激光击穿光谱检测赣南脐橙中铬元素的实验研究

为评估激光诱导击穿光谱技术(LIBS)对水果样品中重金属元素的检测潜力,选用在不同浓度梯度重铬酸钾水溶液中浸泡了30个小时的赣南脐橙样品进行LIBS实验,采集铬元素的特征谱线与峰值强度信息。在激光照射部位称取3g左右的脐橙样品进行湿法消解,用原子分光光度计检测样品中的铬浓度。实验数据用Origin软件进行拟合后得到了谱线峰值强度和Cr浓度之间的关系曲线,即定标曲线,二者有线性关系,线性相关度0.981 66。由检测限公式计算得到铬浓度的检测限为11.68μg.g-1。采用该定标曲线即可对赣南脐橙中的铬元素进行定量检测。实验结果表明LIBS技术是一种检测、定量分析水果样品中重金属元素含量的有效手段。

应用激光诱导击穿光谱定量分析脐橙中的金属元素

为了探讨水果中金属元素的实时快速检测方法,运用激光诱导击穿光谱(LIBS)技术对烘干的脐橙橙皮和橙肉中的金属元素Cu、Ni、Ti、Sr、Ba、Cr进行定量分析。采用1 064 nm的Nd:YAG调Q脉冲激光发生器,在同等条件下烧灼脐橙橙皮和橙肉,利用八通道光纤光谱仪对特定波长范围的光谱波段进行鉴别分析,比较烘干橙皮和橙肉中Cu、Ni、Ti、Sr、Ba、Cr金属元素特征谱线的相对强度值。结果表明,橙肉中的Ti元素含量明显高于橙皮中,橙肉中的Ba元素含量稍高于橙皮中,而橙皮中的Sr、Cu、Ni和Cr元素含量均高于橙肉中。结果还表明运用LIBS技术可以快速实时检测水果样品中的金属元素含量。

可见/近红外漫透射光谱结合CARS变量优选预测脐橙可溶性固形物

可溶性固形物(SSC)是脐橙重要内部品质之一。采用QualitySpec型光谱仪在350～1000nm波段范围采集脐橙的可见/近红外漫透射光谱,采用CARS(competitive adaptive reweighted sampling)变量选择方法筛选出与脐橙SSC相关的重要变量,并与无信息变量消除(UVE)及连续投影算法(SPA)比较。最后,对选择的38个重要波长变量应用偏最小二乘(PLS)回归建立脐橙SSC预测模型,并对未参与建模的75个样品进行预测。研究结果表明,CARS方法优于UVE及SPA变量选择方法,能有效地筛选出重要波长变量。CARS-PLS建立的SSC预测模型优于全光谱的PLS模型,其校正集及预测集的相关系数分别为0.948和0.917,均方根误差分别为0.347%和0.394%。因此,可见/近红外漫透射光谱结合CARS方法可以预测脐橙可溶性固形物,CARS变量选择方法能有效简化预测模型和提高模型的预测精度。

用激光诱导击穿光谱技术定量分析土壤中Ba和Sr

利用激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术检测土壤标准样品中Ba和Sr的含量,用光纤光谱仪探测等离子体冷却过程中的发射谱线,选取BaⅡ455.41nm和SrⅠ460.73nm特征谱线为分析线。为了减小误差,采用Lorenizian函数进行光谱轮廓曲线拟合对数据预处理,提取光谱净强度值。选择多元素谱线强度和作为内标,根据分析线与内标线强度值之比建立定标曲线,Ba和Sr含量与其强度比的线性系数分别达到0.990 0和0.990 6,采用这种强度比定标法对Ba和Sr的含量进行反演,测定Ba和Sr含量值与标准值的相对偏差分别为5.7%和5.1%。

表面增强拉曼光谱法快速检测脐橙果肉中三唑磷农药残留

采用表面增强拉曼光谱技术结合快速溶剂前处理方法检测脐橙果肉中三唑磷农药残留,应用化学计量学方法建立脐橙果肉中三唑磷农药残留的快速检测模型。以脐橙果肉提取液为基质,采用N-丙基乙二胺、C18和石墨化碳去除果肉中有机酸、色素等荧光物质,配制不同浓度的三唑磷农药溶液,应用不同预处理方法对光谱信号进行预处理,建立偏最小二乘模型。结果表明,以脐橙果肉提取液为基质的三唑磷溶液最低检测浓度低于0.5mg·L-1;归一化预处理后建立的模型预测性能最好,模型对预测集样本的均方根误差为1.38mg·L-1,相关系数为0.976 6,相对分析误差为（RPD）4.66。预测回收率为95.97%~103.18%,相对误差绝对值在5%以下,表明模型具有较好的预测效果。对4个未知浓度样本进行配对t检验,预测值与真实值无显著差异,说明所建立的方法准确可靠。

基于UVE-GA变量优选的山茶油可见/近红外光谱掺假鉴别

摘要：利用可见／近红外光谱结合无信息变量消除一遗传算法（UVE—GA）变量选择方法对山茶油和掺杂低比例菜籽油（1％～10％）的山茶油进行鉴别分类，并应用线性判别分析（LDA）方法建立分类模型。结果表明：UVE—GA是一种有效的波长变量选择方法，能简化分类模型和提高分类模型精度；UVE—GA—LDA分类模型适用于掺杂2％以上菜籽油的山茶油鉴别分类，其分类正确率为100％；对掺杂1％菜籽油的山茶油鉴别分类正确率有待提高，其分类正确率仅为50％。

激光诱导击穿光谱结合PLS检测土壤中的铅

利用波长1064 nm的Nd∶YAG脉冲激光器获取国家标准土壤中铅元素的诱导击穿等离子体,并用八通道光纤光谱仪采集了样品等离子体光谱。应用多种光谱预处理方法对光谱进行信息提取和分析,比较了光谱的预处理方法对偏最小二乘(PLS)模型定量预测能力的影响。结果表明,采用9点光谱平滑处理和多元散射校正(MSC)预处理的模型质量较好,校正集和预测集的相关系数R分别为0.9981和0.9948,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为12和17;元素Pb浓度分析测量的结果与标准值的相对偏差在10.5%以内,实验表明LIBS结合PLS建模能满足土壤中微量重金属快速检测的要求。

可见/近红外联合UVE-PLS-LDA鉴别压榨和浸出山茶油

山茶油是我国特有的优质食用油,而压榨山茶油营养品质优于浸出山茶油。采用可见/近红外光谱技术对压榨和浸出山茶油进行鉴别研究。在350～1 800nm波段范围内采集压榨和浸出山茶油样本的透射光谱,利用无信息变量消除(UVE)方法进行波长变量优选,剔除无用波长变量,并应用偏最小二乘-线性判别分析(PLS-LDA)建立鉴别分类模型。最后,利用鉴别分类模型对未参与建模的26个预测集样本进行鉴别。研究结果表明,UVE-PLS-LDA是一种有效的鉴别分类方法,所建立的鉴别分类模型能较好地对压榨和浸出山茶油进行鉴别,校正集和预测集样本的鉴别正确率均为100%。因此,可见/近红外光谱联合UVE-PLS-LDA方法鉴别压榨和浸出山茶油是可行的。

基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测

为建立预测能力高、稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物（SSC）数学模型,对比各种预处理方法、变量优选方法、快速独立主成分分析（FICA）以及最小二乘支持向量机（LSSVM）对黄花梨SSC模型的影响,得出最佳的组合方法用于建立黄花梨可溶性固形物（SSC）预测模型。采用Quality Spec型光谱仪采集550~950nm波段范围内的黄花梨漫透射光谱并采用遗传算法、连续投影算法和CARS（competitive adaptive reweighted sampling）三种方法筛选黄花梨可溶性固形物的光谱特征变量,再结合FICA提取光谱主成分,最后采用LS-SVM建立黄花梨的SSC预测模型。结果显示,采用CARS筛选的21个变量,经FICA挑选出12个主成分数,联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳,建模集和预测集的决定系数及均方根误差分别为0.974,0.116%和0.918,0.158%,同直接采用PLS方法建模相比,变量数从401个下降到21,主成分数由14下降到12,建模集和预测集决定系数分别上升了0.023,0.019,而建模和预测均方根误差分别下降了0.042%和0.010%。CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。

可见/近红外联合变量优选检测油茶籽油掺假

利用可见/近红外光谱技术联合CARS(competitive adaptive reweighted sampling)方法对油茶籽油中掺杂大豆油及菜籽油进行检测.采用CARS方法对波长变量进行筛选,应用偏最小二乘回归(PLS)方法分别建立油茶籽油中大豆油掺伪量、菜籽油掺伪量及大豆油与菜籽油混掺伪量的定量检测模型,并与经连续投影算法(SPA)及无信息变量消除(UVE)方法变量筛选后所建立的PLS模型进行比较.研究结果表明:可见/近红外联合CARS方法可以分别检测油茶籽油中大豆油、菜籽油掺伪量及大豆油与菜籽油混掺伪量.大豆油、菜籽油及大豆油与菜籽油总和的CARS-PLS掺伪量模型的预测集相关系数r和预测均方根误差RMSEP分别为0.950,0.928,0.980和24.5,29.0,30.8g·kg-1;CARS-PLS模型性能优于全波段PLS,SPA-PLS及UVE-PLS,表明CARS方法是一种有效的波长变量选择方法,可以剔除冗余波长变量.

近红外光谱联合CARS-PLS-LDA的山茶油检测

为了寻找快速判别山茶油掺假的检测方法,本研究利用近红外光谱技术对掺杂大豆没油山茶油进行掺假检测研究。试验在350~1 800 nm波段范围内采集样本的透射光谱,利用CARS方法筛选重要的波长变量,应用偏最小二乘-线性判别分析（PLS-LDA）建立山茶油掺假的判别模型,并与未经变量优选的判别模型进行比较。结果表明,近红外光谱技术联合CARS-PLS-LDA方法可以有效判别纯山茶油和掺假山茶油,校正集、预测集及独立样本组样本的判别正确率、灵敏度及特异性均为100%。CARSPLS-LDA判别模型性能优于未经变量优选的判别模型,表明CARS方法可以有效筛选重要波长变量,能简化判别模型及提高判别模型的稳定性和判别精度。本研究可为山茶油掺假快速检测提供理论依据。

基于SERS技术的脐橙果肉中三唑磷农药残留快速检测研究

采用表面增强拉曼光谱（SERS）技术结合快速溶剂前处理方法建立脐橙果肉中三唑磷农药的快速检测方法。以脐橙果肉为空白对照,利用快速溶剂前处理方法对脐橙果肉进行提取,对不同浓度的以脐橙果肉提取液为基质的三唑磷溶液进行SERS检测。结果表明,以脐橙果肉提取液为基质的三唑磷溶液最低检测浓度为0.5mg/L;选择乙腈为内标物,以三唑磷1409cm-1特征峰与乙腈2257cm-1特征峰强度比值作为相对强度,其相对强度与三唑磷溶液浓度在0.5~20mg/L范围内具有良好的线性关系,相关系数（R2）为0.9919;预测误差在0.12mg/L以下,预测回收率为98.1%~102.5%,说明模型具有较好的预测效果,本文所建立的方法是准确可靠的。

基于UVE-ICA和支持向量机的南丰蜜桔可溶性固形物可见-近红外检测

利用可见-近红外光谱技术联合变量选择新方法对南丰蜜桔的可溶性固形物（SSC）进行快速无损检测研究，以简化南丰蜜桔SSC预测模型和提高预测模型性能。试验共采用300个南丰蜜桔样本，校正集、验证集及预测集样本分别为150，75和75个。采用QualitySpec型光谱仪在350-1000nm波段范围内采集样本光谱，利用无信息变量消除（UVE）剔除无用信息波长变量，再采用独立成分分析（ICA）提取光谱的独立成分，最后应用最小二乘支持向量机（LS-SVM）建立南丰蜜桔的SSC预测模型，并利用未参与建模的预测集样本对模型进行评价。研究结果表明，可见-近红外光谱技术联合UVE-ICA-LS-SVM对南丰蜜桔的SSC检测精度高。UVE-ICA可以有效剔除无用信息波长变量，提取特征光谱信息，简化预测模型及提高预测模型性能。ITVE-ICA-LS-SVM所建立的南丰蜜桔SSC预测模型性能优于PLS，PCA-LS-SVM及ICA-LS-SVM预测模型，其校正集、验证集及预测集的决定系数和均方根误差分别为0．978，0．230％，0．965，0．301％及0．967，0．292％。

可见/近红外漫反射与漫透射检测脐橙可溶性固形物的对比研究

研究了可见／近红外漫反射与漫透射两种检测方式对赣南脐橙的可溶性固形物含量检测结果的影响．采用波长范围为350～1800nm的QualitySpec型光谱仪采集196个脐橙样品的可见／近红外漫反射和漫透射光谱，取其中148个样品作为建模集用来建模，剩余48个样品作为预测集用于预测模型．用多种预处理结合偏最小二乘回归法分别建立两种检测方式下单次光谱及三次光谱并求平均，得到光谱相对应的脐橙可溶性固形物预测模型，对比该模型可知漫透射方式明显优于漫反射方式；最优结果为漫透射三次光谱求平均所得光谱结合多元散射校正预处理建立的赣南脐橙的可溶性固形物含量预测模型，其校正模型及预测模型的相关系数分别为0．980和0．949，均方根误差分别为0．230°Brix和0．374°Brix．由此得出近红外漫透射光谱更适合用于检测脐橙的可溶性固形物含量．

地沟油鉴别的研究现状与展望

国内地沟油制售问题较为严重,地沟油的餐桌化已成为目前国内最严重的食品安全问题之一,已危害到整个社会。本文简要地概述了地沟油的分类及其危害,并按鉴别指标顺序详细综述了国内地沟油鉴别的研究现状,并对鉴别指标的适用性进行评述。此外,对地沟油鉴别存在的难点进行分析,并提出相应的解决方法。最后,对今后地沟油鉴别的发展趋势进行了展望。

LIBS装置检测赣南脐橙中Cu元素时的参数范围分析

为了提高激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)实验装置检测赣南脐橙中重金属元素的检测灵敏度和稳定性,可对检测参数进行范围设定。在初次选定延迟时间参数值后,再在包含初定延迟时间的1.10～1.30μs范围内细分进行实验。实验得出:在该范围内,延迟时间与信背比和被测元素特征谱线强度的关系曲线上出现了多个峰值,并且这些峰值都比初次的要大,用统计学中的区间估计间接求出延迟时间的置信区间为[1.13,1.25],在置信区间内延迟时间由初定的1.20μs调至1.14μs时,相对标准偏差(RSD)由0.103降到0.025。由此表明:设定一个LIBS实验装置的参数范围,在对待测元素检测时可以在这一范围内进行自由调节来提高其检测的精度和灵敏度。

激光诱导击穿光谱结合偏最小二乘法直接检测皮蛋壳中的Cu含量

运用激光诱导击穿光谱(LIBS)技术对皮蛋壳中Cu元素直接进行检测,获得样本中Cu元素的特征谱线信息,采用湿法消解结合原子吸收分光光度计(AAS)测量样品中Cu元素的真实含量。由于LIBS检测的精度和准确度受到样品基体复杂,环境噪声,系统噪声,激光能量稳定性等一系列因素的影响,采用传统的单变量赛伯-罗马金拟合方式对样品的LIBS相对强度和浓度进行线性拟合不能满足定性分析的要求,因此,采用一种多变量的分析-偏最小二乘(PLS)对LIBS光谱数据进行了处理,比较分析了不同点数平滑处理和五种预处理方法对PLS建模精度和准确度的影响。分析得出采用11点平滑结合多元散射校正(MSC)预处理能有效地提高PLS建立的模型的相关系数,降低均方根误差和平均相对误差,有效提高了模型的准确性。研究结果表明,激光诱导击穿光谱技术能够准确地直接检测皮蛋壳中重金属Cu的含量,下一步的工作将对皮蛋进行批量试验,寻找出蛋壳与蛋清、蛋黄中重金属Cu的数量关系,实现通过LIBS检测皮蛋壳便可知蛋清、蛋黄中重金属含量的目标,为农产品质量安全提供新的快速无损检测技术方法。

可见/近红外光谱的油茶籽油三元体系掺假检测模型优化

采用可见/近红外光谱技术结合化学计量学方法对油茶籽油三元体系掺假进行定量检测研究。将菜籽油和花生油按不同比例掺入纯油茶籽油中,获得掺假样本。采集纯油茶籽油及掺假样本在350~1 800nm范围内的可见/近红外光谱数据,随机分为校正集和预测集,并从不同建模波段、预处理方法及建模方法角度对掺假预测模型进行优化。研究结果表明,菜籽油、花生油和总掺伪量的最优建模波段及预处理方法分别为750~1 770,900~1 770,870~1 770nm和多元散射校正（MSC）、标准归一化处理（SNV）和二阶微分,而最优的建模方法均为最小二乘支持向量机（LSSVM）。对于最优掺假模型,菜籽油、花生油和总掺伪量的预测集相关系数（Rp）和预测均方根误差（RMSEP）分别为0.963,0.982,0.993和2.1%,1.5%,1.8%。由此可见,可见/近红外光谱技术结合化学计量学方法可以用于油茶籽油的三元体系掺假定量检测。

水中重金属元素镉的激光诱导击穿光谱快速检测研究

以激光诱导击穿光谱技术实时检测水中的重金属镉元素为研究目的,对不同浓度的含镉水溶液进行激光诱导击穿光谱试验。确定在以361.05 nm为镉元素特征分析谱线时,较佳采集延迟时间为1 680 ns,较佳的激光能量值为110 m J。采用线性拟合的方法对镉元素进行定量分析,拟合曲线的线性相关系数为0.995 38,两验证样品的相对误差分别为9.21%、8.50%。研究表明激光诱导击穿光谱技术对水中镉元素进行实时、在线检测是可行的,但检测灵敏度还有待进一步提高。

可见/近红外半透射结合CARS方法在线检测脐橙SSC

为了实现赣南脐橙按内部品质分级,对赣南脐橙可溶性固形物（SSC）进行快速在线检测研究.利用USB4000微型光纤光谱仪在0.3m·s^-1的输送速度下在线采集赣南脐橙的半透射光谱（470～1 150 nm）,并采用CARS变量选择方法对波长变量进行优选,对优选的波长变量应用偏最小二乘（PLS）回归建立脐橙SSC在线预测模型,最后利用脐橙SSC在线预测模型对完全独立的预测集样本进行预测.研究结果表明：CARS能有效筛选有用的波长变量,提高预测模型的预测精度;与全光谱PLS模型相比,CARS-PLS模型的交互验证相关系数由0.871上升为0.934,交互验证均方根误差（RMSECV）由0.560％下降为0.412％;独立预测集样本SSC的预测均方根误差（RMSEP）为0.649％,SSC预测残差落在±1.0％界限以内的样本占总预测样本数的86.3％,基本可以满足脐橙SSC在线检测分级的需要.