,而总鞣酸等有效成分的相对含量增加,因此不同产地仙鹤草丙酮提取物的红外光谱中均出现1 711与1 447 cm-1的鞣酸特征峰。应用红外光谱、二阶导数红外光谱以及二维相关红外光谱技术,不仅可以提供仙鹤草主要化学成分的相关信息,还可以对不同产地的仙鹤草药材进行很好的区分。因此红外光谱法是考察中药资源的一种快速、准确、有效的方法。