关于某些Be星中近红外辐射和光学辐射差异的解释

为了考察Be星中Hα发射线和红外超的来源区域，建立了一个考虑光学深度的膨胀环模型，发现它们的来源区域强烈依赖于Be星的物理参数，如抛射物质的初始密度和密度结构，此模型可以用来定性地解释某些Be星中观测到的、长期得不到解释的Hα发射线等值宽度和红外超变化的不一致现象。     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

基于Matlab 与 C++Builder偏最小二乘分析的编程实现

针对工程测量和科研活动,根据回归性分析中较为先进的偏最小二乘法原理,以Matlab为平台,设计了实用的C Builder回归性分析程序.利用该程序,得到大米近红外光谱和其对应蛋白质含量的模型,模型预测结果和观测值的相关系数为0.993 2,模型的显著性检验F值为1.009 3.     

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.     

近红外光谱技术对液态奶制品中乳糖、脂肪及蛋白质的定量检测

用InfraXact多功能近红外分析仪和正交实验设计,研究了不同预处理和校正方法对建模效果的影响,建立了液态奶制嘉中脂肪、乳糖和蛋白质质量含量的定标模型。利用目标函数法对模型进行评定,并对选出的最优模型的适用性进行验证．结果表明,最优模型对糖、脂肪和蛋白质的相对标准偏差分别为4．12％,7．04％,9．61％,相对误差分别为2．82,6．28,2．72．正交实验方法能综合考虑不同预处理方法和校正方法对模型建立的影响．近红外光谱分析法能够实现对牛奶中脂肪、乳糖和蛋白质质量含量进行快速、无损的定量检测．     

PLS—近红外漫反射光谱法分析片剂药品补热息痛

研究了应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对扑热息痛片剂药品进行非破坏定量分析,建立了最佳的数学校正模型。讨论了主成分数对PLS定量预测能力的影响,预测了未知样品,预测结果是准确的。     

单分散球形荧光粉(Lu0.88Yb0.1Er0.02)2O3的制备及可见-近红外发光性能

采用共沉淀法制备了Yb³⁺和Er³⁺共掺杂的Lu₂O₃纳米晶.利用X射线衍射(XRD),场发射扫描电子显微镜(FE-SEM)和荧光光谱(PL/PLE)对前驱体及产物进行表征.研究结果表明：共沉淀所得前躯体为非晶,微观形貌为尺寸均匀分散性良好直径约200 nm的单分散球.非晶前躯体经1 000～1 400℃煅烧后可获得纯相(Lu_0.88Yb_0.1Er_0.02)₂O₃荧光粉,煅烧对单分散球的微观形貌有明显影响,1 200℃以下随着煅烧温度升高单分散球的直径收缩至约90 nm, 1 400℃高温煅烧导致单分散球碎裂.在980 nm光源激发下,(Lu_0.88Yb_0.1Er_0.02)₂O₃荧光粉在655、662、670、678和686 nm出现Er³⁺特征发射峰,662 ...     

基于二氰基异佛尔酮近红外荧光探针的合成及其可视化检测铜离子特性研究

以二氰基异佛尔酮为母体,经Knoevenagel缩合、Duff反应、再与水杨醛腙发生席夫碱反应合成了一种新型的具有近红外发射的荧光探针W1,经核磁共振氢谱、碳谱以及高分辨质谱表征确定了结构。并对其荧光性质进行了研究,该探针拥有大的Stokes位移(252 nm)和近红外荧光发射(668 nm),检测限低至2.9×10^-8 mol/L,且对铜离子选择性高、响应时间快(120 s),在铜离子浓度0～6×10^-6 mol/L内表现良好的线性关系(线性方程为y=-4.91x+367.49,R²=0.992 1),能够在DMF溶液中对Cu²⁺进行可视化检测,并将其成功制备成滤纸条用于Cu²⁺的快速可视化检测。     

基于近红外光谱技术的葵花籽品质分析

葵花籽作为国内需求量很大的油料作物,常用的化学检测方法虽然准确性高,但是时间久,破坏样本完整性,难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性,本文使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象,随机选取其中383份作为测试集,71份作为验证集,对测试集使用不同的预处理方法之后分别进行PLS和BP神经网络建模,并通过验证集对模型进行预测分析。结果发现:(1)PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好RMSECV=0.343,RMSEP=0.296,小波变换的预处理方法对水分含量的预测最好RMSECV=0.299,RMSEP=0.354,标准化的预处理方法对脂肪含量的预测最好RMSECV=0.285, RMSEP=0.316;BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好RMSEP=0.341,一阶导数对水分含量的预测最好RMSEP=0.329,一阶导数+标准化对脂肪含量的预测最好RMSEP=0.312。(2)BP神经网络模型与PLS模型预测对比发现,PLS模型预测精度要高于BP神经网络模型。     

构建近红外网络分析平台实现从原料到产品的整个生产过程质量监控

建立近红外分析技术在生产过程中的网络分析平台方案,发挥近红外过程分析技术的优点,实现从原材料到产品整个生产过程质量监控,保证产品质量的稳定性、安全性。