1 江西农业大学食品科学与工程学院, 江西 南昌 330045
2 江西农业大学工学院, 江西 南昌 330045
3 江西农业大学计算机信息与工程学院, 江西 南昌 330045
茶叶是中国的主要经济作物之一, 而在茶叶种植过程中存在农药不合理使用及滥用等行为, 导致茶叶中存在严重农药残留问题。 茶叶中农药残留检测主要采用经典化学实验室方法, 存在前处理复杂、 耗时长、 成本高等缺陷, 急需研究茶叶中农药残留的快速检测方法, 以监管茶叶市场的质量安全。 本论文采用纳米竹炭（NBC）为净化剂快速去除绿茶的色素等基质影响, 使用表面增强拉曼光谱（SERS）方法分析绿茶中毒死蜱农药残留, 建立绿茶中毒死蜱农药残留的SERS快速检测方法。 采用不同NBC用量（0, 15, 20, 25和30 mg）去除茶叶基质, 比较不同NBC用量去除基质的净化效果和SERS谱图, 得出最优NBC用量, 并对前处理方法进行回收率实验, 验证前处理方法的可靠性。 结果表明, 使用20 mg NBC能较好地净化绿茶中的色素等基质影响, 前处理方法回收率实验表明, 该净化剂用于绿茶中毒死蜱农药残留基质净化是可行的。 采用密度泛函理论模拟毒死蜱分子理论拉曼光谱, 对比毒死蜱分子理论拉曼光谱和实验拉曼光谱, 对其官能团进行谱峰归属, 得到定性定量分析绿茶中毒死蜱农药残留的5个特征峰： 526, 560, 674, 760和1 096 cm-1。 在0.28~11.11 mg·kg-1浓度范围内, 以1 096 cm-1的峰强度建立绿茶中毒死蜱农药残留线性分析方程y=0.017 5x+0.909 2, 决定系数为R2=0.986 3, 表明毒死蜱农药浓度与其特征峰强度之间具有良好的线性关系, 方法的平均回收率在96.71%~105.24%之间, 相对标准偏差（RSD）为2.36%~3.65%。 该方法检测绿茶中毒死蜱农药的最低检出浓度约为0.56 mg·kg-1, 单个样本检测时间在15 min内完成。 研究表明, 表面增强拉曼光谱技术结合净化剂前处理方法能快速检测绿茶中的农药残留。
表面增强拉曼光谱 纳米竹炭： 毒死蜱 农药残留 快速前处理 SERS NBC Chlorpyrifos Pesticide residues Rapid pretreatment
1 江西农业大学计算机与信息工程学院, 江西 南昌 330045
2 江西农业大学工学院, 江西 南昌 330045
3 江西农业大学食品科学与工程学院, 江西 南昌 330045
4 江西蚕桑茶叶研究所, 江西 南昌 330043
针对茶叶中的农药残留问题,利用表面增强拉曼光谱(SERS)技术结合二维相关光谱法快速检测茶叶中毒死蜱残留。以金纳米为增强基底,采集含不同浓度毒死蜱残留茶叶样本的SERS,利用标准正态变量变换(SNV)对原始拉曼光谱进行预处理,再以毒死蜱浓度为外扰,进行二维相关同步光谱和自相关谱分析,筛选出与毒死蜱浓度变化相关的特征谱峰,利用灰狼算法(GWO)优化支持向量机(SVM)参数,建立茶叶中毒死蜱残留分析模型,并与偏最小二乘(PLS)模型得到的结果进行比较。结果表明:利用二维相关光谱法优选出毒死蜱的14个特征谱峰,所建SVM模型对预测集样本的决定系数
Rp2为0.98,方均根误差为1.32,相对分析误差为6.32,能用于茶叶中毒死蜱残留的实际估测,模型性能优于采用1096 cm
-1单个特征谱峰建立的SVM模型和PLS模型。研究结果表明:将二维相关光谱法用于筛选与茶叶中毒死蜱浓度相关的特征谱峰是可行的,为拉曼光谱中特征变量优选提供了新思路;同时也表明,SERS结合二维相关光谱法可以实现茶叶中毒死蜱残留的快速检测,为茶叶农药残留快速检测装置的开发提供了方法支持。
光谱学 表面增强拉曼光谱 二维相关谱法 快速检测 茶叶 毒死蜱
1 江西农业大学工学院, 江西 南昌 330045
2 江西省蚕桑茶叶研究所, 江西 南昌 330203
3 江西农业大学软件学院, 江西 南昌 330045
为弥补茶叶品质感官审评存在的缺陷, 利用计算机视觉技术对茶叶品质进行快速无损评价研究。 以碧螺春绿茶为对象, 依据专家感官审评结果, 将茶样分成4个等级; 采用中值滤波及拉普拉斯算子对茶样图像进行预处理, 并提取预处理后的茶样图像的颜色特征和纹理特征以表征茶叶图像的外形特征, 利用随机森林算法对茶叶外形特征属性进行重要性排序; 筛选出重要性较大的特征及随机森林算法中最优的决策树棵数建立感官评价模型, 并与建立的支持向量机（SVM）模型性能相比较。 结果表明: 色调均值、 色调标准差、 绿体均值、 平均灰度级、 饱和度均值、 红体均值、 饱和度标准差、 亮度均值、 一致性等9个特征属性的重要性较大, 且与感官审评特征描述结果相一致; 当采用优选出的9个重要性较大的特征及决策数棵数为500时, 建立的模型性能最优, 模型总体判别率为95.75%, Kappa系数为0.933, OOB误差为5%, 较SVM模型分别提高了3.5%, 0.066, 优选的9个重要性较大的图像特征与感官审评特征描述相一致。 研究表明: 利用随机森林方法筛选出对茶叶外形特征属性贡献最大的少数几个特征建立模型, 模型性能就能达到很好的识别效果, 模型得到简化, 同时模型精度和稳定性都高于其他方法。
计算机视觉 茶叶品质 感官审评 随机森林 支持向量机 Computer vision Tea quality Sensory evaluation Random forestalgorithm Support vector machine
江西农业大学生物光电及应用重点实验室, 江西 南昌 330045
组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。 研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响, 分析了不同种类食用油激光诱导荧光光谱之间的差异。 八种食用油共320份样本荧光数据在1 m长液芯光纤内采集, 采用主成分分析方法对食用油荧光数据进行降维处理, 利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。 结果表明, 使用液芯光纤后, 食用油荧光强度得到较大的增强。 随着液芯光纤长度增加, 食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象, 当液芯光纤长度超过80 cm后, 红移趋于饱和。 不同食用油的荧光光谱形状差异较大, 可用于区分不同种类食用油。 利用主成分1和主成分2绘制的主成分得分图显示, 不同种类食用油呈现很好的聚集。 当选用主成分数为10时, 建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。 说明本装置用于食用油种类的快速鉴别具有较高的准确性。
激光诱导荧光 食用油 液芯光纤 偏最小二乘法判别分析 Laser induced fluorescence Edible oil Liquid core fiber Partial least squares discriminant analysis 光谱学与光谱分析
2016, 36(10): 3202
1 江西农业大学软件学院，江西 南昌 330045
2 江西农业大学生物光电与应用重点实验室，江西 南昌 330045
为比较半导体激光对蝗虫与其寄主植物组织的生物热效应差异，为激光杀灭蝗虫提供理论依据。选取808nm连续激光对东亚飞蝗幼虫与营养期狗尾草植物进行辐照效应理论研究，建立了激光照射下生物组织热作用的二维数学模型，采用Matlab有限元数值分析方法求解了Pennes生物传热方程，得到了组织内部温度随激光辐照时间和组织空间位置的分布规律。数值分析结果表明，对于蝗虫与植物组织，温度分布有着同样的规律，但温度沿着径向比轴向扩散范围广。在相同的激光辐照条件下，植物组织的温升不明显，保持在初始温度水平；蝗虫组织的温升则远远高于植物组织。
半导体激光 蝗虫 植物 热效应 组织 semiconductor laser locusts plants thermal effect tissue
