塑封基板类器件翻新件无损鉴别方法研究

本研究提出了一种针对塑封基板类翻新件的无损鉴别方法。通过外观特征分析、声学扫描电子显微镜分析和X射线分析等技术方法,实现了塑封基板类翻新件的无损鉴别方法。结合相关案例,揭示了塑封基板类器件的典型翻新物理特征,有效指导了塑封基板类翻新器件的鉴别方向。针对典型翻新物理特征进行综合评价和风险分级,进一步加强了塑封基板类器件在应用过程中的风险规避。

林下山参、园参、红参与西洋参粉末的化学成分及快速无损鉴别

目的基于超高效液相色谱-四级杆-飞行时间串联质谱(UPLC-Q-TOF-MS)结合多元统计学方法,筛选林下山参、园参、红参与西洋参的主要差异性成分;基于近红外光谱(NIRS)技术与多元统计学方法,建立不同参品的快速无损鉴别方法。方法采用Waters Acquity UPLC BEH C18色谱柱,流动相为0.1%甲酸水-乙腈,梯度洗脱,在负离子模式下采集质谱数据,通过与文献数据及对照品比对,鉴定林下山参、园参、红参与西洋参中人参皂苷类成分;通过正交偏最小二乘判别分析(OPLSDA),以变量重要性投影(VIP)值>1为标准筛选4种参的主要差异性成分;采集4种参粉末的NIRS,采用光谱预处理方法扣除仪器噪声及背景干扰,通过OPLS-DA,构建4种参粉末的快速无损判别模型。结果共鉴定4种参中54种人参皂苷类成分,筛选了18个主要差异性成分;NIRS技术采用二阶导数预处理方法结合OPLS-DA可实现4种参种类判别分析。结论本研究阐明了林下山参、园参、红参与西洋参的物质基础及差异性成分,可为不同参品的质量标志物的确定提供参考;同时建立了不同参品粉末的快速无损鉴别方法,为生产及市场上不同参品的掺假鉴别提供了有力的技术支撑。

基于近红外光谱法的14类纤维快速无损鉴别

探讨基于近红外光谱法的14类纤维快速无损鉴别方法。采用近红外光谱仪采集14类常见服装用纤维的光谱图,采用主成分分析法提取类似指纹的专属谱图,在设定适合阈值下,采用聚类分析法对其进行鉴别研究。结果表明:14类纤维经一阶导数和矢量归一法光谱预处理,结合欧氏距离标准法进行聚类分析,构建特定频率范围的鉴别模型,所有纤维的正判率达到100%。认为:该方法能够实现对14类常见服装用纤维的简便、无损、高效、准确定性鉴别。

铝合金三价铬本色化学氧化快速无损鉴别工艺研究

针对铝合金三价铬本色化学氧化快速鉴别的需求,开发了一种快速无损鉴别工艺。通过正交试验得到了如下较佳的工艺条件:高锰酸钾8.0 g/L,无水碳酸钠1.0 g/L,钼酸钠0.2 g/L,pH 9.0,时间80 s。采用该鉴别工艺时,裸铝合金表面会变为黄色,而经三价铬本色化学氧化处理的铝合金表面无明显变化。该鉴别工艺对三价铬本色化学氧化膜的表面形貌、耐蚀性及漆膜附着力均无明显影响,具有快速、无损的优点。

七种花旗参茶包的FTIR光谱法无损鉴别

本文利用傅里叶变换红外光谱法 (FTIR)无损快速鉴别了七种花旗参茶包。各种花旗参茶包的红外光谱较特征。根据红外的特征谱图分析 ,市售的 7种花旗参茶包基本上可分为两大类 ,一类是纯的花旗参药材料末而制成的茶包 ;另一类是花旗参的提取物和辅料混合后而制成的茶包。红外光谱图还表明各种花旗参茶包所选用的辅料也不尽相同 ,有的采用葡萄糖 ,有的则采用蔗糖 ,辅料所添加的种类与有的商品标定的不符。另外花旗参茶包所添加的辅料较多 ,花旗参提取物的特征峰较弱 ,这就表明有的花旗参茶包的质量较差。HPLC的分析结果也证明了采用原药材而制成的花旗参茶包的总皂甙含量高于花旗参的提取物和辅料混合后而制成的茶包 ,基本上相差了 4倍。因此 ,红外光谱法快速、简便、直观、可靠 。

红外光谱法无损鉴别升麻的研究

本文利用傅里叶变换红外光谱法和计算机比对软件 ,快速、直接地测定了 15种升麻基源植物 ,结果表明 :各种升麻药材的基源植物由于其化学成分的不同以及各成分间的相对含量的不同 ,使每种样品都有自己独特的红外谱图。不同科的升麻样品谱图差别较显著 ;同属不同种的升麻谱图差别较大 ;同种不同产地、同种同产地不同采集时间的升麻谱图差别较小。该方法具有快速、准确、制样简单不需对样品进行提取分离。

红外光谱和聚类分析法无损快速鉴别赤芍

以赤芍的红外指纹图谱作为聚类分析的对象 ,在建立主成分模型的基础上 ,采用SIMCA聚类分析法对赤芍进行了快速的分类研究。结果表明 :由于野生与栽培赤芍的红外指纹图谱变异度较大 ,其光谱聚类的结果较理想 ,盲样检测的正确率可达 90 % ;由于不同产地的赤芍的红外指纹图谱变异度较小 ,进行聚类分析后用盲样检测 ,正确率为 75 % ,对于变异度较小的样品 ,若要提高识别的置信度 ,需增加样品的数目和采样的代表性。总之 ,红外指纹图谱与聚类分析法相结合可以快速鉴别药材的道地性。

近红外光谱和聚类分析法无损快速鉴别小儿抽风散

以小儿抽风散不同缺味复方的近红外图谱作为聚类分析的对象,在建立混合成分模型的基础上,采用SIMCA聚类分析法对小儿抽风散不同缺味复方进行了快速的分类研究。实验中,在保证其他配伍组分完整的基础上,分别设缺少蜈蚣、全蝎、僵蚕、土鳖虫和蝉蜕的5个阴性样品。结果表明:尽管各样品的近红外谱图很相似,难以直接区别,但采用近红外光谱和聚类分析相结合的方法可以鉴定小儿抽风散的不同缺味复方。各样品之间光谱聚类的结果较理想,盲样检测的正确率可达90%以上。此外,如果能够获得足够多的样本,增加训练集样本数和采样的代表性,加强操作的标准程度,该法的准确率将会大大提高。因此,近红外光谱与聚类分析法相结合可以快速、无损识别中药复方。

分子光谱法无损鉴别生药材的最新进展

本文叙述了傅里叶变换拉曼光谱技术 （ＦＴ－Ｒａｍ ａｎ） 和漫反射傅里叶变换红外光谱技术 （ＤＲ－ＦＴＩＲ）

傅里叶变换红外光谱和傅里叶变换拉曼光谱法无损鉴别药材的真伪

利用傅里叶变换红外（ＦＴ－ＩＲ）和近红外傅里叶变换拉曼（ＮＩＲ ＦＴ－Ｒａｍａｎ）光谱法对大黄（西宁大黄）与伪品大黄（华北大黄、山大黄、水根大黄）进行了无损快速的鉴别。结果表明：尽管正品大黄与伪品大黄差别较小，有大部分的化学成分有很大的相同之处，但在红外、拉曼谱图中各自的特征峰较突出，根据谱峰的强度和位置可容易地将它们区别开来。红外和拉曼光谱法相互印证，相互补充，具有快速、准确、操作简单、重复性好、不需对样品进行分离提取，可直接鉴别等特点。

六色灵芝的FTIR快速无损鉴别

本文首次利用傅里叶变换红外光谱法 (FTIR)无损快速鉴别了六色灵芝真菌。结果表明 :白、黄、黑、青、赤和紫灵芝均有自己的红外特征谱 ,据谱图吸收峰的相对强度的差异可以达到灵芝类同的鉴别和灵芝的稳定性预测。该方法快速、简便、可靠。

近红外光谱和聚类分析法无损快速鉴别不同辅料奶粉

以添加不同辅料奶粉的近红外图谱作为聚类分析的对象,化学成分的含量不同,红外的谱图就会有差异。在建立混合成分模型的基础上,采用SIMCA聚类分析法对添加不同辅料奶粉进行了快速的分类研究。对市场250种不同种类奶粉进行近红外扫描,并做了重现性测定。含有乳糖或蔗糖的不同辅料的奶粉的近红外谱图,从表观上难以进行指纹特征提取,需采用模式识别技术来进行智能识别。从中随机抽取160张谱图进行聚类分析,并对未知样品进行预测。结果表明:尽管各样品的近红外谱图很相似,难以直接区别,但采用近红外光谱和聚类分析相结合的方法可以鉴定添加不同辅料的奶粉。从模型图上看,两个不同辅料奶粉之间没有重叠,互不干扰,各样品之间光谱聚类的结果较理想,盲样检测的正确率可达90%以上。如果能够获得足够多的样本,增加训练集样本数和采样的代表性,加强操作的标准程度,该法的准确率将会大大提高。近红外光谱与聚类分析法相结合可以快速、无损识别奶粉中添加的不同辅料,是一种有效的奶粉质量检测技术。

中药配方颗粒红外指纹图谱的无损快速鉴别研究

借助于红外指纹图谱对各生产厂家生产的中药配方颗粒进行了系统的鉴别研究。结果表明 ,红外指纹图谱可直观的反映出不同生产产家 (广东一方、江阴天江、三九医药、香港培力 )之间产品质量的异同 ,同一厂家不同批号颗粒剂谱图的可重现性 ,不同炮制方法及炮制前后的差异 ,以及同一炮制品不同批号的异同。该法能够有效地对其产品质量进行真伪优劣鉴别 ,为产品的质量控制标准提供了一种先进、快速的分析手段。

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40个肉样,应用便携式近红外光谱仪在1 000~2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30个肉样进行鉴别分析的鉴别准确率均为90%。

激光拉曼光谱法无损分析鉴别川贝母

利用激光拉曼光谱技术快速、准确鉴定川贝母与其混淆品。根据药材所含的化学成分不同,致使药材的拉曼峰不同,测定多个川贝母样本及混淆品的拉曼图谱。川贝母的拉曼光谱图在442,480,863,941,1 083,1 129,1 342,1 463,2 910cm-1处出现强峰,在111,302,360,409,527,579,618,718,767,1 052,1 083,1 207,1 261cm-1处出现了较明显的拉曼峰;构建了川贝母的拉曼指纹图谱,可与其混淆品土贝母、平贝母、光慈姑、草贝母进行区分;采用激光拉曼光谱技术可快速无损分析鉴别川贝母。

便携式近红外光谱仪快速无损鉴别霍山石斛枫斗和河南石斛枫斗

采用便携式近红外光谱仪采集231个霍山石斛枫斗和河南石斛枫斗样品的近红外光谱,采用一阶导数(1st D)、标准正态变量变换(SNV)、均值中心化(MNCN)、多元散射校正(MSC)、矢量归一化(N)等方法及其组合的9种方法预处理原始光谱,应用偏最小二乘判别分析(PLS-DA)建立快速无损鉴别霍山石斛枫斗和河南石斛枫斗的数据模型,比较不同光谱预处理方法对PLS-DA建立模型的准确率影响,以预测模型的正确率、敏感性、特异性为指标,评价模型的优劣。结果表明:1st D+SNV+MNCN预处理方法的效果最好,模型的准确率最高,在潜在变量是12的情况下,校正集、交互验证集、预测集的准确率都为100%;模型的敏感性、特异性都为100%。

基于可见光谱的古代壁画颜料无损鉴别方法

矿物颜料是古代壁画显色的物质基础,其可见光谱反映自身物质和物理属性。不同颜料对可见光吸收特性的差异导致光谱曲线形状不同,同一种颜料因粒径等级差异引起光谱曲线幅值的规律性变化。依据矿物颜料上述特性,提出一种基于可见光谱的古代壁画颜料无损鉴别方法,通过光谱归一化方法实现不同粒径等级的同一颜料光谱曲线叠合,去除颜料粒径等级对光谱曲线幅值变化的影响,然后提取表征光谱曲线在各波段增减性和凹凸性的一阶与二阶导数特征,与光谱曲线组合得到颜料物质属性鉴别的光谱组合特征空间,以光谱角和欧式距离为基础构建评价指标,计算待鉴别颜料与数据库参考样本在光谱特征空间中的匹配误差(ME),实现颜料物质属性的鉴别。通过构建矿物颜料平均粒径大小和光谱反射率均值之间关系函数,实现颜料平均粒径大小的鉴别。基于构建的古代壁画常用颜料光谱数据库,以莫高窟壁画为对象,通过非接触式原位无损测量方法测量获得壁画颜料的可见光谱数据,对本文方法进行了验证,并以石绿和青金石颜料的鉴别结果为例,对古代壁画颜料使用技法、不同朝代颜料使用的差异性及原因进行了探讨。该方法将为更加全面深入研究和保护古代壁画提供有效的理论与方法支撑。

基于SVM的棉麻织物近红外光谱快速无损鉴别

将近红外光谱技术与支持向量机(SVM)相结合建立分类模型,用于棉、麻织物的快速无损鉴别。选用径向基函数(RBF)作为核函数,分别采用网格搜索法、遗传算法和粒子群算法对惩罚参数c和核函数参数g进行参数寻优。结果显示,用网格搜索法得到的最佳参数c和g建立的模型分类结果最好,模型对棉、麻训练集的分类准确率分别为100%和99.12%,对预测集的分类准确率均为96.67%。近红外光谱技术鉴别单个样品的时长小于3 min,实现了快速鉴别。结果表明,近红外光谱技术与支持向量机相结合,可用于棉、麻织物的快速无损鉴别。

基于近红外与主成分分析化橘红的快速无损鉴别

目的基于近红外和主成分分析,建立化橘红快速无损鉴别方法。方法采用近红外光谱技术不经任何化学处理,对原始样品(毛橘红、光橘红、伪品)粉碎后直接检测,获取样品的全部完整的光谱信息,通过聚类分析和主成分分析的模式识别技术对样品进行定性分析,实现了对化橘红的快速无损鉴别。结果化橘红的近红外图谱通过聚类分析和主成分分析能够鉴别出化橘红的优劣。结论近红外光谱法是一种快速、无损鉴别化橘红的方法。

近红外光谱法无损快速鉴别头孢类原料药

目的:利用近红外光谱技术建立一种无损快速鉴别头孢类原料药的方法。方法:不破坏样品包装,用光纤探头直接采集8种头孢类原料药的近红外漫反射光谱,采用化学计量学方法对光谱进行预处理,剔除异常光谱,建立头孢类药物的近红外识别模型,并进行模型验证。结果:将经一阶导数+矢量归一化法预处理所建立的模型用于识别头孢类药物,其准确性、专属性和耐用性均良好。结论:该方法可实现对头孢类原料药的无损快速鉴别,为头孢类药物的鉴别提供了一条准确、简单、有效的途径。