实验测量了10, 20, 30, 40, 50和60 μg·mL-1六种浓度赤藓红溶液的荧光激发光谱和吸收光谱。 发现在浓度为10和20 μg·mL-1时, 其荧光激发光谱在530 nm处会出现一个明显的激发峰, 而当溶液浓度超过30 μg·mL-1后, 荧光激发光谱线型会发生突变, 530 nm处成为谷值位置, 并在530 nm两侧出现两个新的激发峰。 对比各种浓度赤藓红溶液的吸收光谱, 发现其与荧光激发光谱的变化并不一致, 在530nm处均为吸收峰, 无突变现象。 通过数学计算及一系列对比实验的验证, 确定是赤藓红的吸收特性以及光谱测量因素共同导致了其激发光谱的突变。 研究结果可为进一步探讨赤藓红的理化特性提供指导, 为研究物质荧光激发光谱的突变行为提供参考, 并能够促进对荧光激发光谱的正确认识和光谱测量方式的改进。

基于吸收及荧光光谱技术对一种新型铕的有机配合物发光材料在不同状态下的光谱特性进行了表征, 并分析了该配合物的光物理特性与机理。 发现该配合物的吸收光谱主要是配体邻菲咯啉(phen)的贡献； 随着浓度增大自短波到长波区域逐渐出现了饱和吸收现象, 光谱向长波方向延伸、 展宽, 而且这种特征在样品的激发光谱上得到了体现； 该配合物在不同状态下的荧光光谱均由Eu3+的4个特征荧光峰组成, 且出现617 nm强荧光峰。 提出该配合物的荧光光谱主要是在配体乙酰苯胺的微扰或介导作用下, 改变了Eu3+能量场的宇称态, 导致跃迁概率大大增强, 并使配体phen将吸收的能量转移给Eu3+, 发出617 nm强荧光峰。 表明这种新型铕的有机配合物是一种有效的红光有机发光材料, 具有潜在的应用价值。

为了研究光子态在大气湍流中的变化规律, 基于拉盖尔-高斯光束横向空间波函数(光子轨道角动量的本征函数)以及湍流大气中拉盖尔-高斯光束光子态(可由各本征光子态叠加构成),得到了湍流大气中光子态的探测概率, 并分析了大气湍流、传输距离、质量因子对光子态的影响。结果表明, 质量因子是决定发射光子态跳变的重要因素, 相同质量因子的光子态在接受端的测量权重基本相同, 且质量因子值越大原光子态测量权重越小。同时, 在湍流大气的影响下, 从原光子态跳变到轨道角动量增加某值的光子态的测量权重总和与跳变到减小相应轨道角动量的光子态的测量权重总和基本相同; 随着湍流强度或传输距离的增加, 发射光子态在接受端的光子测量权重不断减小, 而且湍流强度对光子态测量权重的影响比距离的大。

为了快速、准确地识别无醇啤酒和普通啤酒, 采用荧光光谱结合概率神经网络的方法, 建立了识别无醇啤酒的模型。实验中发现无醇啤酒和普通啤酒在紫外-可见光激发下, 都能产生较强荧光, 测得无醇啤酒荧光峰在420nm~620nm之间,荧光峰值波长为490nm左右。将小波变换处理荧光光谱得到的低频系数作为网络数据, 训练、建立了概率神经网络, 并对60个啤酒样本进行了识别, 识别率达到了98.33%。该研究结果为无醇啤酒和普通啤酒识别提供了一种新方法。

以合成食品色素胭脂红、 苋菜红溶液为例, 提出了应用荧光光谱结合径向基函数神经网络对合成食品色素溶液进行浓度测定和种类鉴别的方法。 应用SP-2558多功能光谱测量系统, 测得胭脂红和苋菜红溶液分别在波长为300和400 nm的光激发下产生的荧光光谱。对每个胭脂红溶液样本选取15个发射波长值所对应的荧光强度作为网络特征参数, 训练、 建立用于浓度预测的径向基函数神经网络。 据此, 对3种胭脂红溶液样本的浓度进行预测, 预测结果相对误差分别为1.42%, 1.44%和3.93%。 另外, 以胭脂红和苋菜红溶液荧光波长值所对应的荧光强度作为特征参数, 训练、 建立了用于种类鉴别的径向基函数神经网络, 进行合成食品色素溶液种类识别, 准确率达100%。 这些结果表明, 该方法方便、 快捷、 准确度较高, 可应用于合成食品色素检测及食品安全监管。Fluorescence Spectroscopy and Radial Basis Function Neural Networks

实验发现三聚氰胺溶液在紫外光激发下产生较强荧光,测得其荧光峰在310-600nm之间,荧光峰值波长为420 nm左右,荧光相对强度与三聚氰胺溶液浓度呈现复杂的非线性关系。 提出了采用径向基函数神经网络结合荧光光谱对三聚氰胺溶液浓度进行测定的方法。 对每个样本选取30个发射波长值所对应的荧光强度作为网络数据,训练、建立了径向基函数神经网络。 应用训练好的径向基函数神经网络,对5种三聚氰胺溶液的浓度进行预测,结果相对误差分别为0.93%,0.09%,0.31%,1.55%,4.61%。 该方法能快捷、准确地测定三聚氰胺在溶液中的含量,为三聚氰胺检测及食品安全监管提供了一种新方法。