光谱学分析范文
光谱学分析范文第1篇
2.和田玉的太赫兹光谱研究买买提明·艾尼瓦尔，熊伟，郭雪娇，沈京玲，Maimaitiming·Ainiwaer，XIONGWei，GUOXue-jiao，SHENJing-ling
3.KCl添加剂对激光诱导土壤等离子体辐射强度的影响陈金忠，张琳晶，杨少鹏，魏艳红，李旭，郭庆林，CHENJin-zhong，ZHANGLin-jing，YANGShao-peng，WEIYan-hong，LIXu，GUOQing-lin
4.一种新型铕的有机配合物的光物理特性及机理研究闫冠峰，王权，魏柏林，孙晓晨，陈国庆，高淑梅，YANGuan-feng，WANGQuan，WEIBo-lin，SUNXiao-chen，CHENGuo-qing，GAOShu-mei
5.信息动态
6.HCCI燃烧过程化学发光光谱研究刘海峰，尧命发，金超，张鹏，李哲名，郑尊清，LIUHai-feng，YAOMing-fa，JINChao，ZHANGPeng，LIZhe-ming，ZHENGZun-qing
7.Alq3发光层厚度对有机电致发光器件性能的影响连加荣，廖巧生，杨瑞博，郑伟，曾鹏举，LIANJia-rong，LIAOQiao-sheng，YANGRui-bo，ZHENGWei，ZENGPeng-ju
8.近红外光谱快速检测丙氨酸氨基转移酶黄富荣，张军，罗云瀚，李仕萍，郑仕富，陈星旦，HUANGFu-rong，ZHANGJun，LUOYun-han，LIShi-ping，ZHENGShi-fu，CHENXing-dan
9.近红外光谱(NIRS)技术快速测定湖泊沉积物营养组分研究昝逢宇，霍守亮，席北斗，李青芹，刘鸿亮，ZANFeng-yu，HUOShou-liang，XIBei-dou，LIQing-qin，LIUHong-liang
10.BP神经网络用于肝炎患者舌诊近红外光谱的研究严文娟，张晶，胡广芹，赵静，林凌，陆小左，李刚，YANWen-juan，ZHANGJing，HUGuang-qin，ZHAOJing，LINLing，LUXiao-zuo，LIGang
11.红外辐射在水雾中衰减计算的修正方法研究杜永成，杨立，张修峰，吴猛猛，DUYong-cheng，YANGLi，ZHANGXiu-feng，WUMeng-meng
12.Ag/K4Nb6O17异质结催化剂的制备、光谱分析及光催化性能研究张凤利，曹彦宁，应松，陈熔，张汉辉，郑起，ZHANGFeng-li，CAOYan-ning，YINGSong，CHENRong，ZHANGHan-hui，ZHENGQi
13.三种胡敏酸对阿特拉津的吸附特性及机理研究常春英，郑殷恬，吕贻忠，CHANGChun-ying，ZHENGYin-tian，LUYi-zhong
14.高铁酸钾制备新方法与光谱表征郑怀礼，邓琳莉，吉方英，蒋绍阶，张鹏，ZHENGHuai-li，DENGLin-li，JIFang-ying，JIANGShao-jie，ZHANGPeng
15.基于近红外的多相偏最小二乘模型组合分析实现茶叶原料品种鉴定与溯源的研究周健，成浩，曾建明，王丽鸳，韦康，贺巍，王伟峰，刘栩，ZHOUJian，CHENGHao，ZENGJian-ming，WANGLi-yuan，WEIKang，HEWei，WANGWei-feng，LIUXu
16.基于近红外光谱技术成品汽油分类方法的研究张军，姜黎，陈哲，余谦，梁静秋，王京华，ZHANGJun，JIANGLi，CHENZhe，YUQian，LIANGJing-qiu，WANGJing-hua
17.离子液体存在下铜的电沉积及其表面增强拉曼散射效应研究徐存英，严磊，刘亚伟，李艳，华一新，张鹏翔，XUCun-ying，YANLei，LIUYa-wei，LIYan，HUAYi-xin，ZHANGPeng-xiang
18.以PAA为模板制备SERS基底及对三聚氰胺的检测李俊梅，徐晓轩，王玉芳，王斌，孙甲明，张存洲，LIJun-mei，XUXiao-xuan，WANGYu-fang，WANGBin，SUNJia-ming，ZHANGCun-zhou
19.偏磷酸钙玻璃陶瓷的Raman光谱分析梁晓峰，尹光福，杨世源，马国华，王军霞，LIANGXiao-feng，YINGuang-fu，YANGShi-yuan，MAGuo-hua，WANGJun-xia
20.聚丙烯/抗老化剂复合体系的γ-射线辐照降解研究周丽娟，张秀芹，赵莹，阳明书，王笃金，徐端夫，ZHOULi-juan，ZHANGXiu-qin，ZHAOYing，YANGMing-shu，WANGDu-jin，XUDuan-fu
21.全内反射双通道观察双标记荧光染色的非洲绿猴肾细胞刘晓晨，关立照，马万云，张宏权，LIUXiao-chen，GUANLi-zhao，MAWan-yun，ZHANGHong-quan
22.干旱半干旱地区湖泊周围盐碱土固体表面荧光光谱特征研究于会彬，席北斗，魏自民，马文超，何小松，郭旭晶，刘鸿亮，YUHui-bin，XIBei-dou，WEIZi-min，MAWen-chao，HEXiao-song，GUOXu-jing，LIUHong-liang
23.荧光光谱数据解析中的信息冗余初步研究刘晶，尚丽平，屈薇薇，邓琥，吴杰，LIUJing，SHANGLi-ping，QUWei-wei，DENGHu，WUJie
24.荧光光谱法研究碳纳米管与牛血清白蛋白间相互作用李杉杉，何华，陈喆，查隽，ChuongPham-Huy，LIShan-shan，HEHua，CHENZhe，ZHAJun，ChuongPham-Huy
25.罗丹明类荧光探针在重金属和过渡金属离子检测中的应用王晓春，刘晓端，杨永亮，申庆华，罗松光，李奇，WANGXiao-chun，LIUXiao-duan，YANGYong-liang，SHENQing-hua，LUOSong-guang，LIQi
26.基于浓度参量同步荧光光谱的相近油源溢油鉴别王春艳，李文东，栾晓宁，张登英，张金亮，郑荣儿，WANGChun-yan，LIWen-dong，LUANXiao-ning，ZHANGDeng-ying，ZHANGJin-liang，ZHENGRong-er
27.四氯化碳-水-十六烷基三甲基溴化铵三元体系凝胶的生成机理初探孙燕，陈静，贺安琪，黄昆，于雷，刘翠格，魏永巨，翟延君，徐怡庄，吴瑾光，SUNYan，CHENJing，HEAn-qi，HUANGKun，YULei，LIUCui-ge，WEIYong-ju，ZHAIYan-jun，XUYi-zhuang，WUJin-guang
28.基于暗像元的Hyperion高光谱影像大气校正郑求根，权文婷，ZHENGQiu-gen，QUANWen-ting
29.高光谱传感器光谱性能参数反演与反射率恢复王天星，阎广建，任华忠，穆西晗，WANGTian-xing，YANGuang-jian，RENHua-zhong，MUXi-han
30.苹果盛果期冠层高光谱与其组分特征的定量模型研究王凌，赵庚星，朱西存，雷彤，董芳，WANGLing，ZHAOGeng-xing，ZHUXi-cun，LEITong，DONGFang
31.基于ICA与SVM算法的高光谱遥感影像分类梁亮，杨敏华，李英芳，LIANGLiang，YANGMin-hua，LIYing-fang
32.基于高光谱成像的苹果多品质参数同时检测单佳佳，吴建虎，陈菁菁，彭彦昆，王伟，李永玉，SHANJia-jia，WUJian-hu，CHENJing-jing，PENGYan-kun，WANGWei，LIYong-yu
33.草地退化的高光谱遥感监测方法王焕炯，范闻捷，崔要奎，周磊，闫彬彦，吴代晖，徐希孺，WANGHuan-jiong，FANWen-jie，CUIYao-kui，ZHOULei，YANBin-yan，WUDai-hui，XUXi-ru
34.基于高光谱图像技术的苹果粉质化LLE-SVM分类光谱学与光谱分析 赵桂林，朱启兵，黄敏，ZHAOGui-lin，ZHUQi-bing，HUANGMin
35.无创人体血糖检测光学方法的研究现状与发展李刚，周梅，吴红杰，林凌，LIGang，ZHOUMei，WUHong-jie，LINLing
36.基于光谱法舌诊的脂肪肝快速诊断李刚，赵静，张晶，胡广芹，陆小左，林凌，LIGang，ZHAOJing，ZHANGJing，HUGuang-qin，LUXiao-zuo，LINLing
37.低成本吸附剂稻壳灰对Cr(Ⅵ)去除机制的谱学表征范春辉，张颖超，张颖，韩雪，BennyChefetz，FANChun-hui，ZHANGYing-chao，ZHANGYing，HANXue，BennyChefetz
38.基于NOAANDVI研究中国东部南北样带植被春季物候变化王植，刘世荣，孙鹏森，郭志华，周连第，WANGZhi，LIUShi-rong，SUNPeng-sen，GUOZhi-hua，ZHOULian-di
39.用不同蛋白质分析方法鉴定玉米分泌蛋白组的比较研究马玮，FrankHochholdinger，李春俭，MAWei，FrankHochholdinger，LIChun-jian
40.多光谱分离算法在目标识别中的研究刘丽霞，庄奕琪，LIULi-xia，ZHUANGYi-qi
41.基于空间特征的光谱分类算法研究高晓惠，相里斌，卫俊霞，魏儒义，于涛，GAOXiao-hui，XIANGLIBin，WEIJun-xia，WEIRu-yi，YUTao
42.基于光波导光模光谱的固液界面受体配体反应动力学研究吴中伟，刘全俊，吴凌伟，谢骁，陆祖宏，WUZhong-wei，LIUQuan-jun，WULing-wei，XIEXiao，LUZu-hong
43.基于数据拟合和主成分分析的多组分PAHs神经网络定量分析屈薇薇，尚丽平，李晓霞，刘晶，QUWei-wei，SHANGLi-ping，LIXiao-xia，LIUJing
44.基于分段映射模型的水质参数遥感反演研究陈军，温珍河，付军，CHENJun，WENZhen-he，FUJun
45.半干旱地区不同植被生态体系对土壤重金属含量的影响周蒙蒙，潘志华，陈东东，张璐阳，安萍莉，潘学标，赵沛义，ZHOUMeng-meng，PANZhi-hua，CHENDong-dong，ZHANGLu-yang，ANPing-li，PANXue-biao，ZHAOPei-yi
46.基于稳态空间分辨光谱技术的猪肉嫩度测量方法研究张根伟，文星，王忠义，赵东杰，黄岚，ZHANGGen-wei，WENXing，WANGZhong-yi，ZHAODong-jie，HUANGLan
47.小波变换在激光诱导击穿光谱压缩中的应用蒋梅城，陆继东，姚顺春，潘圣华，陈凯，董美蓉，JIANGMei-cheng，LUJi-dong，YAOShun-chun，PANSheng-hua，CHENKai，DONGMei-rong
48.动态光谱数据质量的评价李刚，王慧泉，赵喆，林凌，周梅，吴红杰，LIGang，WANGHui-quan，ZHAOZhe，LINLing，ZHOUMei，WUHong-jie
49.LDAO对Rhodobacterazotoformans外周捕光复合体LH2构象及其细菌叶绿素解离行为的影响赵艮贵，董彦敏，杨素萍，焦念志，曲音波，ZHAOGen-gui，DONGYan-min，YANGSu-ping，JIAONian-zhi，QUYin-bo
50.常压辉光等离子体催化CH4转化制C2烃在线诊断研究王达望，徐勇，张家良，马腾才，WANGDa-wang，XUYong，ZHANGJia-liang，MATeng-cai
51.激光剥蚀电感耦合等离子体质谱鉴别蓝色圆珠笔色痕马栋，沈敏，罗仪文，卜俊，徐彻，卓先义，MADong，SHENMin，LUOYi-wen，BoJun，XUChe，ZHUOXian-yi
52.不同成熟度双孢菇子实体主要营养元素与矿物质的光谱分析刘灿，生吉萍，申琳，LIUCan，SHENGJi-ping，SHENLin
53.白虎汤中钙元素的化学形态分析吕培，李祥，陈建伟，LUPei，LIXiang，CHENJian-wei
54.电感耦合等离子体质谱法测定饮用水中6种痕量重金属元素王俊平，马晓星，方国臻，王硕，殷慧玲，WANGJunping，MAXiao-xing，FANGGuo-zhen，WANGShuo，YINHui-ling
55.应用ICP-AES法研究云南普洱茶稀土含量宁蓬勃，龚春梅，张彦明，郭抗抗，NINGPeng-bo，GONGChun-mei，ZHANGYan-ming，GUOKang-kang
56.氢化物发生-原子荧光光谱法测定海水中As(Ⅲ)和As(Ⅴ)边静，徐芳，李玲辉，王伟，韩晶晶，李莉，BIANJing，XUFang，LILing-hui，WANGWei，HANJing-jing，LILi
57.加热过程中古代铜镜表面"锡汞齐"相变分析张少昀，秦颍，ZHANGShao-yun，QINYing
58.EDXRF中镍铜锌元素间效应分析及校正技术研究李哲，庹先国，杨剑波，刘春来，黄连美，LIZhe，TUOXian-guo，YANGJian-bo，LIUChun-lai，HUANGLian-mei
59.便携式X射线荧光光谱测定土壤中Cr,Cu,Zn,Pb和As的研究陆安祥，王纪华，潘立刚，韩平，韩莹，LUAn-xiang，WANGJi-hua，PANLi-gang，HANPing，HANYing
60.一种基于单元型红外光谱辐射计的成像光谱数据获取系统设计宗靖国，张建奇，刘德连，袁胜春，ZONGJing-guo，ZHANGJian-qi，LIUDe-lian，YUANSheng-chun
61.基于光谱吸收的光纤甲烷监测系统在瓦斯抽采中的应用赵燕杰，王昌，刘统玉，王哲，魏玉宾，李艳芳，尚盈，王黔，ZHAOYan-jie，WANGChang，LIUTong-yu，WANGZhe，WEIYu-bin，LIYan-fang，SHANGYing，WANGQian
62.星载超光谱成像仪杂散光及其测量张军强，吴清文，颜昌翔，ZHANGJun-qiang，WUQing-wen，YANChang-xiang
63.计算层析成像光谱技术研究进展魏儒义，周锦松，景娟娟，王新全，高晓惠，王乐，WEIRu-yi，ZHOUJin-song，JINGJuan-juan，WANGXin-quan，GAOXiao-hui，WANGLe
64.便携式水果内部品质近红外检测仪研究进展刘燕德，高荣杰，孙旭东，LIUYan-de，GAORong-jie，SUNXu-dong
3.光谱学与光谱分析 空心针板放电等离子体气体温度和振动温度研究董丽芳，刘为远，杨玉杰，王帅，DONGLi-fang，LIUWei-yuan，YANGYu-jie，WANGShuai
4.Eu3+/Yb3+共掺杂ZrO2粉末的制备和发光性质研究程学瑞，韦先涛，陈永虎，尹民，CHENGXue-rui，WEIXian-tao，CHENYong-hu，YINMin
5.Li+共掺杂GdTaO4:Eu3+发光增强效应的研究傅尚怡，顾牡，刘小林，倪晨，刘波，黄世明，FUShang-yi，GUMu，LIUXiao-lin，NIChen，LIUBo，HUANGShi-ming
6.Tm3+/Dy3+共掺硫卤玻璃中红外发光和能量传递研究张鹏君，戴世勋，曹莹，彭波，徐铁峰，聂秋华，章向华，ZHANGPeng-jun，DAIShi-xun，CAOYing，PENGBo，XUTie-feng，NIEQiu-hua，ZHANGXiang-hua
7.铕(Ⅲ)配合物的合成及发光性能研究周禾丰，张婷，郝玉英，许慧侠，王华，ZHOUHe-feng，ZHANGTing，HAOYu-ying，XUHui-xia，WANGHua
8.微波法制备Mn2+掺杂ZnSe纳米材料及谱学性能研究韩冬梅，宋春风，李效玉，HANDong-mei，SONGChun-feng，LIXiao-yu
9.新型不对称酞菁的电致发光性质研究夏道成，李万程，韩双，程传辉，李泉泉，王进，张伟，李珠，XIADao-cheng，LIWan-cheng，HANShuang，CHENGChuan-hui，LIQuan-quan，WANGJin，ZHANGWei，LIZhu
10.FTIR分析脉冲电场和热处理后的大豆分离蛋白结构变化刘燕燕，曾新安，陈晓东，LIUYan-yan，ZENGXin-an，CHENXiao-dong
11.红外光谱法研究低温焚烧稻壳灰对Cr(Ⅵ)的吸附机理范春辉，张颖，张颖超，李晶，BennyChefetz，FANChun-hui，ZHANGYing，ZHANGYing-chao，LIJing，BennyChefetz
12.尿酸结石患者尿液中的微晶组分及其与结石形成的关系黄志杰，谈金，欧阳健明，HUANGZhi-jie，TANJin，OUYANGJian-ming
13.基于近红外光谱技术预测径/弦切面粗皮桉木材微纤丝角赵荣军，张黎，霍小梅，任海青，ZHAORong-jun，ZHANGLi，HUOXiao-mei，RENHai-qing
14.基于功能近红外光谱技术(fNIRs)的帕金森病大鼠模型脑组织特性研究胡光霞，钱志余，孙涛，杨天明，王文宏，HUGuang-xia，QIANZhi-yu，SUNTao，YANGTian-ming，WANGWen-hong
15.利用近红外光谱鉴别纺织用竹纤维和麻纤维王戈，黄安民，胡小霞，陈复明，WANGGe，HUANGAn-min，HUXiao-xia，CHENFu-ming
16.应用红外光谱技术鉴别中药麝香的真伪周健，金城，罗云，武彦文，李建宇，罗永明，肖小河，ZHOUJian，JINCheng，LUOYun，WUYan-wen，LIJian-yu，LUOYong-ming，XIAOXiao-he
17.实用化商品玉米籽粒的近红外光谱品种判别方法研究郭婷婷，王守觉，王红武，胡海晓，安冬，邬文锦，夏维，翟亚锋，GUOTing-ting，WANGShou-jue，WANGHong-wu，HUHai-xiao，ANDong，WUWen-jin，XIAWei，ZHAIYa-feng
18.近红外光谱检测蜂蜜中可溶性固形物含量和水分的应用研究李水芳，张欣，单杨，李忠海，LIShui-fang，ZHANGXin，SHANYang，LIZhong-hai
19.利用多光程光谱法检测血液多种成分含量的研究李刚，赵喆，刘蕊，王慧泉，吴红杰，林凌，LIGang，ZHAOZhe，LIURui，WANGHui-quan，WUHong-jie，LINLing
20.谐波分量提高动态光谱法无创血液成分检测精度李刚，王慧泉，赵喆，林凌，LIGang，WANGHui-quan，ZHAOZhe，LINLing
21.硅油作为压力计的拉曼光谱研究刘锦，孙樯，LIUJin，SUNQiang
22.拉曼光谱研究人参皂苷Rb1与DPPC双层膜的作用惠歌，赵雨，张巍，谢云飞，杨竞秀，赵大庆，赵冰，HUIGe，ZHAOYu，ZHANGWei，XIEYun-fei，YANGJing-xiu，ZHAODa-qing，ZHAOBing
23.碳酸盐岩储层流体包裹体差分拉曼光谱的研究李静，查明，LIJing，ZHAMing
24.罗丹明6G在银纳米线阵列上的SERS光谱研究孙献文，王蓓，莫育俊，SUNXian-wen，WANGBei，MOYu-jun
25.便携式拉曼光谱用于文物及文物保护材料光老化作用的快速评价罗曦芸，叶菲，吴来明，袁胜伟，张维冰，杜一平，LUOXi-yun，YEFei，WULai-ming，YUANSheng-wei，ZHANGWei-bing，DUYi-ping
26.基于脉冲耦合神经网络的拉曼光谱定性分析王成，黎绍发，吴正洁，何凯，黄耀熊，WANGCheng，LIShao-fa，WUZheng-jie，HEKai，HUANGYao-xiong
27.利用三维荧光光谱和吸收光谱研究雨水中CDOM的光学特性程远月，郭卫东，龙爱民，陈绍勇，CHENGYuan-yue，GUOWei-dong，LONGAi-min，CHENShao-yong
28.单丛茶水提物清除DPPH和ABTS自由基的光谱学研究郑善元，陈填烽，郑文杰，黄荫成，ZHENGShan-yuan，CHENTian-feng，ZHENGWen-jie，WONGYum-shing
29.新型苯基吡唑铱(Ⅲ)配合物的合成及光物理性能研究于建宁，郝玉英，郭晓霞，雷利平，许慧侠，许并社，YUJian-ning，HAOYu-ying，GUOXiao-xia，LEILi-ping，XUHui-xia，XUBing-she
30.椰子花粉过敏原profilin蛋白体外重折叠过程的光谱学研究罗海梅，肖杰，邬玉兰，刘志刚，JunLu，徐宏，LUOHai-mei，XIAOJie，WUYu-lan，LIUZhi-gang，JunLu，XUHong
31.基于Top-Hat变换的高光谱吸收特征增强方法李慧，蔺启忠，王钦军，刘庆杰，陈玉，LIHui，LINQi-zhong，WANGQin-jun，LIUQing-jie，CHENYu
32.水中石油类含量对后向散射系数光谱的影响宋庆君，黄妙芬，唐军武，王晓梅，SONGQing-jun，HUANGMiao-fen，TANGJun-wu，WANGXiao-mei
33.光诱导下系列钴配合物的表面电子行为对比研究李雷，金晶，史忠丰，邢永恒，牛淑云，LILei，JINJing，SHIZhong-feng，XINGYong-heng，NIUShu-yun
34.应用数字图像技术对有机肥施用后玉米氮营养诊断研究孙钦平，李吉进，邹国元，向成材，罗一鸣，刘本生，SUNQin-ping，LIJi-jin，ZOUGuo-yuan，XIANGCheng-cai，LUOYi-ming，LIUBen-sheng
35.水热合成ZnS:Cu,Al纳米晶体及其全色发射光谱特性新梅，曹望和，罗昔贤，XINMei，CAOWang-he，LUOXi-xian
36.基于长周期光纤光栅谐振光谱调制的氨氮降解监测研究光谱学与光谱分析 刘宏月，梁大开，曾捷，曹志斌，曾建民，LIUHong-yue，LIANGDa-kai，ZENGJie，CAOZhi-bin，ZENGJian-min
37.4,4'-二环己基甲烷二氨基甲酸丁酯的制备及结构表征高伟，赵新强，王晶，安华良，贾春瑶，王延吉，GAOWei，ZHAOXin-qiang，WANGJing，ANHua-liang，JIAChun-yao，WANGYan-ji
光谱学分析范文第2篇
0引言
化学耗氧量（ChemicalOxygenDemand，COD）是指在一定条件下用强氧化剂处理水样时所消耗氧化剂的量，以氧含量（mg•L－1）来表示．它可以反映水体受有机物的污染程度，是衡量水质的重要指标之一．水体中COD的测定方法有化学法、紫外吸收法、荧光法以及臭氧氧化法等［1－4］．目前环保领域COD的测量主要是采用化学法中的高锰酸盐指数法和重铬酸钾回流法．水体中COD的测定受诸多因素的影响，如加入的氧化剂种类、浓度、反应液的pH值、反应温度、时间以及催化剂的种类和用量等［5］．目前采用的高锰酸盐指数法和重铬酸钾回流法，分析周期长，能源浪费大，受回流设备的限制不能进行大批量分析，且会产生严重的贵金属银盐及汞盐污染．近年来利用光学法进行水质监测已成为国际的研究热点［6－10］．与传统方法相比，光学监测技术具有操作简便、不需要消耗试剂、重复性好、测量准确度高和检测快速的优点［11－15］，非常适合对环境水样的快速在线监测．本文基于紫外光谱法的COD测量技术，设计了一种全光谱分析的水质COD在线监测系统，利用最小二乘法建立了计算模型，并进行模型参量反演．针对现实水样的复杂性，在实验室内配制模拟水样进行测量，并与相关仪器测量结果进行了对比．实验结果表明．该方法无需消耗任何试剂，测量准确度高、重复性好，可以应用于复杂水质的COD在线监测．
1测量原理与实验系统
从20世纪60年代起，国外就开始了紫外吸收光谱法测量COD的研究，其发展经历了单波长法、双波长法、多波长法、全光谱法的发展历程．单／双波长光度计的结构简单，只适用于成分单一的水质COD的测定．而实际水样COD的测定会受到多种因素的干扰，且水体中有机物组分不同，最大吸收峰也并非都在254nm处（如图1，图中1～6分别表示苯胺、苯酚、丙酮、腐植酸、邻苯二甲酸茎钾和水杨酸）．因此，只用254nm来捕捉全部有机物是非常困难的．全光谱法COD测量的理论基础：大多数有机物在200～400nm紫外波段都有吸收，通过测定水中有机物在紫外波段的吸光度值，可以间接反应出水体中有机物的含量，从而广泛应用于水中有机物的定性、定量测定．整个测量系统的结构如图2．系统采用流通式进水方式，进水口通过进水泵控制水流速度，排水口通过电磁阀控制排水；光源采用光纤灯（贺利士氘－钨灯，型号：DTM6－10），波长范围覆盖200～1100nm波段；光源通过光纤耦合到样品池，样品池两端设计为标准的SMA905接口，为了保证入射光、透射光的传输效率，在样品池两端增加透镜组；光谱检测设备采用微型光谱仪作为检测终端（OceanOpticsUSB4000），负责光谱信号的采集；控制单元是测量系统的核心，负责光源控制、进水泵控制、电磁阀排水、光谱信号采集与处理．
2基于全光谱分析的COD计算方法
2．1实验数据选择配制了5种不同COD的邻苯二甲酸氢钾溶液．图3为其吸光度光谱图，测量波长范围为200～750nm．从图中可以看出，5种浓度的溶液在400750nm的波段内基本没有吸收，结合图1中6种有机物在此波段内也基本不产生吸收，所以本文选取了200～400nm波段范围内的数据用来进行系统模型的建立．
2．2系统模型建立数据的处理流程如图4，其中计算模型的流程如图4（a）．光谱值通过实验获取．采集的原始光谱一般会有噪音，通过小波滤波的方法对光谱进行预处理，滤除环境杂散光带来的扰动．光谱经过滤波预处理后，进行吸光度计算，计算公式依据朗伯－比尔定律A＝－lg（I／Io）（1）式中，A表示吸光度，I表示透射光强度，Io表示入射光强度．根据吸光度的计算结果，选取特征波长处吸光度用于模型计算．参量反演数学模型：将200～400nm波长段的吸收光谱分成n个区间，建立吸光度系数a与浓度c的方程．取n个区间的中心波长作为特征波长，n即为特征波长的个数．将特征光谱映射为COD值的特征向量，可以建立如下方程那么式（3）可以记为ax＝c．其中，a为吸光度，x为传递系数，c为COD值．吸光度a可以通过实验的方法计算得到，COD为待测量．这样对传递系数x的求解可以转换为通过m个方程解n个未知数的问题．利用最小二乘法对方程组进行多元线性回归，就可以得到相应传递系数．在本文的实际应用中，n取值20，m取值30．
3结果与讨论
3．1精密度及检出限实验精密度的测定：取20mg•L－1的邻苯二甲酸氢钾标准溶液连续测定11次，相对标准偏差为2．93％，精密度良好．检出限的测定：平行测定质量浓度为1．0mg•L－1的邻苯二甲酸氢钾标准溶液7次，据式（4）计算最小检出限ρMDL＝S＊t（n－1，0．90）（4）式中S为标准偏差，t（n－1，0．90）表示置信度为90％、自由度为n－1时的统计量t值，本实验中t（6，0．90）＝1．94．计算得本法的检出限为0．0985mg•L－1．
3．2模拟水样的测定人工配制21种模拟水样，利用本文所建立的监测系统进行COD的测定，并与实验室测量数据进行了对比，实验室方法采用S：：CAN（lyserII）测量仪进行COD的测定．图5为本文建立的最小二乘法拟合模型计算得到数据与实验室测量数据的对比．其中，点线表示实验室实测数据，实线表示利用模型拟合得到的数据．为了验证两者的线性关系，对模型计算结果与实验室测量结果进行了线性拟合（见图6），满足线性关系：y＝－0．32005＋1．00046x，r2＝0．99818．从拟合结果来看，本文所建立的模型计算结果与实验室测量结果存在良好的相关性，可以满足测量的实际需求．为了进一步分析本系统计算结果的准确度，表1给出了本测量系统测得的20个模拟水样的COD与实验室测量值的误差比较．结果表明，本测量系统的最大误差在2％左右，其测量结果能够较好地与实验室测量数据吻合，可以满足现场监测的需求．
光谱学分析范文第3篇
关键词：光谱匹配系数，四值编码算法，光谱角度匹配
一、引言
就人造环境的概念提出来看，我们可以大致引出两种源头。
其一，我们今天所常见的几种因为人类活动而导致的自然环境问题十分重大且对人类的生活有着重要的影响，例如挖空煤矿导致的山体崩塌以及地震，再比如，大量的砍伐树木，不仅造成沙漠化严重，还导致大量的水土流失。这些问题都随时影响到人类的生活甚至生命，在这种前提之下，人造环境被提上了命题。在重大的灾难来临之时，人们所创造的避难所均设在地下，例如核辐射，而在这种条件之下通过分析光谱与类生物机械进行结合制造的人造环境，在视觉上做到与真实自然环境别无二致便为重点。
其二，人类对于太空的探索不断的进步。人们对于太空星球的探索以及资源的争夺都是愈演愈烈，所提出来的论点之中有两个极为重要，一是太空移民，一是太空资源开采。适宜人类居住的星球最重要的是哪些呢？大气，水，除此之外的一部分环境问题我们均可以用人造环境结合类生物机械来进行处理，利用分析光谱制造应急人造环境，对于刚刚登陆开发移居星球的前几批工作者来说是不可缺少的重点，在刚开始的恶劣环境之中可以用人造环境来改善进行星球开发的工作人员的生活环境。
二、可行性分析
1、光谱匹配系数
根据光电阴极的光谱响应特性曲线，我们可以计算出光谱响应率Sλ，将Sλ对其最大化Smax归一化，可得相对光谱响应率为
S（λ）=Sλ/Smax――（1）
此时，光电阴极面接受的夜天光经过景物反射后的辐射，即
ωλ= ρλPλ――（2）
其中（2）式中的ωλ为景物反射辐射光谱分布；ρλ为景物的光谱反射系数，他随波长λ而变化；Pλ为夜天光辐射光谱分布，将景物的反射辐射光谱分布ωλ对其最大值ωmax归一化，得到其相光谱分布为
ω（λ）=ωλ/ωmax――（3）
由此，我们可以从关系式定义光电阴极于景物反射辐射的光谱匹配系数为
α（S，ω（λ））=∫S（λ）ω（λ）dλ/∫ω（λ））dλ――（4）
那么我们分析式（4）可以知道，光谱匹配系数其实反映的是各种光谱响应的光电阴极对不同的辐射源的光谱利用率的高低，也就是说，这个利用率越高，越能够得到与实际物体所产生的光谱一样的光谱。分析可知当α越大时，匹配越好，从而微光夜视系统的观测效果也就越好，反之越差时匹配越差观测效果也就越差，根据式子我们可以知道α的值域在（0，1），越靠近1，越与实物反射产生的光谱相近，即越能体现出辐射源与实物之间的差别之小。达到以假乱真的效果。
2、光谱匹配基本模型算法
使用计算机软件通过算法制作光谱比较模型，通过所测物体的光谱度和已知的物体世纪光谱互相对比，来判别被测物体的种类，那么同样，我们可以通过对比从模拟人眼的光学仪器中的两条光谱曲线来使得目标物体在视觉上与实际地物一模一样。
2.1四值编码算法
首先对已知地物类别的光谱辐射至取平均值，得到阈值A，然后将光谱辐射值已A为边界分为[Xmin，A][A，Xmax]两个区间，在重复上步再划分得到总共四个区间。用同样的方法对待目标光谱曲线进行四值编码。使用异或方法，进行目标光谱和已知光谱匹配（即有区别为1，没区别为0），最后比较相等的个数，将目标分到波段数目相似最多的类别。
2.2光谱角度匹配
光谱角度定义为两地物光谱矢量之间的广义夹角余弦为相似函数，将像元N个波段的光谱响应作为N维空间中的矢量，通过计算他与最终光谱单元之间的广义夹角来表示它的匹配程度，夹角越小匹配程度越高，二者越相似。
日本kansai电力公司研制成功了一种新型太阳能辐射模拟系统，它不仅能模拟太阳光，还能模拟太阳热。这套系统用计算机控制等和加热器，一边产生接近自然的太阳辐射。它还配有人工的自然环境分系统，可模拟不同的气象条件。系统由氙灯，卤素灯和加热器组成，模拟阳光的波长范围从可见光（0.38到0.78微米）到红外线（0.78到20微米），而且光谱分布和自然阳光基本一样。
三、人造环境光学
就目前形似来看，高光谱图像在空间以及电磁谱维度中所利用较为广泛，尤其在遥控领域。
基于成像光谱仪在众多窄波段获取数据的特点，可以用已知地物类型的反射光谱，通过光谱频率曲线或特征匹配比较以达到识别地物类型的目的。长期的高光谱实验也收集了大量的实验室标准数据，建立了许多地物标准光谱数据库；那么从另一方面来说，人们可以用已知的数据伪造出与真实光谱无二的光谱已达到以假乱真的目的。
四、结束语
光谱识别技术是以物质构成的光谱唯一性为基础， 将目标的识别以光谱信息为第一特征，利用光谱的分析来得到现实生活中的自然物体在不同环境时所发射的光谱，对比获得正确的光谱，利用光电器件发射出对应的光谱。光谱识别技术的发展，包括计算机算法的发展，使得利用光谱制作更加逼真的人造环境得到可能。
参考文献：
[1] 蔡燕.光谱匹配算法的实现与比较.中国矿业大学环境与测绘学院.江苏徐州（221008）
光谱学分析范文第4篇
[关键词] 拉曼光谱；定量分析；实验教学
[中图分类号] G642
[文献标识码] A
[文章编号] 2095-3712（2014）22-0058-03[ZW（N]
[作者简介]张焕君（1982―），女，河南许昌人，硕士，郑州轻工业学院教师；程学瑞（1982―），男，河南安阳人，博士，郑州轻工业学院副教授，研究方向：材料物理。
拉曼光谱的强度、频移、线宽、特征峰数目以及退偏度与分子的振动能态、转动能态、对称性等特性有紧密的联系，即与分子的结构紧密相关。而且拉曼光谱具有制样简单，分析快速、无损，所检测的样品仅需微量即可满足测量要求等诸多优点，因而成为研究分子结构的强有力工具，广泛地应用于分子的鉴别、分子结构的研究、分析化学、石油化工催化和环境科学等各个领域[1-2]。然而，相对于气相、液相色谱法的较高精度而言，较大的分析误差率限制了拉曼光谱定量分析的应用。在实际应用中，拉曼光谱分析技术多用于样品的定性分析，尤其是在实验教学当中，更多的是强调其定性分析的作用，而忽略其定量分析的功能[3-4]。尤其是对具有强荧光背景物质，如乙醇及其混合溶液的定量分析，更是拉曼光谱定量分析中的难点问题。
为帮助学生克服这样单一的认识，我们在教学实验环节增加了相关实验内容，采用拉曼光谱对乙醇溶液的浓度进行定量分析。在教学过程中，我们向学生介绍了拉曼光谱定量分析的理论依据、分析过程，并着重分析了误差来源，以加深学生对拉曼光谱的认识，尤其是让学生对其定量分析功能有了进一步的了解。
一、理论依据
拉曼光谱定量分析的理论依据为：
I=KΦC∫b[]0e（[WTBZ]ln[WTBX]10）（k+k）zh（z）dz
在上式中，I为光学系统所收集到的样品表面拉曼信号强度；K为分子的拉曼散射截面积；Φ为样品表面的激光入射功率；k、k′分别是入射光和散射光的吸收系数；Z为入射光和散射光通过的距离；h（z）为光学系统的传输函数；b为样品池的厚度。由上式可以看出，在一定条件下，拉曼信号强度与产生拉曼散射的待测物浓度成正比，即I∝C。
二、实验过程
实验样品材料为国药集团化学试剂有限公司生产的浓度不低于99.7%的分析纯乙醇、四氯化碳和去离子水。把不同体积的去离子水加入乙醇样品中，配制成不同浓度的乙醇-水二元体系溶液；用激光功率为50mW（100%）的拉曼光谱仪采集纯乙醇溶液、水、四氯化碳溶液的拉曼光谱图；用拉曼光谱仪采集不同浓度的乙醇溶液的拉曼光谱图，对每种浓度的样品重复扫描3次，试验结果取三次扫描的平均值。
三、结果讨论
把配制好的不同浓度的乙醇溶液加入未受污染的样品池，把不同浓度的样品分别放在拉曼光谱仪上测出其拉曼光谱。荧光背底扣除后不同浓度的乙醇-水溶液的拉曼光谱图如图1所示。
图1荧光背底扣除后不同浓度的乙醇-水溶液的拉曼光谱图
表1中的数据进一步显示出，随着乙醇浓度的增加，特征峰强度的比值在不断增加。纯水的3200cm-1峰的强度I2与不同浓度乙醇的884cm-1峰的强度I1之比R1和面积比R2与乙醇浓度的关系见表1。拟合图如图2所示，R1和R2与乙醇浓度有较好的线性关系，其线性相关系数分别为0.98554和0.97558。
四、误差分析
激光功率、样品池、聚焦位置等因素会对定量分析结构有重要影响。
（一）激光功率的影响
不改变聚焦样品的位置，激光功率分别选取100%、50%、10%、5%、1%和0.5%（100%为50mW），对50%的乙醇-四氯化碳溶液进行测试，结果如表2所示。
由表2可以看出，随着激光功率的改变，两个特征峰（峰459cm-1和884cm-1）的强度比值基本上在2.3左右，面积比值基本上在3.0左右。然而可以看出，当激光功率很小时（1%或0.5%），由于激发光源本身很弱，导致散射的拉曼信号强度本身也非常弱，而且信噪比很大，所以相对误差比较大。而且当激光功率很强（100%功率）时，两个特征峰的强度比值和面积比值都稍微偏离2.3和3.0，其原因可能是，激光功率很强时，其信号强度和荧光信号也比较强，而荧光对拉曼散射的干扰非常大，导致在扣除荧光背底过程中出现较大的偏差。
（二）样品池的影响
如图4是毛细管样品池的拉曼光谱图，实验过程中用毛细管吸取待测溶液。毛细管作为样品容器，在激光激发下也存在拉曼光谱和荧光背底，在基线处理和背底扣除过程中难以完全消除其影响，进而产生误差。
图4毛细管样品池的拉曼光谱图
（三）聚焦位置的影响
在同一样品不同点进行多次测量，分析结果发现，混合溶液的特征峰强度的比值存在较大的偏差，主要原因可能是本次试验使用的是显微共聚焦激光拉曼光谱仪，3次测量的聚焦位置不同，以及数据处理过程当中荧光背底的扣除都会引起较大的误差。对同一浓度的溶液测量3次，所得强度之比的不确定度为0.117，相对强度之比与乙醇浓度拟合直线的不确定度为0.024，相对面积比与乙醇浓度拟合直线的不确定度为0.858。
综上所述，激光功率、样品池、聚焦位置等因素会对拉曼光谱定量分析结构产生一定的影响。另外，乙醇的挥发、激光功率的稳定性、实验仪器的固有误差等因素也会对测试结果带来影响。然而，拉曼光谱定量分析的结果仍然有较大的可信度，可以作为一种有效的定量分析方法。
参考文献：
[1]谭红琳，李智东，张鹏翔，等.乙醇、甲醇、食用酒及工业酒精的拉曼光谱测定[J].云南工业大学学报，1999（2）.
[2]杨丹，徐文艺.CuCl2-H2O体系和FeCl3-H2O体系络合物拉曼光谱研究与溶液拉曼定量分析探索[J].光谱学与光谱分析，2011（10）.
光谱学分析范文第5篇
[关键词]近红外光谱分析技术 牛奶 化学分析 应用
中图分类号：TS207.3 文献标识码：A 文章编号：1009-914X（2016）11-0258-01
近红外光具体指波长在780-2526nm范围内的电磁波，近红外光谱分析技术则是光谱测量技术同化学计量学的有机结合。近红外光分析技术应用范围不断拓展，在食品行业中应用于调味品、酒制品、肉类等成分鉴别以及真伪鉴别，近年来其在牛奶制品化学分析中也得到了较为广泛的应用。分析近红外光谱技术在牛奶及其制品分析检测中的应用，实施对牛奶及其制品的质量安全控制，有着重要的现实意义。
一、近红外光谱分析技术原理
近红外光谱分析技术是近几十年来发展最为迅速的高新分析技术之一。我国从上世纪80年代开始应用近红外光谱分析技术，并逐渐拓展到食品、农业、石化等多个领域，近红外光谱是分子振动光谱倍频与合频吸收光谱，主要为X-H键吸收。由于不同基团（例如苯环，甲基等）所生成的光谱在吸收峰的强度以及位置上有差异性，结合朗伯-比耳吸收定律，光谱特征将锁着样品成分含量的变化而变化。近红外光谱分析技术具体有以下几个优点：传输性能良好，近红外光在光导纤维中传输性能较好，能够实现对生产工艺流程的在线检测；检测手段无损。近红外光谱分析技术检测不对样品产生损伤，特别是在活体检测上有着非常大的优势；分析速度快捷。近红外光谱分析技术不用对样品进行预处理，对于样品的测量通常在1分钟之内可以完成，其分析速度较快，效率较高；绿色环保。近红外光谱分析技术在检测中不对环境产生污染，因而其也被称作绿色检测技术。
二、近红外光谱分析技术在牛奶化学分析中的应用
牛奶是由多种物质所组成的混合物，其具体包括真溶液、胶体悬乳液、高分子溶液以及乳浊液等。而牛奶成分中蛋白质分子、脂肪等对于近红外光有着吸收作用，因而近红外光谱分析技术在牛奶化学分析测定中能够得到良好应用。近红外光谱分析技术在牛奶制品上的应用主要体现在在线检测与离线检测两个方面。在线检测是指借助光纤探头直接在生产线中对样品进行检测；离线检测指用红外反射仪对样品杯或者试管中的样品实施全反射检测。其具体应用包括定性分析牛奶及其制品的产地来源与品种，以及定量分析牛奶及其制品的微生物与理化指标等。
1.在线检测
牛奶生产过程中，因出厂产品一致化的要求，通常需要保证原料成分含量的一致性，而现实生产当中不能使生产停止来满足在线检测。近红外光谱分析技术的应用则实现了对生产过程的实时监控。在线检测中，利用近红外光谱分析技术对牛奶成分中的蛋白、乳糖、脂肪、蔗糖以及水分进行测量，能够取得良好的效果，可广泛应用与鲜奶成品生产以及奶粉生产过程中的质量监控。并且如今近红外光谱技术应用也已经拓展到了牛奶中病菌数以及牛奶体细胞数测定方面。吴静珠等提出了建立包括不同种类奶粉样品集中的脂肪、乳糖、蛋白等的红外模型，并采取全谱分析结合模型优化的方法，简化了近红外技术在奶粉定量分析的步骤。刘蓉（2005）通过最小半球体积法以及半数重采样法来对牛奶成分近红外光谱实施奇异点剔除实验，这两种算法的有效结合有着快速简单的特征，能够适应牛奶成分等的在线检测，可大大提升分析模型的精度与稳定性。朱俊平（2003）通过多元线性回归法构建用近红外光谱分析技术检测儿童高钙奶粉蛋白、乳糖、脂肪的测定模型。其近红外法测定结果与标准法测定结果相一致。但总体来看，目前近红外光谱分析技术在牛奶及其制品在线检测中的应用尚停留在实验室的阶段，要真正实现牛奶及其制品生产的在线检测还需要做更多的工作。
2.离线检测
营养成分检测。牛奶制品营养成分检测主要是指利用近红外光谱分析技术对牛奶中的蛋白质、乳糖、脂肪等营养成分进行快速定量的分析。联邦德国的R.T.Carl早在1991年就利用近红外光谱分析技术以及偏最小二乘法分析牛奶中的脂肪含量，结果也表明利用近红外光谱分析技术分析牛奶中脂肪含量是非常可行的。
掺假物质鉴别。牛奶制品中有许多掺假物质，例如植物蛋白、植脂末、乳清粉乃至三聚氰胺等。奶制品掺假成分检测主要依赖传统方法，而近红外光谱分析技术的应用也能够起到有效作用。韩东海（2006）具体应用近红外光谱分析技术来鉴别纯牛奶中的还原奶，结合判别分析方法构建起还原奶鉴别模型，并利用偏最小二乘法构建起原料奶的ph值以及酸度预测模型，具体误差
致病菌分析。李守军（2007）对利用近红外光谱技术检测牛奶中致病菌方法进行了分析。具体采用最小二乘法、余弦相似度聚类等方法建立利用近红外光谱检测原料乳大肠杆菌、总菌落数的模型，结果表明能够在50分钟内完成，可有效预测原料乳大肠杆菌以及总菌数。
三、近红外光谱分析技术应用展望
我国的奶制品质量水准在食品市场中一直备受关注，牛奶产品的质量也一直是弱项，例如我国奶粉产品质量与西方国家有着巨大差距。究其原因，在于生产监控以及原材料质量控制上的差距。近红外光谱分析技术有着准确、快速、便捷等特性，得到了越来越广泛的应用。而这项技术在牛奶及其制品中的应用，则能够更有效地实施对牛奶制品的质量监控。其对于提升生产质量控制，降低生产成本等发挥着重要的作用。但同时，目前近红外光谱技术在牛奶分析检测中的应用仍存在着诸多问题有待解决：牛奶为多分散体系，由于测量条件以及测量方法等诸多因素影响，测定结果的准确率有待提升，因而需要开发专用的数学模型以及相关配件来提升检测精确度；近红外光谱分析技术定性与定量分析的关键因素在构建准确的校正模型，因而需要进行多种建模方法的对比来获取最优化的模型；此外，近红外光谱分析技术虽然分析成本较低，但其仪器本身较为昂贵，对于我国一些牛奶加工企业、牛奶养殖场所以及牛奶收购站而言，缺乏经济实力与生产规模。因而需要开发出更简便，价格更低的近红外仪器，拓展其在牛奶检测中的应用范围。
结束语
总而言之，近红外光谱分析技术有着简便、快速、绿色等特征，随着我国乳制品工业的快速发展以及社会对于乳制品质量的关注，近红外光谱分析技术有着广阔的应用前景。目前我国乳品市场质量安全方面仍然存在着诸多问题，新形势下，我们应当进一步加快对近红外光谱分析技术在牛奶化学分析应用的研究，促进其在乳品生产检测中的高效应用，从而提升我国乳制品的质量安全水平。
参考文献
[1] 邹强.近红外光谱技术在奶酪品质评价中的应用[J].光谱学与光谱分析，2011，10.
光谱学分析范文第6篇
关键词：光谱分析软件天文学研究应用探索
21世纪以来，随着科学技术的不断发展，人们对于科学信息及宇宙探索的渴望，使得天文学以惊人的速度快速发展。天文观测进一步从可见光、射电波段扩展到包括红外、紫外、X射线和γ射线在内的电磁波各个阶段，形成了全波段天文光谱学，并为探索各类天体和天文现象的物理本质提供了强有力的观测手段。
一、光谱分析数据的形成
对于天体光谱分析数据的有效研究表明，光谱分析数据是按照波长的有序排列来表示的天体电磁辐射，是一系列有连续性的数据，在每一处的波长中所对应的的有效流量是不同的。天文学家利用光谱信息软件，可以对宇宙中物质的分布特征进行相关研究及数据收集，同时可以对天体的形成及随时间的演化等重大科学问题进行初步的探索，并为进一步的探索打下坚实的基础。
二、光谱分析数据的特征提取方法
特征提取是光谱分析软件应用中的一个重要环节，也是对光谱数据进行挖掘的重要一步。对于海量天体光谱数据处理的效率及准确性有着重要的影响，这一环节中包括转换和选择两个步骤，首先着重提取与目标有关的信息并进行数据成分分析，剔除与当前任务无关的信息，随后将提取的信息转化为适合分析研究的表达方式，以供研究，在这里主要介绍三种特征的表达方式：统计约简法、特征谱法、谱线法。
2.1统计约简法
这是在目前的实际探索中，应用最广泛的一种提取方式，它的优点是便于操作及使用。使用过程是对天体辐射能量进行分解、重组和取舍，尽可能的去除冗余和噪声，并及时的将信号进行转化。
2.2特征谱法
特征谱法可以看作是人工"光谱"，主要包括两种构造方法：一种是强调频谱特征的准确表征，相关研究者基于观测光谱流量的中值法和几何均值法研究了类星体特征普的构造；第二种是强调对观测光谱近似表达能力，这一方面的相关研究者根据PCA方法研究了恒星特定谱的构造。
2.3谱线法
谱线法的优点是物理意义强，易于解释，但也有其相关的局限性：仪器、波长和流量标定情况对于谱线的描述影响较大等。
三、软件简介
目前应用较为广泛且使用性能好的光谱分析软件有以下7种：
3.1VOSpec软件
VOSpec软件在使用过程中，利用了光谱访问协议，对数据的组织功能强大，用户在使用时可以通过天体名称或坐标在光谱库中进行有效的相关z索。VOSpec软件标准功能主要有光谱分析和拟合光谱能量分布两种，能够为用户提供可靠的光谱处理功能，在有效时间内整合来自不同的数据提供者、波段和元数据光谱。
3.2VOSED软件
通过简单的光谱访问协议，VOSED软件可以进行在线查询光谱信息，并及时合成光谱能量分布。目前，VOSED软件有两种工作模式：单目标模式和多目标模式。单目标模式是指用户在输入目标名称后，VOSED通过数据库现实该目标的的相关信息；多目标模式是指，用户在工作中可以实时的监控查询状态，查询结束后可以创建相关的压缩文件。VOSED的查询界面和显示界面如下图：
3.3Spec View软件
Spec View软件不仅能够读取哈勃空间望远镜的数据格式，还可以读取其他科学设备的光谱，并通过虚拟天文台查询并读取数据。它的功能主要包括：光谱单位转换、数据质量控制、绘图注释、可视化参数自定义、平铺绘图等。
3.4Iris软件
Iris软件主要有NED数据导入、数据可视化和自定义、光谱模型拟合光谱能量分布和非常规数据格式转换工具四个特点。Iris可以读取多个单独的数据源或光谱能量分布，用户可以通过Iris的红移法、插值法、集成法三种方法来创建光谱能量分布。
3.5SPLAT软件
SPLAT软件在工作过程中能够同时读取多个光谱，并进行单个或多个显示。它的功能主要体现在两个方面：查询和下载光谱的简单光谱访问协议；在桌面上使用的简单应用程序传递消息。
3.6CASSIS软件
CASSIS软件主要有谱线认证、构造任何望远镜的理论光谱、比较望远镜数据和和各种模型光谱数据及估计光谱物理参量四个特点，可以通过简单应用程序消息传递协议使数据在不同的天文软件间传递和交互操作。
3.7ASERA软件
ASERA软件的特点：谱线能够随鼠标而动，同时红移值自动给出；自定义可视化；批处理程序，可以同时处理多个光谱；光谱平滑等。用户借助ASERA软件可以轻松识别光谱和估测红移，尤其对低质量光谱的识别。
结束语：
在未来的天文学发展中光谱软件的应用会越来越广泛，相信随着天文学家和研究者的互动，光谱分析软件会朝着方便快捷、强大有效的方向继续发展。
参考文献：
光谱学分析范文第7篇
【摘要】 红外光谱(IR)分析技术是一门发展迅猛的高新技术，与传统分析技术相比，红外光谱分析技术具有分析速度快，样品用量少，无破坏无污染等特点。红外光谱测定的是物质中分子的吸收光谱，不同的物质会有其特征指纹的特性，利用红外指纹图谱技术对中成药进行质量鉴定与分析，借助计算机和模式识别等技术，以综合的、宏观的、非线性的分析理念和质量控制模式来评价中药的真伪优劣
【关键词】 红外光谱; 红外指纹图谱技术
【Abstract】 Infrared spectrum (IR) is a fast developing newly technology. Compared with traditional analysis technology， IR possesses characters of fast analysis， little sample， no breach and no pollution. IR measures the absorption spectrum of molecule， and different substances have different fingerprint patterns. Thus， IR technology can be applied to detect and analyze the quality of traditional Chinese drug. Using the computer， pattern recognition and so on， we can estimate if traditional Chinese drug is real or fake， good or bad under the guidance of comprehensive， macroscopic and nonlinear analysis idea as well as quality control models.【Key words】 infrared spectrum; technology of IR fingerprint
红外光谱分析技术是一门发展迅猛的高新技术， 在分析化学领域里被誉为分析“巨人”，这个“巨人”的出现掀起了一场分析技术革命。 使用传统的分析方法测定一个样品的多种性质或浓度数据需要多种分析仪器， 耗费大量人力、物力和时间，因此成本高，工作效率低，远不能适应现代工业的需要;与传统分析技术相比，IR分析技术能在几十秒甚至几秒内，仅通过对样品的一次IR简单测量，就能同时测定一个样品的几种甚至几十种物质或浓度数据，而且被测样品用量很少，无破坏，无污染，无损伤分析，操作简单，分析成本低[14]。
1 红外光谱分析技术的发展过程红外光谱是研究红外光与物质分子间相互作用的吸收光谱，红外光谱分近红外区(泛频区)波长范围12 500～4 000/cm，中红外区(基本震动区)波长范围4 000～400/cm，远红外区(转动区)波长范围400～25/cm [5]。而近红外区(NIR) 最初于1800年被英国物理学家赫谢耳(William F Hershel)发现， 是人们最早发现的非可见光区域。1835年Ampere利用新发明的热电偶证明了NIR具有同可见光一样的光学性质[5，6]。早期的红外光谱广泛应用棱镜作为单色器，用连续波扫描，分辨率低，但仍在化合物结构表征发挥重要作用。20世纪60年代以后以光栅为单色器，提高了分辨率，曾在传统的农副产品领域中有所应用。而近红外方法作为一种新兴的定量分析方法今年来取得了显著进展，在食品、农产品、烟草等方面尤为突出[7]。20世纪80年代后期曾出现过红外光谱法鉴别中药的某些报道，但由于光谱总体解析知识的贫乏、思路上的保守和缺乏交叉学科的相互渗透，其进展并不显著。20世纪90年代后期以来，出现了将红外光谱法与计算机辅助解析技术有机的结合应用于中药鉴定的若干报道。
2 红外光谱技术
2.1 红外数据库随着计算机的普及红外光谱分析与薄层色谱法、高效液相色谱法、气相色谱法、高效毛细管电泳法、紫外光谱法、红外光谱法、核磁共振和X射线衍射法、质谱及分子生物学技术连用[8]，为红外光谱的应用开辟了更广阔的领域。随后又有人将红外数据库通过计算机系统运用于红外光谱仪中，即将光谱的数字化形式存放在IBM计算机穿孔卡片上形成红外数据库。目前已建立的红外数据库主要有:(1)ASTM红外光谱;(2)Sadtler谱库;(3)Aldrich/Nicolet凝聚相普图库;(4)Sigma生物化学谱库;(5)Nicolet蒸气相谱库;(6)Georgia州犯罪实验室麻醉剂谱库;(7)多伦多法法庭谱库;(8)Aldrich蒸气相谱库;(9)Sadtler SpecFinder数据库;(10)PE谱库;(11)固体药物FTIR谱库;(12)EPA气相 FTIR谱库。
2.2 红外光谱仪与其他仪器的连用在实际工作中，红外光谱仪经常通过与其他仪器连用。常见的有GC/FTIR联用技术[8];HPLCFTIR联用技术[9，10];TLCFTIR联用技术[11，12];SFCFTIR联用技术[13];TGAFTIR联用技术[1416]等。
范雪芳，等.红外光谱分析技术及其应用
成都医学院学报2009年9月，4(3)
3 红外指纹图谱技术现状红外光谱测定的是物质中分子的吸收光谱，不同的物质会有其特征指纹的特性，目前红外指纹图谱已成为鉴定和分析不同产地及品种的中药材内在质量的重要手段。但由于中药指纹图谱相当复杂，人工比较难掌握结果的准确性，因此将其用于复方中药的鉴定和分析[1720]。对于中药的品种和真伪鉴别，除液相和薄层等以色谱为主的指纹图谱方法外，还可以使用光谱测定的指纹图谱方法，即红外指纹图谱鉴别技术，该技术无需对中药进行提取分离等繁杂的化学处理，而直接进行红外光谱分析检测，是目前中药材及其制剂最直接、快速、准确的鉴定鉴别和质量控制方法。目前我国中药指纹图谱的实施， 已由实验室研究进入到实际应用和作为法定质量标准的阶段。它不仅从图谱的整体特征来综合地鉴别真伪， 还可以以一定的量化参数大致评价中药产品质量的稳定性和一致性。在现阶段， 据此判断原料、半成品、成品的质量相关性、一致性和稳定性， 应用范围包括1094光谱学与光谱分析原料药材的筛选、生产工艺的优化、成品质量的稳定考察、市场商品的质量监控。实践证明， 色谱指纹图谱分析所表达的质量信息远比测试单一成分要丰富得多 [21，22] 。例如天士力集团已将多元色谱指纹图谱分析定为内控方法。对复方丹参滴丸主要化学成分进行了系统分析， 鉴定出10种丹参水溶性成分和20种三七皂苷类成分， 基本揭示了复方丹参滴丸化学物质基础; 能更完整地反映出复杂药产品的化学组成特征， 可用于复中药产品的质量控制[23](各批次的复方丹参滴丸产品中有效成分的含量一致， 确保了复方丹参滴丸质量的稳定) 。
4 红外指纹图谱的应用近两年来红外光谱在中药质控领域取得突破性进展， 突破了检测样品有损、存在大量废弃物的问题， 形成了一种无损、环保的新型检测体系。常规的制药分析样品前处理繁琐， 分析周期较长， 使用有毒有害试剂较多， 常产生大量废气、废液; 相比之下红外光谱分析有如下鲜明的技术特点:分析速度快， 多种成分同时分析， 无污染分析， 样品不需特别的预处理， 不使用有毒、有害试剂， 无损伤分析， 操作简单， 分析成本低。红外光谱技术已在中药材鉴定、中药材炮制、中药注射剂各个领域发挥了重要作用， 分述如下。
4.1 中药材鉴定
4.1.1 常用中药材的深入研究 红外光谱对常用中药的研究已经不局限于通过谱图的差异来作出简单辨别; 而出现两个新的应用研究方向: 一种是在谱图计算机辅助解析方面进行深入研究， 采用多种分析方法挖掘谱图数据信息; 另一种是为了增大样品差异性对样品进行前处理。例如王凤岭等[24 ]利用红外三级鉴定法区别栽培和野生丹参，徐海星等[7]使用不同溶剂对原药材进行提取处理，采用红外光谱图谱鉴别法对提取物进行分析。红外光谱技术应用新进展表现为: 一方面通过应用了不同的溶媒进行试验， 对药材进行提取处理， 增大了样品差异性， 提高了谱图差异化， 更有利于差异性小的药材辨识; 另一方面谱图计算机辅助解析通过量化峰高比、主成分分析、谱图半定量分析、相关二维、神经网络等方面的深入研究，挖掘了更多的谱图数据信息。
4.1.2 地方民族药的鉴别 由于地方民族药还停留在外观形状经验鉴别水平， 相应色谱含量分析较少。因此红外光谱分析技术已迅速被彝、藏、蒙等少数民族医药所接受， 并且在地域性药物鉴别、基原调查、珍稀药材保护等领域进行了有益的尝试。例如杨群等[25]采用傅里叶变换衰减反射红外光谱法对鸡根、大红袍两种彝药药材进行了快速无损的红外光谱测定;关昕璐等[26]采用红外光谱法直接测定藏药翼首草不同产地、不同药用部位的红外光谱， 并比较了它们的红外光谱差别;徐良等[27]用红外三种光谱法对四种蒙药材进行了鉴别研究，四种药材粉末的红外光谱有明显区别。红外光谱在地方民族药中的应用， 打破了其长期缺乏有效质控方法的局面。与此同时， 红外光谱也将成为地方民族医药核心质控技术。
4.2 中药材炮制红外指纹图谱用于中药炮制品的鉴别是可行的， 特别是二维相关的使用， 使炮制过程不再成为不可控的过程; 且红外光谱法样品制备简单， 仪器设备普及性强， 在中药饮片的快速鉴别与过程监控中具有一定的优势。例如鲍红娟等[28]利用红外光谱技术分析研究河南道地药材怀菊花及其炮制品， 找出怀菊花、炒菊花和菊花炭的红外光谱和二阶导数谱的“指纹”特征。
4.3 中药注射剂红外光谱在重要注射剂中同样发挥重要作用，例如王晶等[29]将红外光谱技术应用于中药注射剂鉴别; 潘艳丽[30]研究黄金菊粉针(金莲花、野菊花、金银花) 药效组分的红外指纹表征。
5 结语随着红外光谱与色谱指纹图谱在解决中药质量标准与检验方面优势的显现， 中药质控领域结合自身实际情况对其在该领域的研究进行了有效的延伸与扩展， 基本形成以红外光谱为定性、半定量分析， 色谱指纹图谱为定量分析的两大模式; 在药物质量控制过程中， 红外光谱可以应用于前道质量控制与样品稳定性考察; 色谱指纹图谱可以应用于后续重点成份指标含量控制; 两者互相渗透、互为补充， 为中药现代化铺平了道路。
参考文献
[1] Burns DA，Ciurczak EW. Handbook of nearinfrared analysis[M]. New York: Marcel Dekker Inc，2001.
[2] 孙素琴，秦竹，周群，等.中药药材红外光谱非分离提取多级宏观指纹鉴定方法[P]. 中国专利：CN 147110A，2003.
[3] 孙素琴，秦竹，周群，等.中药二维相关红外光谱鉴定图集[M].北京：化学工业出版社，2003: 9.
[4] 中华人民共和国国家药典委员会.中国人民共和国药典[M].北京：化学工业出版社，2000.
[5] Hildrum KI，Isaksson T，Naes T，et al. Nearinfrared spectroscopy bridging the gap between data analysis and NIR application[M]. New York: Ellis Horwood，1994: 153.
[6] 聂晶，田颂九，王国荣.中药指纹图谱的研究现状[J].中草药，2000，31(12)：881884.
[7] 严衍录，张录达，景茂，等.傅里叶变换近红外漫反射光谱分析应用基础的研究[J].北京农业大学学报(增刊)，1990，16：517.
[8] Griffiths PR. Optimized sampling in the gas chromatographyinfrared spectroscopy interface[J]. Appl Spectrosc，1977，31:284288.
[9] Kizer KL，Mantz AW，Bonar LC. Am Lab，1975，5:85.
[10] 黄威东，王俊德.在线正相微孔柱高效液相色谱与傅氏变换红外光谱的联用方法[J].光谱学与光谱分析，1991，6：11.
[11] Percival CJ，Griffiths PR. Direct measurement of the infrared spectra of compounds separated by thinlayer chromatography[J].Anal Chem，1975，47:154.
[12] Lloyd LB，Yeates RC，Eyring EM. Fourier transform infrared photoacoustic spectroscopy in thin layer chromatography[J].Anal Chem，1982，54:549.
[13] Shafer K H，Griffiths P R. Anal Chem，1983，55:1939.
[14] Low MJD. Gas Effluent Analysis[M]. New York: M Dekker，1967.
[15] Lephardt JO. Appl Spectrosc Rev，198283，18:265.
[16] Carangelo R M. Thermochim Acta，1986，103:221.
[17] 黄吴，李静.中药配方颗粒红外指纹图谱研究[J].分析化学研究简报，2003，31(7)：828.
[18] 梁鑫淼，徐青，肖红斌.中药质量控制的策略与方法[J].中国中西医结合杂志，2002，(9)：56.
[19] 芦锰，樊克峰，白雁.红外光谱技术在中药整体质量评价中的应用[J].河南中医，2004，11：423.
光谱学分析范文第8篇
本文介绍了拉曼光谱和利用化学计量学方法处理拉曼光谱的过程，简述了拉曼光谱应用于纺织纤维检测的可行性，最后介绍了本单位在应用拉曼光谱和化学计量学进行纤维检测方向的初期研究成果。
关键词：拉曼光谱；化学计量学；纤维检测
1 拉曼光谱的简介
印度物理学家C.V.Raman于1928年发现拉曼光谱并因此荣获诺贝尔物理奖。自此以后，拉曼光谱作为一种分子级别的物质结构分析手段被广泛应用。特别是在20世纪60年代后，随着高通量激光光源的产生、微弱信号检测技术的提高、化学计量学的高速发展和计算机的普及，拉曼光谱分析技术在很多领域得到了大力发展[1]。
拉曼散射是光照射到物质上发生的非弹性散射所产生的。单色光的入射光子与分子相互作用时可发生弹性碰撞和非弹性碰撞。弹性碰撞中，光子与分子之间没有能量交换，碰撞的发生只改变了光子的方向而不改变光子的频率，这种碰撞方式也称为瑞利散射。而非弹性碰撞过程中，光子不仅仅改变运动方向，同时光子的一部分能量传递给分子，或者分子的振动、转动能量传递给光子，从而改变了光子的频率，这种散射过程称为拉曼散射[2]。拉曼散射光和瑞利光的频率之差值称为拉曼位移。拉曼位移就是分子振动或转动频率，与入射频率无关，而与分子结构有关。拉曼光谱与红外光谱类似，同属于散射光谱中的一种，其信号来源于分子的振动与转动。但红外光谱与分子振动时的偶极矩变化相关，而拉曼散射则是分子极化率变化的结果。分子结构分析中，拉曼光谱与红外光谱是相互补充的[2， 3]。
拉曼光谱是一种振动光谱，与物质自身的结构相关，拉曼光谱技术对样品无接触、无损伤，测试前无须特殊前处理过程，可提供快速、简便无损伤的定性定量分析。在分析研究领域，拉曼光谱与其他分析方法相比，还具有以下的突出优点[4-6]：
（1）无损、快速、无污染。拉曼光谱是一种纯粹的光学检测方法，其分析过程无须制样、不破坏样品、不产生污染；分析过程快速，重现性好。
（2）检测灵敏度较高。新开发的激光拉曼分析技术和多种联用拉曼光谱技术，如显微拉曼光谱技术、表面增强拉曼光谱技术等，大大提高了拉曼光谱的探测灵敏度。
（3）不受水的影响。由于水的拉曼散射很微弱，适合含水样品的测试，对含水样品来说是非常理想的分析工具。
（4）高分辨率。拉曼光谱谱峰清晰尖锐，适合定量研究、数据库搜索以及运用差异分析进行定性研究。在化学结构分析中，独立的拉曼区间的强度可以和功能集团的数量相关。
2 国内外拉曼光谱技术发展状况及其在纺织纤维检测中的应用
随着拉曼光谱技术的迅速发展以及与化学计量学的紧密结合，拉曼光谱越来越多地被应用于过程监控、反应机理研究、材料分析等方面[7]。拉曼光谱技术除了应用于众多的科研项目外，还被广泛应用于医药、环境、食品、宝石鉴定等快速分析检测领域。康颐璞等[8]利用电解法制备银膜，使用在氯霉素拉曼光谱中，可快速检测出食品中残留的对人体骨髓有重大伤害的氯霉素。陶家友等[9]直接测量居室环境中的甲醛分子产生的拉曼光谱，快速测定了密闭环境中的甲醛浓度，为挥发性有机物的快速、准确检测提供了一种新方法。马寒露等[10]使用便携式拉曼光谱仪，结合化学计量学的方法，较好地鉴别了苹果汁中掺入梨汁的造假行为，建立了鉴别方法，为其他掺伪问题的解决提供了借鉴。
除了上述的分析检测领域，纺织品纤维成分定性鉴别和定量分析也是拉曼光谱分析技术应用的另一热点。棉、麻、毛、丝等大多数天然纤维及再生纤维素纤维等都具有较显著的吸湿性能，一小部分合成纤维的吸湿性能也较显著，若应用红外光谱法进行检测，须进行一定的前处理才能得到较好的结果，而由于拉曼光谱对水分子不敏感，且拥有上述优点，拉曼光谱不需要繁琐的前处理过程，被视为未来纺织纤维材料检测的一种新手段。乔西娅等[11]通过直接测取织物、纱线或纤维的激光拉曼光谱，结合光谱预处理技术与特征峰提取、匹配识别方法定性鉴别了涤纶、腈纶、锦纶、粘胶等纤维，并利用94份测试样品验证了其算法的有效性。吴俭俭[12]等针对当前纤维定性鉴别方法存在的缺点，开发拉曼光谱定性鉴别方法，通过对纺织纤维原始拉曼谱图的特性分析、光谱预处理等得到了信噪比更高的标准拉曼谱图，建立了拉曼谱图特征表数据库，初步验证了拉曼光谱定性分析纤维纺织材料的可行性。
3 化学计量学在拉曼光谱中的应用
拉曼光谱技术引入分析化学领域以来，以其独特的优势吸引了分析化学家的注意。拉曼光谱虽从实验中较易得到，但其反映的分子振动信息是以一种复杂的形式加和在一起，因此给拉曼光谱的解析带来了很大困难。随着化学计量学的引入，大大地降低了提取物质相关信息的难度，使拉曼光谱分析技术的应用范围得到了拓宽。为了得到有效的拉曼光谱，使所建的模型稳健可靠，有足够的预见性，在进行数据分析前须对实验所得到的拉曼光谱进行预处理，预处理过程包括信号平滑和背景扣除两部分。
3.1 拉曼光谱的信号平滑算法
拉曼光谱获取的过程中，由于拉曼散射效应信号微弱、仪器自身设计和操作者水平等原因，采集得到的拉曼光谱或多或少都会存在噪声。噪声是无用信息，还会对有效信息造成干扰。噪声可分为三类：第一类是没有规律的，与测量技术和环境影响相关，多次测量叠加后取平均值时噪声没有线性增加，可通过增加测量次数提高信噪比；第二类是有规律的，随着测量次数的增加，噪声也增加；第三类是前两种的结合，即无规律噪声。拉曼光谱中某些样品的光谱漂移就是第三类情况。化学计量学上常用信号平滑来消除随机噪声，提高信噪比。信号平滑算法主要有窗口移动多项式最小二乘拟合[13-16]、窗口移动中位数[17， 18]、快速傅里叶变换、惩罚最小二乘[19]、小波系数收缩[20]等算法。
3.2 拉曼光谱的背景扣除算法
对拉曼光谱影响最大的背景，就是荧光响应，为了有效地提取数据信息进行多变量定性定量分析，在预处理时要先将无用的背景扣除。扣除背景分为硬扣除和软扣除两种。硬扣除指的是改进实验仪器性能或操作条件，如更换波长更大的激发光源、对不同的样品采取不同的试验条件等；软扣除指的是利用化学计量学方法扣除拉曼光谱的荧光背景，常用于扣除背景的算法有手动线性背景拟合法[21]、不对称最小二乘法[22]、全自动背景扣除算法[23]和自适应迭代重加权惩罚最小二乘算法[24]等。
3.3 聚类与分类算法（定性鉴别）
在光谱预处理完成后，就对数据进行分类，也就是常说的定性鉴别，在化学计量学上称这种方法为聚类与分类法。聚类是研究样品分类问题的一种统计分析方法。拉曼光谱数据通过化学计量学方法进行聚类或者分类分析建立模型，对新测定的样品数据进行已知类样本模型比对，以预测位置样品的类归属。聚类与分类算法常有以下几种算法：主成分分析[25]、偏最小二乘线性判别式分析、偏最小二乘判别分析[26]等。
3.4 回归分析（定量分析）
在定性鉴别完成后，可以进一步对样品进行定量分析。化学计量学常用回归分析算法进行定量计算，就是根据聚类与分类的结果，对数据信号进行深入处理，建立一个数据回归规律模型，以对其他未知数据进行定量分析，概括来讲就是用一个函数来表示应变量和自变量之间的关系。回归分析按照其自变量的多少，可以分为一元回归分析和多元线性回归分析；按照自变量和应变量的关系可以分为线性回归和非线性回归。不论是何种回归分析，基本都包含以下步骤：回归模型的建立、模型参数的求解、模型的评价、能很好模拟实测数据的模型选择、根据自变量对新样品的进一步预测。常用的回归算法有主成分回归[27， 28]、偏最小二乘回归[29]和支持向量回归[30]。
4 应用前景及研究进展
当前，分析测试技术受到越来越多的关注与重视，随着各种新型材料的出现，传统的检测手段在一定程度上难以适应新的要求。目前行业内常用的纤维鉴别方法有显微镜观察法、燃烧法、化学溶解法等，但这些方法耗时长，不适宜现场快速鉴定。而拉曼光谱是反映分子极化率变化与振动信息的一种散射光谱，不同的纺织纤维具有不同的拉曼光谱特征，可以利用这些特征结合其他定性鉴别的方法区分纤维种类。
本单位以开发床上用品纤维成分现场检验鉴定技术为目的，利用美国必达泰克公司（B&W Tek， Inc.）的便携式拉曼光谱仪i-Raman EX对超过1000个纯棉、纯涤样品进行测试。全部样品谱图通过Matlab进行信号平滑和背景扣除的数据预处理。通过对各种预处理方法的比较，我们认为运用自适应迭代重加权惩罚最小二乘算法对样品数据进行预处理可以得到最大限度保留样本光谱有效信息的数据，棉和涤纶的拉曼光谱图如图1和图2所示。
图1 预处理前（左）后（右）纯棉样品拉曼谱图
图2 预处理前（左）后（右）涤纶样品拉曼谱图
预处理之后的光谱包含有织物的特征信息，我们将大量的数据混合后通过主成分分析、偏最小二乘线性判别式分析、偏最小二乘判别分析等聚类与分类计算，尝试将它们分类，也就是我们常说的纤维成分定性。我们发现运用主成分分析法能很好地将纯棉和纯涤的混合光谱聚类分离，如图3所示，红色表示纯棉样品，黑色表示纯涤样品。结果表明，运用主成分分析方法，能将光谱的有效信息充分区分，并直观显示出来。主成分分析非常适合用对纺织纤维进行定性分析。
图3 300个纯棉、纯涤混合样品主成分分析图
化学计量学方法是拉曼光谱检测技术应用发展的重要推动力量，其与拉曼光谱检测技术的结合对纺织纤维的快速、无损检测有着至关重要的作用。随着数据分析的进一步深入，拉曼光谱技术将从纺织纤维的定性鉴别应用阶段跨入定量检测应用阶段，估计在不久的将来，以拉曼光谱为核心技术的纺织纤维定性定量分析标准将会诞生。
参考文献：
[1]朱自莹， 顾仁敖，陆天虹.中国拉曼光谱研究十年（1981～1991）[J].光谱学与光谱分析， 1993，（01）：49-84.
[2]田国辉， 陈亚杰，冯清茂.拉曼光谱的发展及应用[J].化学工程师， 2008：（01）： 34-36.
[3]乔西娅. 拉曼光谱特征提取方法在定性分析中的应用[D].杭州：浙江大学，2010.
[4]程光煦.拉曼、布里渊散射： 原理及应用[M].北京： 科学出版社，2001：120.
[5]白利涛， 张丽萍，赵国文.拉曼光谱的应用及进展[J].福建分析测试， 2011，（02）： 27-30.
[6]宫衍香， 吕刚，马传涛.拉曼光谱及其在现代科技中的应用[J].现代物理知识， 2006，（01）： 24-28.
[7] 黄海平， 田英芬， 何尚锦， 等. 拉曼光谱在高分子中的应用新进展[J]. 热固性树脂， 2001， （02）： 38-44.
[8]康颐璞， 司民真，刘仁明.氯霉素在电解法制备纳米银膜上的表面增强拉曼光谱的研究[J].光散射学报， 2009，（01）： 25-28.
[9] 陶家友， 黄鹰， 廖高华，等. 甲醛浓度的激光拉曼光谱检测研究[J]. 光散射学报， 2008， （04）： 346-349.
[10] 马寒露， 董英， 张孝芳， 等. 拉曼光谱法快速检测掺入梨汁的浓缩苹果汁[J]. 分析测试学报， 2009， （05）： 535-538.
[11]乔西娅， 戴连奎，吴俭俭.拉曼光谱特征提取在化学纤维定性鉴别中的应用[J].光谱学与光谱分析， 2010，（04）： 975-978.
[12] 吴俭俭， 孙国君， 戴连奎， 等. 纺织纤维拉曼光谱定性分析法[J]. 纺织学报， 2011， （06）： 28-33.
[13]Gorry， P.A. General least-squares smoothing and differentiation by the convolution （Savitzky-Golay） method[J]. Analytical Chemistry， 1990， 62（6）： 570-573.
[14]Madden， ments on the Savitzky-Golay convolution method for least-squares-fit smoothing and differentiation of digital data[J]. Analytical Chemistry， 1978， 50（9）： 1383-1386.
[15]Savitzky， A. and M.J.E. Golay.Smoothing and Differentiation of Data by Simplified Least Squares Procedures[J]. Analytical Chemistry， 1964，36（8）： 1627-1639.
[16]Steinier， J.， Y. Termonia， and J. Deltour， Smoothing and differentiation of data by simplified least square procedure[J]. Analytical Chemistry， 1972，44（11）： 1906-1909.
[17]尼珍， 胡昌勤，冯芳.近红外光谱分析中光谱预处理方法的作用及其发展[J].药物分析杂志， 2008，（05）： 824-829.
[18] 夏俊芳， 李培武， 李小昱，等. 不同预处理对近红外光谱检测脐橙VC含量的影响[J]. 农业机械学报， 2007， （06）： 107-111.
[19]Eilers， P.H.C.. A Perfect Smoother[J]. Analytical Chemistry， 2003，75（14）： 3631-3636.
[20] Daubechies， I.Ten lectures on wavelets[M]. SIAM， 1992.
[21]陈珊. 拉曼光谱背景扣除算法及其应用研究[D]. 长沙： 中南大学， 2011.
[22]Eilers， P.H.， H.F. Boelens. Baseline correction with asymmetric least squares smoothing[J]. Leiden University Medical Centre Report， 2005.
[23]Carlos Cobas， J.， et al.， A new general-purpose fully automatic baseline-correction procedure for 1D and 2D NMR data[J]. Journal of Magnetic Resonance， 2006，183（1）： 145-151.
[24]Zhang， Z.-M.， S. Chen， Y.-Z. Liang. Baseline correction using adaptive iteratively reweighted penalized least squares[J]. Analyst， 2010， 135（5）： 1138-1146.
[25]Wold， S.， K. Esbensen， P. Geladi.Principal component analysis[J]. Chemometrics and Intelligent Laboratory Systems， 1987，2（1–3）： 37-52.
[26]Geladi， P.， B.R. Kowalski. Partial least-squares regression： a tutorial[J]. Analytica Chimica Acta， 1986. 185（0）： 1-17.
[27]罗文海， 万巧云，高永.主成分回归分析与多元线性回归的对比研究[J].数理医药学杂志， 2003，（02）： 140-143.
[28]Jolliffe， I.T. Principal Components in Regression Analysis[J]. Principal Component Analysis， 2002： 167-198.
[29]秦浩， 林志娟， 陈景武.偏最小二乘回归原理、分析步骤及程序[J].数理医药学杂志， 2007（04）： 450-451.
光谱学分析范文第9篇
关键词：近红外光谱分析技术 油品分析 应用价值
近现代红外吸收光谱法已成为对有机物进行定性分析和结构分析的有力手段之一。红外吸收光谱分为近红外光区、中红外光区和远红外光区。其中近红外光谱分析技术利用其具备高效节能、安全性高、无污染的优越性已经应用于各行各业，包括石油开采、化工产品生产领域，通过参考物理参数数值分析满足生产的需要。现如今随着石油化工产业的不同需求，近红外光谱技术几乎成功实现了对各个环节的技术分析，成为化工行业中不可或缺的科技手段。
一、近红外光谱分析技术的理论分析
红外光辐射的能量远小于紫外光辐射的能量，当红外光照射到样品时，其辐射能量不能引起分子中电子能级的跃迁，而只能被样品分子吸收，引起分子振动能级和转动能级的跃迁。由分子的振动能级和转动能级跃迁产生的连续吸收光谱称为红外吸收光谱。在红外吸收光谱的三个区域中，近红外光谱是由分子振动能级跃迁产生的振动光谱。对大多数有机化合物分子产生的都是振动光谱。这就是近红外吸收光谱研究的中心内容。
近红外光谱分析技术采用的是定量分析方法和定性分析方法。所谓定量分析基本原理是依据朗伯-比尔定律，利用比率分析法、趋势分析法、结构分析法、相互对比法和数学模型法等方法选择具有普遍性的化学样品当作标准集；然后把待预测的化学样品利用扫描的方法扫描出近红外光谱，将扫描出的光谱值代入到先前的数学模型之中得到预测值，通过预测值和化学测定值之间的相关值和标准差衡量模型的准确度。在此结果中，如果模型的准确度高就可以用此模型来测定分析样品，但由于红外吸收光谱测定多在可透过红外光的固体介质中进行，在获得的相邻吸收峰较密集的带状谱带中，吸收峰往往不对称，因此进行定量分析时，应严格保持测定条件的一致，以获得可靠的分析结果。近红外吸收光谱进行有机化合物定性分析可分为两个方面，一是官能团定性分析，二是结构分析。近红外光谱分析技术定性分析法是利用相同样品在波长不同的条件下具有相同的光谱的特征，借助峰位鉴别法、聚类分析法、模式鉴别法等分析方法，使各种样品实现聚类识别，最后结合某一样品的定量数据模型判断其物理参数数值。作为两种不同性质的测量技术，区别在于定量分析需要测定样品的相应数值，要求较高的精确的；定性分析的方法则主要依据红外光谱图谱，凭借样品光谱反映出的样品组成和结构信息进行测定分析。
近红外光谱技术利用光纤测量技术对处在不同环境下的样品进行遥控测量，十分广泛的应用于样品的过程阶段分析中。因此，近红外光谱分析技术作为针对各种样品进行即时分析和快速检测是一种十分理想的技术手段，是石油开采和化工检测过程中所依赖的分析技术。在分析过程中，根据光谱提供的样品性质及过程产物性质，实时对操作条件进行调整和优化，控制和优化生产装置，从而提高生产效率和质量。
油品分析中，近红外光谱分析技术通过对石油性质和各类指标是否达标进行测试，得到相应的数据后，利用数据及时改进生产程序，选择有效的生产加工技术，从而提高石油利用率和石油产品质量。
在化学领域内含氢的基团等在波长为700-2500nm的近红外光谱波长范围内的近红区都能吸收。通常油品是由不同的组成成分构成，这些不同组成成分的油品在红外光谱图上都有各自对应的光谱特征。由于不同基团产生的光谱在红外光区吸收的峰位和程度不尽相同，伴随着样品组成的变化情况其在光谱图上呈现的光谱特征也会随之发生变化，变化的程度也就为在近红外光谱的定性和定量分析过程提供了理论依据。除此之外，石油的油品样品中烃类含量的变化的同时近红外光谱的波度也会引起相应变化，在变化过程中通过化学计量学方法对采集到的光谱数据进行总结处理，得到样品组成变化的数据。当样品组成发生不同程度的变化时，样品的性质发生相应变化，同时样品的光谱也会发生相应变化。近红外光谱利用所反映的样品性质的变化情况，构建样品性质变化与其对应的近红外光谱变化之间的联系。
二、近红外光谱分析技术在油品实际分析中的应用价值
通常情况下，在样品分析过程中如果需要对样品进行预先处理然后再进行质量测量，这样就会增加生产投资成本，加重生产负担。但是，利用近红外光谱分析技术对油品进行分析，样品可以进行直接测量，从而简化操作步骤。在测量方式上，近红外光谱对于样品是否是以固体、液体还是其他存在状态都没有限制。
利用近红外光谱分析技术可以提高测量数据的精确度并且可以将分析数据充分利用起来。在分析过程中根据样品在红外光谱图中呈现的光谱特征，能够高效率的确定被测样品与原先测定样品之间的差异，如果相同则可以直接使用资源；如果差异很大甚至不同则再用更精确的的方法进行分析，随后将测量分析的数据存放在数据库中，这就避免了繁琐的重复分析工作，降低了成本，提高了分析效率。与许多标准的油品分析方法相比较，利用近红外光谱分析技术实现了油品质量技术的最新化、分析效率的最快化和分析结果的最精确化。
当然，近红外光谱分析在油品分析中也有一定的局限性，对一些物质，如具有不同分子量的同一种高分子聚合物或同一化合物的旋光异构体也不能用近红外吸收光谱进行鉴别。此外使用近红外吸收光谱法进行定量分析的灵敏度和准确度均低于紫外、可见吸收光谱法。为获取准确的定性鉴定和结构测定的结果，对欲分析样品应尽量采取多种分离方法进行提纯。
现如今随着科学技术的日新月异和科技创新的不断发展，近红外光谱分析技术作为在石油化学化工领域一种新型的分析测量技术发展十分迅速，此技术已广泛应用于原油蒸馏、石油加工等工艺上。
三、结束语
目前，近红外光谱分析技术已经越来越多的应用于油品质量分析之中，明确汽油调和和测定汽油组成成分。例如利用近红外光谱分析技术高效测定汽油的乙醇值、辛烷值、苯含量以及详细族的物理参数值，进一步对汽油聚类进行分析，在炼油过程中最大限度的降低生产成本，保障油品质量合格，从而及时按量按质出库。作为间接测试技术近红外光谱分析技术在炼油过程中通过对油品成分各种物理参数的采集，测量化学样品的物理化学性质及组成。在现如今，利用近红外光谱分析技术对油品质量进行分析已经成为具备可靠科学数据和规范样品质量的方法并得到更广范围的应用。
参考文献
[1] 徐广通，袁洪福，陆婉珍.现代近红外光谱技术及其应用进展[J].光谱学与光谱分析，2000（02）.
[2] 冯新泸，史永刚.近代红外光谱及其在石油产品分析中的应用[J].北京：中国石化出版社，2002（04）.[J].
光谱学分析范文第10篇
关键词：红外光谱；纤维；定性；定量
1 傅立叶红外光谱（FTIR）在纤维检验中的基本原理
傅立叶变换红外光谱仪（简称FTIR）具有扫描速度快、高分辨率、测定光谱范围宽等特点，并配备有功能很强的计算机系统，已经成为最有用的分析手段之一。在纺织品纤维检验中，当连续波长的红外光照射到纤维样品时，纤维分子就会选择吸收与其所含官能团固有振动频率相等的红外光，发生能级的跃迁，从而产生红外吸收光谱。红外光谱中的每一个特征吸收谱带都包含了试样分子中基团和化学键的信息。不同纤维的官能团不同，或单体的连接方式和空间相对关系不同，其产生的红外吸收峰的峰位和强度都会有所差异，将试样的红外光谱与已知红外光谱进行比较从而鉴别出纤维来[1]。
傅立叶变换衰减全反射红外光谱法（ATR-FTIR）是分析物质表层成分结构信息的一种技术，它具有对样品无破坏性、操作方便迅速、灵敏度高等优点[2]。ATR-FTIR可以有效地得到聚合材料的红外图谱，制样简单、非破坏性、能够保持样品原貌进行测定，可以实现原位、实时、无损测量，这对于各种纤维成分的定性鉴别特别方便。ATR 光谱法是一种表面取样技术， 所获得的主要是样品表面层的光谱信息， 因此尤其适合观测样品表面的变化[3]。
2 在纤维成分检验中常用的红外光谱技术
2.1 FTIR透射光谱技术
常规FTIR透射光谱分析方法不仅可以鉴定未知纤维的种属，还可以对简单的混纺样品进行混纺率的定量测定等，该方法比较成熟，被广泛地应用在纤维检验实践中。透射红外光谱分析方法，重点是样品的制样过程，不同的纤维要选择不同的制样方法，否则就会得不到预期的效果。制样方法主要有溴化钾压片法和溶解薄膜法、熔融铸膜法。溴化钾压片法适用于可用切片切成粉末的纤维，溶解薄膜法适用于锦纶、醋纤、氯纶等纤维，熔融铸膜法适用于热塑性合成纤维。上述制样方法都存在过程繁琐的缺点，近年来各种现代化红外附件的成功应用，为FTIR纤维检测提供了很大的便利[1]。
2.2 衰减全反射红外光谱技术
为克服红外光谱制样繁琐以及某些样品难以制样的不足，20 世纪 60 年代初出现了衰减全反射（ Attenuated Total Refraction，ATR） 红外附件。80 年代初将 ATR 技术开始应用到傅立叶变换红外光谱仪上，产生了傅立叶变换衰减全反射红外光谱仪（ Attenuated Total internal Reflectance Fourier Transform Infraredspectroscopy，简称 ATR-FTIR） [4]。ATR 的应用极大地简化了测试的流程，使纤维成分的检测变得方便而快捷。ATR技术对于分析纺织纤维样品，分析速度快、对样品无损坏、不消耗化学药品，结果准确可靠。
当二组分混合纤维的混合比在30%～70%范围内时，多数混合纤维的ATR谱图中出现两种纤维的独立特征峰，据此可以鉴别混纺纤维。少数难以鉴别的混纺纤维，可以先确定一种纤维，再以其作为参比光谱做差谱分析，从而对第二组分纤维进行定性分析。由于对光谱差减的次数越多结果越不可靠，因而目前运用ATR法鉴别混纺织物主要二组分织物和少数三组分织物，四组分以上的就很困难了。这也是红外光谱仪不能大量有效应用在纤维定性分析上的主要原因之一[5]。
2.3 近红外漫反射光谱分析
因为物体对光的散射率随波长的减少而增大，近红外谱区光的波长比中红外区短，其散射的效率比中红外区高，因此近红外谱区适合做漫反射光谱或散射光谱分析，可以得到较高的信噪比和较宽的线性范围。适用于固态、液体和气态样品的检测。近红外光谱的信息量丰富、图谱的稳定性高、取得图谱比较容易，结合现代数学方法和计算机技术，可以从复杂背景中提取微弱信息[6]。通过将近红外光谱所反映的样品基团或组成与用参比方法测得的数据采用化学计量学方法建立校正模型，然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成[7]。近红外漫反射光谱分析是一种极有发展前途的光谱技术。
2.4 显微红外光谱技术
傅立叶变换红外光谱加一个红外显微镜附件就可进行显微红外光谱分析，可以进行单根纤维的检测。显微傅立叶变换红外光谱法是一种微量分析技术，它的特点有：灵敏度高，检测限低，极少的样品（几纳克）就能获得很好的红外光谱图；样品制备简单，对不透光样品可直接测定反射光谱；显微镜光路调节简单，容易实现显微镜对样品待分析部位定位；分析过程不会对样品有任何损坏。在纤维检验中能够进行种类鉴别，同时能够鉴别单根双组分纤维的成分，从而为各种混纺纤维的鉴别提供简便有效的方法。
3 红外光谱技术在纤维成分检验中的研究进展
3.1 红外光谱技术在纤维定性中的应用研究
关于红外光谱技术在纤维定性中的应用已经比较成熟。近来的文献主要集中在快速检测技术上。烟台市产品质量监督检验所的孙琳琳等人利用傅立叶红外光谱（ ATR）对某单位送检两件未知纤维样品进行鉴别，并且对比了傅立叶红外光谱（ ATR） 法和依据纺织行业标准 FZ /T 01057. 8―1999 红外光谱法两种方法所得纤维样品的红外谱图，所得测试结果一致。证明ATR法具有分析速度快、样品需求量小、对样品无损、不消耗检材、结果准确可靠的特点[8]。
辽宁警官高等专科学校的阎巍等人利用傅立叶红外光谱（ATR） 法对不同品牌不同厂家以及同一品牌不同颜色的各组的羊绒、腈纶等纤维样品进行检测，其试验可以快速、准确地鉴定出上述各组纤维[9]。
浙江省纺织测试研究院的王晓晴等人采用傅立叶衰减全反射红外光谱技术（FTIR-ATR）对新型功能性纤维――海藻纤维进行红外光谱扫描，对比了散纤维和无纺布两种外观形态下的海藻纤维红外光谱图，其分析得出：在3300cm-1左右出现的宽峰、1200 cm-1～1000 cm-1处的较强吸收峰、1610cm-1～1560cm-1和1440cm-1～1360cm-1之间的强吸收尖峰可以一同构成鉴别海藻纤维的特征峰。试验结果表明， 用FTIR-ATR技术可以快速、有效地鉴别出海藻纤维[10]。
3.2 红外光谱技术在纤维定量中的应用研究
在红外光谱技术中，近红外光谱在纤维定量分析中应用相对较广。在混纺纤维含量测定方面，2010年，吕丹[11]利用近红外光谱技术，利用主成分分析法和多元线性回归方法建立了不同产地羊绒-羊毛混纺纤维的定量分析模型，研究结果表明：定量分析模型的相关系数和预测标准偏差达到了1.2061，能够对羊绒-羊毛混纺纤维的含量进行准确的预测。
同年，杨萌[12]用46个棉/氨混纺样品建立了分析精度较高的近红外光谱分析模型，用于检测棉/氨混纺产品中氨纶含量，模型的相关系数达到0.99，预测结果证实了利用近红外光谱技术快速检测棉/氨混纺产品的可行性。
与近红外相比，中红外更多地应用到定性分析，随着红外光谱研究的不断深入，中红外也被应用于混合物的定量分析。2010 年陶丽珍等[13] 选取 2900cm-1、1717cm-1、721cm-1特征吸收峰作为定量分析峰，用溴化钾压片的制样方法，对比分析了运用峰面积比测定涤/棉混纺比的方法，得出结论是比值法测试精度更高。
纤维混纺比定量分析主要集中在两组分混合物的分析。对于多组分的定量，国内研究并不是很多。陈斌、蔡斌[14]采用信号分析理论中的相关分析技术，将三组分的涤纶-棉-毛样品与二组分的棉-毛样品进行相关分析，建立了基于偏最小二乘（PLS）方法的近红外校正模型，并对余下样品进行了预测分析。结果表明，借助相关分析算法，毛含量的预测相对均方差和相关系数分别从3.5575、0.9855提高到2.7835、0.9876。试验证明，多组分相关分析技术可以在复杂混合样品中提取出待测组分的近红外光谱信息，为建立较高精度的校正模型创造了条件。
参考文献：
[1] 王建滨，刘世玲，任晓慧.傅立叶红外光谱及附件技术在检验纤维中的应用[J].中国纤检，2011（9）：59-61.
[2] 刘净维，董建朋.傅立叶衰减全反射红外光谱法在纺织与印染中的应用与进展[J].中国商界，2008（5）：252-253.
[3] 陆永良，沈维，刘艳.红外光谱差减技术在纺织品定性分析中的应用[J].上海纺织科技，2010，38（7）：1-4.
[4] 黄红英，尹齐和.傅里叶变换衰减全反射红外光谱法（ATR-FTIR） 的原理与应用进展[J]. 中山大学研究生学刊（自然科学、医学版），2011，32（1）：20-31.
[5] 韩非，杨瑜榕，刘贵，等.红外光谱在纤维定性定量分析中的应用[J].中国纤检，2012（10）：55-59.
[6] 王小天.相关分析技术在纺织纤维近红外快速检测中的应用[D].苏州大学硕士学位论文，2007.
[7] 姜伟.植物纤维原料化学定量方法研究及其近红外预测模型构建[D].东华大学博士学位论文，2013.
[8] 孙琳琳，张 磊，迟晓红.傅立叶红外光谱法鉴别纺织纤维[J].材料开发与应用，2015（6）：89-91.
[9] 阎 巍，张金庄.傅立叶红外光谱（ ATR ）法检验纺织纤维[J].辽宁警专学报，2007，11（6）：35-37.
[10] 王晓晴，廖艳芝，严方平，等.基于傅立叶衰减全反射红外光谱技术的海藻纤维鉴别分析. [J].中国纤检，2015（5）：66-68.
[11] 吕 丹，于 婵，赵国.利用近红外光谱进行羊绒与羊毛的鉴别技术研究[J].北京服装学院学报，2010，30（2）：29-34.
[12] 杨 萌. 近红外光谱技术在棉/氨纶面料分析中的应用[J].中国纤检，2010（11）：61-63.
[13] 陶丽珍， 潘志娟 ， 蒋耀兴，等.基于红外光谱的涤/棉混纺比定量分析[J].中国纤检，2010，31（2）：19-23.
光谱学分析范文第11篇
关键词：茶叶；近红外光谱；应用；预测模型
中图分类号：S571.1；O657.33 文献标识码：A 文章编号：0439-8114（2013）23-5665-04
近红外光谱区域是在1800年由Hershel观察到的[1]，它介于可见光（VIS）和中红外光（MIR）之间，波长范围为780～2 526 nm。由于受到基础研究的限制，在20世纪50年代以前，近红外光谱技术一直没有得到实际应用，直到20世纪60年代初期以后，一些简易的近红外光谱仪才开始在农副产品分析中得到应用[2]。但由于近红外光谱技术具有自身灵敏度低、抗干扰性差等缺点，使其逐渐被人们所淡忘。20世纪80年代以后，随着计算机技术和仪器分析技术等的发展和应用，近红外光谱的价值也被重新认识，研究者针对近红外光谱技术开展了广泛的研究[3]。自此之后，近红外光谱技术得到了巨大的发展，并且已经成为一门独立的分析技术[4]。
1 近红外光谱技术的原理和特点
1.1 近红外光谱技术的原理
近红外光是肉眼看不见的光线，当近红外光谱照射到农业物料上时，其中的官能团（O-H，N-H， C-H）吸收与其固有振动频率相一致的光线。近红外光谱技术就是利用物料的这种特性，连续地改变近红外光谱的频率，使通过试样后的近红外光谱在某些波长范围内减弱（被吸收）或加强（不吸收），透射过的光线携带有机物的组分和结构信息，通过检测分析透射或反射光谱的光密度，从而得出该组分含量。应用近红外光谱技术检测农产品的主要流程是：收集具有代表性的样品，采集样品的近红外光谱；用标准方法（如国家标准）测定样品的化学成分含量；通过数学方法将光谱数据和化学测定数据进行关联，建立数据模型；分析未知样品时，先扫描待测样品的近红外光谱，利用建立的模型计算出待测样品的成分含量值。
1.2 近红外光谱技术的特点
近红外光谱技术作为一种迅速发展起来的高新分析技术[5]，它具有几个特点。①样品不需预处理：近红外光谱分析样品时，样品无需溶解、消化、萃取等预处理过程便可以对样品进行快速、无损分析。②可以用于漫反射技术：近红外光谱在照射到分析样品时，在样品中传播的散射效应大，在样品内部发生漫反射效应，携带样品内部信息而被检测器检测，非常适合在线分析。③属于绿色分析技术：近红外光谱分析不消耗化学试剂，不会造成污染。此外，它的光子能量低（1.65～0.50 eV），不会对检验者造成伤害。④常用于有机分析：近红外光谱区的信息反映的是样品内部C-H、N-H和O-H等含氢集团物质的合频与倍频吸收信息，因此，它几乎可以用于所有与含氢集团有关的样品化学性质与物理性质分析，较少用于无机物分析。
由于近红外光谱技术具有很多优点，目前近红外光谱技术已经广泛应用于中药药物原料分析[6]、包装材料分析[7]、辅料识别、成药鉴别[8]、天然药物鉴别、药物混合过程监控[9]等方面，显示了广泛的应用前景。
2 近红外光谱技术在茶叶上应用的研究进展
2.1 近红外光谱技术在成品茶上应用的研究进展
2.1.1 定量研究 近红外光谱技术应用于成品茶的定量研究中，主要集中在对茶叶的内含成分进行快速检测以及茶叶等级的精确定级方面。①茶叶含水量的快速检测：茶叶含水量是一个非常重要的检测指标，其含量高低影响着茶叶的质量。为此，刘辉军等[10]应用径向基函数建立了绿茶的水分检测模型，预测的相关系数为0.933，实现了水分的快速检测。②茶多酚的快速检测：茶多酚在人体有清除自由基和杀菌抗癌等功效，是茶叶中的重要成分之一，Chen等[11]应用偏最小二乘法建立了其近红外光谱预测模型，相关系数为0.989。③茶叶的抗氧化活性快速检测：茶叶的抗氧化活性能力检测目前应用的为TEAC法，但Luypaert等[12]以中国、西班牙和比利时的绿茶为原料，应用主成分回归方法建立了茶叶抗氧化活力的近红外光谱预测模型，相关系数为0.925。④咖啡碱的快速检测：咖啡因具有兴奋神经中枢、提神醒脑的功能，也是茶叶中的重要滋味物质之一。罗一帆等[13]应用偏最小二乘法建立了咖啡碱的近红外预测模型，相关系数达到0.996。⑤茶黄素和茶红素的快速检测：发酵茶中的茶黄素和茶红素等对人体有降血糖、降血压和增强免疫力的作用。龚加顺等[14]以云南功夫红茶、红碎茶和乌龙茶为原料，配制成不同浓度的140个茶饮料样品，然后利用偏最小二乘法建立了茶黄素和茶红素的检测模型，相关系数分别为0.860和0.990。还对茶叶中纤维素和总氮量等成分含量进行了快速预测[15，16]。
茶叶等级的确定目前主要依靠人工感官审评方法，很容易受到外界环境因素的影响而存在很大的不确定性。而液相、气相等分析手段仅能对单一内含成分进行检测，而不能对茶叶进行综合评价和定级，因此，常规检测手段存在极大的局限性。有学者尝试应用近红外光谱对茶叶的等级进行精确判定，其研究以48个国家的标准红绿茶为材料，通过应用多元线性回归方程，对近红外光谱测定等级和评审等级间进行联立，所得预测模型相关系数为0.925，该研究结果为利用近红外光谱技术判定茶叶等级提供了参考[17，18]。
2.1.2 定性研究 近红外光谱技术应用于成品茶的定性研究中，主要集中在对茶叶的种类进行鉴定、判别，以及茶叶真伪的鉴定。
赵杰文等[19]以多元散射校正（MSC）为预处理方法，采用近红外光谱结合马氏距离判别模型鉴别了龙井、碧螺春、毛峰和铁观音4种名茶，预测集的判别率达到95.0%；李晓莉等[20]扫描了西湖龙井、杭州龙井、羊岩勾青、雪水云绿和庐山云雾茶的近红外光谱，用人工神经网络结合主成分分析法进行茶叶种类鉴别，模型识别准确率为100.0%；茶叶真伪鉴别也可以通过近红外光谱技术来实现。陈全胜等[21]以碧螺春为研究对象，应用近红外光谱技术，以径向基核函数为核函数建立茶叶真伪的支持向量机判别模型，模型对90个独立样本的判别准确率为84.4%，能够满足对真伪碧螺春茶叶的鉴别。
2.2 近红外光谱技术在茶鲜叶上应用的研究进展
近红外光谱技术在茶鲜叶应用方面，虽然目前尚处于起步研究阶段，但已经取得了一些重要的进展[22-24]，因此，总结当前已经取得的科研成果非常有必要，这将为近红外光谱技术在茶鲜叶上的应用和发展提供重要的参考依据。
2.2.1 茶鲜叶质量的近红外光谱评价 茶鲜叶质量是茶叶品质形成的物质基础。通常应用感官方法评价茶鲜叶质量，评价指标包括鲜叶的嫩度、匀净度和新鲜度3个方面。但是感官评价方法容易引起茶农与茶鲜叶收购者之间的矛盾。
为了解决这一难题，达到定量评价茶鲜叶质量的目的，提出应用质量系数（QI）评价茶鲜叶质量[QI=（含水量×全氮含量）/粗纤维含量[25]]：茶鲜叶的质量系数越高，其质量也越好；反之，其质量就越差。QI的提出较好地解决了茶鲜叶质量无法定量评价的难题，但是应用化学方法计算QI费时、费力，不能很好地满足茶叶加工厂快速评价茶鲜叶质量的要求。因此，结合近红外光谱技术的优点，建立了茶鲜叶的含水量、全氮含量和粗纤维含量近红外光谱预测模型。①含水量预测模型：以多元散射校正结合平均值（MSCmean）为预处理方法，先筛选含水量的特征光谱子区间，然后对特征光谱进行主成分分析，以前4个主成分（累计贡献率为99.69%）为输入变量建立的含水量最小二乘支持向量机模型预测结果最佳，预测集模型相关系数为0.989。②全氮含量预测模型：以MSCmean为预处理方法，先筛选全氮含量的特征光谱子区间，然后对特征光谱进行主成分分析，以前4个主成分（累计贡献率为99.91%）为输入变量建立的全氮含量最小二乘支持向量机模型预测结果最佳，预测集模型相关系数为0.991。③粗纤维含量预测模型：以MSCmean为预处理方法，先筛选粗纤维含量的特征光谱子区间，然后对特征光谱进行主成分分析，以前3个主成分（累计贡献率为99.93%）为输入变量建立的粗纤维含量最小二乘支持向量机模型预测结果最佳，预测集模型相关系数为0.973。
2.2.2 茶鲜叶质量评价的近红外光谱分析仪的研制 以茶鲜叶含水量、全氮含量和粗纤维含量近红外光谱预测模型为基础，根据斜率/偏差（S/B）模型传递方法，通过与合肥美亚光电技术股份有限公司合作，研制了1台光栅型茶鲜叶质量近红外光谱分析仪。该分析仪能够在1 min内得出鲜叶的质量系数，初步实现了茶鲜叶质量的快速准确评价，杜绝了人为因素的影响[26，27]。
2.2.3 茶鲜叶产地判别方法的初步探索 以产自合肥市、黄山市和六安市的茶鲜叶为材料，先筛选茶鲜叶产地特征光谱区间：6 788.5～6 437.5 cm-1， 4 659.4～4 308.4 cm-1和4 304.5～4 000.0 cm-1，应用主成分分析法获得特征光谱区间的主成分数，以前6个主成分数为输入值（累计贡献率为99.98%）建立茶鲜叶产地判别的人工神经网络模型，该模型对这3个城市茶鲜叶产地的判别率为100.0%，初步实现了对茶鲜叶产地的快速、准确判别。
3 问题与展望
目前近红外光谱技术在成品茶上已经取得了较好的研究成果，但也存在一些问题。①研究的重复性问题：在茶叶内含成分的研究上，有很多学者用各种化学计量学方法建立了相同成分的近红外光谱预测模型，也有的确实提高了模型的预测效果，但彼此之间都没有显著差异性，建议尝试用新的思路研究新的内容。②模型的共享问题：研究者建立的近红外光谱预测模型都具有针对性，不是通用的，而在建立模型的过程中，耗费了大量的财力和物力。因此，其他研究者在研究同一问题时，可能没有充裕的时间和精力再去单独建立模型，这样不利于科研工作的展开。因此，为有利于科研的顺利开展，提倡建立一个茶叶近红外光谱库，以实现光谱共享。
近红外光谱应用于茶鲜叶的研究还处于初级阶段，尚未进行大量研究，这主要存在2个原因。①研究问题的切入点不好把握：茶鲜叶是茶树光合作用营养物质的储存部位，内含物质丰富，因此，在对茶鲜叶质量作出评价时，很难确定应用哪些内含成分代表茶鲜叶质量的高低。因此，选择合理的且具有代表性的内含成分至关重要。②茶鲜叶近红外光谱的非惟一性。相比于干茶样品，茶鲜叶样品同时具有芽、叶和长梗，在扫描茶鲜叶近红外光谱时，很可能会出现每次光圈扫描到的鲜叶部位不一样，得到的鲜叶光谱也会稍有差别，在建立近红外光谱模型时，就会有更多的噪声信息夹杂在模型之中，致使所建模型的稳定性降低。因此，要选择合理的预处理方法，从而尽量减少噪声信息。
近年来研究者针对近红外光谱技术在茶鲜叶上的应用进行了不少的研究，取得了一定的进展，证实了利用近红外光谱技术在茶鲜叶的成分检测、质量评价及等级鉴定的可行性。今后近红外光谱技术在茶鲜叶上的应用主要应该集中在3个方面。①茶鲜叶质量评价的深入研究：质量系数是目前惟一可用于定量评价茶鲜叶质量的参数，其计算公式有充分的合理性。但随着茶叶科学研究的深入，笔者认为会有其他的参数也可以用于茶鲜叶的质量评价，也就是说评价茶鲜叶质量的参数不是惟一的。②专用茶鲜叶近红外光谱仪的研制：近红外光谱分析仪已经成功地应用于石油和烟草等领域，在茶叶领域，日本和韩国等国家已经在茶叶品质的近红外光谱检测方面进行过一定的研究，但由于近红外光谱技术应用中测试对象的复杂性、不同种植地域分析模型的适应性差等原因，这些产品并不能在我国直接使用，此外价格也高，不利于普及，为此，需要研制适合我国茶鲜叶特性的高性价比的近红外光谱仪。③近红外光谱技术对茶叶自动化生产的助推作用：制约茶叶自动化加工生产的最关键的一步就是鲜叶的杀青步骤。因为生产时需要根据茶鲜叶含水量的不同来调控杀青机的温度，进而控制茶鲜叶的传输速率。而这一过程需要应用近红外光谱技术在线快速预测茶鲜叶含水量，所以近红外光谱技术在茶鲜叶加工厂的应用，将有助于茶鲜叶加工自动化的实现。
参考文献：
[1] BLANCO M， VILLARROVA I. NIR spectroscopy： A rapid-response analytical tool [J]. Trends in Analytical Chemistry，2002， 21（4）：240-250.
[2] 徐广通，袁洪福，陆婉珍.现代近红外光谱技术及应用进展[J].光谱学与光谱分析，2000，20（2）：134-142.
[3] 陆婉珍.现代近红外光谱分析技术[M].第二版.北京：中国石化出版社，2007.
[4] DAVIES T. The history of near infrared spectroscopic analysis： Past， present and future——“From sleeping technique to the morning star of spectroscopy”[J]. Analysis，1998，26（4）：17-19.
[5] 严衍禄，赵龙莲，韩东海，等.近红外光谱分析基础与应用[M].北京：中国轻工业出版社，2005.
[6] LUMARDELLI L， DE MARCHI G， DE MARTIIS F. Application of near infrared reflectance spectroscopy in controlling the processing of pharmaceuticals [J]. Bollettino Chimico Farmaceutico（Italy），1988，12（8）：13-19.
[7] LASSONEN M，HARMIA-PULKKINEN T，SIMARD C， et al. Fast identification of Echinacea purpurea dried roots using near-infrared spectroscopy[J]. Anal Chem，2002，74（11）：2493-2499.
[8] DOU Y， SUN Y， REN Y Q， et al. Simultaneous non-destructive determination of two components of combined paracetamol and amantadine hydrochloride in tablets and powder by NIR spectroscopy and artificial neural networks[J]. Journal of Pharmaceutical Biomedical Analysis，2005（37）：543-549.
[9] HAILEY PA， DOHERTY P， TAPSEN P， et al. Automated system for the on-line monitoring of powder blendin processes using near infrared spectroscopy [J]. Journal of Pharmaceutical & Biomedical Analysis，1996，14（5）：551-559.
[10] 刘辉军，吕 进，林 敏，等.基于RBF网络和NIRS的绿茶水分含量分析模型[J].中国计量学院学报，2005，16（3）：188-190.
[11] CHEN Q S， ZHAO J W， ZHANG H D， et al. Feasibility study on qualitative and quantitative analysis in tea by near infrared spectroscopy with multivariate calibration[J]. Analytica Chimica Acta，2006，572（1）：77-84.
[12] LUYPAERT J， ZHANG M H， MASSART D L. Feasibility study for the use of near infrared spectroscopy in the qualitative and quantitative analysis of green tea， Camellia sinensis （L.）[J].Analytica Chimica Acta，2003，478（2）：303-312.
[13] 罗一帆，郭振飞，朱振宇，等.近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究[J].光谱学与光谱分析，2005，25（8）：1230-1233.
[14] 龚加顺，刘佩瑛，刘勤晋，等.茶饮料品质相关成分的近红外线光谱技术分析[J].食品科学，2004，25（2）：135-140.
[15] 阎守和，莫汉斯M，汪拜尔M.用近红外光谱法检测茶纤维的研究[J].茶叶科学，1987，7（1）：45-50.
[16] 夏贤明，刘宝生，丁 宁.用近红外分析法测定绿茶的总氮量[J].茶叶科学，1988（l）：55-59.
[17] 阎守和.评价茶品质的近红外光谱（NIRS）法[J].上海茶叶，2005（3）：19-21.
[18] YAN S H. Evaluation of the composition and sensory properties of tea using near infrared spectroscopy and principal component analysis[J]. J Near Infrared Spec，2005，13（6）：313-325.
[19] 赵杰文，陈全胜，张海东，等.近红外光谱分析技术在茶叶鉴别中的应用研究[J].光谱学与光谱分析，2006，26（9）：1601-1604.
[20] 李晓丽，何 勇，裘正军.一种基于可见-近红外光谱快速鉴别茶叶品种的新方法[J].光谱学与光谱分析，2007，27（2）：279-282.
[21] 陈全胜，赵杰文，张海东，等.基于支持向量机的近红外光谱鉴别茶叶的真伪[J].光学学报，2006，26（6）：933-937.
[22] 王胜鹏.茶鲜叶质量的近红外光谱评价方法研究[D].合肥：安徽农业大学，2012.
[23] ZHANG Z Z， WANG S P， WAN X C， et al. Evaluation of sensory and composition properties in young tea shoots and their estimation by near infrared spectroscopy and partial least squares techniques[J]. Spectroscopy Europe，2011，23（4）：17-23.
[24] WANG S P， ZHANG Z Z， NING J M， et al. Back propagation-artificial neural network model for prediction of the quality of tea shoots through selection of relevant near infrared spectral data via synergy interval partial least squares[J]. Analytical Letters，2013，46（1）：184-195.
[25] 王胜鹏，宛晓春，林茂先，等.基于水分、全氮量和粗纤维含量的茶鲜叶原理质量近红外评价方法[J].茶叶科学，2011，31（1）：66-71.
光谱学分析范文第12篇
关键词：近红外光谱技术；水果；品质检测；成熟期检测
中图分类号：TV219文献标识码：A文章编号：16749944（2013）10021504
1引言
我国虽然是水果生产大国， 但自1993年以来水果储藏能力只有10 % ，烂果率高达25 %，出口总量不到总产量的3%，远低于9%～10%的世界平均水平[1～3]。以上原因造成果农卖果难，增收难。要解决这些问题，必须发展水果深加工，扩大鲜果出口。阻碍我国鲜果出口的一个重要因素是果品分选、检测能力弱，检测速度慢，检测人员的素质低，果品筛选达不到国际上水果进出口市场的要求。国内早期的水果内部品质检测方法主要是化学分析法，该方法不仅可靠性和稳定性较差，而且在测试时还必须破坏水果，测试过程繁琐，只能通过少量样本的测定，来评价整批次水果的品质。鉴于以上原因，无损检测技术应运而生。无损检测技术具有无损、快速、准确性高和实时性强等特征。目前的无损检测技术主要有针对水果光学特性、电学特性、声学特性、力学振动特性等众多性质进行的各种检测，且大多还处于试验研究阶段[2]。
近红外光谱技术（Near Infrared Spectroscopy Technology， NIST）是一种利用物质对光的吸收、散射、反射和透射等特性来确定其成分含量的一种无损检测技术，具有快速、非破坏性、无试剂分析、安全、高效、低成本及同时测定多种组分等特点[4]。随着现代光谱技术的发展，且凭借其快速、方便、准确和无损伤等特点，应用近红外光谱分析技术对水果品质进行无损检测已成为近年来的研究热点。本文主要介绍2000年后，近红外光谱分析在果实成熟期检测和品质检测两方面的研究进展。
2近红外光谱技术在水果成熟期监测中
的应用研究近红外与可见光结合的无损检测技术具有适应性强、灵敏度高、对人体无害、成本低和容易实现等优点，被广泛用于水果成熟度的无损检测。2002年，McGlone等利用VIS/NIR技术，依据果实成熟过程中叶绿素减少的趋势，深入探测了“Royal Gala”苹果在采摘前和储藏后各品质指标，光谱图如图1所示，在苹果早采收、适中采收、晚采收的典型吸光度光谱对比中，发现在680nm波长处，叶绿素吸光度有明显的变化，早采收果实的吸光度明显高于适中采收和晚采收果实，因此认为该波长可用于区别苹果的成熟度[5]。Lur等人用近红外光谱检测苹果的硬度和含糖量，通过有损与无损相结合的方式建立了预测苹果内部品质的数学模型[6]。
2005年，Ann Peirs等人在前人研究的基础上研究了苹果自然特性对可见近红外模型预测采摘期成熟度精确性的影响。研究表明，近红外光谱与成熟度有一定相关关系，其Rr>0.94，RMSEP
2007年，Yongni Shao等人用可见光与近红外检测技术结合硬度、糖度和酸度等指标检测番茄的成熟度，得到了各自的相关系数，分别为0.83、0.81和0.83，表明可见光与近红外技术无损检测水果成熟度的方法是可行而且实用的[8]。
3近红外光谱技术在水果品质检测中的
应用研究利用近红外光谱（NIR）检测水果品质早已成为国际研究热点之一。2003年，Clark等利用700～900nm的透射光检测了褐心贝宾（Braeburn）苹果，探讨了投射测量时苹果的最佳位置[9]。国内的相关研究也如雨后春笋般涌现出来，研究的水果有柑橘、苹果、梨、桃、枇杷等，检测的品质涉及糖度、酸度、可溶性固形物、维生素、坚实度、色泽及单果重量、褐变、模式识别等。
3.1糖度检测
2006年，应义斌等利用小波变换结合近红外光谱技术检测水果糖度，小波变换滤波技术能有效地消除苹果近红外光谱中的噪声，在采用小波变换尺度为3时WT-SMLR法建立的校正模型精度明显优于采用SMLR法建立的模型 [10]。周文超等建立赣南脐橙内部糖度的近红外投射PLS模型，r=0.9032，RMSEP=0.2421[11]。刘春生等利用可见/近红外漫反射光谱结合PLS建立南丰蜜桔糖度校正模型，预测集r=0.9133，RMSEP=0.5577，平均预测偏差为-0.0656[12]。
3.2酸度检测
应义斌等建立苹果有效酸度的近红外漫反射PLS模型，最佳PC=3，r=0.959，SEC=0.076，SEP=0.525，Bias=0.073[13]。刘燕德等应用近红外漫反射光谱结合光线传感技术建立苹果有效酸度模型，预测值和真实值r=0.906，SEC=0.0562、SEP=0.0562，Bias=0.0115[14]。董一威等采用CCD近红外光谱系统结合偏最小二乘回归（PLSR）建立苹果酸度预测模型，r=0.8151，SEC=0.0120，SEP=0.0204[15]。
3.3可溶性固形物检测
2006年，李建平等应用近红外漫反射光谱定量分析技术对2个产地3个品种枇杷的可溶性固形物进行无损检测研究，发现在波长1400～1500nm和1900～2000nm两段范围，样品的可溶性固形物与光谱吸光度之间的相关系数较高，最终建立的可溶性固形物含量预测模型的校正集和预测集相关系数分别为0.96和0.95[16]。
2008年，刘燕德等应用近红外光谱（350～1800nm）及偏最小二乘法回归、主成分回归和多元线性回归对梨的可溶性固形物及逆行定量分析；在采用偏最小二乘法回归算法之前先用一阶微分对光谱数据进行预处理，研究表明果实中间部位的预测结果较为理想；近红外漫反射光谱可以作为一种准确、可靠和无损的检测方法用于评价梨果实内部指标可溶性固形物[17]。
2009年，周丽萍等采用可见光与近红外光结合技术对苹果的可溶性固形物含量的检测进行了研究，他们结合主成分分析（PCA）和BP神经网络技术，建立苹果SSC预测模型；采用DPS数据处理系统对苹果样本的漫反射光谱（345～1039nm波段），进行主成分分析，获得累计可信度大于95%的5个新主成分；建立一个3层BP神经网络模型，并将这5个新的主成分作为BP神经网络模型的输入量，其结果是98%以上预测样本的预测相对误差在5%以下[18]。
3.4坚实度检测
2006年，傅霞萍等采用傅里叶漫反射近红外光谱技术研究了水果坚实度的无损检测方法，他们对不同预处理方法和不同波段建模对模型的预测性能进行分析对比，建立了利用偏最小二乘法进行水果坚实度与漫反射光谱的无损检测数学模型，同时结果表明应用近红外漫反射光谱检测水果坚实度是可行的，为今后快速无损评价水果成熟度提供了理论依据[19]。
2009年，史波林等采用近红外光谱技术结合遗传算法分别对去皮前后苹果坚实度无损检测进行研究，他们采用光谱附加散射校正（MSC）、微分处理（Derivative）、直接正交信号校正（DOSC）等预处理方法和基于遗传算法（GA）的有效波段选择方法来消除果皮对模型精度的影响，结果表明，苹果果皮对近红外光谱分析模型的预测能力有很大影响，但仅通过常规的光谱预处理方法（MSC 、Derivative）很难有效消除。他们提出的遗传算法结合直接正交信号校正（GA-DOSC）方法能有效消除果皮的影响，不但使所建模型的波长点和最佳主因子数分别由1480和5降到36和1，相关系数r由0.753提高到0.805，更重要的是模型的预测相对误差RSDp从16.71%显著下降到12 .89%，并接近采用苹果果肉建模的预测性能（12.36%），达到对苹果硬度的近红外无损检测要求[20]。
3.5色泽及单果重量检测
3.8品种鉴别
赵杰文等采用支持向量机（SVM）建立苹果不同品种、不同产地的分类模型，预测识别率精度比传统的判别分析法提高5%左右，均达到100%；回判识别率分别为100%和87%[27]。何勇等提出了一种用近红外光谱技术快速鉴别苹果品种的新方法，该方法应用主成分分析结合人工神经网络建立了苹果品种鉴别的模型，该模型的预测效果很好，识别率达到100%[28]。
4存在的问题
近红外光谱技术具有检测速度快速、检测方法简便、检测准确性高及同时可测定多种成分的优点，使它在果品在线分选检测中有较好的应用前景。虽然近红外光谱技术在水果成熟期预测和内部品质检测方面的研究已有10年的时光，有些检测技术已趋于成熟，但目前来看该技术仍存在一些问题，比如怎样找出不同水果光谱的特性波段，怎样实现果品快速在线检测和分选，怎样实现对水果的成熟度、硬度、糖度和内部缺陷等同时检测，具体来说近红外光谱技术在水果品质或成熟期检测研究中主要存在以下几方面问题。
4.1水果成熟期预测中存在的问题
（1）近红外光谱技术在水果成熟期预测中，光谱波段的选择尤为重要；建立预测模型时有必要对光谱波段进行优选和组合[29]。
（2）利用近红外光谱预测果实成熟期时，既要保证预测模型的精确度，还需考虑模型的通用性，即还需进一步研究水果果实的不同光学特性与果实成熟期的相关性，提高预测的效率和准确性。
4.2水果品质检测中存在的问题
（1）在水果品质的光谱检测中，光谱仪自身的信噪比等性能会极大地影响预测模型的精确度。可见，在光谱预处理方面，选择合适的消噪方法将成为今后近红外光谱技术在水果内部品质及成熟期预测中的另一个研究重点[30]。
（2）在利用NIST对水果品质进行检测的过程中，建立数学模型是最困难的，因为近红外光谱很容易受到果品样本个体因素如温度、检测部位不同等因素的影响；同时由于检测环境条件、仪器的精度和稳定性等复杂因素的影响，使得数学模型适应性差。在线检测过程中，样品是运动的，近红外光谱受到很大的影响，如何在果品运动的状态下获得较稳定的近红外光谱仍是一个很大的难题。
（3）建立用于水果品质光谱分析的校正模型与开发用于水果品质检测的软件系统是近红外光谱技术能否用于水果品质检测的最关键问题，但当前大部分研究只是进行可行性探索，没有进行深入研究；在实际生产生活中使用的便携式水果品质无损检测仪器非常罕见。
5发展趋势
目前水果市场，或者水果生产者在田间分析水果品质都需要一种小型便捷的、可移动式的近红外光谱分析仪器。同时这些仪器还需要操作简单，对普通常见的水果都具有适用性。因此，便携式的、能够和电脑随时连接的类USB或PDA的近红外水果分析仪将会成为市场新宠。
当今水果加工过程中非常需要一种能够根据水果品质指标（如可溶性固形物、酸度、硬度等）进行快速在线分级.光纤技术与近红外技术结合必然使近红外在线检测技术广泛应用于水果以及其他各个领域，并在今后的发展中逐步形成成熟的在线检测装备投放于市场。随着近红外光谱分析技术的不断推广和深入应用，未来它将与网络技术结合，更方便快捷地实现分析模型的在线更新与升级。
目前，水果的近红外光谱无损检测中还存在检测指标单一、实时性差、检测效率低等问题。为了解决上述问题，开展高效并行图像处理算法和多指标综合检测技术的研究非常必要，并将成为研究热点。为了更快速、更准确地得到测量结果，结合近红外光谱分析技术、高光谱成像技术，及紫外、红外光技术，从多信息融合技术的不同层次：数据层、特征层和决策层选择最优的融合方法，在水果成熟期和品质检测领域将有广阔的研究前景。近红外光谱技术将会在更多领域更广泛范围为人类带来便利。
参考文献：
[1]林，近红外光谱分析技术在我国大宗水果品质无损检测中的应用研究[J].食品工业科技，2012，6（33）：460～464.
[2]贺艳楠，水果成熟度无损检测技术研究进展[J].北方园艺，2010（3）：208～212.
[3]莫润阳，无损检测技术在水果品质评价中的应用[J].物理学和高新技术，2004，33（11）：848～851.
[4]毛莎莎，曾明，何绍兰，等，近红外光谱技术在水果成熟期预测中的应用（综述）[J].亚热带植物科学，2010，39（1）：82～89.
[5]McGlone V A， et al. VIS/NIR estimation at harvest of pre- and post-storage quality indices for ‘Royal Gala’ apple [J]. Postharvest Biology and Technology，2002，25：135～144.
[6]Lu R， et al. A Near-infeared sensing technique for measuring internal quality of apple fruit[J]. Trans of the ASAE，2002，18（5）：585～590.
[7]Ann Peirs， et al. Effect of natural variability among apples on the accuracy of VIS-NIR calibration model for optimal harvest date prediction[J]. Postharvest Biology and technology，2005，35：1～13.
[8]Yongni Shao，et al. Visible/near infrared spectrometric technique for nondestructive assessment of tomato quality characteristics[J]. Journal of Food Engineering，2007，81：672～678.
[9]Clark C J， McGlone V A， Jordan R B， et al. Detection of brown-heart in ‘braeburn’ apple by transmission NIR spectroscopy[J]. Post-harvest Biology and Technology， 2003（28）：87～96.
[10]应义斌，基于小波变换的水果糖度近红外光谱检测研究[J].光谱学与光谱分析，2006， 26（1）：63～66.
[11]周文超.近红外投射光谱无损检测赣南脐橙糖度的研究[J].农业化研究，2009（5）：161～163.
[12]刘春生.偏最小二乘法——可见/近红外光谱测定南丰蜜桔糖度的研究[J].河北师范大学学报：自然科学版，2008，32（6）：788～790，797.
[13]应义斌.苹果有效酸度的近红外漫反射无损检测[J].农业机械学报，2004，35（6）：124～126，141.
[14]刘燕德.近红外漫反射用于检测苹果糖度及有效酸度的研究[J].光谱学与光谱分析，2005，25（11）：1793～1796.
[15]董一威.苹果中糖酸度的CCD近红外光谱分析[J].食品科学，2007，28（8）：376～380.
[16]李建平，傅霞萍，周莹.近红外光谱定量分析技术在枇杷可溶性固形物无损检测中的应用[J].光谱学与光谱分析，2006，26（9）：1606～1609.
[17]刘燕德.近红外漫反射光谱检测梨内部指标可溶性固形物的研究[J].光谱学与光谱分析，2008，28（4）：797～800.
[18]周丽萍.苹果可溶性固形物含量的检测方法[J].农业化研究，2009，4（4）：104～106.
[19]傅霞萍.水果坚实度的近红外光谱检测分析实验研究[J].光谱学与光谱分析，2006，26（6）：1038～1041.
[20]史波林.应用GA-DOSC算法消除果皮影响近红外漫反射光谱分析苹果硬度的研究[J].光谱学与光谱分析，2009，29（3）：665～675.
[21] 刘燕德.梨子表面色泽的可见/近红外漫反射光谱无损检测研究[J].红外与毫米波学报，2008，27（4）：266～268.
[22]李鑫.苹果梨单果重的近红外无损检测研究[J].安徽农业科学，2008，36（4）：1297～1298.
[23]韩东海.苹果内部褐变的光学无损伤检测研究[J].农业机械学报，2006，37（6）：86～88，93.
[24]王加华.基于可见/近红外能量光谱的苹果褐腐病和水心鉴别[J].光谱学与光谱分析，2008，28（9）：2098～2102.
[25] 夏俊芳.基于小波变换的柑橘维生素C含量近红外光谱无损检测方法[J].农业工程学报，2007，23（6）：170～174.
[26]刘燕德.可见/近红外漫反射光谱无损检测南丰蜜桔维生素C的研究[J].光谱学与光谱分析，2008，28（10）：2310～2320.
[27] 赵杰文.支持向量机在苹果分类的近红外光谱模型中的应用[J].农业工程学报，2007，23（4）：149～152.
[28]何勇.基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究[J].光谱学与光谱分析，2006，26（5）：850～853.
光谱学分析范文第13篇
关键词：自适应；免疫；重叠拉曼谱峰
中图分类号：G657.3 文献标识码：A 文章编号：1674-7712 （2014） 04-0000-01
拉曼光谱的应用价值主要体现在两个方面：其一是产生表征分子振动反应现象；其二是产生转动能力差所对应的特征频移。随着近年来激光技术的发展与完善，拉曼光谱技术的经济性、动作响应及时性，检测记录实时性等优势得到了进一步的体现，可通过拉曼光谱法进行检测的对象范围进一步拓展。在拉曼光谱技术推广发展的过程当中，需要解决的一大难题就在于：如何实现对拉曼谱峰所对应信号的完全分离，避免信号重叠。
一、解析原理分析
免疫算法的核心在于：通过对免疫系统中，抗体与抗原相互作用过程的模拟，实现对群体相似性进行控制的目标。对于混合组分特征下，重叠性的拉曼谱峰信号而言，在免疫过程当中，该拉曼谱峰信号具有如下特点：
拉曼谱峰信号= 混合物各组分对应浓度・混合物组分在浓度既定条件下对应拉曼谱峰信号；
在该计算式当中，n定义为重叠信号所对应的组分数目，i取值为1。按照此种方式，若假定混合物中所构成各类组分对应拉曼谱峰信号不具有相互重叠关系，则上式可以变形为：
混合物各组分对应浓度=（拉曼谱峰信号，混合物组分在浓度既定条件下对应拉曼谱峰信号）/（混合物组分在浓度既定条件下对应拉曼谱峰信号，混合物组分在浓度既定条件下对应拉曼谱峰信号）；
但对于涉及到信号重叠的拉曼光谱而言，该表达式关系不成立。为对重叠信号当中各个组分对应的信息数据进行提取，就需要通过基于自适应免疫算法的方式，以迭代为过程，对重叠信号中的组分信息进行重复提取处理，该过程中所基于的工作原理为：
反馈向量= 混合物各组分对应浓度（信号迭代次数）・混合物组分在浓度既定条件下对应拉曼谱峰信号；
按照以上方式，在获取混合物组分浓度以及谱峰信号的基础之上，可以进一步完成对混合物中单个构成组分所对应拉曼谱峰信息的提取，满足对混合物进行定量分析的要求。
二、实验分析
实验过程中所涉及到的试剂包括：邻二甲苯分析纯试剂，间二甲苯，甲苯，邻二甲苯甲苯混合液；在线激光拉曼光谱分析仪（实验过程中，该分析仪工作频率设定区间为400.0～800.0-1，光程长度设定为500.0mm，激光发射波长参数设定为532.0nm）。
实验方法为：在正常环境温度状态下，控制实验空间完全封闭且弱光，对光谱数据进行采集。在线激光拉曼光谱分析仪开机后进行冷却，冷却持续时间为20.0min。冷却完成后进信号采集作业。混合样品经在线激光拉曼光谱分析仪进行曝光的持续时间控制为1.0min，共重复进行10次信号采集作业，取平均数值进行分析。
整个实验的具体的方法为：将邻二甲苯分析纯试剂，间二甲苯分析纯试剂，以及甲苯试剂三类组分标准样品所对应的谱峰信号作为抗体标准，所得到的拉曼谱峰信号示意图如下图所示（见图1）。图1中，V曲线为该混合溶液所检出的谱峰信号图，a1曲线为甲苯试剂所对应的解析后拉曼光谱谱峰信号曲线，a2曲线为邻二甲苯试剂所对应的解析后拉曼光谱谱峰信号曲线，a3曲线则为间二甲苯试剂所对应的解析后拉曼光谱谱峰信号曲线。同时，h曲线为混合溶液各组分解析后的剩余信号曲线。
结合图1，不难发现，在基于自适应免疫算法对重叠拉曼谱峰信号进行解析的基础之上，h曲线基本平缓，意味着解析后基本无剩余信号。在重复本法进行10次解析操作后，混合物三种组分的浓度均值与实际配置数值之间的对应数据示意表如下表所示（见表1）。三种组分的解析浓度均值与实际数值误差均控制在1.0%范围之内，证实此种方法精确、可靠。
三、结束语
大量的实践研究结果证实：在过程控制中物料检测作业的实施过程当中，通过对拉曼光谱测量方法的应用，在测量实时性、原位性、以及响应动作及时性方面的优势均表现突出，值得重视。
参考文献：
[1]徐伟，马兆铭，王克家.深海甲烷激光拉曼光谱原位探测器的研究[J].传感器与微系统，2008（06）：66-68，72.
[2]朱倩，程明霄，丁妍.基于拉曼光谱CCD信号的谱峰识别技术研究[J].传感器与微系统，2012（12）：12-15.
[3]葛明，鲍芳，姚建林.表面增强拉曼光谱应用于标记免疫多组分检测[J].化学学报，2009（20）：2285-2289.
光谱学分析范文第14篇
Abstract： In the field of spectroscopy, electrochemical analysis and chromatography, the signal overlap is a common phenomenon, and how to conduct the decomposition of overlapping signals in a limited hardware environment by mathematical methods becomes a more practical meaningful task. The related research status at home and abroad was introduced from four types of common mathematical methods in this paper.
关键词： 重叠峰；分解；数学方法
Key words： overlapping peaks；decomposition；mathematical method
中图分类号：O17文献标识码：A文章编号：1006-4311（2011）04-0197-01
1重叠峰分解的实际意义
在光谱研究领域，重叠的光谱信号是比较常见的。例如，①在紫外-可见光谱分析中：在苯和甲苯的混合体系及苯、甲苯和二甲苯等混合体系中，各组分紫外光谱严重重叠；复合维生素B片剂的吸收光谱中，维生素B1，B2，B6和烟酰胺4组分严重重叠；二甲酚橙（XO）-CTMAB-Cu、Cd、Ni显色体系各组分吸收光谱相互重叠。铈组稀土元素的性质极其相似，因此其5种元素的吸收光谱严重重叠。②在荧光光谱分析中：利用偏振X射线荧光技术分析铁磁性永磁材料粉末时，Si和Sr谱线完全重叠；医院营养输液常用的复合氨基酸注射液中包含色氨酸和酪氨酸，而此二组分的荧光光谱严重重叠等等。此外，重叠现象在化学领域的电化学分析、色谱分析中也同样存在。重叠现象给进一步的定性和定量分析都带来了困难。对于这样的问题，通过硬件手段如改进仪器来提高信号的分辨率通常受到资金或工作条件等现实问题的制约。因此，往往通过数学手段把仪器未能完全分离的多个谱峰给以分解，得到重叠峰信号中的各子峰或组分的相关信息（如峰形状、峰位置、半峰宽和峰高度）的估计值。而随着计算机的发展，计算技术的提高，与计算机相结合的信息理论、多元统计分析法、数学最优化等数学方法被利用于重叠峰的分解，并逐渐成为了现代光谱分析的热点。
2国内外研究现状
对于采用各种计算方法分解光谱重叠峰的研究已有不少报道，其中分光光度法、荧光光谱、ICP-AES等重叠峰的解析已发展比较成熟。目前常见的数学方法有四类：
2.1 双波长、三波长法、导数光谱法其中导数光谱法是分辨重叠峰的一种常用的较为成熟的方法。1953年Hammond等人首先提出。其基本原理是对原吸收曲线进行一阶、二阶至四阶求导，然后对得到的各阶导数光谱进行分析。从而来确定重叠峰的个数、重叠峰位及改善谱线分辨率等。关于导数法定研究及报道有很多，如王超群利用导数法探讨了其在X射线衍射分析中的应用；Windig讨论了二阶导数光谱在自模式分析技术中的应用，以及相应的平滑方法。但导数法存在一个显著缺点：随着求导次数的增加，噪声也随之增加，在高阶导数中，信号可能被噪声完全淹没，因而，通常，每求一阶导数之后都需要滤除噪声来提高信噪比。
2.2 最优化方法最小二乘法作为一种判断拟合效果优劣的评价标准而经常被使用，从而将问题转化为寻优问题。而解决此最优化问题的方法有很多相关研究和报道：如：何锡文等周兴风等分别讨论了线性规划方法的使用；孙桂玲等使用Newton-Raphson逐步逼近法和最速下降法对高斯峰进行分离；此外还有Cauchy法、直接搜索法、单纯形法、DFP法及共轭梯度法等。
最小二乘法的缺点是当各组分光谱严重重叠时（数学上叫共线性），如正规矩阵的秩接近零，此时的方程组近乎病态方程组，实验中的微小误差或是计算中间过程数据位数的取舍都会引起计算结果的大幅波动，此时最小二乘法不适用。
2.3 多元统计法由于传统最小二乘法的缺点，出现了许多改进方法。如：Wold在1966年提出的偏最小二乘法；王镇浦等讨论了CPA矩阵法；因子分析法更是被广泛研究，白洁玲通过迭代目标转换因子分析应用于4种混合色素溶液吸附伏安法波谱的解析来对其进行同时测定；进化因子分析与消秩方法被用于重叠光谱分析。这些方法各自在不同程度上克服了最小二乘法的缺点。
2.4 利用信息处理的理论1979年，Poulisse首次将卡尔曼滤波原理用于多组分体系分光光度分析中，使多组分体系的含量测定归结为对重叠光谱曲线进行快速滤波的过程。这个思想不仅带来了一种新的重叠峰分解的方法同时还启发了分析工作者，使人们认识到，谱数据处理与通讯技术中的信息处理过程很相似，完全可以借鉴其数学工具。上世纪90年代，能解决非线形拟合的人工神经网络技术也被广泛应用求解多组分浓度，不足之处是需要大量样本学习，很复杂且耗时。遗传算法作为一种全局的寻优方法，也逐渐被应用于谱图分析及重叠峰分解等方向的研究。使用数学方法对重叠峰分解的优点在于它对硬件要求不高，只需在一定的实验条件下，获取足够的实验数据，借助计算机强大的运算能力，运用数学方法进行计算，能够获取准确度较高的对重叠峰解析的结果，基本上可以满足一般检测和分析的要求，因此其发展前景相当广阔，见诸于专业刊物的研究。报告显示，使用软件后处理的研究和应用正广泛开展。
参考文献：
[1]吴军，杨梅，陈坚.人工神经网络辅助紫外光谱测定苯和甲苯的含量.新疆医科大学学报，2005，28（6）：519-520.
[2]吴军，杨梅.人工神经网络用于紫外光谱同时测定苯和甲苯及二甲苯的含量.理化检验-化学分册，2006，42（7），511-513.
[3]何池洋，孙益民，陈友存等.人工神经网络应用于维生素B族4组分同时测定.浙江大学学报（理学版），2002，29（2）：160-165.
[4]方艳红，王琼，徐金瑞.分光光度法结合人工神经网络同时测定铜、镉和镍.光谱实验室，2005，22（4）：782-784.
[5]郑静，林开利，周伟良等.人工神经网络-分光光度法同时测定合金钢样中的铈组稀土元素.分析试验室，2004，23（11）：14-17.
[6]罗立强，詹秀春.应用遗传算法拟合偏振X射线荧光重叠谱.光谱学与光谱分析，2008（2）：704-706.
光谱学分析范文第15篇
《分析化学简明教程》，科学出版社，胡育筑主编。
（二）考试内容：
1．绪论
分析化学的定义、任务和作用；分析化学方法的分类；分析化学的起源、发展以及现代分析化学的发展趋势。
2．误差和分析数据处理
理解误差、误差的产生原因、性质和减免方法。
绝对误差、相对误差、偏差、平均偏差、相对平均偏差、标准偏差、相对标准偏差的表示方法及其计算；系统误差和偶然误差；准确度、精密度及其相互关系；误差的传递以及提高分析准确度的方法。
有效数字、有效数字位数确定、有效数字的运算法则和修约规则。
t分布和平均值的置信区间计算；显著性检验；G检验法对可疑值进行取舍。
3．滴定分析法概论
滴定分析法的基本术语（标准溶液、滴定、指示剂、化学计量点、滴定终点、滴定曲线、滴定突跃、滴定误差）和分类；滴定分析对化学反应的要求和滴定方式；标准溶液和基准物质。
滴定分析法的计算；滴定分析中的化学平衡。
4．酸碱滴定法
酸碱质子理论的酸碱概念、溶液中酸碱组分的分布、酸碱溶液的pH计算；
酸碱指示剂的变色原理、变色范围；酸碱滴定法的基本原理；
酸碱标准溶液的配制与标定。
5．络合滴定法
络合滴定法的基本概念和基本原理（稳定常数、副反应系数、条件稳定常数、络合滴定曲线、金属指示剂）；
滴定条件的选择（酸度和最低酸度、掩蔽剂的使用）；滴定方式及其应用。
6．氧化还原滴定法
了解氧化还原滴定法的特点；
氧化还原平衡（条件电位及其影响因素、氧化还原反应的进行程度和速率）；
氧化还原滴定（滴定曲线、指示剂、滴定前的预处理）；常用氧化还原滴定方法。
7．沉淀滴定法和重量分析法
沉淀滴定法的基本概念和条件、银量法的基本原理和终点的指示方法；
沉淀重量分析法的基本概念、分类；沉淀形式、称量形式及重量法对沉淀形式和称量形式的要求；
沉淀形态和沉淀的形成、沉淀的完全程度及其影响因素、影响沉淀纯度的因素、沉淀的处理技术、称量形式与结果计算（换算因数的概念和计算）。
8．光谱分析法概论
光学分析法的概念和主要过程；电磁辐射及其与物质的相互作用；
光谱分析法的分类，类型与作用机理；光谱分析仪器的基本结构；
了解光谱分析法的进展。
9．紫外－可见分光光度法
紫外－可见分光光度法的基本原理；紫外－可见吸收光谱和分子结构的关系；
紫外－可见分光光度计的主要部件、光学性能与类型；
紫外－可见分光光度法的定性与定量分析方法；
有机化合物的紫外吸收光谱、有机化合物结构的研究。
10．色谱分析法概论
色谱分析法的发展历史和分类、色谱法中常用的术语（色谱过程、色谱图、保留值、分配系数和容量因子、分离参数）；
色谱分离的基本理论（分配系数和保留行为的关系、等温线、塔板理论、速率理论、影响分离度的因素）；基本类型色谱的分离机理。
11．经典液相色谱法
液－固吸附柱色谱法、离子交换柱色谱法、薄层色谱法、纸色谱法。
12．气相色谱法
气相色谱的仪器原理；色谱柱（固定液、载体、固体固定相、色谱条件的选择）；
气相色谱法的定性与定量分析方法。
13．高效液相色谱法
- 上一篇：课堂教学主要形式范文
- 下一篇：现代物流管理和物流工程范文
