拉曼光谱结合光谱特征区间筛选算法快速定量鉴别植物调和油品质

本研究提出了一种基于拉曼光谱与光谱特征区间筛选算法实现植物调和油中高价值植物油含量快速定量检测的方法。首先,将粒子群优化（particle swarm optimization,PSO）算法与灰狼优化（grey wolf optimization,GWO）算法融合构建混合智能优化算法,即PSOGWO算法。其次,将PSOGWO与组合移动窗口（combined moving window,CMW）策略结合构建新型的拉曼光谱特征区间筛选算法,即PSOGWO-CMW算法。然后,将玉米油（corn oil,CO）和特级初榨橄榄油（extra virgin olive oil,EVOO）以不同比例配制为CO-EVOO植物调和油,并采集其拉曼光谱。将拉曼光谱输入偏最小二乘回归、PSO-CMW、GWO-CMW和PSOGWO-CMW模型预测EVOO含量,并比较建模效果。结果表明,PSOGWO-CMW模型具有最佳的预测性能。采用本方法与气相色谱-质谱法分别检测真实的CO-EVOO植物调和油样本中EVOO含量,结果表明两者的检测性能无显著差异。本方法快速、准确,亦可用于其他植物调和油中高价值植物油含量的快速...     

氟咯草酮的高效液相色谱分析

采用高效液相色谱法对氟咯草酮进行定量分析,以甲醇+水(体积比65∶35)为流动相,ZORBAX SB-C18不锈钢柱为色谱柱,252 nm为检测波长。本方法的平均回收率为99.98%,标准偏差为0.48,变异系数为0.49%,线性相关系数为0.999 5。     

气相色谱法分析杀虫气雾剂中5种拟除虫菊酯类农药

[目的]建立同时测定杀虫气雾剂中右旋烯丙菊酯、氯氟醚菊酯、胺菊酯、氯菊酯和氯氰菊酯5种拟除虫菊酯类农药的气相色谱分析方法。[方法]采用DB-5毛细管柱和FID检测器,以邻苯二甲酸二戊酯为内标物,利用程序升温分离测定。[结果]5种菊酯类农药的线性关系良好,变异系数均小于4.0%,3个质量分数水平的样品加标回收率为98.25%~101.96%。[结论]对50个市售杀虫气雾剂产品实际检测应用表明该方法具有良好的分离效果、准确度和回收率。     

结晶紫-亚砷酸钠体系光度法测定食盐中的碘

在盐酸介质中,过量的亚砷酸钠还原碘酸根离子释放出I3-,其与结晶紫发生氧化还原反应,且反应前后吸光度的差值与碘酸根的浓度成正比,建立了紫外分光光度法测定微量碘的新方法.碘酸钾含量在6 mg/L～20 mg/L范围内服从朗伯-比耳定律,线性方程为Y=0.045 7 0.484 7X,相关系数r=0.995 8,检出限为0.068 6 mg/L(以K103计).用该方法测定了食盐的碘含量,回收率在96.0%～101.0%之间.     

液化石油气中二甲醚的气相色谱法分析

采用毛细管气相色谱法快速测定液化石油气中的二甲醚。样品经恒温水浴气化后六通阀进样,采用RT-Q-BOND毛细管色谱柱,热导检测器检测。方法操作简便,快速准确,重现性好。     

微波消解石墨炉原子吸收法测定藕粉圆中铅镉

通过对盐城市5个区域总计8个品种22个藕粉圆样品中重金属铅镉的含量测定,探明这2种重金属元素在藕粉圆中的含量状况。采用微波消解法消化经粉碎混匀的藕粉圆样品,以石墨炉原子吸收法测定22个样品中的铅镉浓度。结果表明藕粉圆中铅的检出限为1.0μg/L,线性范围为2.0μg/L~30.0μg/L,样品的加标回收率为100.72%~103.66%;镉的检出限为0.08μg/L,线性范围为0.1μg/L~2.0μg/L,样品的加标回收率为98.25%~102.83%。     

近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1

目的 在近红外光谱(near infrared spectroscopy, NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)特征层数据融合的基础上构建偏最小二乘回归模型(partial least squares regression, PLSR)实现花生油中黄曲霉毒素B1 (aflatoxin B1, AFB1)含量的快速检测。方法 首先，分别采集待测样本的NIR与SERS光谱。其次，将采集的NIR与SERS光谱分别进行光谱预处理。然后，采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization, HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后，将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB1含量。结果 与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比，NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能：校正集均方根误差(root mean squared error of calibration set, RMSEC)为0.1569，校正集决定系数(coefficient of determination of calibration set, )为0.9908，预测集均方根误差(root mean squared error of prediction set, RMSEP)为0.1827，预测集决定系数(coefficient of determination of prediction set, )为0.9854，性能偏差比(ratio of performance to deviation, RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB1的花生油样本，结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论 本方法可实现花生油中AFB1含量的快速、高精度定量检测，也验证了NIR与SERS光谱融合的可行性与有效性。