不同病害胁迫下大豆的光谱特征及识别研究

在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据,利用连续统去除法对原始光谱数据进行处理,筛选对病害及锈病严重度敏感的波段,构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的,而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小,在红光区随病情严重增强而增大。根据大豆光谱变化特征设计了一个植被指数R₅₀₀×R₅₅₀/R₆₈₀对大豆病害进行识别,通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验,结果表明指数R₅₀₀×R₅₅₀/R₆₈₀能够较好的识别出大豆锈病与普通花叶病,且该指数在识别大豆锈病严重度方面也有较强的能力。研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。     

基于高光谱成像和判别分析的黄瓜病害识别

利用光谱成像技术(400～720 nm)识别黄瓜白粉病、角斑病、霜霉病、褐斑病和无病区域。构建高光谱图像采集系统进行样本图像的采集,预处理和光谱信息的提取。由于获得的原始光谱数据量很大,为了减少后续运算量,提高准确率,采用逐步判别分析和典型判别分析两种方法进行降维。逐步判别从55个波段中选择12个波段,典型判别从55个波段中提取2个典型变量。利用选择的光谱特征参数建立病害识别模型。逐步判别构建的模型对训练样本和测试样本的判别准确率分别为100%和94%,典型判别构建的模型对训练样本和测试样本的判别准确率均为100%。说明利用高光谱成像技术可以进行黄瓜病害的快速、准确识别,并为实现可见光谱范围内黄瓜病害的田间实时在线检测提供了可能。     

常见皮革的近红外光谱快速判别分析

皮革种类的鉴定对生产控制、贸易过程和市场管理都具有重要意义,目前尚未有皮革种类鉴定的正式检测标准,皮革种类鉴定主要依靠感官法、燃烧法、化学溶解法、显微镜法等综合判定,对人员要求高,主观性强。利用近红外光谱技术对市场五种常见皮革样品(头层牛皮革、剖层移膜革、羊皮革、再生革和人造革)进行分析,利用判别分析法(discriminant analysis, DA)结合标准正态变量变换(multiplicative signal correction,MSC)、多元散射校正(standard normal variate,SNV)、一阶微分(first derivative)、二阶微分(second derivative)等光谱预处理方法进行分类鉴别。结果显示：上述五种革类在同一空间中重叠严重,但是利用样本反面光谱数据可以轻易将人造革和其他革类进行区分,误判率为1.2%,余下四种天然或加工革类重叠稍显严重,在同一个空间内同时对四种革类区分效果不是很理想,两两分组的分类效果较好,误判率13%～17.9%。而不同的数据处理方法在不同的判别分析模型中带来的效果也不尽相同,未发现一种能持续稳定为模型提供优化效果的预处理手段。上述数据说明采用近红外手段对于皮革种类进行判别是具有可行性的,由于本次取样来自于市场上的皮包、皮衣、皮带等最终产品,已经过染色、压花、覆膜等各种复杂处理,可能对模型带来一定的影响,如果能采取一些手段,如扩大样本量等,减弱这些影响,应该能得到更满意的结果。     

低级晶族光性正负判别式临界点的研究

在低级晶族光学特性的研究中，光性符号的确定对未知晶体及矿物的鉴定有着重要的意义。从折射率面、光轴角出发，借助数学工具理论上分析了低级晶族光性正负判别的两种方法在临界点的不一致性，从而说明在一定范围内用这两种方法判断光性会得出不同的结论。并给出修正后利用主折射率判别方法在临界点附近的精确表达式及其判别条件，结果表明，在临界点附近要用修正后的表达式判别。     

拉曼光谱结合模式识别方法用于大豆原油掺伪的快速判别

大豆原油是我国的战略储备物资,然而目前储油市场上频繁出现大豆原油掺混的现象严重影响了食用油储备安全。基于此,通过大豆原油与部分植物精炼油拉曼谱图的特征差异,并结合主成分分析-支持向量机(PCA-SVM)模式识别建立了大豆原油是否掺伪的快速判别方法。以28个大豆原油、46个精炼油、110个掺伪油的拉曼谱图为模型样本;选择位于780～1 800 cm-1波段的谱图,预处理方法同时采用Y轴强度校正、基线校正和谱图归一化法;在此基础上应用PCA法提取特征变量,即以贡献率最高前7个主成分为变量进行SVM分析。SVM校正模型的建立是以随机选取的20个大豆原油和75个掺伪油样组成校正集,以8个大豆原油和35个掺伪油样组成验证集,分别运用并比较四种核函数算法建立的大豆原油SVM分类模型,并采用网格搜索法(grid-search)优化模型的参数,以四种模型的分类性能作为评判标准。结果表明：应用线性核函数算法构建的SVM分类模型可以很好地完成掺伪大豆原油的判别,校正集识别准确率达到100%,预测结果的误判率为0,判别下限为2.5%。结果表明应用拉曼光谱结合化学计量学能够用于大豆原油掺伪的快速鉴别。拉曼光谱简便、快速、无损、几乎没有试剂消耗,适合现场检测,从而为大豆原油的掺伪分析提供了一种新的备选方法。     

基于中红外光谱技术鉴别转基因大豆的方法研究

转基因技术对于实现粮食增产,保护生物多样性,减少化学农药使用量等方面有着重大意义,但也可能存在一定的安全隐患。因此,转基因作物检测鉴别技术的研究愈发受到重视。本文采用中红外光谱分析技术,研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。实验采集了三种不同的非转基因大豆亲本(HC6, JACK和W82)及其转基因大豆品种在3 818～734 cm-1范围内的光谱信息。采用偏最小二乘-判别分析(partial least squares-discriminant analysis, PLS-DA)进行判别分析,三种大豆的建模集的判别正确率分别为96.67%, 96.67%和83.33%,预测集的判别正确率分别为83.33%, 85%和85%。研究中采用X-loading weights、变量投影重要性(variable importance in the projection,VIP)和二阶导数(second derivative,2-Der)三种特征波数选择方法对光谱数据进行处理,并根据得到的特征波数分别建立PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。采用主成分分析(principal component analysis,PCA)和独立组分分析(independent component analysis,ICA)两种特征信息提取方法对光谱数据进行处理,分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过80%和75%。研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种,为转基因大豆的无损鉴别提供新的思路。同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度,减少程序运算量。     

近红外高光谱成像技术用于转基因大豆快速无损鉴别研究

以近红外高光谱成像技术,结合化学计量学方法,研究了转基因大豆的快速、无损检测方法。实验以3种不同非转基因亲本(HC6, JACK, TL1)及其转基因大豆作为研究对象。采用高光谱成像系统采集874~1 734 nm波长范围的256个波段范围的高光谱图像,提取大豆的光谱信息,剔除明显噪声部分后,采用Moving Average(MA)平滑预处理的941~1 646 nm范围光谱数据进行分析。采用偏最小二乘判别分析算法(partial least squares-discriminant analysis, PLS-DA),对3种非转基因亲本大豆建立模型进行判别分析,其相应的建模集和预测集的判别正确率分别为97.50%和100%,100%和100%,96.25%和92.50%,结果表明,高光谱成像技术可用于非转基因大豆的识别。对非转基因亲本及其转基因大豆进行判别分析,基于全谱,3种的建模集和预测集的判别正确率分别为99.17%和99.17%,87.19%和81.25%,99.17%和98.33%;以x-loading weights提取非转基因亲本及其转基因大豆判别分析的特征波长并建立PLS-DA模型,3种的建模集和预测集的判别正确率分别为72.50%和80%,80.63%和79.38%,85%和85%,该结果表明非转基因亲本与转基因品种的判别分析是可行的,特征波长的选择也可用于非转基因亲本与转基因品种的判别分析。研究表明采用近红外高光谱成像技术对非转基因大豆、非转基因亲本及其转基因大豆进行鉴别是可行的,为转基因大豆的快速无损准确鉴别提供了一种新方法。     

玉米叶片铜铅污染元素种类光谱判别的EC-PB规则

随着人类生活质量的提高,农产品重金属污染问题备受关注。农作物中的重金属元素会通过食物链侵害人体健康,而不同重金属元素对人体毒害差别较大,因此农作物中含有重金属元素的类别识别至关重要。传统重金属元素检测方法存在环节多、耗时长、成本高等缺点,但高光谱遥感技术具有信息使用量大,理化反演能力强,分析速度快,无损监测等优势,逐渐成为农作物重金属污染分析的重要手段之一。以不同CuSO₄·5H₂O和Pb(NO₃)₂浓度梯度土壤胁迫下典型农作物玉米生长的叶片光谱为研究对象,引入光谱包络线去除（CR）、光谱比值（SR）、分数阶微分（FOD）同时结合改进红边比值指数（MSR）构建铜铅元素识别指数（CLI）;通过挑选与铜铅元素种类相关性最强的三个分数阶微分阶数的CLI值建立铜铅元素判别特征点（CLDFP）;再利用欧式聚类（EC）将训练集样本分为铜污染与铅污染两类并结合圆心连线的垂直平分线（PB）,建立基于EC-PB识别铜铅元素种类的二维坐标系下判别规则线（CLDRL）和三维坐标系下判别规则面（CLDRP）,从而实现玉米叶片光谱信息的重金属铜铅元素种类准确识别。研究结果表明,CR-SR-FOD光谱变换处理增加了玉米叶片光谱信息与铜铅元素种类之间的相关性;各阶次FOD对应的CLI与铜铅元素种类相关系数各不相同,随着阶次的增加,相关性呈现先递增后递减的趋势,其中相关系数最高的三个阶次分别为1.2阶,0.7阶,1.0阶;在二维坐标系下训练集样本判别正确率为78.95%,验证集样本判别正确率为75.0%;在三维坐标系下训练集样本判别正确率为76.32%,验证集样本判别正确率为75.0%,证明了基于EC-PB构建的二维CLDRL和三维CLDRP光谱判别规则可以有效识别玉米叶片中铜铅污染元素种类。     

近红外漫反射光谱鉴别鸡蛋种类

提出一种利用近红外光谱技术进行鸡蛋种类快速、无损鉴别的新方法.选用7500-4000cm-1的光谱,采用标准正态变量变换(SNV)后作主成分分析(PCA),选取前10个主成分作为模型输入,种类类别作为模型输出,分别建立了3种鸡蛋种类的线性判别法(LDA)和支持向量机(SVM)鉴别模型,所建模型均能较好的对鸡蛋种类进行鉴别,SVM模型效果优于LDA模型,其预测集正确识别率达97.44％.结果表明,近红外光谱技术可用于鸡蛋种类的快速、无损鉴别.     

可见/近红外高光谱成像技术对鸡蛋种类无损判别

利用高光谱技术对鸡蛋种类判别进行研究,为鸡蛋种类无损判别提供科学方法。本研究利用400~1 000 nm高光谱系统采集3种鸡蛋样本的高光谱图像,对原始光谱进行预处理;应用CARS、GAPLS和IRF对预处理后的光谱数据提取特征波长;分别建立基于全光谱和特征波长的KNN和PLS-DA鸡蛋判别模型。结果表明:Detrend法为最优预处理方法;利用CARS、GAPLS和IRF分别选出31、52和71个特征波长;基于IRF提取的特征波长的PLS-DA模型最优,校正集正确率97.02%,预测集正确率85.71%。表明基于高光谱成像技术采集的鸡蛋反射光谱对种类无损判别是可行的。     

内分泌干扰物三苯基锡的激光拉曼光谱分析

三苯基锡(TPhT)是目前已知的内分泌干扰物中唯一的两种金属化合物之一,被广泛应用于工业、农业和交通领域,其大量使用会对土壤、海洋和内陆淡水环境造成不同程度的影响。本实验采用激光共聚焦拉曼光谱采集固体TPhT的拉曼光谱信号,尝试将该方法用于TPhT检测,探索该方法的可行性,并进行检测参数的优化选择。将拉曼光谱分析检测方法与TPhT的物性研究相结合,根据TPhT分子中不同官能团振动模式的不同,将拉曼谱图分为高、中、低3个波数区(1 500～3 200,900～1 500和100～900 cm-1)进行拉曼谱峰的归属与分析,得到了TPhT的特征振动模式和拉曼特征峰,并建立一套TPhT的标准拉曼图谱库,光谱范围在100～3 200 cm-1之间。结果表明,当激光功率选择为衰减到原激光功率(500 mW)的0.5%、曝光10 s、累积2次时,得到的拉曼谱图信噪比高且检测时间短。在212,332,657,997和1 577 cm-1处出现的信号强度较高的拉曼峰,可作为固体TPhT拉曼检测的特征峰,657和997 cm-1处拉曼特征峰的同时出现即可认为复杂的环境样品中存在TPhT。实验结果给出了辨别TPhT存在的标志,这些结果将为拉曼光谱用于实际环境样品中TPhT的残留检测提供理论依据和数据基础。     

黄芩及其提取物红外光谱与二维相关光谱的鉴别

采用二维红外相关技术,对黄芩原药材、饮片及其提取物进行分析研究。在一维红外光谱中,各样本间的谱图十分相似,导数光谱分析发现,经过炮制之后在1 745和1 411 cm-1处吸收峰向高波数位移,1 357 cm-1处吸收峰向低波数位移。二维红外谱图显示的药效组分特征差异明显,生黄芩在1 300～1 800 cm-1波数范围内有4个特征峰,以1 575 cm-1最强;黄芩片的自动峰有3个区域;酒黄芩的自动峰有2个区域。各区域内自动峰均为正相关。不同样品总苷提取物的一维谱图显示, 在1 615, 1 585, 1 450 cm-1(苯环骨架振动)和1 658 cm-1(CO)附近均有特征吸收,二阶导数谱图给出在1 656 cm-1(黄酮的CO)附近有特征峰,推测共有的成分为酚苷类化合物。二维谱图在800～1 800 cm-1波段均体现苯环骨架振动的5个自动峰1 366,1 420,1 508,1 585,1 669 cm-1。可见红外光谱宏观指纹技术可提供大量整体信息,能够较准地把握黄芩的整体质量。可用于研究黄芩药材及饮片特征的相关性。     

食用植物油中反式脂肪酸含量的激光拉曼光谱检测

油脂中的反式脂肪酸(TFA)有害人们的身体健康,有必要对其含量进行监测。共收集各类食用植物油样本79个,涉及9个品种和27个品牌,分配到校正集和预测集的样本数分别为53个和26个。采用QE65000拉曼光谱仪采集79个样本的拉曼光谱,利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景;在此基础上,采用多种归一化方法对样本拉曼光谱进行处理,并对拉曼光谱的建模波数范围进行初选;再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量,并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联,建立食用植物油中TFA含量的定量预测模型。研究结果表明,多种归一化方法中,有4种归一化方法均能提高PLS定量预测模型的性能,其中Area normalization方法的效果最优;经建模波数范围初选,波数范围由686~2 301 cm-1缩减为737~1 787 cm-1,确定较优的建模波数范围为737~1 787 cm-1;经CARS方法筛选,共有31个光谱变量被选择,其选择的光谱变量主要分布在1 265,1 303,1 442及1 658 cm-1拉曼振动峰附近,且974 cm-1拉曼振动峰两侧均有光谱变量被选择;此外,CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。由此可知,激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。归一化方法、建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性,优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949,0.953和0.188%,0.191%。与未优化的预测模型相比,预测均方根误差由0.361%下降为0.191%,下降幅度为47.1%;建模所用的变量数由683个下降为31个,仅占原变量数的4.54%。     

基于表面增强拉曼光谱及密度泛函理论的农药毒死蜱检测研究

毒死蜱作为一种广谱高效有机磷杀虫剂,在农业等领域被广泛使用。但是,环境毒理学研究发现,毒死蜱可直接施于土壤中,与土壤颗粒牢固结合,几乎不会迁移或挥发,而且水溶性低,容易造成药物残留,影响着农副产品食用的安全性,对生态环境具有潜在的危险性,许多国家对毒死蜱在农产品中的残留量有严格的规定。因此,检测毒死蜱残留的生态风险问题是当务之急。表面增强拉曼光谱(SERS)技术具有快捷、高效、灵敏度高等优势,已经成为光谱检测领域的热点研究技术;密度泛函理论被广泛用于分子结构与性质的理论模拟计算及光谱分析。基于表面增强拉曼光谱和密度泛函理论对杀虫剂毒死蜱的拉曼和表面增强拉曼光谱进行理论研究。首先,利用GaussView5.0对毒死蜱分子及加入银团簇基底的分子结构进行构型。其次,对毒死蜱分子采用6-31G基组,并基于密度泛函理论进行结构优化,利用Gaussian09模拟计算出其拉曼及表面增强拉曼光谱,并确定拉曼光谱和SERS光谱峰值归属。最后,从频移量角度分析银团簇Ag₂和Ag₃对毒死蜱拉曼光谱的增强效应,并进行频移量大小对比。研究发现,在两种尺寸银团簇作用下,拉曼光谱在326,463,741,781,1 068,1 294,1 435和1 602 cm-1波数处的特征峰强度均有明显的增强,且随着银团簇结构尺寸增大,拉曼信号增强效果更为明显;在不同银团簇增强作用下,一些特征峰发生偏移,其频移量与银团簇结构相关联,在Ag₂和Ag₃银团簇增强下,表面增强拉曼光谱在463,741～781 cm-1波数处均产生了较大的频移,其余特征峰波数处频移量较小,均在20 cm-1以下,毒死蜱分子分别与Ag₂和Ag₃入侵后的表面增强拉曼光谱进行对比,频移方向有很好的一致性。该研究结果为表面增强拉曼光谱技术在农药残留检测领域的应用提供了理论依据。     

芬太尼类物质的振动光谱特征分析研究

通过分析28种芬太尼类物质的红外和拉曼光谱,研究了芬太尼类物质的振动光谱特征,考察了红外和拉曼光谱对芬太尼类物质的区分能力。整体上看,芬太尼类物质的红外和拉曼光谱表现出不同的光谱特征,具有互补性。在红外光谱中,不同盐型芬太尼类物质在3200～2 000 cm-1区间差异显著,碱型化合物在2 972～2 952 cm-1存在强的吸收峰,盐酸盐化合物在2 600～2 320 cm-1存在中等强度的多重吸收峰,枸橼酸盐化合物在3 100～2 800 cm-1存在中等偏弱的宽吸收峰。在红外光谱中,芬太尼类物质在1 750～1 630 cm-1存在由C═O键伸缩振动引起的强吸收峰,在710～680 cm-1存在由苯环面外弯曲振动引起的强的单峰或双峰。在拉曼光谱中,28种芬太尼类物质均在1 001～1 002 cm-1处有强的拉曼峰,该峰是由苯环上C-H键的面内弯曲振动引起的。含烷基、苯基、四氢呋喃基取代化合物的拉曼光谱中,1 000 cm-1左右位置的峰为基峰,其他峰的强度均低于基峰强度的30%;含氟、呋喃、硫代等取代基化合物的拉曼光谱中,除1 000 cm-1左右位置的峰外还有其他高强度的峰。红外光谱可用于区分所有芬太尼类物质,对绝大多数化合物区分度高,对个别结构相差一个甲基的芬太尼结构类似物的区分度较弱,但通过指纹区的特征吸收峰,也可实现区分。当不存在荧光干扰时,拉曼光谱可用于区分所有的芬太尼类物质,对绝大多数化合物区分度高,对部分结构相差一个甲基或不同位置甲基取代的芬太尼结构类似物的区分度较弱,但通过指纹区的特征峰,也可实现区分。红外光谱和拉曼光谱均具有无需样品前处理、测试速度快、检测成本低、绿色环保等优点,便携式设备可用于现场快速检验。拉曼光谱仪测定某些样品时会受到荧光干扰,具有一定的局限性。与拉曼光谱相比,红外光谱无荧光干扰、谱图一致性高、商业谱库更加完备,是现场快速定性分析的首选方法。     

基于二维相关技术的氯吡脲拉曼光谱分析

氯吡脲作为一种苯脲类生长调节剂,被广泛应用于果蔬中,但是氯吡脲若过量使用,会严重影响果蔬的内在质量,且摄入过多会影响人的身体健康。现有的检测方法,虽然技术上成熟、精度高,但技术条件要求高、样品预处理过程复杂、耗时、检测费用高。利用二维相关拉曼光谱技术对乙酸乙酯中氯吡脲的浓度变化进行检测研究,建立一种灵敏、快速、高效的检测果蔬中氯吡脲的技术提供理论基础,对食品安全具有重大意义。采集氯吡脲粉末的拉曼光谱图,结合氯吡脲分子的结构图可对拉曼光谱谱图中的峰进行归属。配置浓度分别为2.5,5.0,7.5,10.0,12.5,15.0,17.5和20.0 g·L-1的氯吡脲乙酸乙酯溶液并采集拉曼光谱,对不同浓度的氯吡脲乙酸乙酯溶液的光谱数据进行二维相关分析,得到氯吡脲的拉曼二维相关同步谱图和异步谱图,分析同步谱图得出842, 992, 1 044, 1 442和1 604 cm-1的几处交叉峰具有协同作用,随着氯吡脲浓度的升高而升高;分析异步谱图得出交叉峰敏感性为1 044 cm-1>992 cm-1>842 cm-1,1 735 cm-1>1 604 cm-1>1 442 cm-1,842 cm-1>1 735 cm-1。结果表明,乙酸乙酯中氯吡脲的拉曼特征吸收峰分别为842,992,1 044,1 442,1 604和1 735 cm-1,其中1 044 cm-1（苯环的环伸缩振动）、992 cm-1（吡啶环的环呼吸振动）、842 cm-1（C-O-N假对称的伸缩振动）、1 735 cm-1（C=O伸缩振动）对氯吡脲浓度变化比较敏感,敏感度顺序为苯环的环伸缩振动>吡啶环的环呼吸振动>C-O-N假对称的伸缩振动>C=O伸缩振动>多个耦合峰的C=C伸缩振动>C-H的变形振动。拉曼光谱与二维相关技术相结合可以准确地反映出氯吡脲随浓度变化,为果蔬中氯吡脲含量的检测奠定了理论基础。     

氟虫氰表面增强拉曼光谱的密度泛函理论研究（英文）

2017年8月初,荷兰发现大范围鸡蛋受杀虫剂氟虫腈污染。用拉曼光谱检测的方法对解决氟虫腈检测问题做了一定的探索。为了获得氟虫腈分子的分子结构振动信息,根据密度泛函理论中的B3LYP杂化泛函和6-311G++(d,p)基组,对氟虫腈分子进行了几何结构优化和频率计算,得到了该分子的稳定构型和全部振动模式,计算了氟虫腈分子稳定构型的拉曼散射光谱。利用HORIBA公司的T64000型光栅共聚焦显微拉曼光谱仪采集了FP的拉曼光谱并配合使用Ag/Cu纳米基底采集了表面增强拉曼光谱,较强峰出现在211,308,350,867,1323和1432 cm-1处,次强峰出现在254,407,443,463,511,607,646,712,800,1065和1639 cm-1处。结果表明,理论计算得到的振动频率与实验测量值在全部较强峰处和部分次强峰处吻合的较好。并对FP分子200~2000 cm-1区间内各频率谱线对应的振动模式进行了归属指认,6个较强峰依由小到大的次序分别指认为21H-22H蜷曲振动,10F-11F变形振动和21H-22H面外摇摆振动,15N-22H蜷曲振动,6C伸缩振动和21H面内弯曲振动,苯环呼吸振动和9C伸缩振动,7H-8H面内弯曲振动。发现表面增强拉曼光谱相对于拉曼光谱整体有微小的频移,两者整体吻合较好,表面增强拉曼光谱中211,867,1400和1432 cm-1处的峰得到了选择性增强,根据表面增强拉曼光谱的选择定则,解释为相关振动峰的原子与银衬底表面或许为接近垂直的状态,并可能与银表面吸附。下一步计划将氟虫腈混入鸡蛋中,对氟虫腈在鸡蛋中不同浓度情况下进行指认研究。研究结果可为氟虫腈的拉曼光谱分析提供理论依据,将促进食品和农产品中氟虫腈残留的快速检测和在线检测研究。将拉曼光谱作为对传统化学检测方法的补充。     

宝石级钠沸石的振动光谱表征

国际珠宝交易市场上最近出现了一批价值不菲的无色透明的宝石级钠沸石刻面成品,为提供快速区分其与仿制品材料的依据,文章通过红外光谱和拉曼光谱对三颗钠沸石样品的振动光谱进行了研究。结果表明, 其红外光谱主要表现为：4 000～1 200 cm-1的吸收峰是结构中水导致的吸收;1 200～600 cm-1 的强吸收与TO₄四面体的内部T—O(T为Si或Al)的反对称和对称伸缩振动有关。拉曼光谱散射峰主要分布在300～600和700～1 200 cm-1两个区间。300～360 cm-1处较弱强度的拉曼散射峰是由于结构中水分子所导致。482 cm-1处中等强度的峰归属于硅氧四面体内部由于变形导致的拉曼位移。726 cm-1处的拉曼散射峰归属于Al—O的伸缩振动;974,1 038,1 084 cm-1的三处拉曼散射峰都是Si—O的伸缩振动导致的拉曼位移。     

高压下L-丝氨酸的拉曼光谱研究

压力可以引起蛋白折叠与变性。作为蛋白质的基本构成单位,氨基酸在高压下的变化近来年备受关注。在常见的20种氨基酸中,学者们利用高压拉曼技术已研究了多种氨基酸在高压下的变化,研究的最高压力达到30 GPa。为了探究L-丝氨酸(C₃H₇NO₃)在极高压力下的结构变化情况,采用原位高压拉曼技术在常温下对L-丝氨酸晶体进行研究,最高压力达到22.6 GPa。研究发现,当压力达到2.7 GPa时,在102 cm-1处出现新峰,在1 123 cm-1(NH₃反对称摇摆振动)处的特征峰出现劈裂;当压力达到5.4 GPa时,L-丝氨酸晶体在574 cm-1处出现新峰,同时原来164 cm-1处峰消失;当压力达到6.0 GPa时,位于226,456,770和2 968 cm-1(CH₂伸缩振动)等处出现新峰,877 cm-1处的CC伸缩振动峰发生劈裂,产生894 cm-1新峰;当压力达到7.9 GPa时,在145,151和2 946 cm-1等出现新峰,同时原在CO₂摇摆振动峰的肩峰531 cm-1消失;当压力达到11.0 GPa时,位于249 cm-1处的振动峰开始劈叉,在241 cm-1处形成新峰,位于2 956 cm-1(CH₂伸缩振动)同时原位于391和431 cm-1处的峰消失;当压力达到17.5 GPa时,在200 cm-1处出现新峰。通过进一步分析L-丝氨酸的拉曼波数随压力的变化,发现很多拉曼峰在1.37,2.2,5.3,7.46和11.0 GPa以及15.5 GPa等压力点处都出现了拐点。其结果表明：L-丝氨酸在0.1～22.6 GPa之间共发生7处结构相变,分别位于压力区间0.1~1.37,2.2~2.7,5.3,6.0,7.46~7.9,10.1~11.0和15.5~17.5 GPa之间。而且,在6.0 GPa新的相变点在之前文献中未论述过。由于L-丝氨酸晶体在6.0 GPa时CC伸缩振动峰发生劈裂,这现象可能是由于压力引起L-丝氨酸晶体分子发生重排导致的,同时L-丝氨酸晶体分子重排导致氢键发生重排,使得L-丝氨酸晶体出现新的CH₂伸缩振动峰。L-丝氨酸晶体在10.1~11.0 GPa之间的拉曼光谱变化主要集中在低波数段,该波数段的拉曼振动模式主要与晶体晶格振动等低能量振动有关。同时在高波数段出现新的CH₂峰,由此可推测在10.1~11.0 GPa之间,L-丝氨酸晶体的晶格振动发生变化,产生了新的氢键,从而导致了L-丝氨酸晶体结构的改变。L-丝氨酸晶体在15.5~17.5 GPa之间,由于没有发现直接证据证明其发生结构相变,只是在拉曼波数随压力变化中,发现其在17.5 GPa时出现拐点,因此推测L-丝氨酸晶体在15.5~17.5 GPa之间可能发生结构相变。     

拉曼光谱在优化处理绿松石中的应用研究

优化处理绿松石的大量面市,给绿松石的鉴定带来了挑战。通过激光拉曼光谱测试分析、压制及人工注塑处理绿松石为研究对象,对优化处理绿松石的激光拉曼光谱特征进行了研究。结果表明,拉曼光谱技术是一种有效鉴别绿松石及其处理品的无损检测方法,OH,H₂O,PO₄ 及CH₂基团的振动模式和频率决定了优化处理绿松石的激光拉曼光谱特征。优化处理绿松石除具绿松石典型拉曼光谱特征外,在2 937和2 883 cm-1处普遍出现一组具鉴定意义的由外来添加物中CH₂伸缩振动及CH₂弯曲振动致拉曼谱带。依据这些特征拉曼谱带,有助于将天然绿松石与优化处理品区分开。该研究为快速、准确、无损鉴别绿松石提供了一种新思路。