通过化学法制备了纳米银溶胶基底和微腔型光纤表面增强拉曼散射(SERS)基底, 其中光纤SERS基底的微腔结构是通过氢氟酸(HF)腐蚀得到的。 实验采用湿法检测, 首先将纳米银溶胶基底与罗丹明6G(R6G)混合, 找到增强效果最强时的裸光纤微腔结构, 在此结构的基础上采用溶胶自组装法制备银纳米颗粒包覆的光纤SERS基底, 通过控制自组装时间制备不同光纤SERS基底(Ag/光纤-x, 其中x为自组装时间, 分别为10, 20, 30, 40, 50和60 min)。 以10^-3 mol·L^-1的R6G为探针分子, 对Ag/光纤-x基底进行初筛, 得到增强效果最强的Ag/光纤-30基底。 通过检测不同浓度的R6G溶液, 对纳米银溶胶基底和Ag/光纤-30基底的SERS性能进行研究。 实验结果表明, 在相同的实验条件下, 纳米银溶胶基底和Ag/光纤-30基底对R6G的检测限(LOD)分别为10^-6和10^-9 mol·L^-1; 在1 362 cm^-1拉曼位移处对两种基底的拉曼强度和浓度进行对数转换拟合, Ag/光纤-30基底的拟合优度R²达0.975 3, 远高于纳米银溶胶基底; 拉曼信号的再现性检测结果表明, 两种基底在各个特征峰处的RSD值均在合理范围内, 但Ag/光纤-30基底的RSD值范围更小, 范围最大值仅为10.94%; 两种基底的稳定性测试结果表明, 纳米银溶胶基底35 d后, 在1 362 cm^-1位置处的综合拉曼强度下降了45.90%, 而Ag/光纤-30基底35 d后, 综合拉曼强度仅下降了17.58%, 说明Ag/光纤-30基底具有长期稳定性。 同时, 对两种基底增强因子(REF)进行计算, 对浓度为10^-6 mol·L^-1的R6G溶液, 纳米银溶胶基底和Ag/光纤-30基底的REF数值分别为3.49×10⁶和2.14×10⁷, 说明对于同一浓度的R6G溶液, Ag/光纤-30基底具有更强的增强效果, 且比纳米银溶胶基底高出一个数量级。 通过对比两种基底的SERS性能, 表明Ag/光纤-30基底具有更高的灵敏度、 更好的再现性以及长期稳定性。 因此, 基于银纳米颗粒包覆的光纤SERS基底在农残化学分析、 生物医学检测等痕量检测方面有潜在的应用价值。

提出了一种将表面增强拉曼光谱技术(SERS)和基于灰狼优化(GWO)算法的支持向量回归(SVR)相结合快速定量检测水中总氮(TN)、 总磷(TP)含量的定量分析方法。 传统的TN、 TP检测方法不但过程繁杂, 实验环境要求高, 而且耗时较长, 不能实现快速检测。 而SERS技术操作简单, 耗时短, 将其与GWO-SVR算法相结合可以实现快速精确检测。 以实验室配制的银溶胶作为拉曼光谱增强基底, 不同浓度梯度TN、 TP溶液为研究对象, 分别配制TN、 TP样本溶液26组和23组, 其中TN溶液选取8组作为测试集, TP溶液选取7组作为测试集, 剩余样本溶液作为训练集。 根据待测溶液与银溶胶不同体积配比确定最佳实验方案, 将TN、 TP分别与银溶胶进行1:1, 1:2, 1:3, 2:1和3:1的体积比混合, 结果表明当待测溶液与银溶胶以2:1比例混合时增强效果最佳。 采集光谱信息并对特征峰进行归属, 然后采用暗电流扣除、 背景扣除(基线校正)和平滑处理对原始光谱数据进行预处理。 经光谱分析结果可知, 由于不同浓度溶液官能团浓度差异, 光谱特征峰强度随溶液浓度变化而变化。 以训练集样本溶液光谱特征峰强度和溶液浓度值作为回归预测模型的输入值和输出值, 建立GWO-SVR定量分析模型。 通过测试集样本溶液的相关系数(r)和均方误差(MSE)对模型的预测能力进行分析, 并将GWO-SVR模型和其他两种模型进行对比。 结果表明, GWO-SVR模型对TN溶液预测的相关系数为0.999 5, 均方误差为0.005 8, 高于人工蜂群算法优化支持向量回归(ABC-SVR)和粒子群算法优化神经网络(PSO-BP)的0.993 8, 0.052 7和0.998 3, 0.022 7。 对TP溶液预测的相关系数为0.998 5, 均方误差为0.037 6, 也均高于另外两种模型。 而且与ABC-SVR和PSO-BP模型相比, GWO-SVR定量分析输入参数更少, 收敛速度更快, 更容易找到全局最优解。 因此, 该方法可以实现对水中TN、 TP含量的快速准确检测, 为水质检测提供了新方法。

提出了一种基于银修饰的微腔型光纤表面增强拉曼散射(SERS)探针, 采用湿法检测, 将光纤SERS探针直接放入待测溶液中, 以罗丹明6G(R6G)溶液为探针分子, 对所制备的光纤SERS探针进行远端实验性能研究。 利用氢氟酸化学腐蚀的方法制备了一种微腔型光纤结构, 通过控制氢氟酸的腐蚀时间得到了一系列不同腐蚀时间、 不同微腔长度的光纤结构。 实验研究了光纤结构的微腔长度对光纤SERS探针性能的影响, 以浓度为10^-3 mol·L^-1的R6G溶液为探针分子, 通过不断地优化纳米银溶胶与R6G溶液的混合顺序及比例, 采用裸光纤微腔结构对混合溶液进行拉曼检测, 发现当混合溶液的混合顺序及比例为先后混合等体积的纳米银溶胶和R6G溶液时, 此时得到的混合溶液的拉曼信号增强性能最佳。 利用得到的混合溶液去寻找拉曼信号增强效果最高时光纤微腔结构的结构参数, 实验结果表明, 在相同的实验条件下, 当光纤放入氢氟酸中腐蚀时间为5 min时, 此时光纤微腔结构的拉曼信号增强效果最佳。 在显微镜下测量的多组腐蚀时间为5 min的光纤, 其微腔长度平均约为81 μm。 对得到的光纤微腔结构, 采用制备过程可控的磁控溅射技术制备了一系列银纳米薄膜/多模光纤(Ag/MMF)的复合材料。 当磁控溅射时间为10 min时, 获得了光纤SERS探针(Ag/MMF-10)。 实验以去离子水配制了不同浓度的R6G溶液, 以不同浓度的R6G溶液为探针分子, Ag/MMF-10探针的远端检测限(LOD)低至10^-7 mol·L^-1。 该光纤SERS探针拉曼信号的再现性光谱检测中显示各个特征峰的相对标准偏差(RSD)均小于10%。 同时, 该光纤SERS探针对浓度为10^-6 mol·L^-1的R6G溶液的增强因子(AEF)可高达2.64×10⁶。 实验结果表明所制备的银修饰的光纤SERS基底具有较高的灵敏度和良好的再现性。 因此, 该光纤SERS探针在生物医学检测、 农残化学分析等痕量检测方面有潜在的应用价值。

提出了一种基于拉曼光谱和改进人工蜂群算法优化支持向量机回归(IABC-SVR)算法快速定量检测山羊血清蛋白含量的方法。 传统人工蜂群算法在数据区域规模较大时, 收敛速度逐渐减慢, 出现效率低、 精准度下降、 局部最优解概率高等问题。 所提出的算法解决了这些问题, 使算法在进化前期避免陷入局部最优解, 在进化中后期能够保持解的全局搜索能力。 常规测定血清蛋白总量的方法通常采用凯氏定氮法、 双缩脲法等, 但存在时效慢、 污染样本等缺点。 采用拉曼光谱法进行检测, 具有快速、 无损的优点。 以山羊血清为分析对象, 按一定体积比配置35组待测样本, 用拉曼光谱仪采集拉曼光谱, 光谱采集范围为300~1 300 cm^-1, 采用基线矫正去除荧光背景, 使用Savitzky-Golay光谱平滑法对原始光谱进行平滑处理, 归一化处理光谱数据, 并对拉曼光谱特征峰进行归属。 实验结果表明, 拉曼光谱能够表征血清中主要化学集团的信息, 且由于官能团浓度差异, 光谱特征峰强度随浓度变化明显, 因此基于特征峰信息可以测定血清蛋白总量。 实验中, 以购买的山羊血清蛋白含量为基准, 通过配置样本的体积比得到各组待测血清样本的蛋白含量, 配置的单个液体样本体积为3 mL, 随机选取8组实验样本作为模型测试集, 剩余27组作为模型训练集。 以经过处理的光谱特征峰强度和对应的血清蛋白含量分别作为模型的输入值及输出值, 建立IABC-SVR, ABC-SVR和BP三种算法的定量模型, 对测试集血清蛋白总量进行预测。 最后通过均方差(MSE), 相关系数(r)与建模时间分别进行对比, 结果表明通过IABC-SVR建立的山羊血清蛋白定量矫正模型效果最佳, 模型的相关系数为0.990 27, 均方误差为0.244 3, 建模时间为1.9 s, 预测值方差均小于0.001 g·mL^-1, 预测准确率为99.8%。 实验结果表明, 应用激光拉曼光谱技术结合IABC-SVR算法, 对快速定量检测山羊血清蛋白含量, 具有较高的准确率和稳定性。

提出了一种基于模间干涉的测量温度、折射率和轴向应变的光纤传感器.在单模光纤与双包层光纤熔接点处形成粗锥，再与两个周期不同的长周期光纤光栅级联，由于模场失配，激发高阶模，形成三个谐振峰，且对不同参量有不同的灵敏度响应，通过解调三个谐振峰的波长漂移，利用系数灵敏度矩阵，可以测量温度、折射率和轴向应变.实验结果表明，温度在25℃~75℃范围内，灵敏度分别为60.07 pm/℃，6.47 pm/℃和103.83 pm/℃；折射率在1.335 5~1.359 5范围内，灵敏度分别为-56.64 nm/RIU，34.02 nm/RIU和-214.84 nm/RIU；轴向应变在200 με~1 400 με范围内，灵敏度分别为-2.14 pm/με，-3.61 pm/με和-2.59 pm/με，且分辨率分别为1.29 ℃、0.000 42 RIU和21.42 με.该传感器具有灵敏度高、线性度良好等优点，可广泛应用于多参量测量领域。