光谱学分析精选(九篇)

第1篇：光谱学分析范文

1拉曼光谱在医学检验中的应用

1．1在病原微生物检测中的应用

微生物细胞膜表面有大量已知的生化成分可以看作是微生物的特征性标志，因而可以作为菌种快速识别和鉴定的判断标准。利用拉曼光谱可以在不依赖培养基的情况下直接对患者体内分离下来的或实验室中保存的单一菌种或混合菌群进行快速鉴别及分析［8］。美国华盛顿州的研究人员利用拉曼光谱对从临床患者和医院环境中分离得到的7株副溶血弧菌进行了分析，结果发现7株菌株都有其各自不同于其他菌株的特征峰。他们还将其中2株副溶血弧菌菌株分别按照1∶2、1∶1和2∶1的比例混匀后分别利用拉曼光谱检测，结果显示可以通过2株细菌各自的特征峰将两者明确区别开来，其中一株副溶血弧菌的特征峰出现在了1002cm－1、1177cm－1和1532cm－1处，而另一株副溶血弧菌的特征峰却分别出现在了525cm－1、738cm－1、1319cm－1和1639cm－1处，证明拉曼光谱无论在单一菌种标本还是混合菌群标本中均具有良好的分析鉴定能力［9］。另有研究发现结合使用拉曼光谱和化学计量法可以鉴别微生物的种类及各自血清型，已有实验利用银纳米颗粒作为基底对绿豆芽中的李斯特菌、霍乱弧菌、金黄色葡萄球菌等6种食物源性致病菌进行了拉曼光谱的鉴定和区分［10］。有研究报道对日常生活中主要的食物源性致病菌进行了拉曼光谱分析，从而对细菌进行等级划分，第一级便是区分革兰阳性菌和革兰阴性菌，另外通过各自特征峰区别不同细菌菌属，结果显示各级的识别结果准确度均在91％以上［11］。利用拉曼光谱技术与微流控芯片相结合的办法，毛丽华等人设计并建立了拉曼光谱－微流控芯片自动化检测系统，检测并统计了珠蛋白生成性障碍贫血型红细胞与健康人红细胞的拉曼光谱值，通过在1004cm－1、1130cm－1、1450cm－1等拉曼光谱特征峰的数据对比，发现了珠蛋白生成障碍性贫血型红细胞的血红蛋白宽度较健康人红细胞广，并以此发现了新的快速、便捷的检测珠蛋白生成障碍性贫血的检验医学技术。另有研究者也利用拉曼光谱技术与微流控芯片相结合的办法从十多种细菌混合的菌群中对耐甲氧西林金黄色葡萄球菌进行了快速分析研究。结果表明耐甲氧西林金黄色葡萄球菌较其他细菌有其独特的拉曼波峰，并且整个检测过程用时只需20s时间，在检验精度上也与传统PCR技术、免疫学检测技术所得到的结果相似［12］。该方法简便快速，安全可靠，非常适合用于卫生稽查部门的快速检验。

1．2在肿瘤检验中的应用

目前在全世界范围内依然没有很好的针对肿瘤的治疗手段，肿瘤的分期对预后起着决定性的影响，那么对肿瘤的早发现、早诊断、早治疗就摆在了尤为突出的地位［13］。在肿瘤组织中，在细胞发生病理学手段可观测到的形态恶变之前，其实已经存在由细胞增殖分裂分化或一些信号蛋白的产生等引起的细胞中遗传物质、蛋白质和脂类的结构和含量改变，而这些细微的改变可以及时通过拉曼光谱检测反映出来［14］。因而在肿瘤检验中拉曼光谱技术具有传统病理学检测所无法替代的功能用途，对肿瘤的早期诊断有巨大帮助。实验证明拉曼光谱可用于癌变组织与正常组织的鉴别。早在1991年就有人率先对拉曼光谱的肿瘤检验学价值进行了报道。他们发现正常乳腺组织与肿瘤组织甚至良性肿瘤与恶性肿瘤的拉曼光谱在700～1900cm－1存在着明显差别，且对应的各自拉曼峰相对强度也存在显著差异［15］。从此掀开了拉曼光谱应用于早期肿瘤诊断的新时代。Gawinkowski等［16］对拉曼光谱技术进行改进设计了快速近红外拉曼光谱检测系统，进一步提高了检测效率，可在5s内快速测得活体皮肤的拉曼光谱。随即该科研团队利用此系统对肺癌组织进行拉曼光谱检测，结果显示肺癌组织的拉曼光谱特征与正常肺组织之间存在明显差别。此后，该科研小组又成功获得了亚洲人种皮肤黑色素组织的拉曼光谱数据。在对胃癌的在体拉曼检测中研究人员将拉曼光谱技术与微型摄像机、图像分光仪、双极管激光发生器等结合建立了新型拉曼内镜系统，也推动了内镜技术的发展［17］。有学者利用激光作为拉曼光谱的激发光源，对15例手术切除且经病理确诊为基底细胞癌的组织标本进行拉曼照射，同时与正常皮肤组织进行对比分析，结果显示通过拉曼光谱检测可以实现对基底细胞癌的高灵敏度诊断［18］。在对鼻咽癌组织和正常鼻咽组织的拉曼光谱比较中也有相似发现，它们在1290～1320cm－1，1420～1470cm－1和1530～1580cm－1这3处波段区间均存在明显特征差异，可以作为鉴别要点。另有研究人员选用830nm波长激光对甲状旁腺腺瘤组织标本及增生组织标本中的结节区域进行拉曼照射，重复了四十多次试验，比较发现二者的拉曼光谱比较相似，但在蛋白质、脂质等某些特定波段仍存在可区别的差异，建立线性分析的数学模型可以很好地将二者区别开来［19］。对人体多处肿瘤组织的拉曼检测均得到了较好的鉴别指标，预示着拉曼光谱在肿瘤学检验中将有宽广的发展空间。

1．3在药物分析检测中的应用

拉曼光谱较早即应用于药物检验领域。早期便有科研人员用共聚焦拉曼光谱仪对盐酸曲马多进行了检测，所获得的拉曼谱带显示图谱峰形良好，峰强明显，可以较准确地反映出盐酸曲马多的化学结构信息［20］。研究人员分析了倍他米松磷酸钠和地塞米松磷酸钠这两种差向异构体的化学结构差异，分别对其固态及水溶饱和态进行了常规拉曼光谱检测，并进一步对以银胶为基底的这两种药物进行了增强拉曼光谱检测分析，成功建立了这两种差向异构体的拉曼区分系统，可以实现其快速区分鉴别的目的［21］。科研人员采用傅里叶变换拉曼光谱法对不同产地且不同采集时间的野生及人工种植黄芩进行了分析研究，结果显示利用该方法对中药材的质量鉴定较传统鉴别方法更快速简便且不会对受检样品造成破坏，值得推广。有学者在前人基础上开创性地将拉曼光谱技术与光纤传感技术相结合，实现了甲硝唑片的快速无损鉴别，尤其适合于药品监管部门对药品快速检验。

1．4在眼部疾病检验中的应用

晶状体是一具有高浓度蛋白质的双凸面透明组织，其内蛋白变化对晶状体功能改变具有决定性作用，对人眼屈光调节也有重要意义。利用拉曼光谱对晶状体蛋白质的亚结构例如：氨基酸亚基、二硫键、羧基、巯基等的分析可以帮助人们更好地认识晶状体及其调节模式。拉曼光谱技术引入眼部疾病的研究首先是测定了牛晶状体中α、β和γ蛋白的拉曼图谱，结果显示α蛋白主要集中于核部而β蛋白主要集中于皮质部［22］。Short等［23］测试了紫外线诱导下的兔白内障晶状体拉曼光谱，结果显示氨基酸残基中的羟基谱线强度显著增加，无法与水形成氢键，从而科学地解释了白内障晶状体中水分的缺失。与此同时，研究中发现了多肽水解物的组成成分邻氨基苯甲酸，暗示着光化学反应可以造成色氨酸残基的下降。综合现有发现，他们提出了紫外线诱导白内障发生的热损伤学说。研究人员测试了诱发哺乳动物白内障的致病性光谱，以6月龄家兔为阴性对照组，以7月龄糖尿病家兔为糖尿病组，对比发现在900～1700cm－1，并无明显差异，而在800～850cm－1两组差异明显［24］。分析后认为诱发晶状体混浊的主要原因是α、β和γ晶体蛋白的不良聚合反应。

1．5在骨科疾病检测中的应用

绝大部分生物样本都有自体荧光，而荧光的强背景会对拉曼光谱造成很大的干扰，从而影响拉曼光谱的准确性。虽然关于引起骨组织光谱背景的物质尚不明确，但很有可能是一些有机基质中的某些非胶原蛋白分子［25］。如果在未处理的情况下，利用拉曼光谱对骨组织的检测很不准确。随后熊义等［26］发现了通过双氧水法降低骨组织光谱背景的方法，从而为拉曼光谱在骨组织中的研究打开了大门。骨组织在发育成熟后其密度与硬度即随生物力学环境的改变而改变，称为骨重建。在人体整个生命进程中，骨质会伴随着有所改变，利用拉曼光谱可以对这一过程进行深入研究。一旦吸收与沉积的动态平衡被打破，则会造成不同类型的骨科疾病。Oshokoya等［27］建立了以拉曼光谱为研究手段的外力作用下的颅缝早闭模型，研究内容涉及颅骨成分、骨质及基质的相对含量和分布。颅缝早闭症是一种由多病因造成的颅缝发育异常综合征，在婴幼儿属于常见疾病，由于颅缝过早闭合，限制了颅腔的容积，不利于智力的发展。结果显示在非轴向压力的作用下成骨区的前端矿物含量相比无压力的状态下有所下降，其原因可能是矿物沉积不完全［28］。在成骨不全症的研究中，有学者利用拉曼光谱证实了成骨不全症小鼠在6月龄后的骨强度增长不是由于骨形态改变引起的，而是由于骨基质的改进而达成的［29］。

2展望

第2篇：光谱学分析范文

关键词：近红外光谱　化学计量学　 中药材

我国中药资源丰富，应用历史悠久。然而由于我国中药生产工艺及质量控制技术水平较低，严重制约我国中药产业现代化的发展。随着现代科学技术的发展，药物分析方法己经从传统的化学分析发展到仪器分析阶段，紫外可见分光光度法、薄层扫描色谱法、电泳法、气相和高效液相色谱法及各种联用分析技术等己经应用到中药材分析中。但这些方法都需要经过复杂的样品准备和预处理，测定成本高且效率较低，因此难以用于中药产品及其生产过程的快速分析。

近年来国际上提出了一种全新的药物非破坏快速分析法，该法是将化学计量学同近红外（NIR）光谱分析法相结合而形成的新技术。由于NIR光谱分析法操作简便、快速、能非破坏的对各种样品进行快速、精确的分析，加之分析仪器的数字化和化学计量学的发展，运用化学计量学方法已能很好的解决光谱信息的提取及背景干扰方面的影响。因此，NIR光谱在制药工业中的应用日趋广泛。随着中药产业现代化进程的逐步加快，NIR光谱分析法被引入到中药材分析领域，在中药材鉴别和有效组分定量分析等方面取得了可喜的进展，显示出NIR光谱分析技术在中药材分析中具有广阔的发展空间。

一、NIR技术简介

近红外光谱是人们发现最早的处于可见光和中红外光之间的非可见光谱区域。许多有机物在该区域有着特征性吸收，且不同光谱波段的吸收强度与该物质的分子结构及浓度之间存在一定的对应关系。它的发现已有近200年的历史，而近红外光谱分析方法却仅在最近这二十年间才得到了迅速发展和广泛应用。特别是进入90年代后，现代近红外光谱成为了发展最快、最为引人瞩目的光谱分析技术，是化学计量学与光谱测量技术的有机结合，被誉为分析的巨人。而我国对近红外光谱技术的研究及应用起步相对较晚，但逐渐受到关注，并在光谱仪器研制、配套软件开发、基础研究和应用等方面取得了丰硕的成果，并带来了极好的经济效益与社会效益。

二、常见的化学计量学方法

目前，在NIR 光谱分析中最常用的化学计量学方法为多元校正方法，主要包括：多元线性回归、主成分分析、主成分回归和偏最小二乘等。最近十几年，包括人工神经网络、遗传算法和模糊逻辑系统等软计算方法在化学中的应用得到了越来越多的关注。由于中药材化学物质体系非常复杂，待分析的药效成分多是混合体，如各种中药制剂和天然药物等。同时在中药材质量控制中，由于中药生产方式：提取、炮制、煎煮等对待测成分的影响，又存在着动态化学变化和新成分的生成，致使其内部有效成分复杂多变，难以阐明。所以，在实际的中药材分析应用中，使用常规的NIR光谱多元校正建模或模式分类等方法往往不能取得理想的定性或定量分析结果，导致其成为阻碍中药NIR光谱分析技术应用发展的瓶颈。为此，有必要进一步研究中药材的NIR光谱计算分析方法学。

三、NIR技术在中药材分析中的应用

中药材分析包括定性分析和定量分析两个方面。定性分析多为对中药材及中成药的真假鉴别、产地鉴别和来源鉴别。汤彦丰等[1]将近红外漫反射光谱分析技术与人工神经网络方法相结合, 对52种大黄样品进行了测定和鉴别, 正确率可达96%。刘沭华等[2]采用近红外光谱法结合近邻法和多类支持向量机等模式识别技术对来自4个不同产地的269个白芷样本和6个不同产地的350个野生和栽培丹参样本进行了产地鉴别。刘荔荔等[3]采用傅立叶变换近红外光谱结合聚类分析对7种红曲霉属真菌发酵制成的红曲药材进行了成功鉴别。

中药材的定量分析主要指对中药材有效成分含量的测定, 于晓辉等[4]将近红外光谱技术与径向基函数神经网络相结合,对42种大黄样品中的主要有效成分: 蒽醌类化合物、水溶性蒽甙类化合物、芪甙类化合物和鞣质类化合物进行了定量预测分析。朱向荣[5]应用近红外光谱分析技术结合化学计量学方法, 成功的测出中药清开灵注射液中间体总氮和栀子苷的含量。赵玉清等[6]采用近红外光谱建立了偏最小二乘模型，实现了对黄芪提取液中总皂苷含量的测定。

四、展望

为了更好发挥近红外光谱法在中药领域的快速分析作用，拓展各种化学计量学方法的应用范围，为其在中药材分析中的应用打下一定基础，当前必须进行中药材近红外光谱的化学计量学方法研究，特别是发展近红外光谱非线性建模方法、特征光谱信息提取、化学信息模式识别以及模糊聚类分析等方法，发展形成中药材快速分析新技术，实现中药生产全过程质量监控，这对于推进我国中药产业现代化进程具有重大理论意义和实际应用价值。

参考文献

[1]汤彦丰, 张卓勇, 范国强 光谱学与光谱分析 2004, 24 (11): 1348-1351

[2]刘沭华，张学工，周群，光谱学与光谱分析 2006，26（4）∶629-632.

[3]刘荔荔, 邢旺兴, 贾暖, 林培英, 必鹤鸣, 吴玉田 第二军医大学学报2002，23（11）:1230-1232

[4] 于晓辉, 张卓勇, 马群, 范国强 光谱学与光谱分析 2007, 27 (3): 481-485

第3篇：光谱学分析范文

[关键词]近红外光谱，化学计量学， 金属离子

中图分类号：X832 文献标识码：A 文章编号：1009-914X（2015）21-0306-01

一、 近红外光谱定量分析方法原理

近红外光谱分析方法是一种通过建立校正模型后对未知样品进行定量或定性分析的间接分析方法。进行近红外光谱定量分析首先必须建立校正模型，即收集建模样品，分别测定样品的近红外光谱和化学分析的参考值，通过化学计量学方法建立模型；得到模型后必须对校正模型进行验证：模型通过验证后就可以用于对未知样品的预测分析。

（1）建模样品的收集

建立校正模型前，应收集有代表性的校正集样品。样品组分的浓度范围应涵盖以后要分析样品组分的浓度变化范围，且组分浓度在整个变化范围内应均匀分布，以保证以后校正模型测量的精度均匀一致。校正集中应具有足够的样品数以能统计确定光谱变量与浓度或性质之间的数学关系。

（2）样品化学分析值的测定

校正集样品的组成或性质通常采用现行标准或传统方法进行测定。由于校正模型与建模样品组分的化学值有关，所以模型预测结果的准确性在很大程度上取决于化学分析结果的准确性。对于组分含量较少的样品，可以通过配制的方式得到校正集，此时应注意，为了避免组分之间的干扰，需要在未知样品可能的浓度范围内变化所有组分的浓度。

（3）近红外光谱的采集

采集校正集、验证集和未知样品的近红外光谱时，必须采用同一种光谱采集方式，否则会给测量结果带来误差。另外，进行近红外光谱采集时，测量条件应尽量保持一致。

（4）光谱预处理并建立校正模型

通过对光谱进行适当的预处理，可以减弱甚至消除基线漂移、背景等各种非目标因素对光谱的影响，为校正模型的建立和未知样品组成或性质的预测奠定基础。采用化学计量学方法建立化学分析值和预处理的光谱数据之间的校正模型。由于近红外光谱中各组分的谱带重叠严重，用单波长数据建立的校正模型会产生较大的误差，因此，需利用多波长甚至全谱的数据建立校正模型。常见的化学计量学建模方法包括多元线性回归、主成分回归、偏最小二乘回归和人工神经网络等，这些方法的引入，使校正模型应用范围得到进一步扩展。

（5）校正模型的验证分析

校正模型建立后，必须对模型进行检验，以确定模型的可靠性。模型验证的基本过程是采用模型对一组已知参考值的样品（称为验证集）进行预测，对建立的校正模型进行验证分析。验证集样品组分的浓度应不超出校正集样品的浓度范围，且浓度变化是均匀的。当证明校正模型是可靠的之后，模型就可以用于样品的分析。

近红外光谱分析方法常用的光谱测量手段包括透射光谱技术与漫反射光谱技术。透射光谱一般适用于均匀透明的溶液样品，测量得到的吸收光谱符合朗伯比尔定律。而对于固体颗粒、粉末和纸张等样品，漫反射光谱技术是最常用的光谱测量方式。近年来，漫反射光谱技术成为近红外光谱方法的研究热点。为了对影响漫反射光谱分析结果的因素有所了解，这里对漫反射光谱定量分析原理进行论述。

近红外漫反射光谱定量分析已被广泛应用于多种领域。其基本原理为当光线照射到样品上时，一部分光在样品表面产生镜面反射，另一部分光经折射进入样品内部，在样品内部与样品分子发生吸收、散射、规则反射和透射等作用，最后由样品表面辐射出来，辐射出来的光由于散向空间各个方向而被称为漫反射。由于近红外光的波长远小于样品颗粒的直径，光在样品中传播时散射效应较大，而且能够穿透到样品内部，携带样品组成及其分子的结构信息，使得漫反射光谱方法可以对样品进行测定。在漫反射过程中，样品与光的作用有多种形式，除样品的组成外，其粒径大小及分布均对漫反射光的强度有一定的影响，因此漫反射光的强度与样品组分含量并不严格符合朗伯比尔定律。有关近红外漫反射光谱用于固体样品的多组分定量分析的算法已有很多文献报道，然而在这些算法中，对于待测组分的浓度和光谱谱带强度间的关系并没有给出统一的规定。到目前为止，关于漫反射光谱响应与样品中组分含量间的相互关系主要有两种表达方式，一种是采用漫反射吸光度A来表示，另一种是采用Kubelka-Munk函数（简称KM函数）表示。采用KM函数形式表达的漫反射光谱，其光谱强度与样品浓度的关系表达式简单且线性关系较好，然而KM函数形式的漫反射光谱由于较强的基线漂移，使得光谱重现性差，定量分析结果误差较大。对于采用漫反射吸光度形式表达的漫反射光谱，虽然它的光谱强度与样品浓度间的线性不如KM函数好，然而由于其基线误差较小，光谱重现性好，结合一定的多元校正方法，可以得到很好的分析结果。因此，广大分析工作者多采用漫反射吸光度形式表达的漫反射光谱开展分析研究工作。

参考文献：

第4篇：光谱学分析范文

[关键词]拉曼光谱技术；石油化工；应用

中图分类号：TG308 文献标识码：A 文章编号：1009-914X（2014）35-0253-01

一 引言

拉曼光谱是一种散射光谱，其作为物质结构的分析测试手段被广泛的应用。随着科学技术的进步与发展，拉曼光谱技术已经应用于石油、化工、材料、生物、环保、地质等领域，为相关行业的发展提供了更多分子结构方面的信息。结合化学计量学，拉曼光谱技术广泛的应用于石油产品组成分析、燃料质量指标测定、输油管线油品监控等方面，因其具有分析速度快、操作简单、结果准确、不破坏样品等有点，在石油化工行业取得了不错的成效，具有广阔的市场发展空间。本文就拉曼光谱技术在石油化工领域中的应用进行了简单分析，从而更好的确保石油产品的质量，促进石油化工企业健康、可持续发展。

二 拉曼光谱技术的特点

近年来，我国科学技术日新月异，使用比较广泛的光谱技术有三种，即近红外光谱技术、中红外光谱技术、拉曼光谱技术。与前两种光谱技术相比，拉曼光谱技术具有以下特点：

（1） 特征性强

从光谱特征性来看，拉曼光谱峰形为尖峰，特征性较强，可以直接通过特征峰判断某种官能团和某种物质的的存在，比如观察醇类或者醚类物质特征峰，可以判断汽油中是否存在醚类和醇类化合物等。但是其光谱信息质量相对较差，拉曼光谱信号小、噪音高、信噪比小，往往影响拉曼光谱信号的因素包括扫描时间、热效应、光源稳定性以及荧光干扰等。表面增强拉曼技术可以有选择性的增强拉曼信号，目前已用于微量物质检测中，大大扩大了拉曼光谱技术的应用。同时荧光干扰消除技术是拉曼光谱技术的研究重点之一，将会在石油产品质量检测中发挥出重要的作用。

（2）分析精度高

在拉曼光谱技术应用中，光谱进行预处理后，借助化学计量学，分析其精度和近红外光谱技术和中红外光谱技术基本相当，更好的满足于现场使用要求。上世纪90年代末，相关学者利用FT―Raman、FT―IR、NIR三种技术对汽油氧含量和BTEX组分进行了分析比较，发现撒种技术精度相当，具有高精度的检测性能。

（3）环境适应性强

拉曼光谱技术采用样品池和光纤等方式对光谱进行采集，其速度快、操作简便，属于无损操作。随着低分辨率拉曼光谱仪的问世，大大增强了无移动部件的抗震性以及拉曼光谱环境适应性。

（4）易实现标准化

拉曼光谱与红外光谱都属于特征光谱，采用内标法进行光谱的标定，使同一类型、不同仪器的拉曼光谱基本相同，实现不同仪器之间的模型共享。同时采用特征峰强度进行定量分析，进一步规范化了拉曼光谱方法，有利于拉曼光谱技术的推广与应用。

三 拉曼光谱技术在石油化工领域中的应用分析

我国是能源大国，石油、天然气、煤炭等资源比较丰富，但是对具体产品质量的检测技术研究较少。就拉曼光谱技术在石油化工领域中的应用研究及报道较少，主要体现在国外研究、国内鲜有报道。近年来我国社会生产生活对石油的需求量不断增加，同时也对石油产品质量提高了更高的要求，下文主要针对拉曼光谱技术杂石油化工领域中的应用进行了分析。

（1） 柴油质量检测

20世纪90年代，相关学者采用FT―RAMAN对某石油企业柴油样品的十六烷值和十六烷值指数进行了分析，发现其精度和标准方法基本相当，分析出该柴油样本有一定的荧光干扰。15年后，科学家采用PLS和神经网络方法对柴油的十六烷值指数、粘度、密度、总硫含量等进行分析，发现其精度与FT―IR和FT―NIR相当。

（2） 航煤质量检测

利用拉曼光谱技术对航煤的组成和微量组分进行分析，主要针对航空燃料的添加剂和烃族组成等，发现用高于488m的激发光源可以获得无荧光干扰的光谱。21世纪初，将拉曼光谱技术与PLS方法进行结合，定量测定航煤闪点、初馏点、终馏点等，发现其具有一定的偏差，比较符合分析要求。同时对预处理、光源电压、样本位置对结果的影响进行了分析，发现峰强与电压具有一定的线性关系，光源电压对信噪比有影响，且300mW最适宜。

（3）输油管线油品混油监控

将混输方式应用于燃料运输中，能大幅度节省输油管线。混输方式是针对不同种类、不同牌号的燃料，通过同一管线进行输送，往往采用密度法和介电常数来判断输油管线中是否存在混油。拉曼光谱技术利用不同燃料拉曼光谱特点不同进行判断，比如可以根据荧光干扰确定燃料类型，锅炉燃料的荧光干扰最强，柴油、航煤越来越小。比较燃料的拉曼光谱与内置相关化合物以及反映荧光干扰级别的标准样本的差异，可以更好的确定输送油的种类和牌号。比如燃料与内置相关标准化合物样品的拉曼光谱有相似的特征峰，那么燃料为汽油；反之按照荧光判断是否为锅炉燃料、航煤或者柴油等。

（4）油品在线调和

在1999年，John将拉曼光谱技术应用于Ashland炼油厂在线汽油调和中，对汽油辛烷值进行了检测，更好的控制了汽油产品的调和，进一步优化了汽油的生产，使其获得了最大化的经济效益和社会效益。由此可见，在石油化工领域中应用拉曼光谱技术具有十分深远的意义。

结束语

近年来，我国科学技术日新月异，为我国经济发展带来了机遇和挑战。随着社会生产生活对石油能源需求量逐渐增大，人们对石油产品质量提出了更高的要求。为确保石油产品质量，将拉曼光谱技术应用于石油化工领域中，因其具有分析速度快、操作简便、检测精度高等优点，在石油产品质量分析检测中得到了广泛的应用。随着表面增强技术和荧光干扰技术的应用，拉曼光谱技术将会在石油化工领域中得到进一步的推广与使用。

参考文献

[1]刘燕德，刘涛，孙旭东，欧阳爱国，郝勇. 拉曼光谱技术在食品质量安全检测中的应用[J]. 光谱学与光谱分析，2010，11：3007-3012.

[2]唐黎明，郝敏. 撞击流技术在石油化工领域应用研究进展[J]. 化工进展，2009，S1：35-37.

[3]金少琴. 近红外线激光拉曼光谱用于胃癌诊断的研究[D].南方医科大学，2013.

第5篇：光谱学分析范文

现代近红外光谱分析是光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。近红外光谱之所以成为一种快速、高效、适合在线分析的测试技术，是由其鲜明的技术特点决定的，主要表现在：（1）分析速度快。由于光谱的测量过程一般可在lmin内完成，因此，通过建立的校正模型可迅速测定出样品的组成或性质。（2）分析效率高。通过一次光谱的测量和已建立的相应校正模型，可同时对样品多个组成或性质进行测定。（3）使用方便，分析成本低，测试重现性好。（4）便于实现在线分析。由于近红外光在光纤中良好的传输特性，通过光纤可以使仪器远离采样现场，另外通过光纤也可测量恶劣或危险环境中的样品。

2近红外光谱分析技术在煤化工行业中的应用

煤炭作为我国的主要能源，对我国国民经济的发展起着极其重要的作用。随着经济的发展和人民生活水平的不断提高，人们对于煤炭的利用和研究也越来越广泛和深入。近年来，如何更加合理、洁净、有效地利用煤炭，是目前煤化学研究领域中所面临的一个重要问题。由于近红外光谱分析技术具有效率高、成本低等自身的优点而备受煤化学工作者的青睐。

2.1近红外光谱分析技术在煤化学结构研究中的应用

近年来很多学者对煤结构的研究虽已做了大量的基础工作，但仍然存在一些争论，部分原因就是煤的非晶态及不均一结构。对煤中某些官能团归属的确认及分析，对煤的反应性研究具有重要的理论和实用意义。随着光栅红外的退出，傅立叶变换红外以其高分辨率和对数据的处理能力的大幅提高，使以前一些含糊不清的，甚至有可能产生错误概念的结论被重新确认和改写。FT-NIR分析技术采用模型化合物对标准浓度确定的方法，对影响煤反应性的官能团进行定量分析，如煤中的烃基、芳氢与脂氢的比例、煤中的含氧官能团、CH2的链长等方面，这一方法的优点是一旦有一条高质量的标准曲线，对任一样品中官能团的浓度就可以快速准确地进行标定。

琚宜文等应用傅里叶变换红外光谱(FTIR)对不同类型构造煤结构成分的应力效应进行了分析。结果表明在各类构造煤中，芳香结构、脂肪结构以及含氧官能团的结构成分吸收频率几乎一致，但吸收峰的强度却不相同，这正是在构造应力作用下构造煤变形程度及变形机制不同所引起的。在低、中和高煤级变质变形环境形成的不同类型构造煤中，随着构造变形的增强，富氢程度降低，富氧程度也越来越低，而缩合程度增高，但不同类型构造煤结构成分的含量变化又有区别。该法应用于构造煤结构成分应力效应的研究，取得了较满意的效果。

李荣西应用显微傅立叶红外光谱对一煤源岩样中的荧光镜质体、角质体和树脂体进行了分析测试，并采用红外光谱分谱技术，应用计算机曲线拟合方法对其化学结构和生烃性进行了定量分析研究。结果表明镜质体含有较高的C=O结构，而角质体和树脂体含有较高的脂肪烃(CH2+CH3)结构，煤岩单组分化学结构特征决定了它们具有不同的生烃特征。

褚廷湘等对不同温度下的氧化煤样通过红外光谱分析其微观结构及特征，得到煤样在不同低温氧化阶段的基团变化，从微观角度掌握煤样氧化过程的变化规律。通过对唐口煤矿1302工作面煤样的低温氧化和红外光谱分析，得到唐口煤矿煤样在低温氧化阶段的自燃倾向性和氧化过程中微观结构的变化规律，该成果为制定矿井内火灾的防治技术提供了科学依据。

2.2近红外光谱分析技术在煤质分析中的应用

近红外光谱技术具有快速、在线、绿色、廉价等优势可以在不破坏煤样的基础上同时对入厂电煤或入炉电煤的热值、水分、灰分及挥发分等进行检测，也可以按产地对电煤进行实时模式分类。因此，有效地将近红外技术应用在电煤在线快速检测上，一方面，可以解决传统化学方法费时、费力的问题，效率提高显著；另一方面，相对于同类γ射线产品价格便宜近十倍，有助于广泛快速地推广。丁仁杰等通过对元宝山电厂实际用煤的实验，介绍了结合偏最小二乘方法和近红外技术，对煤质指标：水分、灰分、挥发分和热值等进行建模的过程，并证明了其可行性。同时针对电煤建模特点，进一步介绍了先定性后定量建模预测的方法。

燃煤发热量是动力用煤的重要质量指标，也是锅炉运行的一个重要的参考参数。在煤质的研究中，因发热量（干燥无灰基）随煤的变质程度成较规律的变化，所以根据发热量可粗略地推测与变质程度有关的一些煤质特征，如粘结性、结焦性等。因为近红外光谱分析方法对含C-H的有机物比较敏感，而且发热量与挥发分之间有一定的相关性，所以从理论上讲，近红外测发热量可行。李凤瑞等将近红外分析技术应用于煤质在线分析，对某些标准煤样的近红外光谱进行了阅读分析，并采用多元线性回归方法对数据进行分析和处理，建立了多元线性模型，由此得出煤质发热量的预测值与人工化验标准值之间的相关系数为0.92，所建模型的定标标准差为1.58。

2煤转化产物主要为烃类化合物，官能团为C－H，特别适合于做近红外光谱分析。近红外光谱可以快速分析煤直接液化产品、液体产物以及精制后馏分的组成及物化性质，如汽油的辛烷值(RON、MON)、馏程、密度、雷氏蒸汽压、汽油PIONA组成（链烷、异构烷、烯烃、环烷和芳烃）、航煤冰点、柴油凝点、十六烷值、闪点、沥青含量等。

张铭金等采用毛细管气相色谱/傅立叶变换红外光谱-色谱保留指数(GC/FTIR-RI)联合解析技术，研究了高温煤焦油重油馏分的化学组成。分别从重油馏分300～330℃和330～360℃中分离并鉴定出70和61种化合物，了解到不同配煤工艺对煤焦油组成与性能的影响，从而获得了一些有意义的结果，为煤焦油的集中加工和新产品开发提供了重要依据。

3结束语

近红外光谱在我国的发展较晚，经过仪器工作者的努力和与国外的交流的日益增多，特别是近年来在各领域的应用效益，人们对近红外光谱技术的认识越来越来深刻，随着近红外光谱技术的进一步开发，其在我国的应用越来越广泛。

参考文献：

[1]冯杰，李文英，李凡等.煤的结构与其反应性的关系[J].煤炭转化，1996，19(2)：1-8.

[2]FloresD,SuarezRI,IglesiasMJ,etal.ApplicationofFTIRtotheidentificationofsomemineralspresentinthelignitesfromRioMaior(Portugal)[A].10thInternationalConferenceofCoalScience[C].Taiyuan:ShanxiScienceandTechnologyPress.1999,65-68.

[3]SolomonPR,PobertMC,FT-IRAnalysisofCoalAliphaticandAromaticHydrogenConcentration[J].Fuel,1988,67:949-959.

[4]琚宜文，姜波，侯泉林等.构造煤结构成分应力效应的傅里叶变换红外光谱研究.光谱学与光谱析，2005，25(8):1216-1221.

[5]李荣西.煤源岩单组分化学结构及生烃性定量分析.石油实验地质，2001，23(1):84-88.

[6]褚廷湘，杨胜强，孙燕等.煤的低温氧化实验研究及红外光谱分析.中国安全科学学报，2008，18(1)：171-178.

[7]丁仁杰，张笑.基于近红外光谱分析的电厂煤质分类快速检测方法.2007，23(1):32-35.

[8]李凤瑞，唐玉国，肖宝兰.应用近红外光谱分析技术测量煤质发热量.电站系统工程，2004，20(3):19-20.

[9]张铭金，沈士德，陈诵英.毛细管气相色谱/傅立叶变换红外光谱分析高温煤焦油中的重油馏分.色谱，2000，18(3):241-247.

第6篇：光谱学分析范文

关键词：光谱解析；教学；改革

中图分类号：G642.0 文献标识码：A 文章编号：1671-0568（2013）29-0104-02

有机化合物光谱解析作为结构鉴定的重要方法，是主要包括紫外光谱法、红外光谱法、核磁共振光谱法、质谱法，是药学、药剂、制药、中药学等专业的一门重要的专业基础课。波谱解析课程由于涉及知识面广、知识点抽象、信息量大、数据的经验性较强，难以用传统的板书教学形式表述清楚。因此，如何调动学生的学习积极性，熟练利用四大光谱的基本理论，分析谱图数据准确的解析化合物的结构，一直是授课教师积极探索的重要课题。

一、合理构建课程体系，激发学习兴趣

波谱解析以无机化学、有机化学、分析化学等课程为基础，知识面广，实用性强，理论抽象，是理论与实际相结合的学科。[1]因此，如何使学生尽快进入角色，激发他们的兴趣和自觉学习的行为，是教学成功的关键因素。学生在学习这门课程的过程中，普遍存在这样的现象：即使理解了四大光谱的基本原理，但让他们运用相关知识去解析具体化合物的谱图时却不知所措。因此，要合理构建课程体系，充分注意四大光谱需要掌握的重点和难点，谱图数据与化合物结构之间的关系。可以引入文献上或网络上的新药研究与结构解析方面的典型事例，如“反应停”事件解释立体结构确定的重要性，由吗啡结构确定长达150余年到当前谱学技术的快速发展，激发学生的学习兴趣，增强学习的动力。

二、关注学科前沿发展，及时更新教学内容

不断调整和更新教学内容，既要注重基本理论知识，又要注重学科前沿技术的发展，使二者很好地衔接起来并融入到课堂教学中，保持课程教学内容的先进性、科学性。例如近红外光谱技术对中药材和中成药的鉴别，核磁共振技术在药物活性筛选过程中的应用，有机化合物立体化学研究方法（CD谱、ORD谱以及Mosher法），二维核磁共振技术（HMBC、HSQC、1H-1HCOSY、NOESY）、二阶导数红外光谱、二维相关红外光谱，等等。同时，注重将教师的最新科研成果转化为教学内容，如将教师在科研工作中获得的新型骨架的天然产物的光谱图，在课堂上进行分析讨论，不仅有助于学生了解典型的天然产物的结构，而且能够使学生充分意识到这门课程的用途。还可以不定期地邀请国内外波谱学专家或天然产物化学家为学生进行专题讲座，介绍学科最新发展动态。

三、加强实践教学改革

有机化合物光谱解析实践性较强，实验课是该课程的重要组成部分，理想的实验教学能加强抽象的理论知识的理解。针对理论课内容理解和消化的关键环节，适当增加实验教学，学生不仅有助于熟练解析谱图，还能够掌握测试四大光谱时样品的预处理、仪器参数的选择等，具体包括对化合物纯度的要求、核磁和紫外光谱测试时溶剂的选择、红外谱图测试溴化钾压片的方法、根据化合物性质如何选择质谱的离子源，测试数据的处理，等等。教师在实验过程中可以针对仪器的注意事项和理论课的内容提出问题，让学生讨论分析，培养他们分析与解决实际问题的能力。实验结束后，要求学生总结四大光谱（UV、IR、NMR、MS）的原理，让他们掌握如何应用现有波谱学知识对实验得到的谱图进行解析的能力。要积极开展设计性实验，集天然产物的提取分离与结构解析为一体，激发学习的积极性与主动性，为学生日后从事科学研究奠定良好的基础。

四、采用启发式、互动式、联系对比式教学方法

有机化合物光谱解析知识点琐碎、内容抽象、大量为经验性数据，初学者普遍反映信息量大、枯燥无味。在传统的单向传授的教学模式中，教师灌输知识点，学生死记硬背，不利于激发学习的积极性和主动性。教学活动只有将教师的讲授和学生的主动思考有机结合起来，才能激发他们的好奇心和求知欲，他们才会对所学的内容记忆深刻。因此，要积极探索启发式、互动式教学方法，引导学生主动分析与思考，并通过精讲巧问来培养他们的独立思考和钻研问题的能力。在讲解具体的基本理论时，以幻灯片的形式将有代表性的化合物的实际测试图谱展示给学生，学生积极调动所学的理论知识，仔细地、深层次地分析光谱的特征信息和内在规律。解析的过程中，学生可以向授课教师提问、自由讨论，最后由学生得出结论，教师对学生得出的结论进行点评。通过这种灵活的互动式的教学方式，使学生更加深入地掌握理论知识。教师还要善于运用联系对比式教学方法，从某一具体化合物的光谱数据出发，总结这种类型的天然产物的光谱学特征，如根据槲皮素的光谱数据总结黄酮醇类化合物光谱特征，使学生掌握的光谱知识系统化，从而提高他们识谱、解谱的能力。

五、不断革新教学手段

随着计算机信息技术的发展，现代多媒体集图像、文字、声音于一体，成为最具潜力的教学手段之一。波谱解析的数据经验性较强，没有具体图谱的感性认识，学生会感到抽象难懂，教师可以将授课内容制成幻灯片，增加各类化合物的特征图谱和化合物的结构，涉及立体化学内容时充分利用分子模型模拟、Flash软件的功能进行教学，增加信息量的传授。将以往从数据到结构的教学模式转变为图谱――数据――结构的教学模式，提高学习效果。

六、多样的考核形式

考试是检验学生对该课程的掌握程度和评价教师教学效果的一种重要方式。[2]为了全面反映学生对知识的融会贯通能力和解决实际问题的能力，在有机波谱分析课程考核模式上进行改革，改变过去一张考卷定成绩的传统方式，采用三个结合的考试模式，即开卷考试和闭卷考试相结合、期末成绩和平时成绩相结合（平时成绩30%，期末成绩70%）、理论成绩和实验成绩相结合（实验课30%，理论课70%）。通过闭卷形式，学生在复习的过程中，自己总结四大光谱的原理，整理分析它们之间的联系与区别，理顺知识脉络，通过这样的复习过程，他们对所学知识的印象会更加深刻。通过开卷考试，主要考察学生对典型的已知小分子化合物的谱图的解析能力。这种评定方式更加突出学生的知能力和素质培养，调动了学生学习的积极性，提高了他们应用基础理论知识去解决实际问题的能力。

参考文献：

第7篇：光谱学分析范文

【关键词】中药制药过程；近红外光谱技术；分析

近红外光谱技术是在中药制药过程中采用的一种新型的快速的、无损的的监测分析方法，其功效在中药制药过程中的分析与质量监控起到显著作用。下面就以近红外光谱技术在中药制药过程在线质量分析中的应用进行分析、总结，并探讨。

1近红外光谱技术

近红外光谱是可见光和中红外光谱之间的一段谱区，其波长范围为780nm-2526nm。它具有具有操作简便、快速无损等特点，是一种先进的在线分析方法。流通池是一种用于近红外光谱在线分析流化固体细粉末和液体的光谱采集附件；积分球通常作为近红外漫反射或散射光谱的在线采集附件；光纤探头有反射式、透射式两种形式，就要用于液体的在线分析；建立近红外光谱定量模型步骤：首先选择、收集标准样品。在选取样品采集时，大部分的标准样品成为校正集，使用于建立光谱校正模型上，其余的标准样品将作为验证集，使用它来评价模型的外推能力。其次建立模型。将获得的校正集样品的近红外光谱和测出对照值准备好，再进行预处理光谱数据，与此同时把适宜的波长区间和建模方法选择好，然后再建立样品光谱与对照值之间的校正模型。

2近红外光谱技术的应用

2.1在化学制药过程中的应用

2.1.1原料质量的分析Vna等在1995年首先建立起各种原料的标准指纹近红外光谱库，针对不同来源在化学、物理性状等方面具有微小差异的原料进行判别；ulmschneide等运用近红外光谱技术直接识别了装在密闭玻璃瓶里的9种药物的中间体，建立了判别分析的可转移光谱库；Blnac等提出了建立使用近红外光谱进行药物原料识别的步骤及策略，并采用相关系数作为判别准则，在库中化合物的数目根据需要可进行扩增。

2.1.2在线监测的反应过程Coffey等使用近红外光谱技术在线监测了药物合成过程中的一个反应步骤，运用PLsR建立产物和副产物的HPLC峰面积与近红外光谱之间的校正模型，在线测量出反应物的浓度，精确地指出了其反应终点。Blnaoc等用配制的样品建立起醋化反应过程的近红外光谱校正模型，再用已建的模型在线监测进行一系列不同的初始反应物浓度及其反应温度下的酷化反应过程。当反应温度高于校正集样品光谱的采集温度时，得出模型与气相色谱分析一致的分析结果。最后利用模型的测量结果计算出了反应常数。若在反应体系中发现有大量的固体颗粒，则颗粒会影响近红外光谱。

2.1.3采用近红外光谱技术监测制粒过程Rnanatne等采用近红外光谱技术测量出了制粒过程中的物料的水分含量。再分析粘合剂以及物料粒径的分布对于近红外光谱的影响，并根据分析的结果进行波长区间的选择，从而建立起测量物料水分含量的近红外光谱鲁棒模型。Rnatnane等以流化床制粒过程进行研究，使用4光路的近红外仪器在线采集样品的近红外光谱，再将近红外光谱转换为表观吸收值，并与过程变量一道作为BP人工神经网络的输入变量，从而测量出在制粒过程中的样品的水分含量。

2.1.4近红外光谱在线监测混合过程装置Hayli等设计出一整套自动化的近红外光谱在线监测混合过程的装置。并采用LbaView软件用以提供监测过程的图形界面，来实现实时监测混合的过程。并使用混合过程的近红外光谱标准偏差和光谱之间的不相似度，实现了描述混合过程的均匀度的变化情况，在光谱的标准偏差和不相似度的变化值趋于稳定时，则混合过程达到终点。

2.1.5近红外光谱技术定性地分析压片过程Mllie采用近红外光谱技术定性地分析了在压片过程中各种因素针对片剂质量的影响情况，并考察原料的属性、压力、压片辊的转速以及真空度对近红外光谱强度的影响，实现了采用近红外光谱的分析结果优化压片过程。通过压片过程掌握压力的变化是否引起片剂硬度的变化，造成近红外光谱基线的漂移。Kisrhc等采用近红外光谱的这一特点，用线性最小二乘法拟合光谱数据建立线性方程的斜率与片剂的硬度之间的校正模型，采用分析片剂的硬度，且同时比较不同的建模方法。GPuta等用srhc的近红外光谱分析方法，测定出片剂在制备时所采用的压力及原料药粉末的粒径分布，研究得出此方法在线分析运用的可行性。

2.1.6近红外光谱技术分析包衣过程和包装过程Andesrosn等使用近红外漫反射模式采集两个侧面化学成分不同的片剂光谱，从而考察出化学成分对近红外光谱的影响，且用PCA算法分析了化学成分对近红外光谱测量包衣厚度的影响。在建立校正模型时将采集的片剂不同侧面的近红外光谱按顺序排列，进行光谱数据收集，用以片剂戮附的包衣量及进行包衣的时间表征包衣厚度，建立起测量包衣厚度的近红外光谱校正模型。药品的包装分为主体包装、二次包装两种，药品包装后，要检查包装的外观、大小、密度和材料的类型，常用的检测方法耗时费力。

2.2近红外光谱技术在中药制药过程中的应用具有亲缘关系的中药材，由于遗传特性的差异明显，在外形上无论如何的相似，使得其具有不同的理化性，造成近红外光谱峰位和峰强的不同。通过这一特点采用近红外光谱技术对中药材的质量、种类、真伪和产地进行正确的定性定量分析。wollehu等以黄茂、灵芝和土获荃三种中药材运用PcA算法进行药材粉末的近红外光谱分析。

参考文献

第8篇：光谱学分析范文

摘要：综述了红外光谱鉴别中药材的前处理方法、利用化学模式识别和直观判断对红外光谱谱图进行分析的方法以及近红外光谱和拉曼光谱在中药鉴别中的应用。表明红外光谱鉴别中药材具有特征性强、取样量小、简便迅速等特点，对中药材的鉴别具有重要意义。

关键词：中药鉴别；谱学，近红外线；光谱分析，拉曼；红外光谱分析

红外光谱分析是一门历史悠久并且还在不断发展着的实用技术科学，由于红外光谱具有特征性强、取样量小、简便迅速、准确等特点，各国药典都将红外光谱作为法定的药物鉴别的主要方法。中药材组成十分复杂，其红外光谱是其中多个组分红外光谱的叠加，光谱的吸收峰强度与峰形是相同或不同的官能团互相作用的结果。中药中各种化学成分只要在质和量方面相对稳定，并且样品处理方法按统一要求进行，中药材的红外光谱就应该具有一定的客观性和可重复性［2］。因此，近年来红外光谱也越来越多地应用于中药材的鉴别研究。

1 红外光谱鉴别中药材的前处理方法

11 粉末直接压片法

闫景芳等［5］采用中药粉末溴化钾直接压片法测定丹参和栽培丹参粉末的红外光谱，结果表明各种不同中药的图谱都有自身明显的差异性，尤其是在1750～1000cm－1处特征性明显。华文俊等［6］采用中药粉末溴化钾直接压片法对常用中药石斛、天竺黄、牛蒡子与伪品进行红外光谱鉴别，结果表明，3种中药与伪品的图谱都有明显的差异性，尤其是在1750～1000cm－1处特征性明显。周红涛等［7］采用药材粉末直接压片法利用傅立叶变换红外光谱仪测定不同产地的赤芍样品，结果赤芍野生品与栽培品的红外吸收频率、吸收峰的相对强度都存在比较大的差异。孙静芸等［8］采用中药粉末溴化钾直接压片法对不同来源的10个省20批商品药材，16批家种或野生药材和6个混淆品种的桑白皮进行了红外光谱分析，归纳其特征。结果表明，利用红外线指纹谱特征和相对透射率的大小较容易鉴别正品与混淆品，从而建立了简便、可靠、专属性强的红外光谱指纹图谱。王永金［9］等用溴化钾压片法测定红外光谱，对熊胆进行了鉴定。

12 溶剂提取法

溶剂提取法就是选择几种极性不同的溶剂，在适当的实验条件下，把真伪品或易混淆品药材中的化学物质按不同的极性提取出来。药材的极性一般都会在某一种或几种溶剂浸出物中出现，从而反映到红外光谱上，对药材作出鉴别。姜大成等［10］用体积分数为50％乙醇、丙酮、氯仿、石油醚4种溶剂和直接粉末压片5种处理方法对16组54种动物进行处理，实验结果表明16组药材的5种处理条件下的样品，80％的红外光谱比较都有鉴别意义，并且每组药材至少有一种条件可以达到鉴别的目的。何淑华等［4］应用50％乙醇、丙酮、氯仿处理了126种中药材，其中118种的红外光谱都有明显的差异。田进国等［11］应用石油醚、乙醚和水提取灵芝、苦地丁等30种药材样品，并分别测定其提取物的红外光谱。结果表明其红外光谱具有较高的鉴别价值。后又用同样的方法鉴别了平贝母、浙贝母、湖北贝母、伊贝母、川贝母5种贝母，苍耳子与东北苍耳子，功劳木及同属6种药用植物，北五味子野生和栽培品种，南五味子和北五味子，人参和西洋参，不同产地、品种的当归，不同产地的赤芍和白芍，延胡索和全叶延胡索［12-20］。

张文惠等［21］利用溴化钾压片法和涂膜法对南、北葶苈子的粉末及甲醇、丙酮、正己烷的浸提物分别进行了红外光谱鉴别，实验结果表明，甲醇和丙酮浸提物的红外光谱在3344、2285、2038、1515、870、792、581、460cm－1处峰形不同。因此可利用葶苈子粉末溴化钾压片法及其以丙酮、甲醇为溶剂浸提物的涂膜法配合红外光谱作为葶苈子的鉴别依据。

13 借助OMNI采样器直接测定

借助OMNI采样器直接测定药材的红外光谱，可以排除萃取法和红外制样时的不确定因素。程存归等［22］采用傅立叶变换红外光谱法，借助OMNI采样器直接测定了中药材威灵仙及其伪品华东菝葜、山木通和毛柱铁线莲的红外光谱，结果表明威灵仙及其伪品的红外光谱的特征吸收峰的差别较大，说明他们之间的主要化学成分不同，特别在指纹区，可以作为红外光谱区别鉴定的依据。程存归［23］利用此方法对艾、野艾及细叶艾进行了红外光谱测定，结果艾、野艾及细叶艾的红外光谱吸收差别较大，从而进行鉴别；对川贝母、珠贝和小东贝也进行了鉴别［24］。金文英等采用傅立叶变换红外光谱法［25］，借助OMNI采样器直接测定了中药材地骨皮及其伪品鹅绒藤和黑果枸杞的红外光谱，结果发现正伪品的红外光谱差别较大。

2 红外光谱分析

21 直观判断红外光谱的异同

主要根据红外光谱的峰数、峰位、峰形和峰的强度，以及某一波数吸收峰的有无，指纹区的面貌等进行判断。总的原则是比较红外光谱的全貌，而不是对吸收峰进行归类。曹先兰等［26］对95种矿物药280多个样品进行红外光谱的测定，结果表明，应用红外光谱法可鉴别不同种的矿物药及矿物炮制品，还可鉴别矿物药的真伪。邱泽雨等［27］对不同产地的珍珠、蟾蜍、蛤蟆油、冬虫夏草和五灵脂的红外光谱进行比较，结果表明不同产地的样品的红外光谱一致性很好，重现性也好，在特征区均有明显的宽峰吸收。对冬虫夏草和其伪品地蚕、五灵脂和其伪品泥灵脂、熊胆和其伪品以及麝香和掺假麝香的红外光谱进行比较，结果表明根据其特征区特征吸收峰可判断中药的真伪。由于牛黄制剂的增加，牛黄的需求量越来越大，而天然牛黄来源紧缺，因此，市场上不断出现假冒的天然牛黄。张汉明等［28］对猪胆结石、人胆结石、假牛黄(大黄、黄芩、黄连和黄柏制成)进行红外光谱测定，可以看出红外光谱能有效地将天然牛黄与人工牛黄、猪胆结石和人体胆结石区分开；以大黄等植物药材掺入少量面粉制成的伪品牛黄的红外光谱与天然牛黄相比更有明显的区别。王永刚等［29］利用红外光谱法鉴别羚羊角、山羊角及绵羊角。它们在1500～1000cm－1的峰形与峰位具有很大的相似性，羚羊角在1411cm-1左右有一比较尖锐的峰，而山羊角、绵羊角的红外光谱在该处无峰显示，在1384cm-1处则有一共同峰，可以准确地将羚羊角与其他两者加以鉴别。曾明等［30］对不同产地10个野葛、3个粉葛、2个食用葛及2个苦葛进行了测试，结果表明，不同产地的同种植物的红外光谱特征几乎一致，具有良好的重现性。陈黎等［31］采用红外光谱法对何首乌及其混伪品的氯仿和乙醇提取液分别进行鉴别，实验表明，在与药材对照品相同的实验条件下，红外光谱中吸收峰的位置、峰形、峰强度等特征具较强的种属特异性，可作为鉴别何首乌与混伪品的依据。

22 化学模式识别法

中药的化学成分十分复杂，每一种中药材的质量又受产地、采收期、生长年限等诸多因素的影响，所以单凭经验或专业知识来定性的分类远远不够的，随着数学与电子计算机在中药中的应用日益广泛，化学模式识别法逐步成为了中药研究中不可缺少的手段。

董彬等［32］利用聚类分析法对野生、栽培和不同产地的赤芍进行了快速的分类研究。结果表明，对赤芍的红外指纹图谱进行聚类分析，可以对野生、栽培和不同产地的赤芍进行快速鉴别。

张亮等［33］将人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究。应用误差反向传播学习算法可以对中药材雷公藤和昆明山海棠浸出物的红外光谱进行分类识别。

徐永群等［34］借助红外光谱的指纹谱特性，用主成分分析法对主产区的赤芍进行了产区聚类，用径向基函数人工神经网络法预测了赤芍的产区。结果表明，聚类结果与地理位置和气候条件有一定的相关性，与传统中医对赤芍质量的经验评价一致，说明所分产区有一定的合理性，产区预测结果较理想。

二维相关光谱可以提高分辨率，简化含有许多重叠峰的复杂光谱，是研究功能基团动态结构变化和分子内、分子间的相互作用的一种强有力手段。曹峰等［35］采用红外光谱法结合二维相关分析技术，利用真伪天麻化学成分的差异研究在热微扰过程中所引起药用植物结构变化的规律，凭借高分辨的二维谱图，用来鉴别药材的真伪，揭示两者相应各官能团的变化规律。在正品天麻和伪品芭蕉芋880～1500cm－1区域的二维相关红外谱同步谱中，正品天麻在对角线上出现了2个较强的自相关峰，它们所对应的基团振动峰的位置分别是在1237cm－1和1415cm－1处，说明这些吸收峰所对应的基团随着温度的升高变化较明显。同时，正品天麻在对角线上出现2个正交叉峰，1415cm－1处的吸收峰和1237cm－1处的吸收峰正相关。而伪品芭蕉芋则在对角线上出现了4个较强的和1个次强的自相关峰，它们所对应的基团振动峰的位置分别是在1024、1055、1194、1225、1162cm－1处，说明这些吸收峰对应的基团随着温度的升高变化较明显。伪品芭蕉芋与正品天麻不同，在对角线两边出现了许多较弱的正交叉峰。

根据中药材粉末快速鉴别的需要，徐永群等［36］提出了阵列相关系数比对法，并设计了比对程序，将其与红外光谱数据库结合起来，以增强谱图比对的置信度，用于药材的快速鉴别。他们对桔梗和白术的红外光谱进行了比对，将4000～400cm－1的红外光谱分为10段，分别计算各段吸光度的相关系数和总体相关系数，这样在两光谱的一次性比对中，既可获得整体相关系数的信息，又可获得各波段相关系数的信息，可较好地显示不同药材之间的差异，为药材的鉴别提供了一个数字化的具有可比性差异的依据，凭借这些差异就可以进行药材的鉴别和分类。

3 近红外光谱在中药鉴别中的应用

近红外光谱(NIRS)是近年迅速发展起来的一种有效简便的分析方法，其波长范围为780～2526nm(波数范围为12820～3959cm－1)，该谱区主要是含氢基团(CH、NH、OH)的倍频与合频吸收，其吸收强度低，不需对样品作任何化学处理，可直接进行分析，而漫反射技术可直接测定固体样品，无需破坏样品及制样，操作简便、快速。何淑华等［38］将近红外光谱技术与计算机结合，采用漫反射光学检测方法，对吉林省产的西洋参、人参及其炮制品红参进行分析，应用系统聚类法获得分类结果，结果令人满意。刘国林等［37］利用近红外光谱结合非线性映射技术对不同种和不同产地的蛇床子进行鉴别，显示出不同地域的蛇床子在近红外光谱上也存在一定的差异性。刘荔荔等［39］用近红外漫反射光谱法对部分羊蹄类生药进行鉴别，采用聚类分析和判别分析，分析结果与传统植物分类学结果基本一致。白芷类中药具有很高的药用、经济价值，但其鉴别比较困难，吴拥军等［40］选用8种白芷及其近缘植物的叶进行近红外光谱测定，并结合聚类分析和非线性映射技术对其进行分类。结果两种分类方法获得了相同的分类结果，与植物学分类和实际应用情况相符。刘福强［41］等用人工神经网络――近红外光谱法非破坏监测芦丁药品的质量，成功地分出合格药品和不合格药品。 　4 红外光谱与拉曼光谱配合鉴别中药

红外光谱与拉曼光谱可给出互补的信息。红外光谱检测的是分子振动时产生的偶极矩变化，因此它对极性基团较为灵敏，而拉曼光谱则对分子的形态以及极化度变化较为敏感，因此它对于非极性基团是一个很好的探头，两者结合对于中药鉴别将是非常有效的。同时，红外光谱无法测定水溶液的光谱，水在中红外区有许多吸收，严重干扰试样的测定，拉曼光谱则不受限制，以玻璃或石英为容器的水溶液试样同样可以得到满意的结果。孙素琴等［42］利用傅立叶变换近红外光谱和变换近红外傅立叶拉曼光谱对大黄(西宁大黄)与伪品大黄(华北大黄、山大黄、水根大黄)进行了无损快速鉴别。结果表明，尽管正品大黄与伪品大黄差别较小，大部分的化学成分有很大的相似之处，但在红外、拉曼谱图中各自的特征峰较突出，根据谱峰的强度和位置可将它们区别开来。

综上所述，中药红外光谱鉴别法是一种专属性强的鉴别方法，现已应用于植物药、动物药、矿物药的鉴别研究中。但是中药材是一个复杂的混合物体系，所含各化合物吸收强度的叠加，使其具有难以解析的复杂性，又因大多数药材的主体成分相似，故谱图又具有一定的相似性，如何区分这些相似而又复杂的谱图，这是方法学研究中一个关键的技术难点［36］。因此，各种解析复杂红外光谱的软件，例如化学计量学软件、比对软件等的开发和推广将会极大地推进红外光谱在中药鉴别中的应用。与此同时，正如国家药典委员会委员王健所讲，国家药典委员会最好能组织有关专家制定出一套规范的实验方法，选定合适的品种，进行系统深入的研究，使这一鉴别技术更加成熟，最终为各地药学工作者利用红外光谱进行中药质量控制提供依据。

总之，随着计算机和化学计量学在中药研究中的广泛应用，红外光谱法必将成为中药鉴别的主要方法。

参考文献

［1］张淑良，易大年，吴天明．红外光谱分析与新技术［M］．北京：中国医药科技出版社，1993．10．

［2］姜大成，何淑华，张洁．红外光谱鉴定中药材的原理与方法［J］．中药材，1993，16(7)：42．

［3］白雁．红外光谱在中药研究中的应用［J］．山东中医药杂志，1997，16(9)：413．

［4］何淑华，张洁，曲连颖，等．中药材红外光谱鉴定方法［J］．吉林大学自然科学学报，1999，4(10)：103．

［5］闫景芳，周传昌．红外光谱法鉴别丹参的实验研究［J］．枣庄师专学报，2000，17(5)：53．

［6］华文俊，周洪雷，孙勇，等．石斛、天竺黄、牛蒡子与伪品的红外光谱比较［J］．中医药研究，2000，16(2)：53．

［7］周红涛，胡世林，冯学锋，等．不同产地赤芍的FTIR指纹图谱对比分析［J］．中草药，2002，33(9)：834．

［8］孙静芸．桑白皮与易混淆品种红外光谱指纹谱的分析［J］．中草药，2002，33(4)：355．

［9］王永金，杨泽民．红外光谱鉴定熊胆的研究［J］．沈阳药学院学报，1989，6(3)：157．

［10］姜大成，张洁．16组54种动物药材的红外光谱鉴别研究［J］．中草药，1999，30(2)：137．

［11］田进国，娄红祥，任健，等．三十种药材对照品红外光谱的研究［J］．中国药科大学学报，1996，27(1)：24．

［12］田进国，任键，娄红祥，等．五种贝母药材的红外光谱鉴别［J］．中药材，1996，19(6)：292．

［13］田进国，任键，娄红祥，等．苍耳子与东北苍耳子的红外光谱鉴别［J］．中药材，1997，20(8)：393．

［14］田进国，任键，娄红祥，等．功劳木及同属6种药用植物的红外光谱研究［J］．中国中药杂志，1998，23(5)：263．

［15］田进国，任键，娄红祥，等．北五味子野生和栽培品种的红外光谱鉴别［J］．中药材，1996，19(8)：396．

［16］田进国，娄红祥，任键，等．南、北五味子的红外光谱鉴别［J］．中药材，1995，18(6)：284．

［17］田进国，娄红祥，任键，等．人参和西洋参的红外光谱鉴别［J］．中药材，1996，19(2)：70．

［18］田进国，娄红祥，任键，等．不同产地、品种当归的红外光谱鉴别［J］．中药材，1995，18(9)：451．

［19］田进国，娄红祥，任键，等．不同产地白芍和赤芍的红外光谱鉴别［J］．中药材，1995，18(4)：176．

［20］田进国，陈永林，任键，等．延胡索与全叶延胡索的红外光谱鉴别［J］．中国中药杂志，1999，24(6)：327．

［21］张文惠，汪国华，吴毅，等．葶苈子的红外光谱鉴别［J］．江西中医学院学报，2001，13(2)：68．

［22］程存归，韩涛，腾云龙，等．威灵仙及其伪品的FTIR法直接鉴定［J］．光谱实验室，2002，19(2)：177．

［23］程存归，刘鹏，陈宗良，等．艾、野艾及细叶艾的FTIR直接鉴别［J］．中药材，2002，25(5)：315．

［24］程存归，郭水良，陈宗良，等．FTIR直接测定法对川贝母和珠贝、小东贝的区别鉴定［J］．中草药，2002，33(3)：262．

［25］金文英，程存归，吴兰菊，等．FTIR直接鉴别地骨皮及其伪品的研究［J］．四川中医，2003，21(2)：21．

［26］曹先兰，李维贤，李非，等．矿物中药鉴定的新方法［J］．中成药，1990，12(10)：11．

［27］邱泽雨，郭允珍．中药红外光谱鉴别方法的研究［J］．中成药，1989，11(8)：16．

［28］张汉明，李松林，王勇，等．真伪牛黄的红外光谱鉴别［J］．第二军医大学学报，1991，12(4)：376．

［29］王永刚，张文惠，吴毅．红外光谱法鉴别羚羊角、山羊角及绵羊角［J］．中药材，2001，24(9)：639．

［30］曾明，张汉明，郑水庆，等．葛根及同属植物根的红外光谱鉴定［J］．中药材，1998，21(8)：392．

［31］陈黎，陈吉炎，何建国，等．何首乌及其混伪品的红外光谱鉴别［J］．中药材，1999，22(4)：182．

［32］董彬，孙素琴，周红涛，等．红外光谱和聚类分析法无损快速鉴别赤芍［J］．光谱学与光谱分析，2002，22(2)：232．

［33］张亮，蓝要武，韩英，等．人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究［J］．药学学报，1995，30(2)：127．

［34］徐永群，英昊，周群，等．红外指纹图谱和聚类分析法在赤芍产域分类鉴别中的应用［J］．分析化学，2003，31(1)：5．

［35］曹峰，周群，孙素琴．真伪天麻二维相关红外光谱法的鉴别研究［J］．现代仪器，2002，4：19．

［36］徐永群，诸建，秦竹，等．中药材红外光谱阵列相关系数比对程度的设计与检验［J］．计算机与应用化学，2002，19(3)：223．

［37］何淑华，孙瑞岩，任玉秋，等．近红外漫反射光谱法对吉林人参的分类探讨［J］．吉林大学自然科学学报，2001，1：96．

［38］刘国林，蔡金娜，李伟，等．近红外光谱技术在中药蛇床子分类中的应用［J］．计算机与应用化学，2000，17(2)：109．

［39］刘荔荔，原源，陈万生，等．近红外漫反射光谱法在羊蹄类生药分类中的应用［J］．中草药，2001，32(11)：1024．

［40］吴拥军，李伟，相秉仁，等．近红外光谱技术用于白芷类中药的鉴定研究［J］．中药材，2001，24(1)：26．

第9篇：光谱学分析范文

关键词：高光谱图像；检测；玉米种子；真伪

中图分类号：TP391.41；S513 文献标识码：A 文章编号：0439-8114（2016）21-5445-04

DOI：10.14088/ki.issn0439-8114.2016.21.002

Advance in Authenticity Detection of Corn Seed Based on

Hyperspectral Imaging Technology

WEI Li-feng1，2，JI Jian-wei1

（1.College of Information and Electrical Engineering，Shenyang Agricultural University， Shenyang 110866， China；

2.College of Economics and Management，Shenyang Aerospace University， Shenyang 100136， China）

玉米是中国三大农作物之一，在解决粮食短缺问题、保障国家粮食安全和经济发展过程中起到重要作用。玉米不仅产量大、经济效益高，而且还具有食用和饲用等多种工业用途[1]。但是，玉米种子的真伪直接影响到玉米种子的储藏、销售、育种和农业生产等各个方面，研究玉米种子的真伪问题已成为国内外研究的热点。随着现代科学技术的快速发展，计算机图像处理技术和光谱技术也越来越备受关注，采用机器视觉技术、近红外光谱技术在玉米种子检测真伪方面得到了较为广泛和深入的研究和应用，也取得了较好的成果。然而，传统的计算机视觉技术得到的是种子可见光的形态学特征信息，近红外光谱分析技术得到的是种子的光谱特征信息，两者获得的种子特征信息较少，制约着玉米种子真伪检测的后续分析以及研究[2]。近几年来，一些科研学者将高光谱图像技术应用于检测农作物种子真伪方面，并取得了较好的成果。高光谱图像技术可以同时获取研究对象的光谱信息和空间信息，是图像技术与光谱技术的完美结合，真正做到了“图谱合一”[3]。玉米种子的真伪可以通过表面的图像信息和光谱数据来进行分析和判断，从而能够为种子育种和农业生产提供有力和可靠的科学数据。所以，高光谱图像技术在玉米种子真伪检测方面的应用正逐渐成为研究的热点。

1 高光谱图像技术原理及采集系统

1.1 高光谱图像技术原理

通常认为，光谱分辨率在10-1λ数量级范围内称为多光谱（Multi-spectral），光谱分辨率在10-2λ数量级范围内称为高光谱（Hyper-spectral），光谱分辨率在10-3λ数量级范围内称为超光谱（Ultra-spectral）[4]。高光谱图像技术结合了图像技术和光谱技术两者的优点，可同时获得待测样品的图像信息和光谱信息。不仅可以对待测样品的外观表面特性进行检测，而且能对内部特性进行检测，同时也利用计算机图形与光谱技术两者的长处，对研究对象的内外部特征进行可视化分析[5]。高光谱图像技术获取的样品图像可以克服样品因化学信息分布不均造成的测试误差，同时样品的测试位置对测量的影响也会减少，其丰富的图像信息对玉米种子真伪的鉴定有很大帮助[6]。高光谱图像光源的波谱范围可以在紫外波段（200～400 nm）、可见光波段（400～760 nm）、近红外波段（760～2 560 nm）以及波长大于2 560 nm的波段获取大量窄波段连续光谱图像数据，为每个像素提供一条完整并连续的光谱曲线[7]。样本获取的图像是一个三维图像，二维是它的空间信息，三维是它的波长信息，其波长分辨率通常精度可达到2～3 nm[8]。高光谱图像技术获取三维图像的方法可以分为2种：一种是连续性采集一系列波段光谱图像完成三维立方图像；另一种是用一条线扫描完整光谱范围内的样本空间信息，即“推扫式”成像方法。高光谱图像具有样本的图像信息和光谱信息，图像信息可以反映样本表面特征信息，如特征不同，其对应的光谱信息也不同。在某个特定波长下，感兴趣区域（ROI）与正常区域之间的光谱值会有很大的差异，因此，可以根据光谱信息的不同来判断玉米种子的真伪。所以，利用高光谱图像技术这些优点，在检测玉米种子真伪方面具有很大的优势和研究空间。

1.2 高光谱图像采集系统

一个典型的高光谱图像采集系统装置如图1所示。整个系统是由高光谱成像光谱仪（ImSpector V10E，Spectral Imaging Ltd，Finland）、CCD相机（IGV-B1410M，IMPERX Incorporated，USA）、150 W的光纤卤素灯光源（3900 Illuminatior，Illumination Technologies Inc.，USA）、精密位移控制平台（IRCP0076-1 COM，Taiwan）、遮光暗箱和用于数据处理的高配计算机组成。高光谱摄像头的光谱范围为400～1 100 nm，光谱分辨率为2.8 nm，空间分辨率为0.2 mm。

1.3 高光谱图像数据处理

高光谱图像技术在信息量上有独特性和优越性，光谱响应范围广，光谱分辨率高，但高光谱数据众多，数据量巨大，由于相邻波段的相关性高，信息冗余度也增加，为应用和分析带来了很大不便。因此，如何获取高光谱图像有用的信息是首要关键问题。而数据降维是提取最佳波段的非常有效的方法，可以在不损失重要信息的前提下最大限度地反映原始信息。稻萁滴方法主要有主成分分析法、判别分析法、特征波段法等[9]。高光谱数据降维处理后，采用相关分析、主成分分析、独立分量分析、二次差分分析、逐步多元回归等方法来获取最优波段，最后选用支持向量机、人工神经网络、主成分回归分析法等方法建立基于光谱和图像信息的玉米种子真伪检测的识别模型，从而实现对玉米种子真伪的检测。

2 种子真伪的检测

2.1 玉米种子真伪的检测

种子真实性是指某一批种子实际所属品种与其标称的品种是否相符，即种子的真伪问题。种子检验鉴定起源于19世纪中期，直到上世纪90年代开始分子生物学技术及计算机模拟形态分析的应用。卢洋等[10]通过试验，综合PCA、LDA和BPR提出了一种基于近红外光谱短波段（833～1 087 nm）的玉米种子鉴别方法，针对37个玉米品种种子的近红外光谱数据，以833 nm波长作为起始波，选取了不同的截止波长，进而得到不同波段的数据。试验结果表明，在近红外光谱短波833～1 087 nm波段，识别率达到了97.6%，与全波段相比较，波段范围缩小了84.71%，这为后续大量数据的处理节省了存储和时间。但是该方法只是限定于部分地区的部分玉米种子，不能完全代表全部，所以还需后续大量的试验进行验证。

黄敏等[11]采用高光谱成像系统获取了9个玉米品种共432粒种子的高光谱反射图像，对获取的图像进行校正和预处理，提取每个样本图像在563.6～911.4 nm共计55个波段范围内的形状特征。分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类。试验结果表明，全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%，均优于多波段和单波段。该方法利用高光谱图像中可见光和近红外区域的有效特征信息，可较准确地鉴别玉米种子的品种，识别玉米种子真伪，为玉米品种真伪自动识别领域提供了一种新的方法。

朱启兵等[12]利用高光谱图像技术，针对17类玉米品种共1 632粒种子的高光谱图像，提取400～ 1 000 nm波长范围内233个波段的熵信息作为分类特征，又利用偏最小二乘（PLS）投影算法对玉米种子高光谱图像进行了最优波段的选择，共获得65个最优波段特征，最后结合偏最小二乘判别分析法（PLSDA）实现了对玉米种子准确识别分类的目的。试验结果表明，在仅为全波段27.90%的最优波段数情况下，其训练精度可达到99.19%，测试精度为98.90%，实现了高精度的玉米种子品种识别，为玉米种子真伪的快速检测提供了一个新方法。

冯朝丽等[13]对玉米种子的高光谱图像的光谱信息进行了深入的分析研究，利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像，提取每个玉米样本上感兴趣区域并获取此区域的平均光谱信息，然后对光谱曲线进行分析，剔除了12个异常样本，并结合偏最小二乘判别分析法（PLSDA）对所选玉米种子样本进行识别分类。试验结果表明，在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%，测试集样本的识别精度也达到了94.66%。研究结果表明，不同种类的玉米种子的光谱信息具有一定的差异性，利用高光谱图像技术对玉米种子品种进行无损识别分类是可行的，这为玉米种子真伪的检测提出了一个新思路、新方法。

杨杭等[14]利用地面成像光谱辐射测量系统（Field imaging spectrometer system，FISS）获取了5种玉米种子的图像光谱数据，在经过反射率反演、噪声去除和一阶微分预处理后，运用Wilk-lambda逐步判别法选择最佳波段并建立判别模型。交叉验证结果表明，玉米种子的平均识别精度为91.6%，随着选择波段数的增加，模型识别精度也逐步提高。因此光谱成像技术在玉米品种真伪的识别以及质量相关检测方面具有广阔的应用前景。

2.2 其他作物种子真伪的检测

高光谱图像技术不仅在玉米种子的真伪和品种检测领域中获得了比较理想的效果，而且一些学者利用高光谱技术的优越性和独特性对其他作物种子的品种识别、真伪检测也做了深入的研究。程术希等[15]提出了一种基于高光谱信息的大白菜种子品种分类识别方法，利用近红外高光谱图像采集系统采集了8种共239个大白菜种子样本，分别提取样本15pixel×15pixel感兴趣区域平均光谱反射率信息作为样本信息，采用多元散射校正预处理方法对光谱进行消噪处理，验证了Ada-Boost算法、极限学习机（Extreme learning machine，ELM）、随机森林（Random forest，RF）和支持向量机（Support vector machine，SVM）4种分类算法的分类判别效果。通过载荷系数分析选取了10个大白菜种子品种分类判别的特征波长。试验结果表明，4种分类算法基于全波段的分类识别对81个预测样本的正确区分率均达到90%以上，ELM和RF为最优的分类判别模型，识别正确率达到了100%。因此，以载荷系数选取的特征波长是有效的。利用高光谱图像技术结合机器学习对大白菜种子品种进行快速、无损分类识别是可行的，为大白菜种子批量化在线检测提供了一种新的方法。

梁剑等[16]采用MPA傅立叶变换近红外光谱仪研究了水稻种子的漫反射光谱特征，利用种子品种特有的光谱特性，结合不同光谱预处理方法建立了多个聚类分析模型，比较它们对杂交F1代种子“03S/0412”和其父本种子“0412”的鉴别效果。试验结果最终显示，选择4 000～8 900 cm-1光谱范围，通过无预处理、矢量归一化、二阶导数（25点平滑）和二阶导数（25点平滑）+矢量归一化建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%。通过试验可得，对比无预处理，经过各种方法预处理后正确率都有提高，其中“二阶导数（25点平滑）+矢量归一化”建立的模型取得的效果最好，用该模型对预测集预测，分类正确率为100%，具有很好的预测性能。这为近红外光谱技术用于单粒水稻种子品种真伪性鉴别提出了一个比较理想的新方法，但是还需要用更多的组合来进一步验证和完善。

张初等[17]采用近红外高光谱图像技术，通过提取西瓜种子的光谱反射率，并结合Savitzky-Golay （SG）平滑算法、经验模态分解算法（Empirical modedecomposition，EMD）和小波分析（Wavelet transform，WT）对提取的光谱数据进行去除噪声处理，采用连续投影算法（Successive projections algorithm，SPA）和遗传-偏最小二乘法（Genetic algorithm-partial least squares，GA-PLS）进行特征波长选择。最后基于全波段光谱建立了偏最小二乘判别分析（Partial least squares-discriminantanalysis，PLS-DA）判别模型，基于特征波长建立了反向传播神经网络（Back-propagation neural network，BP NN）判别模型和极限学习机（Extreme learning machine，ELM）判e模型。试验结果表明，基于特征波长的BP NN模型和ELM模型的结果优于基于全部波长的PLS-DA模型，而基于SG预处理光谱提取的特征波长建立的ELM模型具有最优的判别效果，建模集和预测集的判别正确率达到了100%。结果表明，应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的，这为今后研究更多的西瓜品种种子，建立适用范围更为广泛的西瓜种子品种判别模型提出了一个新的思路与方法。

Tan等[18]利用高光谱图像技术对不同的大豆品种进行了识别试验测试。利用高光谱成像系统获取大豆样本1 000～2 500 nm范围的光谱反射数据，采用主成分分析法（Principal component analysis，PCA）对获取到的光谱数据进行数据降维并去除冗余数据，同时在分类算法中将得分高的主成分值作为输入特征，通过PCA方法从每个特征图像中提取4个特征变量（能量、熵、惯性矩和相关性），从16个特征变量中提取8个重要特征参数，根据所选择的特征变量和参数，应用神经网络方法构建分类器，训练精度达到97.50%，平均测试精度达到93.88%以上。结果表明，利用高光谱图像技术结合神经网络建模方法可以对大豆品种进行分类，该方法为检测大豆种子的真伪鉴别拓展了一个新的方向，为以后更为广泛检测种子的真伪提供了一个新的方法。

3 结论与展望

高光谱图像技术应用于农业领域的无损检测是20世纪90年代末在国外发展起来的，在中国近几年才备受关注[19]。然而，研究结果表明该技术在农业领域的无损检测已成为新技术、新趋势、新方向。所以，针对玉米种子真伪的无损检测还有许多方面有待进一步研究。

1）目前，采用高光谱图像技术检测玉米种子真伪只是在验室内实现的，其应用到实际生产上会有一定局限性。通常采用的方法是利用高光谱技术识别3～5个特征波段，然后基于这些波段构建成本比较便宜的多光谱图像系统，从而实现快速、有效的种子真伪在线检测。因此，进一步研究高光谱图像的特征波段和低成本的图像系统是将来的发展趋势之一。

2）利用高光谱图像技术在检测玉米种子真伪时，由于高光谱图像信息量巨大、冗余量多，不利于数据的降维和快速检测。所以，优化和改进传统的分析方法，诸如主成分分析（PCA）、独立成分分析 （ICA）、偏最小二乘法（PLS）、人工神经网络（ANN）、支持向量机（SVM）等，或提出一种集成有效的算法，可以提高预测模型与实际值之间的相关性和精准度[20]。

3）高光谱图像技术已在遥感监测上应用广泛。在农业种子检测方面，高光谱图像技术多用于谷类作物的种子真伪的无损检测。因此，对其他作物类型的种子（花生、豆类、菜子等）真伪检测的潜力很大。

4）高光谱图像技术可以同时获取研究对象的空间及光谱信息，但目前无论国内还是国外大多数研究学者主要是应用高光谱成像技术独立对农产品外部或内部进行检测，很少有文献报道联合其他技术产生一种更为先进的检测玉米种子真伪技术。因此，有效地利用高光谱图像技术检测玉米种子真伪无论是在理论研究还是在应用研究上，都有进一步研究的空间，有望在理论和应用方法方面不断创新，以促进该研究方向不断向前发展，取得更大的成果。

参考文献：

[1] 路立平，赵化春，赵 娜，等.世界玉米产业现状及发展前景[J].玉米科学，2006，14（5）：149-151，156.

[2] 杨锦忠，郝建平，杜天庆，等.基于种子图像处理的大数目玉米品种形态识别[J].作物学报，2008，34（6）：1069-1073.

[3] 王 雷，乔晓艳，董有尔，等.高光谱图像技术在农产品检测中的应用进展[J].应用光学，2009，30（4）：639-645.

[4] 刘木华，赵杰文，郑建鸿，等.农畜产品品质无损检测中高光谱图像技术的应用进展[J].农业机械学报，2005，36（9）：139-143.

[5] 田有文.现代图像识别技术诊断农作物病害[M].北京：中国农业出版社，2010.145-155.

[6] 贾仕强，刘 哲，李绍明，等.基于高光谱图像技术的玉米杂交种纯度鉴定方法探索[J].光谱学与光谱分析，2013，33（10）：2847-2852.

[7] 马本学，应义斌，饶秀勤，等.高光谱成像在水果内部品质无损检测中的研究进展[J].光谱学与光谱分析，2009，29（6）：1611-1615.

[8] 彭彦颖，孙旭东，刘燕德.果蔬品质高光谱成像无损检测研究进展[J].激光与红外，2010，40（6）：586-592.

[9] 刘燕德，张光伟.高光谱成像技术在农产品检测中的应用[J].食品与机械，2012，28（5）：223-226，242.

[10] 卢 洋，梁先扬，李卫军，等.基于近红外光谱短波段的玉米品种鉴别研究[J].河南大学学报（自然科学版），2012，42（3）：239-243.

[11] 黄 敏，朱 晓，朱启兵，等.基于高光谱图像的玉米种子特征提取与识别[J].光子学报，2012，41（7）：868-873.

[12] 朱启兵，冯朝丽，黄 敏，等.基于图像熵信息的玉米种子纯度高光谱图像识别[J].农业工程学报，2012，28（23）：271-276.

[13] 冯朝丽，朱启兵，朱 晓，等.基于光谱特征的玉米品种高光谱图像识别[J].江南大学学报（自然科学版）2012，11（2）：149-153.

[14] 杨 杭，张立福，童庆禧.采用可见/近红外成像光谱技术的玉米籽粒品种识别[J].红外与激光工程，2013，42（9）：2438-2441.

[15] 程术希，孔汶汶，张 初，等.高光谱与机器学习相结合的大白菜种子品种鉴别研究[J].光谱学与光谱分析，2014，34（9）：2519-2522.

[16] 梁 剑，刘斌美，陶亮之，等.基于水稻种子近红外特征光谱的品种鉴别方法研究[J].光散射学报，2013，25（4）：423-428.

[17] 张 初，刘 飞，孔汶汶，等.利用近红外高光谱图像技术快速鉴别西瓜种子品种[J].农业工程学报，2013，29（20）：270-277.

[18] TAN K，CHAI Y，SONG W，et al. Identification of soybean seed varieties based on hyperspectral image[J].Transactions of the Chinese Society of Agricultural Engineering，2014，30（9）：235-242.

[19] 李江波，秀勤，应义斌.农产品外部品质无损检测中高光谱成像技术的应用研究进展[J].光谱学与光谱分析，2011，31（8）：2021-2026.

[20] 田有文，牟 鑫，程 怡.高光谱成像技术无损检测水果缺陷的研究进展[J].农机化研究，2014（6）：1-5.