无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

珠峰地面太阳光谱观测

利用国际标准高精度太阳光谱仪在2020—2021年期间对珠峰周边地面进行为期一年的太阳光谱观测研究。结果显示珠峰地面瞬时太阳光谱及其积分值(总辐射)频频超过大气层顶部光谱和太阳常数,夏至珠峰当地正午太阳光谱峰值达2.211 W/(m^(2)·nm)。珠峰地面观测光谱积分值比海平面高出约15%。观测期间最高日平均光谱峰值达1.121 W/(m^(2)·nm)。珠峰地面月均太阳光谱相对均匀,变化幅度小。最高月均太阳光谱出现在3月份,主要原因是下雪引起地表高反射。全年观测发现珠峰地面太阳总辐照度中紫外线B占0.26%,紫外线A占5.33%,可见光占49.58%,红外线占44.83%。为对比高海拔和低海拔太阳光谱特征,在2021年夏季同步观测珠峰和北京太阳光谱。利用全球气溶胶监测网络相关数据,研究大气气溶胶和水汽总量对珠峰和北京太阳光谱的影响。

基于密度泛函理论对团簇CrPS_(4)的光谱分析

为快速、高效得到物质的谱图数据,利用计算化学方法,根据拓扑学原理,利用密度泛函理论,对团簇CrPS_(4)10种优化构型的红外光谱、拉曼光谱、偶极矩以及极化率进行了分析,并利用构型2^((4))的理论红外谱图与前人所得实际光谱图进行了对比。结果显示:CrPS_(4)红外光谱的波峰大致分布在300~700 cm^(-1)范围内,拉曼光谱的波峰范围主要分布在200~700 cm^(-1)范围内;团簇CrPS_(4)振动形式为伸缩振动时,其对入射光的吸收强度较大;在频率较低的波段,CrPS_(4)更易发生红外吸收,在频率较高的波段,更易发生拉曼散射;总偶极矩的排列顺序为2^((2))>6^((4))>4^((2))>3^((2))>3^((4))>4^((4))>1^((2))>2^((4))>5^((4))>1^((4)),偶极矩越大,红外活性越强;极化率大小关系满足5^((4))<1^((4))<6^((4))<4^((4))<3^((4))<1^((2))<2^((4))<2^((2))<3^((2))<4^((2)),极化率越大,拉曼活性越强;所有构型的3大主轴中,XX轴的极化率均大于YY轴与ZZ轴;构型2^((4))的理论光谱图与实际结果对比发现,两者光谱图波峰频率基本吻合,实验与理论分析互为补充。

基于无人机多光谱影像的寒地水稻品质估测

【目的】在稻谷收获前准确估测稻米品质,为改善水稻养分管理、实现优质优价提供参考。【方法】试验在黑龙江省佳木斯市大兴农场和青龙山农场进行,两个地点土壤肥力具有较大差异。每个农场选择一块稻田,以20 m×20 m间隔采集土壤样品分析碱解氮含量,通过变量施氮形成产量水平、长势差异明显的水稻群体。利用大疆精灵4四旋翼多光谱无人机获取水稻分蘖期、拔节期、抽穗期和成熟期冠层多光谱数据。成熟期采集长势具有明显差异的水稻样品和对应的土壤样品,测定土壤有机质和速效氮、磷、钾含量,水稻籽粒蛋白质和直链淀粉含量,产量和食味值,随机选择其中67%的数据通过逐步多元线性回归构建不同生育时期的品质估算模型,其余33%的数据用于模型的验证。【结果】大兴农场水稻成熟期土壤有机质、碱解氮、有效磷和速效钾含量的变异系数分别为11.65%、14.44%、37.66%和11.60%,青龙山农场分别为14.45%、14.32%、36.37%和28.51%。成熟期两个地点水稻产量和食味值的变异系数均大于10%,青龙山农场水稻蛋白质含量变异系数也超过10%,而两地稻米直链淀粉含量的变异系数仅为1.11%~1.83%,因此,水稻直链淀粉含量不适合用于后续的品质估测分析。分蘖期至抽穗期,大兴农场和青龙山农场水稻蛋白质多元回归模型的R~2和RMSE分别为0.262~0.794和0.259~0.686,食味值多元回归模型的R~2和RMSE分别为0.240~0.755和4.211~7.588,估测效果不理想。成熟期,大兴农场和青龙山农场水稻蛋白质多元回归模型的R~2和RMSE分别为0.791~0.874和0.166~0.365,食味值多元回归模型的R~2和RMSE分别为0.786~0.852和2.836~4.039。成熟期基于植被指数的蛋白质和食味值估测精确度优于抽穗期。在抽穗期,将土壤pH、有机质、碱解氮、有效磷、速效钾等指标与植被指数一起建立与蛋白质和食味值的多元回归模型,大兴农场水稻蛋白质模型的R~2由0.585提高到0.720,RMSE由0.301降低至0.247;两农场食味值模型的R~2由0.565~0.755提高到0.706~0.787,RMSE由4.318~4.854降低至3.993~4.029,基本可以满足对稻米品质估测的精度,而在成熟期加入上述土壤指标提升精度不明显。【结论】水稻成熟期利用多光谱无人机对稻米品质进行原位估测的精度较高,如果将估测时期提前到抽穗期,除植被指数外,还需配合土壤有机质和速效养分含量数据来提高多光谱无人机预测稻米品质的精度。

便携式激光诱导击穿光谱仪测定土壤中重金属

土壤重金属污染对农作物生长和人体健康都有严重危害,现场快速检测对土壤重金属污染调查、应急监测具有重要意义。采用自主研发的土壤重金属激光诱导击穿光谱现场快速检测仪对矿区周边土壤进行现场检测分析,以835个不同基质土壤的光谱数据建立定标数据库,通过支持向量机建立回归模型对土壤重金属元素含量进行定量反演。现场检测获取的全波段光谱波动在15%以内,Cd、Cr、Cu、Ni、Pb和Zn等6种元素光谱强度相对标准偏差平均值为6.31%。将检测结果与实验室电感耦合等离子体质谱法分析对比,6种元素的皮尔逊相关系数r在0.8501~0.9829,检测结果80%以上处于±30%相对误差区间分布。对比结果表明自主研发的土壤重金属激光诱导击穿光谱现场检测仪可以满足现场快速检测需求。

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果,但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点,卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区,以SASI航空高光谱影像为数据源,将深度卷积神经网络引入航空高光谱遥感岩性识别,测试和评估其应用效果。基于预处理后的SASI航空高光谱影像,以试验区地质图及野外调查为参考,制作了8类样本,包括:印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构,分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明:一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果,三维卷积神经网络的识别结果与真实参考最为接近,对试验区各类岩性的区分识别效果最优,一维+二维卷积神经网络的识别效果次之,表明利用卷积神经网络引入高光谱图像空间信息,进行图-谱特征的联合挖掘,有利于提高影像的识别精度和实际应用效果。同时,一维卷积神经网络和一维+二维卷积神经网络的识别结果因航空高光谱影像拼接后的条带效应,影响了它们的实际应用效果,而三维卷积神经网络较好地克服了这种影响,表明其对于大面积航空影像处理具有相对较好的应用前景。

太赫兹光谱技术在食品污染检测中的研究进展

随着新的食品加工技术及新型食品材料的不断涌现,食品污染问题也越来越多,国际食品安全事件频繁爆发,食品污染造成的食源性疾病对人民生命健康造成严重威胁,如何把控好食品质量成为人们关注的焦点问题。太赫兹技术作为一项新兴的检测技术,其反映样品的物理结构、性质及化学成分的同时,也获取样品在太赫兹波段的时域和频域信息作为物质“指纹”谱,用于无损检测和识别领域并取得了一定的成果。相较于传统的检测手段,太赫兹技术安全性高、透视性好以及波谱分辨能力强等优势使其在食品污染检测领域具有极大的应用潜力和应用前景。文章简述了太赫兹光谱技术的基本原理,以其中最为常用的太赫兹时域光谱技术为主要研究重点,对该技术在食品生物性污染、化学性污染、物理性污染检测方面的应用研究工作进行了重点归纳总结,最后聚焦于太赫兹技术在食品污染检测领域的实际应用现状,讨论其发展趋势和应用前景,并分析目前研究仍存在的问题,以期为太赫兹技术在食品安全检测领域未来的进一步发展提供参考。

纤维素拉曼光谱的单体仿真方法研究

纤维素是由葡萄糖组成的大分子多糖,是世界上最丰富、最便宜、最容易获得的天然聚合物。纤维素作为最古老最丰富的天然高分子在研究中备受关注,纤维素的可控性取决于其分子量、大小和结构,而拉曼光谱具有“指纹特性”,可以对不同的纤维素纤维进行鉴别,也能对历史老化的纺织纤维材料进行鉴别。然而纤维素作为大分子多糖对其做理论仿真较为困难,该研究提出采用基本单元模拟大分子光谱这一方案,使用纤维素单体仿真拉曼光谱来分析纤维素大分子的光谱性质。使用Gaussian 16软件基于密度泛函理论,在B3LYP/6-31g(d, p)的基组条件下,计算了不同外电场(-0.01-0.03 a.u.)下的纤维素单体的拉曼光谱,以及纤维素双链节的拉曼光谱。研究表明,在无外电场作用下,纤维素单体的拉曼光谱主要在449、 597、 842、 1 127、 1 361、 1 395和3 005 cm^(-1)处有特征峰,对其做振动分析,结果表明这些拉曼峰分别是由环(C6—C4—O20)伸缩振动、 C—C—H扭曲振动、环(C4—O20—C2)伸缩振动、糖苷键(C2—O1—C8)的伸缩振动、 CH_(2)的弯曲振动、 CH_(2)的弯曲振动、 CH_(2)的伸缩振动产生。通过与实验值比较,纤维素单体仿真拉曼光谱与天然纤维素的实测拉曼光谱相吻合,故可通过对纤维素单体的第一性原理计算来反映纤维素大分子的拉曼光谱特性。当外电场由负方向变为正方向且逐渐增大时,597 cm^(-1)对应的环C—C—H扭曲振动的振幅无明显变化,以无电场为基准,施加外电场时,振动能量减小光谱红移;1 127 cm^(-1)对应的糖苷键(C2—O1—C8)的伸缩振动振幅明显减小,光谱呈蓝移;CH_(2)的弯曲振动在1 395 cm^(-1)处的特征峰光谱呈蓝移,在1 361 cm^(-1)处产生的光谱先蓝移再红移又再次蓝移,推测是弯曲振动区域更容易受到骨架振动和环境变化的影响。对比纤维素单体与双链节拉曼光谱的差异,除单体明显的特征峰外,双链节分子的在1 041和151 cm^(-1)处有明显的特征峰,其分别为仲醇C—O伸缩振动,C—O—H弯曲振动所产生,可对纤维素单体的拉曼光谱进行补充说明。这些结论为研究纤维素在外电场作用下的光谱提供理论依据,同时为其他大分子聚合物的拉曼光谱研究分析提供一种新的方法。

激光诱导击穿光谱技术相关物理机制研究进展

激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,LIBS)是利用强脉冲激光与物质相互作用所产生的等离子体光谱来实现对物质组成元素定性和定量分析的一种新方法。在脉冲激光诱导等离子体的过程中,不同的激光参数(能量、脉宽、波长)、检测过程中的环境条件以及材料本身的特性等,对激光诱导等离子体的物理机制都有不同程度的影响,进而影响LIBS定量分析的结果。本文综述了现阶段LIBS技术中包括LIBS基本原理、激光参数区别、环境和材料特性差异所涉及的物理机制。为深入理解激光与物质相互作用、提升LIBS检测能力提供了依据。

紧凑型激光诱导击穿光谱仪的研制

基于煤质分析、冶金、水质检测等众多领域对激光诱导击穿光谱技术(LIBS)的需求,本研究设计了一台基于激光诱导击穿光谱原理的紧凑型快速检测装置,其具有良好的稳定性和较高的激光能量(0~100 mJ),可进行全自动化谱线对比与筛选,从而实现多样品、多元素的LIBS快速检测。在参数优化的基础上,利用该装置对7个钢样所含的硅元素与碳元素进行了检测分析。实验结果表明,当延迟时间为1μs、离焦量为0 mm、激光能量为60 mJ时,可以获得最佳的硅、碳特征光谱数据。在最优实验条件下,对7个样品进行定量分析,利用内标法建立硅、碳元素的定标拟合曲线,其相关系数分别为0.986和0.999,相对强度比的相对标准误差不超过5%,预测值与实际值偏差较小。研究结果验证了该仪器具有良好的分析性能,对多元素检测、可移动式LIBS仪器的发展具有参考意义。

基于光易变性低秩正交先验的高光谱解混

高光谱解混是通过图像分解提取端元及丰度特征的过程,然而由光照、大气等因素引起的光谱类内易变性,或者由环境变化、设备等非线性因素导致的谱间易变性,会导致特征提取精度下降。为了全面考虑解混过程中光谱变化的问题,本文引入光谱易变性的低秩正交先验提出了一种增强型的光谱解混优化模型。首先,在线性解混模型基础上引入易变性数据拟合项来同时考虑光谱类内和类间变化,利用缩放因子来解决光谱类内易变性,同时增加光谱易变性扰动矩阵来解决谱间易变性。其次,该模型利用正交先验约束来实现原光谱字典与易变性项的空间低相干性,通过采用核范数对数松弛来强化丰度矩阵的低秩特性,抑制微小分量及噪声。最后,采用交替优化法及向量-矩阵算子降低求解算法复杂度。通过模拟数据集和真实数据集仿真测试结果表明,本文所提算法取得了优于对比算法的良好性能,验证了该优化模型的有效性。

紫外小F数高变倍高光谱成像仪设计

常规成像光谱仪一般变倍比较低,不利于大视场长狭缝多通道光学系统的扩展应用,此外,空间遥感中紫外波段的辐射能量较低,需要成像光谱仪具有更小的F数。针对高光谱分辨率成像光谱仪小F数的探测需求,本文设计了一种具有高变倍的高光谱分辨率Offner紫外成像光谱仪。该成像光谱仪的后置分光系统采用了具有轻小型特点的改进型Offner结构。结合成像光谱仪对变倍比和小F数的需求,通过理论推导得到Offner初始结构参数。在像面前插入一块弯月透镜,增加系统的优化自由度,进而提升系统的成像质量。最终得到的成像光谱仪工作在270~300 nm波段时,具有40 mm的长狭缝,光谱分辨率优于0.6 nm,系统变倍比小于0.22,F数小于2,在截止频率为14 lp/mm时,系统调制传递函数(MTF)均优于0.9,系统各波段各视场均方根半径(RMS)均小于12μm。本文的研究对紫外波段高光谱探测成像光谱仪实现小F数、高变倍设计提供了一种设计方案。

基于光流估计的“珠海一号”高光谱卫星遥感数据的固体废弃物识别方法——以河南省济源示范区为例

本文提出了一种基于光流估计的高光谱卫星遥感数据的固体废弃物识别方法。首先,从序列数据的角度看待高光谱数据,引入DeepFlow光流估计技术提取光谱维度的亮度变化信息,作为更具判别性的光谱运动特征;然后,将提取的光谱运动特征与原始光谱特征相结合后输入至常用的支持向量机进行固废识别;最后,进一步提出固废识别后处理方法改善识别效果,并利用“珠海一号”高光谱卫星遥感数据,以河南省济源示范区为研究区展开试验。试验结果表明,本文方法能够对露天堆放的工业固体废弃物进行大范围的快速精准识别,初步锁定济源示范区内存在固废遗留和违规堆放行为的11个地域风险点,且识别精度优于传统的光谱特征提取和分类方法,为后期人工现地勘察固废和“清废”行动显著节省了时间和工作量。

近红外光谱联合化学计量学在柑橘类水果质量无损检测方面的最新研究及应用进展

柑橘类水果以其诱人的风味和高保健作用而备受消费者青睐。面对日益增长的市场份额,以及对口感、质量的双重需求,高品质柑橘类水果成为消费偏爱。快速检测技术的研发应用可为柑橘类水果的安全生产和消费保驾护航。近红外(near-infrared,NIR)光谱技术作为一种无损、便捷、高效的绿色检测技术,已被广泛用于水果质量检测研究。文章全面归纳综述了近5年来NIR光谱技术结合化学计量学在柑橘类水果内部成分、外部缺陷、活性物质、病害、品种、分类、产地等方面的检测研究及应用进展,阐明了NIR光谱技术在柑橘类水果质量检测应用方面的发展趋势并提出了相关建议,为完善光谱技术检测柑橘类水果理论和研发专用水果检测设备提供方法借鉴。

盘锦地区不同品种水稻品质及其冠层高光谱反射率特征分析

对2022年盘锦地区8种水稻进行品质特征分析,并探讨不同品种水稻籽粒加工品质、外观品质、蒸煮品质、营养品质与水稻成熟期冠层原始光谱、一阶导数光谱及连续统去除光谱的相关关系。结果表明:盐粳939的加工品质较好,锦稻106(9系)的外观品质较好,锦稻香103的蒸煮品质较好,盘粳968(3系)的营养品质较好。原始光谱反射率与糙米率指标的相关关系较好,在731~1131 nm和1150~1360 nm两个波段内,相关系数高达0.767;糙米率与一阶导数光谱的相关关系最好,在1459 nm处达到极显著相关,相关系数为0.867;垩白度和垩白粒率均在1804 nm处与连续统去除光谱的相关关系较好,并达到极显著负相关,相关系数分别为-0.979和-0.983;长宽比与原始光谱的相关关系较好,相关系数在659 nm处达到最大值,为0.849;蒸煮品质所包含的食味值、直链淀粉含量和营养品质所包含的蛋白质含量均与连续统去除光谱有较好的相关关系。

西藏太阳光谱全年变化特征

精确观测地面太阳光谱能为反演大气环境、利用太阳能资源、保护植物生态等提供实地数据。对比目前卫星和地面观测结果显示由于海拔高、空气稀薄等因素西藏是地球上瞬时太阳辐照度最强的地区之一,观测西藏太阳光谱变化特征对研究强辐射环境下人类健康、生态变迁、太阳能利用等诸多领域具有独特的意义。2020年—2021年利用德国RAMSES-ACC-VIS光谱仪和加拿大SolarSIM-G高精度光谱仪对西藏五个高海拔地区(拉萨、林芝、那曲、日喀则、定日)进行了为期一年的太阳光谱观测研究。首次获得了西藏多地完整一年的太阳光谱实地数据,记录了每隔一分钟全天太阳紫外线、光合有效辐射和红外辐射光谱变化特征。分析研究了西藏各地全年日平均太阳光谱特征,发现全年日均最高光谱峰值1.12 W·m^(-2)·nm^(-1)出现在波长477.30 nm处。研究了西藏典型高原拉萨地区太阳光谱随季节性的变化特征,分析了其二分二至光谱辐照度变化区间,发现拉萨夏至日均光谱辐照度比冬至高约一倍多,夏至光谱峰值1.13 W·m^(-2)·nm^(-1),冬至0.43 W·m^(-2)·nm^(-1)。西藏日喀则全年太阳光谱变化浮动比拉萨的小,各节气光谱变化范围比较集中,夏至和冬至光谱峰值之差比拉萨的小。研究了西藏各地太阳光谱年平均辐照度特征,发现日喀则和珠峰平地年平均太阳光谱辐照度非常接近,两地光谱峰值均约为0.83 W·m^(-2)·nm^(-1);拉萨年均光谱峰值约为0.73 W·m^(-2)·nm^(-1),略低于日喀则和定日;那曲年均光谱曲线最低,峰值仅为0.53 W·m^(-2)·nm^(-1)。太阳光谱年均值和太阳能资源不同地区分布特征对西藏高原开发利用太阳能资源具有重要的应用价值。为了比较西藏高原与内地平原太阳光谱特征,同步观测研究了高海拔拉萨(3693 m)和低海拔北京(32 m)的晴天太阳光谱。2021年6月3日两地均为晴天,分析了两地当地正午太阳光谱特征,发现拉萨正午全波段光谱积分值比北京高约20%,比大气质量AM0的仅低5%左右;当日正午拉萨光谱峰值达1.83 W·m^(-2)·nm^(-1),北京为1.41 W·m^(-2)·nm^(-1);当日正午拉萨太阳紫外光谱积分值比北京高约15%。

激光诱导击穿光谱技术对钕铁硼永磁材料中多元素的定量表征

“磁王”钕铁硼是现今性能最为优异的永磁体,因其优异的磁性能被广泛应用于工业互联网、新能源、 5G通讯等诸多高新科技领域。目前研究钕铁硼材料中元素成分的主要分析方法有电感耦合等离子体发射光谱(ICP-OES)和X射线荧光光谱(XRF),其中ICP-OES是湿法分析,样品前处理复杂,测试周期长,而XRF法可实现直接分析,但受制于其轻元素的检测能力很难满足对钕铁硼材料中主要轻元素B的分析需求。激光诱导击穿光谱(LIBS)技术具有分析效率高,样品前处理简单,多元素直接分析,适用于现场分析、在线分析等技术优点,使其在快速定量表征方面展现出其独有的优势。运用LIBS分析技术开展对钕铁硼材料中多元素定量表征的直接、快速分析的方法研究,首先针对钕铁硼材料中定量表征的九个元素Nd、 Co、 B、 Dy、 Tb、 Pr、 Cu、 Al、 Ga完成特征谱线的筛选,通过对系统激光器电压、激光剥蚀方式等因素在不同条件下对钕铁硼材料光谱信号稳定性的影响分析,优化并确立了分析条件,最终选用720V的激光器电压,15个预剥蚀脉冲15个剥蚀脉冲的激光剥蚀方式为钕铁硼样品的分析条件;其次,选取8个通过ICP-OES法定值的烧结钕铁硼样品,样品具有元素成分的梯度差异化特征,作为建立分析方法的标准样品,采用标准曲线法通过相对强度与浓度的关联方式,建立钕铁硼样品中Nd、 Co、 B、 Dy、 Tb、 Pr、 Cu、 Al、 Ga九个元素的定量分析校准曲线;最后选取两个烧结钕铁硼试样,运用建立的定量分析方法完成九个元素的定量表征,分析时间小于30 s,其定量结果与ICP-OES法测定结果的比对,具有较好的一致性。运用激光诱导击穿光谱分析技术实现了对钕铁硼材料中多元素成分的直接、同时、快速定量表征,为钕铁硼材料的快速定量表征提供了新的技术思路和表征方法。

拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。

基于光谱特征的多重金属离子与DOM结合特性

通过淬灭滴定实验,文章采用同步荧光光谱和傅里叶红外光谱(FTIR)结合二维相关光谱分析,探究Cu^(2+)和Cd^(2+)多重离子与溶解态有机质(DOM)结合特性。研究结果表明,(1)DOM与Cu^(2+)和Cd^(2+)结合稳定常数(lg KM)分别为4.75~5.18和3.71~4.12,Cu^(2+)与DOM的结合能力要强于Cd^(2+)。(2)Cd^(2+)浓度为0和100μmol/L时,DOM点位与Cu^(2+)的结合顺序均为430~500 nm>330~420 nm,且Cd^(2+)存在时Cu^(2+)与DOM的lg KM为4.56~4.95。对比结果表明Cd^(2+)的存在并未影响DOM点位与Cu^(2+)的结合顺序,但减弱了DOM与Cu^(2+)的结合能力。(3)FTIR结果表明,Cd^(2+)浓度为0和100μmol/L时DOM官能团与Cu^(2+)结合顺序依次为酚类C-O>酰胺N-H>酰胺C=O>羧基C=O>芳香族C-H>多糖C-O和酰胺N-H>酰胺C=O>酚类C-O>芳香族C-H>多糖C-O。Cd^(2+)与酚类C-O结合后影响了Cu^(2+)与DOM中酚类C-O和羧基C=O官能团的结合。水环境中多重金属离子共存时的生物有效性和生态风险应受到关注。

光谱技术在果品无损检测中的应用研究进展

介绍了常用的果品无损检测方法,包括电子鼻法、X射线计算机断层成像法、机械方法、磁共振(核磁共振)成像光谱学法、拉曼光谱学法、近红外光谱技术等;重点综述了高光谱成像技术在无损检测水果结构特性、生化成分和安全性等方面的研究进展,以期为水果品质的无损检测研究提供参考。