针对水果生产中的农药残留问题, 利用表面增强拉曼光谱技术(SERS), 把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象, 探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。 采集混合农药样品的SERS光谱, 通过对比农药的特征峰可以对混合农药进行定性分析。 同时利用化学计量学方法, 建立混合农药的定量数学模型, 并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果, 选择出最优预处理方法与算法的组合。 在拉曼光谱范围200～2 300 cm-1内, 利用PLS算法处理经一阶微分预处理后的光谱数据, 建立的脐橙表皮混合农药残留回归模型效果较好, 预测相关系数(Rp)为0.912, 预测均方根误差(RMSEP)为3.601 mg·L-1。 经过波段筛选后并对光谱处理结果对比, 发现光谱在200～620, 830～1 040及1 250～2 300 cm-1范围内, 利用PLS算法处理经一阶微分预处理后的光谱数据, 建立的回归模型效果较好, Rp为0.909, RMSEP为3.338 mg·L-1。 研究表明使用SERS技术, 可以对脐橙表皮上残留的混合农药进行定性与定量的分析。

乙醇汽油是一种新型清洁燃料, 燃料乙醇在乙醇汽油中的含量会影响发动机的性能。为了确保发动机的工作可靠性, 需要对乙醇汽油中的乙醇含量进行快速精准检测。本文使用中红外光谱技术对采集到的乙醇汽油的光谱数据进行定量分析。首先对原始光谱数据使用多元散射校正、基线校正、一阶导数、二阶导数等预处理方法进行预处理。然后利用ELM、LSSVM、PLS对乙醇汽油中的乙醇含量建立预测模型, 通过比较3种建模方法对乙醇含量的预测能力发现, PLS方法的精度比其余两种方法更高。模型决定因子R2为0958, 预测均方误差RMSEP为1479%（V/V,体积比）。中红外光谱技术对乙醇汽油乙醇含量的快速准确检测提供了新的思路。

为了证实以团絮状银胶为基底的表面增强喇曼光谱(SERS)技术结合化学计量学方法能有效实现脐橙中农药残留检测, 采用德国布鲁克公司的共焦显微喇曼光谱仪, 对脐橙中的亚胺硫磷农药残留的快速无损检测进行了研究。通过留一交互验证法得出农药检出限为4.113mg/L,并对SERS光谱进行7种方法的预处理。结果表明, 先基线校正后卷积平滑预处理的建模预测效果最好;结合偏最小二乘法建模, 预测集的相关系数和预测均方根误差分别为0.904和4.890mg/L, 校正集的相关系数和预测均方根误差分别为0.919和3.990mg/L。结果证明了SERS定量分析的科学性和可行性, 这对国内水果的生产和出口水果的农药残留检测有一定的参考作用。

应用近红外漫透射光谱检测技术对不知火杂柑的可溶性固形物(SSC)进行在线检测具有十分重要的意义。 研究变量筛选方法对不知火杂柑可溶性固形物在线检测模型的影响, 为实现其快速、 准确的在线检测分级奠定基础。 实验把形状不整、 内藏瓤瓣的不知火杂柑作为研究对象, 选取560~930 nm的光谱, 采用偏最小二乘法(PLS)建立不知火杂柑可溶性固形物的在线检测模型, 并讨论不同的光谱预处理方法(卷积平滑(S-G)、 一阶微分(1st derivatives)等), 不同的变量筛选方法(移动窗口偏最小二乘法MWPLS、 遗传算法GA、 连续投影SPA)对PLS所建预测模型性能的影响。 经对比, 多元散射校正(MSC)能有效地消除光散射的影响, 遗传算法能大大地降低了建模的波长点数, 缩短了建模时间, 改善模型预测精度。 其最优PLS模型的RP=0.956, RMSEP=0.380, RC=0.967, RMSEC=0.340。 实验表明在线检测不知火杂柑的可溶性固形物是完全可行的。

以香根草作为研究材料, 选取江铜贵冶周边土壤修复示范基地的香根草植株, 利用其能富集重金属铅的特性, 运用拉曼光谱结合树脂吸附技术检测Pb的含量。 D401树脂功能基-N(CH2COOH)2中的N和O原子与金属离子发生配位能形成稳定化合物, 从而富集香根草消煮溶液中的重金属Pb2+, 然后用重金属分析仪(HM-5000P)测定铅含量。 D401树脂和金属离子所形成的络合物有一定的拉曼信号, 检测络合物的拉曼信号, 运用拉曼光谱技术, 对吸附重金属后树脂内Pb含量进行间接定量分析, 建立数学检测模型。 对比不同预处理方法对数据定量模型的影响, 使用多种预处理方法结合偏最小二乘法建立最优的香根草根部重金属铅含量的定量分析模型。 经过卷积平滑结合一阶微分预处理后其预测相关决定系数Rp为0.854, 预测均方根误差RMSEP为5.658%, 建模结果较理想。 研究表明, 基于拉曼光谱技术结合D401树脂吸附技术定量检测香根草根部重金属铅含量具有可行性, 该研究对环境中重金属含量评估有一定的指导意义。

乙醇柴油是柴油替代品的一种, 它的使用越来越广泛, 乙醇柴油品质由许多指标决定, 采用传统方法检测这些指标不仅价格昂贵而且耗时长。近红外光谱技术是一种廉价、快速实时在线检测乙醇柴油品质的有效方法。本文采用近红外光谱技术结合最小二乘支持向量机检测了乙醇柴油的密度、粘度和乙醇含量, 比较了线性和非线性校正技术(主成分回归、偏最小二乘回归和最小二乘支持向量机)对乙醇柴油品质的分析效果, 同时也比较了不同预处理方法对预测模型能力的影响。实验结果表明, 最小二乘支持向量机优于主成分回归和偏最小二乘回归模型, 其对乙醇柴油密度、粘度、乙醇含量建模效果最优, 相关系数分别是0.995 8、0.995 7和0.995 3; 预测均方根误差分别为0.000 68、0.011 3和0.571 4。

以拉曼光谱技术结合化学计量学方法实现两类不同成熟度的双孢菇菌盖硬度的建模预测分析。将菌盖直径平均值2~3 cm的样品划为Ⅰ类成熟度, 3~5 cm为Ⅱ类。对两类样品分别取65个进行光谱采集并测量硬度, 分别采用标准正态变量变换、基线校正、一阶导数、二阶导数4种方法预处理, 建立偏最小二乘模型(PLS)。比较模型效果得出最佳预处理方法均为一阶导, 但Ⅰ类建模的预测相关系数(Rp)和均方根误差(RMSEP)分别为0.887和0.444, Ⅱ类的Rp和RMSEP分别为0.896和0.435。结果表明Ⅱ类成熟度蘑菇的硬度预测比Ⅰ类更为准确, 在同等条件下, Ⅱ类蘑菇硬度的变化更可准确预测, 其贮藏保鲜更有规律可循。

应用激光拉曼光谱技术结合化学计量学方法实现了三组分食用调和油中菜籽油、花生油和芝麻油的快速定量检测。分别采用标准正态变量变换(SNV)+去趋势(de-trending)算法和正交信号校正(OSC)算法对600～3 000 cm-1波段的原始拉曼光谱进行预处理。建立了基于非线性支持向量机(SVM)和线性偏最小二乘(PLS)回归算法的定量分析模型,并采用19个预测集通过外部交叉验证法对模型进行验证。实验结果显示: 对含有菜籽油、花生油和芝麻油的三组分食用调和油,以OSC预处理后建立的线性PLS模型预测效果最好,其验证集决定系数R2p分别为0.990 4,0.965 8,0.977 1,均方根误差(RMSEP)分别为0.018 8,0.037 9,0.026 2。研究结果表明,利用激光拉曼光谱结合化学计量学方法快速定量检测三组分食用调和油中菜籽油、花生油和芝麻油的含量具有可行性,并获得了较高的预测精度。