1 浙江农林大学光机电工程学院, 浙江 杭州 311300
2 台州学院医药化工与材料工程学院, 浙江 台州 318000
3 浙江理工大学材料科学与工程学院, 浙江 杭州 310018
周期性纳米结构阵列因其独特的光学效应在新型传感技术领域具有巨大的应用潜力, 引起人们极大的兴趣。 其光学特性依赖于形貌和结构参数, 一般可通过调整这些参数来调控其光学性能, 而通过外加磁场调节其光学性能鲜有报道。 通过气液自组装法制备胶体晶体模板, 采用等离子体刻蚀技术实现了对胶体晶体模板结构尺寸的调控。 在此基础上, 结合磁控溅射技术合成了具有六角周期性排列的亚波长尺寸磁性Co纳米球阵列膜, 并研究了其在结构参数和外磁场作用下的光学性质。 通过紫外-可见-近红外光反射谱发现, 随着刻蚀时间从0 min增加到4.5 min, 在可见光波段, 光反射峰波长从512 nm蓝移到430 nm, 蓝移了82 nm, 峰强从10.69%降低到7.96%, 减弱了2.73%; 在近红外光波段, 光反射峰波长从1 929 nm蓝移到1 692 nm, 蓝移了237 nm, 峰强从10.92%降低到7.91%, 减弱了3.01%。 通过控制刻蚀的时间, 可实现对Co纳米球阵列膜光反射峰峰位和峰强的有效调控。 对未刻蚀和刻蚀的Co纳米球阵列膜施加一个垂直的外加磁场, 在外磁场作用下, 二者的光反射峰峰强均表现出不同程度的增强。 随着外加磁场的逐增, 未经刻蚀的Co纳米球阵列膜在近红外波段(1 938 nm)的光反射峰峰强从10.81% (0 Oe) 增加到16.56% (1 100 Oe), 增强了5.8%; 而经等离子体刻蚀后的Co纳米球阵列膜的近红外反射峰(1 921 nm), 其峰强从8.45% (0 Oe) 增加到16.74% (1 000 Oe), 增强了8.29%。 结果表明, 经等离子体刻蚀后的磁性Co纳米球阵列膜的反射光谱表现出更灵敏的外磁场响应。 基于近红外光反射峰最大值与外磁场强度的关系, 定性解释了外磁场对磁性Co纳米球阵列膜的光反射性能的影响: 对于未刻蚀的样品, 外磁场主要通过改变样品的磁有序, 从而影响其复折射率进而影响其光反射性能; 对于刻蚀后的样品, 除了外磁场对样品的磁有序产生影响从而影响其光反射率外, 还有诸如散射、 衍射等其他物理机制相互竞争的影响。 该研究为磁场动态调控材料的光反射性能提供了一种方法, 也为新型光学器件的研究提供了模型。
磁性Co纳米球阵列膜 等离子体刻蚀技术 磁控溅射技术 外磁场 光学性能 Magnetic Co nanosphere array film Plasma etching technology Magnetron sputtering technology External magnetic field Optical properties 光谱学与光谱分析
2023, 43(7): 2037
1 中国科学院合肥物质科学研究院，安徽 合肥 230031
2 中国科学技术大学，安徽 合肥 230026
3 龙岩烟草工业有限责任公司，福建 龙岩 364030
为提高活性炭含量检测的效率与精度，基于微波谐振技术设计了一种活性炭滤棒微波幅值变化信号采集装置，并将高斯滤波和惩罚最小二乘算法相结合对微波幅值变化信号进行降噪和基线扣除处理。首先，比较了不同高斯窗口长度的滤波效果，选用非对称最小二乘法、自适应迭代重加权惩罚最小二乘法、非对称重加权惩罚最小二乘法和多约束重加权惩罚最小二乘法等4种处理方法对微波幅值变化信号进行基线校正，再求出基线校正后微波幅值变化信号的峰高、峰面积与半峰全宽，然后比较了基于支持向量回归机、偏最小二乘算法与反向传播神经网络建立的模型的预测结果。结果显示，活性炭质量的最佳模型为“峰面积-活性炭质量”，模型决定系数为0.9924，平均绝对误差为0.7979 mg，相对标准偏差为1.4962%。活性炭质量重复性检测最大标准差为1.85 mg，活性炭质量检测的最小绝对偏差为0.03 mg，活性炭质量检测最小相对偏差为0.05%。该方法为烟用活性炭滤棒中活性炭的定量分析提供了一种快速有效的方法。
测量 微波谐振技术 基线校正 惩罚最小二乘法 活性炭 质量 激光与光电子学进展
2023, 60(17): 1712007
辐射研究与辐射工艺学报
2023, 41(1): 010101
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所，安徽 合肥 230031
2 中国科学技术大学研究生院科学岛分院，安徽 合肥 230031
细菌拉曼光谱信号弱、相似度高且易被噪声干扰，使用传统机器学习方法对其分类时必须进行繁杂的光谱预处理，效率低下。为提高细菌拉曼光谱分类的准确率和效率，提出了一种基于密集连接的一维卷积神经网络模型Raman-net，无需额外的光谱预处理就能有效完成光谱分类。实验结果表明，Raman-net对Bacteria-ID公开数据集中30种细菌低信噪比拉曼光谱的分类准确率为84.26%，显著高于传统机器学习方法及对比方法。对于碳青霉烯类抗生素敏感和耐药的2种肺炎克雷伯菌表面增强拉曼光谱，Raman-net取得了99.16%的分类准确率。这表明对于细菌的普通拉曼光谱和表面增强拉曼光谱，Raman-net无需光谱预处理就能取得较好的分类效果，为致病菌的拉曼光谱鉴定提供了一种快速有效的方法。
光谱学 拉曼光谱 光谱鉴别 机器学习 致病菌 激光与光电子学进展
2023, 60(1): 0130003
东北大学秦皇岛分校控制工程学院, 河北 秦皇岛 066000
采用衰减全反射傅里叶变换红外光谱法(ATR-FTIR), 结合多元校正模型对γ-聚谷氨酸(γ-PGA)发酵过程中两种主要底物葡萄糖和谷氨酸钠的浓度进行间接测量, 为优化发酵系统控制提供重要的反馈信息。 光谱测量中经常出现的基线漂移会严重影响后续多元校正模型的性能, 需要采用基线校正算法对光谱进行预处理。 现有流行的基线校正算法多数是基于Whittaker Smoother(WS)平滑算法, 这些算法均采用整数阶微分对拟合基线进行约束, 表达能力有限。 针对现有基线校正算法中的整数阶微分自适应性差的问题, 利用更加灵活的分数阶微分对基线进行约束, 提出了一种基于分数阶的基线校正算法, 实现对整数阶基线校正的扩展。 总共进行了5个批次的γ-PGA发酵实验, 并对不同批次和全部批次的ATR-FTIR光谱数据分别进行了分数阶基线校正, 模型的预测精度均得到不同程度的提升。 实验结果表明, 只有在批次2时, 基于整数阶的基线校正效果最好; 其他批次的基线校正效果最好时的阶次均为分数阶。 这也表明了分数阶微分(包含整数阶微分)对基线的约束更加合理。 同时发现全部批次的整体基线校正效果远远差于单一批次的效果, 原因可能是各批次发酵光谱的基线是不同的, 对不同的批次需要选用不同的阶次以获得最佳的基线校正。 此外, γ-PGA发酵样品的ATR-FTIR光谱测量是以蒸馏水为背景, 会在3 100~3 600 cm-1波数范围内出现负水峰, 形成有害的干扰信号; 分数阶基线校正后的光谱表明, 分数阶基线校正算法将负的水峰当作基线, 在一定程度上进行了消除。 综上分析, 分数阶基线校正算法不仅扩展了传统整数阶基线校正算法的应用范围, 也为消除ATR光谱中负的水峰提供了新的解决思路。
分数阶微分 光谱预处理 基线校正 Fractional differentiation Spectral preprocessing Baseline correction 光谱学与光谱分析
2022, 42(6): 1848
东北大学信息科学与工程学院, 辽宁 沈阳 110819
血液中包含着大量的生物信息, 如激素、 酶、 血糖等成分, 而血糖偏高将引发糖尿病。 糖尿病有很多并发症, 比如脑梗塞, 脑出血, 肾脏损害, 眼底损害, 周围神经病变等一系列疾病。 目前, 血液常规成分检测分析周期较长, 结果反馈较慢, 难以实现快速连续检测。 光学检测技术能够根据待测物质的光谱鉴别物质化学成分和相对含量, 因其灵敏度高、 适用性强、 分析速度快等优势, 在血液无创检测领域逐渐发挥其优势。 随着激光技术的不断进步, 拉曼光谱技术作为一种非线性散射光谱技术, 在血液检测技术中得到了广泛应用。 为提高拉曼光谱的预测精度, 首次将XGBoost算法应用到拉曼光谱血液血糖浓度中进行预测精度的提升。 实验中106组血液样本及试验标准值为河北省秦皇岛市第一医院提供, 选用布鲁克的MultiRAM光谱仪进行血液的拉曼光谱数据测量, 实验中1 064 nm激发光源功率为400 mW, 光谱分辨率为6 cm-1, 扫描速率为10 kHz, 扫描范围为400~4 000 cm-1, 对每个样本重复采集10次并计算平均值作为原始光谱数据, 以保证实验的准确性和可重复性。 该方法无需对数据进行预处理, 首先将光谱数据随机划分为训练集和测试集, 比例为7:3, 训练集用于训练模型并确定模型参数, 测试集用于测试模型的稳定性和预测精度。 建立XGBoost模型后, 用网格搜索法和k折交叉验证优化模型参数; 引入模型评估指标和克拉克网格误差分析图对XGBoost模型血糖浓度的预测进行分析; 最后将XGBoost模型与决策树(DT)、 随机森林(RF)和支持向量机回归(SVR)模型进行对比。 实验结果表明通过XGBoost建立的定量回归模型效果最佳, 模型的决定系数为0.999 99, 校正集均方误差为0.007 49, 预测集均方误差为0.007 17, 相对分析误差为331.973 18, 预测点均落在克拉克网格误差分析图的A区。 结果证明, 将XGBoost算法应用到拉曼光谱血液成分定量分析中具有较高的预测精度, 并且数据未经过预处理, 可以有效缩短程序运行时间, 其在拉曼光谱以及近红外光谱定量分析领域具有广阔的发展前景。
拉曼光谱 血糖 定量回归 XGBoost Raman spectroscopy Blood glucose Quantitative regression XGBoost 光谱学与光谱分析
2022, 42(6): 1721
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所，安徽 合肥 230031
2 中国科学技术大学研究生院科学岛分院，安徽 合肥 230026
3 安徽农业大学生命科学学院，安徽 合肥 230036
提出一种联合表面增强拉曼散射(SERS)与卷积神经网络(CNN)的方法，并将其用于食源性致病菌的快速鉴定。以带正电荷的银纳米颗粒(AgNPs＋)为SERS 基底，采集了金黄色葡萄球菌、大肠杆菌、副溶血性弧菌以及单增李斯特菌的SERS指纹谱，并在这些数据上训练了一个包含11个一维卷积层的残差网络ResNet11用于这4种病原菌SERS指纹谱的分类识别。实验结果表明：AgNPs＋是一种优秀的SERS增强基底，可在624 cm－1、730 cm－1等波段增强4种病原菌的主要拉曼峰；构建的ResNet11分类器对107 mL－1菌液分子浓度下采集的SERS指纹谱取得了99.30%的分类识别准确率，并且对103 mL－1菌液分子浓度下采集的SERS指纹谱取得98.00%的识别准确率。
生物光学 食源性致病菌 表面增强拉曼散射 带正电荷的银纳米颗粒 卷积神经网络 中国激光
2022, 49(15): 1507405
中钢集团洛阳耐火材料研究院有限公司, 先进耐火材料国家重点实验室, 洛阳 471039
本文综述了沥青、炭黑、焦炭和石墨等常规碳源, 表面改性碳以及新型碳源对Al2O3-SiC-C质铁沟浇注料性能影响的研究概况。沥青在Al2O3-SiC-C质浇注料中发挥着重要作用, 其加热软化后渗透或挥发、凝结到浇注料的缝隙或气孔中, 可以增强颗粒之间的结合, 改善高温下液相分布, 避免过烧结, 显著提高浇注料的抗渣性能。炭黑粒度细小, 可充分填充空隙, 降低烧后试样的气孔平均孔径, 改善高温下抗侵蚀性。炭黑、焦炭和石墨等常规碳源适合作为附加碳源和沥青配合使用, 达到互补的效果。表面改性碳中造粒石墨具有较好的应用效果, 可大幅提高Al2O3-SiC-C质铁沟浇注料中鳞片石墨的引入量, 显著提高抗渣性能。新型碳源中含碳树脂粉Carbores P配合沥青添加到Al2O3-SiC-C质铁沟浇注料中可有效提高铁沟服役寿命。
铁沟 Al2O3-SiC-C质浇注料 沥青 炭黑 造粒石墨 iron trough Al2O3-SiC-C castable pitch carbon black pelletized graphite Carbores P Carbores P
1 国防科技大学 脉冲功率激光技术国家重点实验室， 安徽 合肥 230037
2 先进激光技术安徽省实验室，安徽 合肥 230037
3 红外与低温等离子体安徽省重点实验室，安徽 合肥 230037
不同于传统的离散光谱测温，热像仪测温的实质是一种在一定波段范围内的基于探测器光谱响应的连续光谱测温。除了目标的发射率会影响热像仪所测温度与真实温度的关系外，反射的环境辐射也是热像仪测温结果的重要影响因素。目前的热像仪测温精度研究在对目标反射环境辐射的处理中，大都把环境辐射看做是均匀入射的或者是把目标看做了镜面反射体，这样做虽然可以大大简化模型，但是却远远不符合实际情况。针对这一现状，利用辐射度学原理和热像仪探测器的光谱响应特性，建立了在环境辐射非均匀入射条件下的热像仪对漫射目标的测温模型，结果表明：环境辐射对热像仪测温的影响，除了与目标的反射率和环境辐射源的温度有关外，还与环境辐射源对目标所张的投影立体角有关。根据所得模型，分析了热像仪测温的影响因素，重点对几种典型环境辐射条件下对热像仪测温的影响进行了定量计算和分析，并进行了实验验证。相关结果一方面可以为热像仪测温设计提供参考，另一方面可以为复杂环境条件下热像仪测温与真实温度的误差估算提供理论依据。
红外 热像仪 测温 环境辐射 投影立体角 infrared thermal imager temperature measurement environmental radiation projection solid angle 红外与激光工程
2022, 51(3): 20210159
1 中国农业大学信息与电气工程学院, 北京 100083
2 中国农业大学工学院, 北京 100083
3 石河子大学信息科学与技术学院, 新疆 石河子 832003
为提高生鲜羊肉储存期内(4, 8和20 ℃环境)挥发性盐基氮(TVB-N)的近红外光谱(NIR)检测的稳定性和准确性, 选取特征光谱和预测模型是关键步骤。 以121个羊肉样品为实验对象, 采集生鲜羊肉680~2 600 nm波段的近红外光谱。 以多元散射校正(MSC)、 标准正态变换(SNV)等散射校正方法, Savitzky-Golay卷积平滑(SGS)、 移动平均平滑(MAS)等平滑处理方法, 以及归一化(Normalization)、 中心化(Centering)、 标准化(Autoscaling)等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法(PLS)预测模型。 比较发现SGS处理的光谱建模效果最好。 利用蒙特卡洛采样(MCS)法及马氏距离法(MD)消除了羊肉光谱的5个异常数据。 运用光谱-理化值共生距离(SPXY)算法划分总样本的75%(87个)为校正集样本, 剩余29个为验证集样本, 利用竞争性自适应重加权法(CARS)、 无信息变量消除法(UVE)、 改进的无信息变量消除法(IUVE)和连续投影算法(SPA)提取特征光谱得到的波长个数分别为14, 713, 144和15。 将全光谱和4种方法提取的特征波长作为输入变量建立预测模型, CARS提取的波长所建立模型的性能优于UVE、 IUVE和SPA提取的波长所建立模型的性能, 表明CARS方法可以有效简化输入变量并提高预测模型的性能。 改进后得到的IUVE法相比于UVE法, 筛选出的波长数更少且模型性能有所提升。 以提取的特征波长建立PLS, 支持向量机(SVM)和最小二乘支持向量机(LS-SVM)预测模型, SVM模型得到最优的校正集预测结果, 其中CARS-SVM预测模型的校正决定系数($R_{C}^{2}$)和校正均方根误差(RMSEC)分别为0.939 1和1.426 7, 最优的验证集预测效果为LS-SVM预测模型得到, 其中IUVE-LS-SVM预测模型的验证决定系数($R_{V}^{2}$)和验证均方根误差(RMSEV)分别为0.856 8和1.886 2。 基于近红外特征光谱建立简化、 优化的生鲜羊肉储存期TVB-N预测模型, 为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。
近红外光谱 挥发性盐基氮 特征光谱 偏最小二乘法 支持向量机 Near infrared spectroscopy Total volatile basic nitrogen Characteristic spectra Partial Least Square method Support vector machine 光谱学与光谱分析
2021, 41(11): 3377
