会员登陆: 用户名:  密码: 验证码:
首页 杂志概况 投稿须知 在线投稿 在线阅读 征订启事 广告服务 行业资讯 企业动态 资料中心  专访报道 会展信息 ENGLISH

在线审稿投稿系统

在线阅读

搜索结果

不同光谱预处理对激光诱导击穿光谱检测猪肉中铅含量的影响
陈添兵 , 刘木华 , 黄林 , 周华茂 , 王彩虹 , 杨晖 , 胡慧琴 , 姚明印
doi:  10.11895/j.issn.0253-3820.160040
为了研究适合激光诱导击穿光谱(LIBS)检测猪肉中重金属铅(Pb)元素含量的光谱预处理方法,将配制的84个猪肉腿肌样品分为校正集和预测集,以相关系数(R)、内部交叉验证均方差(RMSECV)和预测均方根误差(RMSEP)作为评价指标,比较了5种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响。结果表明,多元散射校正(MSC)预处理效果最好,定标模型预测值与实验室分析元素检测值的相关系数(R)达到0.9908,RMSECV为0.302,RMSEP为0.282,主成分数为16,18个预测集样品的验证结果的平均相对预测误差(ARPE)为7.8%。说明MSC是LIBS检测猪肉Pb含量的有效光谱预处理方法,该研究为进一步实现食品中重金属快速定量分析提供了方法和数据参考。
关键词: 激光诱导击穿光谱, 光谱预处理, 偏最小二乘法, 重金属
光谱滤波法提高激光诱导击穿光谱对蔬菜中元素Pb的检测精度
杨晖 , 黄林 , 陈添兵 , 饶刚福 , 刘木华 , 陈金印 , 姚明印
doi:  10.11895/j.issn.0253-3820.170213
激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)原始光谱中包含较多噪声信号,为探究不同滤波方法对LIBS光谱预处理的影响,本研究以实验室Pb污染处理的蔬菜为研究对象,采集波长范围在400.45~410.98 nm的LIBS谱线信息,分别利用相邻平均(Adjacent averaging)、Savitzky-Golay(S-G)滤波器、快速傅里叶变换(Fast Fourier transformation,FFT)对采集的LIBS光谱进行平滑、去噪,并结合偏最小二乘法(PLS)定量分析模型对光谱处理效果进行评价。结果表明,S-G平滑效果最优,当S-G滤波器窗口宽度为15,拟合阶次为3时,PLS定量模型效果最佳,其验证集均方根误差(RMSEP)为0.26、平均相对误差(ARE)为3.7%。结果表明,选择适合的滤波方法有助于提高LIBS光谱质量以及检测模型的精度。
关键词: 蔬菜, , 滤波处理, 激光诱导击穿光谱
激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究
杨晖 , 黄林 , 刘木华 , 陈添兵 , 王彩虹 , 姚明印
doi:  10.11895/j.issn.0253-3820.160679
利用激光诱导击穿光谱(LIBS)技术与常规化学分析方法获取28个浓度梯度含Cd元素的青菜样品的LIBS谱线信息以及Cd含量信息。对获取的光谱信息结合标准归一化处理(SNV)、一阶导数(FD)、二阶导数(SD)、中心化处理(Center)作为偏最小二乘法(PLS)模型的优选方法;再根据4种预处理方法的预测结果选取最佳方法,同时将该方法作为间隔偏最小二乘法(iPLS)与联合区间间隔偏最小二乘法(SiPLS)优选青菜LIBS谱线的最佳波长区间。结果表明:通过SiPLS优选的特征波长区间分别为214.72~215.82 nm,215.88~216.97 nm,225.08~226.35 nm,并且经过中心化预处理后建立的验证模型效果最好,结果显示交叉验证均方根误差(RMSECV)为1.487,验证均方根误差(RMSEP)为1.094,相关系数(R)为0.9942,平均相对误差(ARE)为11.60%。研究结果表明,所选优化方法适合青菜中重金属Cd元素的LIBS校正模型的建立,且具有较好的预测效果。
关键词: 激光诱导击穿光谱, 青菜, , 变量筛选
共轴双脉冲激光诱导击穿光谱和最小二乘支持向量机法定量分析植物油中铬
吴宜青 , 刘津 , 莫欣欣 , 孙通 , 刘木华
doi:  10.11895/j.issn.0253-3820.160514
利用共轴双脉冲激光诱导击穿光谱(DP-LIBS)技术对植物油(大豆油、花生油和玉米油)中的重金属铬(Cr)含量进行定量分析。采用Ava-Spec双通道高精度光谱仪采集样品的LIBS光谱,然后通过其LIBS谱线图确定了CN分子谱线(421.49 nm)、Ca原子谱线(422.64 nm)及Cr的3条原子谱线(425.39、427.43和428.87 nm),根据上述谱线建立了Cr元素的单变量定标模型和最小二乘支持向量机(LS-SVM)校正模型,并用验证样品对它们进行检验。研究结果表明,对于单变量定标法,大豆油、花生油及玉米油验证样品的平均预测相对误差(PRE)分别为12.57%,12.11%和13.72%;对于三变量LS-SVM法,其定标样品真实值与预测值之间的拟合度R2分别为0.9785,0.9792和0.9654,验证样品的平均PRE分别为8.92%,8.33%和10.98%;对于五变量LS-SVM法(增加两基体元素谱线变量),其定标样品真实值与预测值之间的拟合度R2分别为0.9895,0.9901和0.9855,验证样品的平均PRE分别为7.46%,8.96%和8.95%。由此可知,LS-SVM校正模型性能优于单变量定标法,且五变量LS-SVM校正模型性能优于三变量LS-SVM校正模型;采用LS-SVM法及引入合适的基体元素谱线(CN、Ca)能有效减小定量分析误差,提高LIBS技术对植物油中Cr含量预测的精度。
关键词: 双脉冲激光诱导击穿光谱, 最小二乘支持向量机, 植物油,
基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究
莫欣欣 , 孙通 , 刘木华 , 叶振南
doi:  10.11895/j.issn.0253-3820.170329
利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化。采用Antaris Ⅱ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量。首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型。研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%。最佳预测模型所用的变量仅26个,占全波段变量的0.854%。此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%。由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性。
关键词: 食用植物油, 近红外光谱, 模型优化, 竞争自适应重加权法变量筛选, 定量检测