引言：易發(fā)表網(wǎng)憑借豐富的文秘實(shí)踐，為您精心挑選了九篇光譜學(xué)與光譜學(xué)分析范例。如需獲取更多原創(chuàng)內(nèi)容，可隨時(shí)聯(lián)系我們的客服老師。

第1篇

關(guān)鍵詞：關(guān)注度； 支持向量機(jī)； 期望最大化； 主動(dòng)學(xué)習(xí)； 高光譜遙感圖像

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A

0引言

遙感圖像分類在現(xiàn)實(shí)生活中有著非常廣泛的應(yīng)用，如地質(zhì)勘探與地球資源調(diào)查、城市遙感與規(guī)劃管理、環(huán)境與災(zāi)害監(jiān)測、現(xiàn)代精細(xì)農(nóng)業(yè)、測繪以及考古等遙感圖像精準(zhǔn)分類是諸多應(yīng)用的基礎(chǔ)問題，同時(shí)也是熱點(diǎn)問題近十幾年，衛(wèi)星傳感器技術(shù)得到了不斷發(fā)展，遙感圖像的光譜和空間分辨率不斷提高，目前較為流行的高光譜成像系統(tǒng)包括AVIRIS、HYDICE、ARCHER、HYMAP和HYPERION通過這些成像系統(tǒng)獲取的遙感圖像所蘊(yùn)含的信息得到了極大豐富，這為高光譜圖像分類和聚類分析提供了新的契機(jī)，目前國內(nèi)外學(xué)者提出了很多相關(guān)算法和方法，幾乎所有經(jīng)典的機(jī)器學(xué)習(xí)方法都被應(yīng)用到圖像分類和聚類分析中分類方面諸如基于最大似然和貝葉斯估計(jì)的方法[1]、基于核和決策樹的方法[2]、基于圖的方法[3]，而在基于核的方法[4]中，支持向量機(jī)（Support Vector Machine，SVM）在分類中的表現(xiàn)較為突出；聚類方面的大多數(shù)方法都是通過像元之間的相似性，利用統(tǒng)計(jì)學(xué)方法對(duì)圖像進(jìn)行聚合[5]但是，單一使用分類或者聚類方法無法充分利用圖像中所包含的光譜和空間信息，所以在文獻(xiàn)[6]中使用監(jiān)督分類方法初始化聚類分割區(qū)域的標(biāo)簽，再通過流域變換獲取最優(yōu)的分割圖像，最終在分割區(qū)域內(nèi)對(duì)分類圖像的結(jié)果標(biāo)簽進(jìn)行投票，分割區(qū)域?qū)?biāo)記為投票最高的類別，其分類的最終結(jié)果優(yōu)于單一的分類或聚類方法文獻(xiàn)[7]用投票的方式對(duì)聚類結(jié)果和分類結(jié)果進(jìn)行整合，最終使用分類所得的標(biāo)簽投票決定分割區(qū)域的類別，然后再對(duì)結(jié)果進(jìn)行降噪處理，其最終精確度也比傳統(tǒng)方法高但是，這兩種方法都需要使用大量的訓(xùn)練樣本來構(gòu)造分類器，分類成本都比較高為了減少分類器對(duì)訓(xùn)練樣本數(shù)量的需求，提高訓(xùn)練樣本質(zhì)量成為首要問題近幾年，主動(dòng)學(xué)習(xí)方法在尋找包含信息量較大、質(zhì)量較高的訓(xùn)練樣本時(shí)表現(xiàn)突出[8]

本文提出一種基于主動(dòng)學(xué)習(xí)的高光譜圖像分類（Hyperspectral Image Classification based on Active Learning， HICAL）方法，關(guān)注如何在減少訓(xùn)練集數(shù)量的同時(shí)提高分類精確度，結(jié)合了分類和聚類方法，充分利用高光譜圖像的光譜和原始空間特征，找到信息量較大的分割區(qū)域，進(jìn)而獲取信息價(jià)值較高的訓(xùn)練樣本，最終有效提高分類器的分類效果

1基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法

1.1問題描述

為了盡可能地降低高光譜圖像分類精確度和所需的訓(xùn)練樣本數(shù)量的比例，一方面需要充分利用高光譜圖像所蘊(yùn)含的信息，另一方面需要提高訓(xùn)練樣本的質(zhì)量

HICAL方法是以分類和聚類結(jié)果結(jié)合后所構(gòu)建的框架為基礎(chǔ)，使用本文提出的關(guān)注度計(jì)算方法對(duì)結(jié)合后的區(qū)域進(jìn)行統(tǒng)計(jì)，以找到信息量較高的區(qū)域新的訓(xùn)練樣本將在關(guān)注度較大的區(qū)域中產(chǎn)生，以此來提高訓(xùn)練集的質(zhì)量

1.2HICAL方法

1.2.1聚類分析

本文使用期望最大化（ExpectationMaximization，EM）算法對(duì)高光譜圖像進(jìn)行聚類分析在統(tǒng)計(jì)計(jì)算中，EM是在概率模型中尋找參數(shù)最大似然估計(jì)的算法，其中概率模型依賴于無法觀測的隱藏變量在使用EM算法過程中，可以假設(shè)所有的樣本都是符合高斯分布

EM算法對(duì)圖像進(jìn)行聚類過程中，為了使算法盡快收斂，將高光譜圖像的光譜波段進(jìn)行分組求均值，以此來減少參與計(jì)算的光譜波段數(shù)量聚類所得到的分割圖像通過四聯(lián)通的方式進(jìn)行區(qū)域劃分，并且給這些區(qū)域唯一標(biāo)號(hào)得到的帶有標(biāo)號(hào)的區(qū)域分割圖將作為模板，在后續(xù)迭代過程中與分類結(jié)果進(jìn)行整合

1.2.2監(jiān)督分類

獲取聚類結(jié)果之后，需要對(duì)圖像進(jìn)行監(jiān)督分類本文在分類過程中使用支持向量機(jī)（SVM）方法SVM是目前監(jiān)督分類使用較多的分類算法，是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，具有較好的泛化能力和學(xué)習(xí)能力

二分的支持向量機(jī)最終目標(biāo)是找到一個(gè)（d-1） 維的決策面，將測試樣本分成兩類在使用SVM進(jìn)行圖像分類時(shí)，總是將像元的特征通過一個(gè)核函數(shù)映射到一個(gè)較高維度的空間，這樣使樣本的區(qū)分度更大，通常使用高斯核函數(shù)（Radial Basis Function，RBF）

在二分問題中，通常將決策函數(shù)表示如下：

其中：SV表示得到的支持向量集合，對(duì)應(yīng)的αi不等于0

使用SVM對(duì)多類問題進(jìn)行分類時(shí)，通常采取兩種策略一種是一對(duì)一（OneAgainstOne，OAO）的方式，另一種是一對(duì)多的方式（OneAgainstAll，OAA），本文采用OAO的方式

HICAL方法在第一次監(jiān)督分類過程中，需要少許的訓(xùn)練樣本，通過SVM構(gòu)造分類器，且監(jiān)督分類的步驟在整個(gè)分類過程中是迭代進(jìn)行的，每當(dāng)新的訓(xùn)練樣本被增加到訓(xùn)練集時(shí)，都會(huì)重新構(gòu)造分類器，對(duì)圖像進(jìn)行新一輪分類

1.2.3整合聚類和分類結(jié)果

在獲取聚類和監(jiān)督分類結(jié)果后，借鑒文獻(xiàn)[7]中方法對(duì)兩個(gè)結(jié)果進(jìn)行整合，以聚類連通區(qū)域?yàn)槟Ｐ蛯?duì)監(jiān)督分類結(jié)果進(jìn)行區(qū)域劃分，并給出標(biāo)號(hào)最終在整合結(jié)果中的每一個(gè)區(qū)域內(nèi)，都包含一個(gè)或一個(gè)以上的像元，這些像元分類標(biāo)記的類別可能比較集中，也可能比較分散，這些分類標(biāo)記主要取決于監(jiān)督分類器的預(yù)測

1.2.4獲取新樣本來源區(qū)域

獲取整合結(jié)果之后，需要在結(jié)果所包含的區(qū)域中找到包含信息量較大的區(qū)域?qū)嶒?yàn)中總是更為關(guān)注那些含有較多像元，且分類標(biāo)簽比較分散的區(qū)域這樣的區(qū)域如果分類準(zhǔn)確度較高，將會(huì)很大程度地提高總體分類精確度因此，對(duì)區(qū)域的關(guān)注度給出如下公式定義：

其中：b為區(qū)域i包含像元個(gè)數(shù)ni的權(quán)重基數(shù)，用戶可根據(jù)情況自己選擇；t為迭代抽樣的次數(shù)，其意義是，隨著迭代的進(jìn)行，在較大區(qū)域已經(jīng)得到關(guān)注和抽樣之后，對(duì)于這些區(qū)域的關(guān)注度將會(huì)不斷下降，這樣在防止大區(qū)域過分取樣的同時(shí)，可以很好地兼顧到小樣本區(qū)域，所以，可以很好地解決以往算法對(duì)小樣本區(qū)域分類精確度不高的難題

獲取不同區(qū)域的關(guān)注度值之后，為了更集中、更有效地提高請(qǐng)求詢問的訓(xùn)練樣本的質(zhì)量，將通過設(shè)定閾值來選取需要取樣的區(qū)域最終在t次迭代中將選取滿足如下條件的區(qū)域作為新訓(xùn)練樣本的來源區(qū)域：

1.2.5新樣本選擇

獲取樣本來源區(qū)域后，可以定義迭代中所需新樣本的數(shù)量Ut對(duì)來源區(qū)域j∈Γt的取樣數(shù)量可以表示為μj，且滿足μj≥0在來源區(qū)域取樣的方式有兩種：S0和S1，其中S0是按照隨機(jī)方式在來源區(qū)域中選擇，而S1是根據(jù)來源區(qū)域中找到上一次監(jiān)督分類器標(biāo)記的最多標(biāo)簽類和次多標(biāo)簽類的子區(qū)域，按照兩個(gè)子區(qū)域的樣本比例進(jìn)行抽取

1.2.6主動(dòng)學(xué)習(xí)過程

本文的HICAL方法迭代過程通過主動(dòng)學(xué)習(xí)方式來實(shí)現(xiàn)整個(gè)過程分為兩個(gè)階段：1）初始化分類器階段，即初始監(jiān)督分類階段，在此階段首先需要提供少量的訓(xùn)練集，訓(xùn)練初始分類器；2）循環(huán)取樣階段，也是主動(dòng)學(xué)習(xí)的主要階段，這個(gè)階段在未標(biāo)記樣本中使用關(guān)注度進(jìn)行查詢，獲取信息量較大的整合區(qū)域，從而進(jìn)一步找到需要標(biāo)注的樣本，標(biāo)注之后追加到原有的訓(xùn)練集中，重新對(duì)分類器進(jìn)行訓(xùn)練，這個(gè)過程不斷循環(huán)，直到達(dá)到停止條件這個(gè)停止條件可以有多種，比如新訓(xùn)練樣本數(shù)量達(dá)到上限，或者是已經(jīng)達(dá)到迭代取樣的次數(shù)等

迭代結(jié)束后，將最后一次迭代所產(chǎn)生的分類結(jié)果和初始的聚類結(jié)果，按照聚類區(qū)域?yàn)槟０澹瑢?duì)所有分類產(chǎn)生的標(biāo)簽進(jìn)行投票，區(qū)域內(nèi)所有的像元將歸屬到得票最高的標(biāo)簽類最后進(jìn)行降噪處理

2實(shí)驗(yàn)及分析

2.1實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)環(huán)境：中央處理器Intel Core Duo P7350 2.00GHz，內(nèi)存2GB，32位Windows 7操作系統(tǒng)；軟件平臺(tái)為Matlab R2012a

2.2實(shí)驗(yàn)數(shù)據(jù)集

高光譜圖像分類實(shí)驗(yàn)使用的是印第安納州農(nóng)林區(qū)域圖像數(shù)據(jù)集（Indian Pines）

印第安納州農(nóng)林區(qū)域圖像拍攝于1992年，使用紅外成像光譜儀（AVIRIS）獲取，其內(nèi)容是印第安納州西北區(qū)域的某一農(nóng)業(yè)森林區(qū)的地表信息整幅圖像包含145×145像元，空間分辨率為20m，有220個(gè)波段，其中20個(gè)水吸收波段將在實(shí)驗(yàn)前被除去圖像反映了16種不同的地物信息圖1（a）顯示這個(gè)高光譜數(shù)據(jù)的假彩色圖像；圖1（b）顯示了其真實(shí)的地物信息，不同的顏色代表不同的類別本次實(shí)驗(yàn)針對(duì)的感興趣區(qū)域總共有10366個(gè)樣本，過去相關(guān)文獻(xiàn)中多數(shù)是在每一類別中隨機(jī)抽取10%的樣本作為訓(xùn)練樣本，這樣的抽樣方式對(duì)樣本比較少的類別來說是非常不利的為了和傳統(tǒng)的分類方式對(duì)比，在實(shí)驗(yàn)中也將采取這樣的抽樣方式，但抽樣的百分比會(huì)降低

2.3實(shí)驗(yàn)過程和結(jié)果分析

2.3.1HICAL方法與傳統(tǒng)隨機(jī)取樣方法比較

本實(shí)驗(yàn)將本文的HICAL方法與傳統(tǒng)隨機(jī)取樣方法進(jìn)行對(duì)比表1中顯示了各個(gè)算法的整體分類精確度（Overall Accuracy，OA）、平均分類精確度（Average Accuracy，AA）、Kappa系數(shù)以及每種地物的分類精確度SVM和SVM+EM算法[7]是在每一個(gè)類別中隨機(jī)抽取10%的樣本（1029個(gè)）作為訓(xùn)練集，其中SVM+EM也是結(jié)合光譜和空間特征的分類方法作為對(duì)比，本文算法將在每類隨機(jī)抽取4%的訓(xùn)練樣本（407個(gè)）上進(jìn)行

通過式（2）計(jì)算出每一個(gè)分割區(qū)域的關(guān)注度值，這樣就可以選出一些關(guān)注度較高的區(qū)域作為新訓(xùn)練樣本來源區(qū)域?qū)嶒?yàn)中取γt=0.15，每一次迭代對(duì)樣本的抽取數(shù)量做出限定，為了和傳統(tǒng)的方法比較，實(shí)驗(yàn)中只進(jìn)行4次迭代，每次迭代取樣本數(shù)Ut=50分別使用S0和S1方法對(duì)新樣本來源區(qū)域進(jìn)行取樣（如表1所示）

迭代起始階段，大樣本區(qū)域的關(guān)注度值會(huì)比較高，這樣在開始的迭代過程中可以有部分提高分類器的分類準(zhǔn)確度，迭代后期，關(guān)注的重心轉(zhuǎn)向區(qū)域較小的分割區(qū)從表1中可以看到，在迭代4次后，訓(xùn)練樣本總數(shù)為607，遠(yuǎn)小于隨機(jī)抽取10%的1029，但Alfalfa、Grass/pasturemowed和Oats三個(gè)小樣本區(qū)域的分類精確度已經(jīng)得到了非常顯著的提高這說明HICAL方法可以有效地解決這種小樣本區(qū)域的分類難題，最終獲取的分類結(jié)果無論是整體分類精確度還是平均分類精確度都得到了明顯提高（如表1）

2.3.2HICAL方法和相關(guān)主動(dòng)學(xué)習(xí)方法比較

本實(shí)驗(yàn)將HICAL方法和目前較新的且表現(xiàn)優(yōu)秀的主動(dòng)學(xué)習(xí)方法進(jìn)行比較[9]實(shí)驗(yàn)中，初始化分類器時(shí)需要80個(gè)訓(xùn)練樣本（每一類別5個(gè)），每一次迭代都將獲取50個(gè)新樣本標(biāo)注為訓(xùn)練集，同時(shí)設(shè)定每一次迭代的閾值都為γt=015在初始取樣方法和所獲得的訓(xùn)練樣本總數(shù)都相等的情況下，LORSALALMLL、MPMLBPAL兩種算法使用四種不同的方式迭代獲取訓(xùn)練樣本：RS（Random Selection）、MI（Mutual Information）、BT（Breaking Ties）、MBT（Modified Breaking Ties）表2中給出了這些不同方法獲取的分類結(jié)果可以看出，本文提出的方法在總體分類精度上更為出色

3結(jié)語

本文提出了一種基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法HICAL，能夠充分利用圖像的光譜特征和原始空間特征，同時(shí)使用一種新的高效的區(qū)域關(guān)注度計(jì)算方法對(duì)結(jié)合區(qū)進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)后的數(shù)值能夠非常精確地找到信息量價(jià)值較高的區(qū)域，進(jìn)而獲取質(zhì)量較高的未標(biāo)記樣本以此提高整體訓(xùn)練集的質(zhì)量，在訓(xùn)練樣本較少的情況下能夠有效提高整體分類精確度和平均分類精確度，從而降低分類精確度和訓(xùn)練樣本數(shù)量的比值

本文方法在分類過程中較之傳統(tǒng)的分類方法更能解決樣本失衡的問題，能夠有效地解決小樣本區(qū)域的分類難題；同時(shí)文中所提出的分類方法擴(kuò)展性較強(qiáng)，在分類和聚類算法的選擇上比較寬松，可以使用諸如K均值、自組織迭代技術(shù)等算法進(jìn)行替代在HICAL方法迭代過程中，關(guān)注度閾值的選取和樣本數(shù)量的設(shè)置，以及對(duì)區(qū)域樣本的選擇方法將是我們進(jìn)一步研究的內(nèi)容；同時(shí)我們也將關(guān)注其他分類和聚類算法，以期減少算法的時(shí)間復(fù)雜度

參考文獻(xiàn)：

[1]LANDGREBE D A. Signal theory methods in multispectral remote sensing [M] . New York： Wiley， 2003.

[2]MOUSTAKIDIS S， MALLINIS G， KOUTSIAS N， et al. SVMbased fuzzy decision trees for classification of high spatial resolution remote sensing images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（1）：149-169.

[3]BAI J， XIANG S M， PAN C H. A graphbased classification method for hyperspectral images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2013，51（2）：803-817.

[4]LI CH， KUO BC， LIN CT， et al. A spatial contextual support vector machine for remotely sensed image classification [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（3）：784-799.

[5]MAULIK U， SAHA I. Modified differential evolution based fuzzy clustering for pixel classification in remote sensing imagery [J]. Pattern Recognition， 2009，42（9）：2135-2149.

[6]TARABALKA Y， CHANUSSOT J， BENEDIKTSSON J A. Segmentation and classification of hyperspectral images using watershed transformation [J]. Pattern Recognition， 2010，43（7）：2367-2379.

[7]TARABALKA Y， BENEDIKTSSON J A， CHANUSSOT J. Spectralspatial classification of hyperspectral imagery based on partitional clustering techniques [J]. IEEE Transactions on Geoscience and Remote Sensing， 2009，47（8）：2973-2987.

第2篇

關(guān)鍵詞：吉首市 陽光體育 現(xiàn)狀 建議

1.1 研究對(duì)象

以吉首市普通中學(xué)陽光體育運(yùn)動(dòng)開展現(xiàn)狀為研究對(duì)象，結(jié)合隨機(jī)與整群抽樣的方法抽取吉首市一中，四中,雅思中學(xué)三所學(xué)校中的學(xué)生共600人為調(diào)查對(duì)象，其中男生315人，女生285人，體育教師共28人。

1.2 研究方法

文獻(xiàn)資料法;訪談法;問卷調(diào)查法;數(shù)理統(tǒng)計(jì)法;邏輯分析法

2.研究結(jié)果與分析

2.1吉首市普通中學(xué)開展陽光體育運(yùn)動(dòng)現(xiàn)狀調(diào)查

2.1.1吉首市普通中學(xué)師資力量現(xiàn)狀調(diào)查

體育教師是學(xué)校體育活動(dòng)的主導(dǎo)者，是“陽光體育”運(yùn)動(dòng)運(yùn)行好壞的“指揮棒”，因此學(xué)校體育的師資情況直接關(guān)系到學(xué)生“陽光體育”的落實(shí)情況，教師學(xué)歷的高低、體育教師的數(shù)量從一定程度上影響著教學(xué)質(zhì)量的提高，從調(diào)查來看吉首市普通中學(xué)教師學(xué)歷有待提高， 96%的體育教師均為大學(xué)本科，而碩士研究生僅占一小部分，其中大部分學(xué)校體育老師兼雙職。此外由于體育教師的結(jié)構(gòu)性缺編，體育教師和在校學(xué)生比例嚴(yán)重失調(diào)。這給陽光體育的開展造成一定影響。

2.1.2吉首市普通中學(xué)師生對(duì)陽光體育運(yùn)動(dòng)的了解程度調(diào)查

從調(diào)查得知，大部分體育教師對(duì)陽光體育這一概念還是比較了解，但學(xué)生對(duì)陽光體育的了解卻不容樂觀。在調(diào)查中有36% 的學(xué)生完全不了解這個(gè)概念;46% 的中學(xué)生只是基本了解;真正比較了解“陽光體育運(yùn)動(dòng)”的僅有18%。由此可知學(xué)生對(duì)陽光體育這一概念不清晰，學(xué)校和體育教師應(yīng)加大宣傳力度，使學(xué)生理解陽光體育的真正含義，自愿參與陽光體育運(yùn)動(dòng)，把身體鍛煉得更好。

2.1.3吉首市普通中學(xué)學(xué)生參加體育鍛煉時(shí)間的情況

從表1可以知，大部分學(xué)生不同程度地參加了體育活動(dòng)，只是每周運(yùn)動(dòng)的次數(shù)偏低，每次活動(dòng)的時(shí)間大部分都在三十分鐘以下。其中每周活動(dòng)五次以上的僅占一小部分。離我們“每天活動(dòng)1 h”的要求還有一定的差距。

2.1.4 吉首市普通中學(xué)有無陽光體育運(yùn)動(dòng)專項(xiàng)撥款的調(diào)查

據(jù)調(diào)查得知，沒有專項(xiàng)撥款的學(xué)校達(dá)到64%，而有專項(xiàng)撥款的為35%。在資金方面，大部分學(xué)校還不到位，這直接影響到學(xué)校陽光運(yùn)動(dòng)的開展。通過訪談得知，小部分學(xué)校有一定的體育活動(dòng)經(jīng)費(fèi)，可資金很少。這是導(dǎo)致陽光體育未能很好實(shí)施的一個(gè)重要原因，原因主要是學(xué)校領(lǐng)導(dǎo)對(duì)陽光體育運(yùn)動(dòng)的不重視，把大量的人力，物力和財(cái)力用在其他科目上。

2.1.5吉首市普通中學(xué)場地器材現(xiàn)狀情況調(diào)查

據(jù)調(diào)查可知，學(xué)生進(jìn)行體育活動(dòng)的主要場所與器材的配備明顯不足，這與教育部規(guī)定的每生活動(dòng)場地面積為3平方米相比，明顯不成比例，通過我們對(duì)老師和學(xué)生的交談得知學(xué)校的體育器材比較缺乏，并且有些體育器材已經(jīng)比較陳舊，學(xué)校沒有進(jìn)行及時(shí)的更新體育設(shè)備。學(xué)校應(yīng)在體育的硬件和軟件上進(jìn)行改善。使學(xué)校體育能更好的發(fā)展。讓學(xué)生能有更加寬敞的活動(dòng)環(huán)境和更加標(biāo)準(zhǔn)的體育場地。

2.2 影響吉首市普通中學(xué)陽光體育運(yùn)動(dòng)開展的原因分析

2.2.1 吉首市普通中學(xué)學(xué)校領(lǐng)導(dǎo)對(duì)開展“陽光體育”運(yùn)動(dòng)的態(tài)度

學(xué)校領(lǐng)導(dǎo)對(duì)“陽光體育”運(yùn)動(dòng)的重視程度，直接影響到學(xué)校體育活動(dòng)的組織和開展，因此學(xué)校領(lǐng)導(dǎo)對(duì)開展“陽光體育”運(yùn)動(dòng)的態(tài)度是影響吉首市普通中學(xué)陽光體育運(yùn)動(dòng)開展的一個(gè)直接原因。

2.2.2 吉首市普通中學(xué)體育教師師資力量狀況

目前吉首市普通中學(xué)體育教師存在結(jié)構(gòu)性失調(diào)，體育教師的數(shù)量無法滿足學(xué)生的需要；因此，吉首市政府要加大教師人事改革，增大體育教師數(shù)量，注入年輕新力量，改革管理機(jī)制，以便更好的開展陽光體育運(yùn)動(dòng)。

2.2.3 吉首市普通中學(xué)學(xué)校場地器材配備及資金情況

陽光體育運(yùn)動(dòng)的開展必須依賴于體育場地和器材，而體育器材的使用頻率高，需要投入大量的資金作為購買器材和維修,通過訪談與調(diào)查發(fā)現(xiàn)吉首市普通中學(xué)缺乏資金保障,體育器材得不到更新.因而使陽光體育運(yùn)動(dòng)沒有收到預(yù)期的效果.

3.結(jié)果與建議

3.1 結(jié)果

3.1.1吉首市普通中學(xué)的體育師資力量不足，體育教師和學(xué)生對(duì)陽光體育運(yùn)動(dòng)了解不透徹。每天的體育活動(dòng)時(shí)間達(dá)不到一小時(shí)。

3.1.2學(xué)校領(lǐng)導(dǎo)對(duì)陽光體育運(yùn)動(dòng)在校園的開展，還沒有形成足夠的重視，學(xué)校的場地器材條件有限。

3.1.3學(xué)校對(duì)開展陽光體育運(yùn)動(dòng)的經(jīng)費(fèi)缺乏；沒有充足的資金保障，另外，體育教師工作量大,新生力量補(bǔ)充不足。

3.2 建議

3.2.1學(xué)校領(lǐng)導(dǎo)重視關(guān)心陽光體育運(yùn)動(dòng)，各級(jí)部門加強(qiáng)宣傳，制定詳細(xì)和長遠(yuǎn)的實(shí)施方案，設(shè)立專項(xiàng)資金，為陽光體育運(yùn)動(dòng)進(jìn)一步開展提供條件保障。

3.2.2教育部門重視，建立和完善學(xué)校體育的管理制度，將學(xué)生每天一小時(shí)體育活動(dòng)納入學(xué)校督導(dǎo)內(nèi)容及評(píng)估體系，把學(xué)生體質(zhì)健康狀況作為評(píng)價(jià)教育工作的重要指標(biāo)。

3.2.3繼續(xù)升化學(xué)校體育改革，加大課程資源開發(fā)與利用，把課外體育活動(dòng)開展得豐富多彩，使之成為全體學(xué)生參與實(shí)踐陽光體育運(yùn)動(dòng)的主要形式。（作者單位：1.上海體育學(xué)院，體育教育訓(xùn)練學(xué)院；2.上海體育學(xué)院，中國乒乓球?qū)W院）

參考文獻(xiàn)

［1］ 教育部、國家體育總局、.關(guān)于全面啟動(dòng)全國億萬學(xué)生陽光體育運(yùn)動(dòng)的通知［Z］.教體藝［2006］6 號(hào)，2006-12-20.

［2］ 苗秀麗.開展億萬學(xué)生陽光體育運(yùn)動(dòng)的認(rèn)識(shí)與思考［J］.哈爾濱體育學(xué)院學(xué)報(bào)，2002(2)：43-44．

［3］ 朱志軍.陽光體育”伴新世紀(jì)青少年健康成長［J］.管理論壇,2007(8):47-48.

第3篇

1 實(shí)踐教學(xué)管理網(wǎng)站的作用

實(shí)踐教學(xué)管理是高校為了培養(yǎng)學(xué)生實(shí)踐能力所采用的新的管理模式，是根據(jù)高校的教學(xué)目的來開展的有規(guī)律的、有計(jì)劃的實(shí)踐教學(xué)活動(dòng)。[1]而實(shí)踐網(wǎng)站是高校實(shí)踐教學(xué)管理信息化的重要組成部分，能有效提高實(shí)踐教學(xué)管理的效率。該網(wǎng)站不僅是一個(gè)實(shí)踐教學(xué)信息和通知的窗口，它更是一個(gè)分享平臺(tái)，讓校外人員清楚了解學(xué)校開展實(shí)踐教學(xué)的情況，為其他學(xué)校提供可借鑒的經(jīng)驗(yàn)，同樣接受別人的合理提議和意見;讓師生能快速、方便的找到學(xué)校實(shí)踐教學(xué)發(fā)展的方向和各種活動(dòng)資料;讓管理者能清楚自己的工作是否給廣大師生帶來便利。在前幾年網(wǎng)站建設(shè)熱潮中，多數(shù)高校都建設(shè)有完整的實(shí)踐教學(xué)網(wǎng)站。

但隨著高校數(shù)字化校園的發(fā)展，近年來各高校紛紛引入包括實(shí)踐教學(xué)管理系統(tǒng)等各種教學(xué)信息管理系統(tǒng)，這些信息管理系統(tǒng)大大提高了教學(xué)管理的效率，已經(jīng)成為高校信息化發(fā)展的核心。而實(shí)踐網(wǎng)站的建設(shè)開始不那么受重視了。

2 廣東省普通高校實(shí)踐網(wǎng)站建設(shè)現(xiàn)狀調(diào)研

為了解廣東省本科學(xué)校實(shí)踐網(wǎng)站的建設(shè)情況，我們選取了廣東省26所二A類本科高校進(jìn)行了調(diào)研。因?yàn)檫@類高校屬于應(yīng)用型高校，主要培養(yǎng)高級(jí)技術(shù)技能型人才，更注重學(xué)生實(shí)踐能力的培養(yǎng)。調(diào)查的方法：瀏覽各高校的網(wǎng)站。我們通過查看各校網(wǎng)站及教務(wù)處網(wǎng)頁，看其是否有完整的實(shí)踐網(wǎng)站、還是只有部分實(shí)踐教學(xué)模塊、或者完全沒有實(shí)踐教學(xué)內(nèi)容并進(jìn)行統(tǒng)計(jì)，調(diào)查情況如下圖：

■

通過調(diào)查可看出，所調(diào)查的高校中，只有仲愷農(nóng)業(yè)工程學(xué)院、嘉應(yīng)學(xué)院、廣東藥學(xué)院等3所高校設(shè)有專門的實(shí)踐網(wǎng)站，占調(diào)研高校的11.57%。有8所高校學(xué)校網(wǎng)站的教務(wù)處網(wǎng)頁下有部分關(guān)于實(shí)踐教學(xué)的模塊，占30.77%，并且這些模塊中，有些模塊內(nèi)容是空白的。另外15所高校沒有實(shí)踐教學(xué)的相關(guān)內(nèi)容，所占比例為57.69%。

從調(diào)查結(jié)果發(fā)現(xiàn)，多數(shù)高校沒有專門的實(shí)踐教學(xué)網(wǎng)站，有些高校網(wǎng)站甚至沒有任何關(guān)于實(shí)踐教學(xué)的介紹。為什么會(huì)出現(xiàn)這種情況，是高校不再重視實(shí)踐教學(xué)嗎？還是實(shí)踐網(wǎng)站確實(shí)訪問量低，對(duì)實(shí)踐教學(xué)管理幫助不大，高校只是不重視網(wǎng)站建設(shè)而非不重視實(shí)踐教學(xué)。

3 分析

為此我們對(duì)建設(shè)有完整實(shí)踐教學(xué)網(wǎng)站的仲愷農(nóng)學(xué)院師生進(jìn)行關(guān)于實(shí)踐教學(xué)網(wǎng)站了解情況的調(diào)查，其中學(xué)生采取網(wǎng)絡(luò)問卷的方式調(diào)查，共回收有效問卷947份;教師采用紙質(zhì)問卷的方式調(diào)查，共回收有效問卷30份。具體調(diào)查結(jié)果如下：

3.1 參與調(diào)查的絕大部分是校內(nèi)的本科學(xué)生。接近7成的學(xué)生稱沒有了解過本校的實(shí)踐網(wǎng)站。而有8成的教師稱沒有了解過本校的實(shí)踐網(wǎng)站。超過7成的老師從來不知道學(xué)校有實(shí)踐網(wǎng)站。

3.2 關(guān)于什么情況會(huì)訪問網(wǎng)站，有超過6成的學(xué)生認(rèn)為他們工作、學(xué)習(xí)需要的時(shí)候，才會(huì)查閱網(wǎng)站。有3成的教師認(rèn)為他們工作、學(xué)習(xí)需要的時(shí)候，才會(huì)查閱網(wǎng)站。而對(duì)于是否清楚實(shí)踐網(wǎng)站的意義，超過一半的學(xué)生認(rèn)為自己基本不了解網(wǎng)站建設(shè)的目的性和意義;有4成多的老師完選擇全不清楚。

通過調(diào)查我們發(fā)現(xiàn)，即使像仲愷農(nóng)業(yè)工程學(xué)院這樣建設(shè)有專門實(shí)踐教學(xué)網(wǎng)站的學(xué)習(xí)，學(xué)校師生也極少需要訪問到該網(wǎng)站。這一方面與技術(shù)進(jìn)步和師生的閱讀習(xí)慣改變有關(guān);近些年各高校教學(xué)管理系統(tǒng)、OA系統(tǒng)甚至數(shù)字化校區(qū)系統(tǒng)，qq群、好友圈、微博等通訊手段也在校園內(nèi)廣泛應(yīng)用，廣大師生已經(jīng)不再依賴網(wǎng)站來了解學(xué)校的教學(xué)情況。最近《第一財(cái)經(jīng)周刊》有報(bào)道，隨著消費(fèi)者閱讀習(xí)慣的改變，國內(nèi)四大門戶網(wǎng)站流量和市值已經(jīng)大不如前，各公司已經(jīng)把投入大多都轉(zhuǎn)向了社交、視頻、垂直網(wǎng)站上面。[2]可見，閱讀習(xí)慣的改變不僅僅發(fā)生在校園內(nèi)，而是整個(gè)社會(huì)的發(fā)展。

另一方面高校網(wǎng)站信息量太多、重復(fù)率高也是造成實(shí)踐網(wǎng)站訪問量少的原因。經(jīng)過前些年網(wǎng)站建設(shè)熱潮中，許多高校各個(gè)部門、各院（系）甚至許多管理崗位都建設(shè)了網(wǎng)站。這樣的信息量太大了，別說4年就畢業(yè)的學(xué)生，連工作幾十年的老師也不可能清楚學(xué)校網(wǎng)站的所有內(nèi)容。因此遇到較重要的通知，校園網(wǎng)主頁和部門主要都會(huì)同時(shí)，這又造成的信息的重復(fù)，學(xué)生既然在主頁就能找到信息了，就沒必要進(jìn)入部門主頁了，更何況掛在部門主頁下面的實(shí)踐網(wǎng)站。

4 建議

4.1 定位明確。實(shí)踐教學(xué)網(wǎng)站應(yīng)該起著輔助管理的作用，這就需要根據(jù)各高校的情況來定位網(wǎng)站的功能。如果學(xué)校已經(jīng)引入了實(shí)踐教學(xué)管理系統(tǒng)、大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目管理系統(tǒng)、實(shí)踐競賽管理系統(tǒng)、學(xué)生管理系統(tǒng)等信息化系統(tǒng)，那么大可不必設(shè)置專門的實(shí)踐教學(xué)網(wǎng)站。而類似仲愷農(nóng)業(yè)工程學(xué)院這樣雖然引入了實(shí)踐教學(xué)管理系統(tǒng)，但畢業(yè)論文、大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目、實(shí)踐基地建設(shè)和實(shí)踐技能競賽等仍用傳統(tǒng)方式管理的學(xué)校，則可以設(shè)有相關(guān)的實(shí)踐教學(xué)網(wǎng)站來作為實(shí)踐教學(xué)管理信息的平臺(tái)。

4.2 突出特點(diǎn)。實(shí)踐教學(xué)網(wǎng)站需有鮮明的特點(diǎn)，網(wǎng)站內(nèi)容不需要太多，應(yīng)突出主題。如仲愷農(nóng)學(xué)院既然有實(shí)踐教學(xué)管理系統(tǒng)了，網(wǎng)站就可以減少這方面的內(nèi)容，而加強(qiáng)學(xué)生競賽和教學(xué)基地建設(shè)等模塊的比重。同樣是對(duì)仲愷學(xué)院師生的調(diào)查，學(xué)生們比較關(guān)注網(wǎng)站開設(shè)的模塊，超過4成選擇了實(shí)踐基地建設(shè)、優(yōu)秀畢業(yè)論文和創(chuàng)新實(shí)驗(yàn)項(xiàng)目三大模塊。而教師中有超過5成選擇了實(shí)踐基地建設(shè)、實(shí)踐技能競賽和創(chuàng)新實(shí)驗(yàn)項(xiàng)目三大模塊作為他們關(guān)注的。那么該校的網(wǎng)站建設(shè)就應(yīng)該重視師生關(guān)注的這幾大模塊的內(nèi)容。

第4篇

Laser Spectroscopy

Vol.2,4th Edition

2009

Hardcover

ISBN 9783540749523

W 德姆特勒德著

自1960年第一臺(tái)激光器問世以來的近50年中,激光光譜學(xué)一直是研究領(lǐng)域的重點(diǎn),并且在科學(xué)、醫(yī)藥以及技術(shù)的許多方面取得顯著進(jìn)展,得到越來越多的應(yīng)用。激光光譜學(xué)的發(fā)展部份地得力于新的實(shí)驗(yàn)技術(shù)。這些新技術(shù)的出現(xiàn),激發(fā)了激光在化學(xué)、生物、醫(yī)藥、大氣研究、材料科學(xué)、計(jì)量學(xué)、光通訊網(wǎng)絡(luò)以及許多其它工業(yè)領(lǐng)域的應(yīng)用。

為了讓讀者了解這些新發(fā)展,新版書中增加了很多新內(nèi)容,譬如:外腔倍頻,穩(wěn)定的連續(xù)參量振蕩器,可調(diào)的窄帶紫外光源,更靈敏的檢測技術(shù),可調(diào)的飛秒或次飛秒激光器,原子或分子激發(fā)的控制,能與飛秒激光器同步的頻率梳,相干的物質(zhì)波,以及在化學(xué)分析、醫(yī)藥診斷、工程中更多的應(yīng)用實(shí)例。此外,對(duì)一些章節(jié)的內(nèi)容如非線性光譜學(xué)、離子阱、超短激光脈沖、以及激光光譜的新發(fā)展等作了較大改進(jìn)和擴(kuò)充。新增的50張插圖展示了最新的開發(fā)和研究結(jié)果。這些新內(nèi)容需要在第三版《激光光譜學(xué)》中增加很多頁面,因此著者決定將第四版的《激光光譜學(xué)》分為兩卷。第一卷主要論述激光光譜學(xué)的基礎(chǔ)。第二卷介紹了激光光譜學(xué)的各種實(shí)驗(yàn)技術(shù)及應(yīng)用。新技術(shù)及新實(shí)驗(yàn)裝置包括:用光梳直接測量光波的絕對(duì)頻率和脈沖;可見飛秒激光高次諧波的阿秒時(shí)間分辨率;飛秒非共線光參放大器,以及用它來高速測量激發(fā)分子的快速動(dòng)態(tài)過程,它也是詳細(xì)研究一些重要過程如眼視網(wǎng)膜的視覺過程,或葉綠素分子中的光合成過程的基本工具。

本書共10章:1.激光的多普勒極限吸收光譜和熒光光譜;2.非線性光譜;3.激光喇曼光譜;4.分子束的激光光譜;5.光泵和雙共振技術(shù);6.時(shí)間分辨激光光譜;7.相干光譜;8.碰撞過程的激光光譜;9.激光光譜的新發(fā)展;10.激光光譜學(xué)的應(yīng)用。每一章的末尾有練習(xí)題。書的末尾有習(xí)題答案、參考文獻(xiàn)及主題索引。

著者任職于德國凱澤斯勞滕大學(xué)(Universitt Kaiserslautern)物理系。目前他的教學(xué)及研究的興趣包括:實(shí)驗(yàn)物理學(xué),激光光譜,原子、分子和光子,分子物理學(xué)。他曾撰寫數(shù)十部著作。

本書填補(bǔ)了前沿研究論文與基本原理和基本實(shí)驗(yàn)技術(shù)之間的空白。適合于想深入了解激光光譜學(xué)的物理學(xué)家及化學(xué)家閱讀;也可作為研究生的教科書。凡是學(xué)過原子物理、分子物理、電動(dòng)力學(xué)和光學(xué)的學(xué)生都能閱讀本書。

劉克玲,退休研究員

(中國科學(xué)院過程工程研究所)

第5篇

關(guān)鍵詞：近紅外光譜技術(shù)；水果；品質(zhì)檢測；成熟期檢測

中圖分類號(hào)：TV219文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：16749944（2013）10021504

1引言

我國雖然是水果生產(chǎn)大國， 但自1993年以來水果儲(chǔ)藏能力只有10 % ，爛果率高達(dá)25 %，出口總量不到總產(chǎn)量的3%，遠(yuǎn)低于9%～10%的世界平均水平[1～3]。以上原因造成果農(nóng)賣果難，增收難。要解決這些問題，必須發(fā)展水果深加工，擴(kuò)大鮮果出口。阻礙我國鮮果出口的一個(gè)重要因素是果品分選、檢測能力弱，檢測速度慢，檢測人員的素質(zhì)低，果品篩選達(dá)不到國際上水果進(jìn)出口市場的要求。國內(nèi)早期的水果內(nèi)部品質(zhì)檢測方法主要是化學(xué)分析法，該方法不僅可靠性和穩(wěn)定性較差，而且在測試時(shí)還必須破壞水果，測試過程繁瑣，只能通過少量樣本的測定，來評(píng)價(jià)整批次水果的品質(zhì)。鑒于以上原因，無損檢測技術(shù)應(yīng)運(yùn)而生。無損檢測技術(shù)具有無損、快速、準(zhǔn)確性高和實(shí)時(shí)性強(qiáng)等特征。目前的無損檢測技術(shù)主要有針對(duì)水果光學(xué)特性、電學(xué)特性、聲學(xué)特性、力學(xué)振動(dòng)特性等眾多性質(zhì)進(jìn)行的各種檢測，且大多還處于試驗(yàn)研究階段[2]。

近紅外光譜技術(shù)（Near Infrared Spectroscopy Technology， NIST）是一種利用物質(zhì)對(duì)光的吸收、散射、反射和透射等特性來確定其成分含量的一種無損檢測技術(shù)，具有快速、非破壞性、無試劑分析、安全、高效、低成本及同時(shí)測定多種組分等特點(diǎn)[4]。隨著現(xiàn)代光譜技術(shù)的發(fā)展，且憑借其快速、方便、準(zhǔn)確和無損傷等特點(diǎn)，應(yīng)用近紅外光譜分析技術(shù)對(duì)水果品質(zhì)進(jìn)行無損檢測已成為近年來的研究熱點(diǎn)。本文主要介紹2000年后，近紅外光譜分析在果實(shí)成熟期檢測和品質(zhì)檢測兩方面的研究進(jìn)展。

2近紅外光譜技術(shù)在水果成熟期監(jiān)測中

的應(yīng)用研究近紅外與可見光結(jié)合的無損檢測技術(shù)具有適應(yīng)性強(qiáng)、靈敏度高、對(duì)人體無害、成本低和容易實(shí)現(xiàn)等優(yōu)點(diǎn)，被廣泛用于水果成熟度的無損檢測。2002年，McGlone等利用VIS/NIR技術(shù)，依據(jù)果實(shí)成熟過程中葉綠素減少的趨勢，深入探測了“Royal Gala”蘋果在采摘前和儲(chǔ)藏后各品質(zhì)指標(biāo)，光譜圖如圖1所示，在蘋果早采收、適中采收、晚采收的典型吸光度光譜對(duì)比中，發(fā)現(xiàn)在680nm波長處，葉綠素吸光度有明顯的變化，早采收果實(shí)的吸光度明顯高于適中采收和晚采收果實(shí)，因此認(rèn)為該波長可用于區(qū)別蘋果的成熟度[5]。Lur等人用近紅外光譜檢測蘋果的硬度和含糖量，通過有損與無損相結(jié)合的方式建立了預(yù)測蘋果內(nèi)部品質(zhì)的數(shù)學(xué)模型[6]。

2005年，Ann Peirs等人在前人研究的基礎(chǔ)上研究了蘋果自然特性對(duì)可見近紅外模型預(yù)測采摘期成熟度精確性的影響。研究表明，近紅外光譜與成熟度有一定相關(guān)關(guān)系，其Rr>0.94，RMSEP

2007年，Yongni Shao等人用可見光與近紅外檢測技術(shù)結(jié)合硬度、糖度和酸度等指標(biāo)檢測番茄的成熟度，得到了各自的相關(guān)系數(shù)，分別為0.83、0.81和0.83，表明可見光與近紅外技術(shù)無損檢測水果成熟度的方法是可行而且實(shí)用的[8]。

3近紅外光譜技術(shù)在水果品質(zhì)檢測中的

應(yīng)用研究利用近紅外光譜（NIR）檢測水果品質(zhì)早已成為國際研究熱點(diǎn)之一。2003年，Clark等利用700～900nm的透射光檢測了褐心貝賓（Braeburn）蘋果，探討了投射測量時(shí)蘋果的最佳位置[9]。國內(nèi)的相關(guān)研究也如雨后春筍般涌現(xiàn)出來，研究的水果有柑橘、蘋果、梨、桃、枇杷等，檢測的品質(zhì)涉及糖度、酸度、可溶性固形物、維生素、堅(jiān)實(shí)度、色澤及單果重量、褐變、模式識(shí)別等。

3.1糖度檢測

2006年，應(yīng)義斌等利用小波變換結(jié)合近紅外光譜技術(shù)檢測水果糖度，小波變換濾波技術(shù)能有效地消除蘋果近紅外光譜中的噪聲，在采用小波變換尺度為3時(shí)WT-SMLR法建立的校正模型精度明顯優(yōu)于采用SMLR法建立的模型 [10]。周文超等建立贛南臍橙內(nèi)部糖度的近紅外投射PLS模型，r=0.9032，RMSEP=0.2421[11]。劉春生等利用可見/近紅外漫反射光譜結(jié)合PLS建立南豐蜜桔糖度校正模型，預(yù)測集r=0.9133，RMSEP=0.5577，平均預(yù)測偏差為-0.0656[12]。

3.2酸度檢測

應(yīng)義斌等建立蘋果有效酸度的近紅外漫反射PLS模型，最佳PC=3，r=0.959，SEC=0.076，SEP=0.525，Bias=0.073[13]。劉燕德等應(yīng)用近紅外漫反射光譜結(jié)合光線傳感技術(shù)建立蘋果有效酸度模型，預(yù)測值和真實(shí)值r=0.906，SEC=0.0562、SEP=0.0562，Bias=0.0115[14]。董一威等采用CCD近紅外光譜系統(tǒng)結(jié)合偏最小二乘回歸（PLSR）建立蘋果酸度預(yù)測模型，r=0.8151，SEC=0.0120，SEP=0.0204[15]。

3.3可溶性固形物檢測

2006年，李建平等應(yīng)用近紅外漫反射光譜定量分析技術(shù)對(duì)2個(gè)產(chǎn)地3個(gè)品種枇杷的可溶性固形物進(jìn)行無損檢測研究，發(fā)現(xiàn)在波長1400～1500nm和1900～2000nm兩段范圍，樣品的可溶性固形物與光譜吸光度之間的相關(guān)系數(shù)較高，最終建立的可溶性固形物含量預(yù)測模型的校正集和預(yù)測集相關(guān)系數(shù)分別為0.96和0.95[16]。

2008年，劉燕德等應(yīng)用近紅外光譜（350～1800nm）及偏最小二乘法回歸、主成分回歸和多元線性回歸對(duì)梨的可溶性固形物及逆行定量分析；在采用偏最小二乘法回歸算法之前先用一階微分對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，研究表明果實(shí)中間部位的預(yù)測結(jié)果較為理想；近紅外漫反射光譜可以作為一種準(zhǔn)確、可靠和無損的檢測方法用于評(píng)價(jià)梨果實(shí)內(nèi)部指標(biāo)可溶性固形物[17]。

2009年，周麗萍等采用可見光與近紅外光結(jié)合技術(shù)對(duì)蘋果的可溶性固形物含量的檢測進(jìn)行了研究，他們結(jié)合主成分分析（PCA）和BP神經(jīng)網(wǎng)絡(luò)技術(shù)，建立蘋果SSC預(yù)測模型；采用DPS數(shù)據(jù)處理系統(tǒng)對(duì)蘋果樣本的漫反射光譜（345～1039nm波段），進(jìn)行主成分分析，獲得累計(jì)可信度大于95%的5個(gè)新主成分；建立一個(gè)3層BP神經(jīng)網(wǎng)絡(luò)模型，并將這5個(gè)新的主成分作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入量，其結(jié)果是98%以上預(yù)測樣本的預(yù)測相對(duì)誤差在5%以下[18]。

3.4堅(jiān)實(shí)度檢測

2006年，傅霞萍等采用傅里葉漫反射近紅外光譜技術(shù)研究了水果堅(jiān)實(shí)度的無損檢測方法，他們對(duì)不同預(yù)處理方法和不同波段建模對(duì)模型的預(yù)測性能進(jìn)行分析對(duì)比，建立了利用偏最小二乘法進(jìn)行水果堅(jiān)實(shí)度與漫反射光譜的無損檢測數(shù)學(xué)模型，同時(shí)結(jié)果表明應(yīng)用近紅外漫反射光譜檢測水果堅(jiān)實(shí)度是可行的，為今后快速無損評(píng)價(jià)水果成熟度提供了理論依據(jù)[19]。

2009年，史波林等采用近紅外光譜技術(shù)結(jié)合遺傳算法分別對(duì)去皮前后蘋果堅(jiān)實(shí)度無損檢測進(jìn)行研究，他們采用光譜附加散射校正（MSC）、微分處理（Derivative）、直接正交信號(hào)校正（DOSC）等預(yù)處理方法和基于遺傳算法（GA）的有效波段選擇方法來消除果皮對(duì)模型精度的影響，結(jié)果表明，蘋果果皮對(duì)近紅外光譜分析模型的預(yù)測能力有很大影響，但僅通過常規(guī)的光譜預(yù)處理方法（MSC 、Derivative）很難有效消除。他們提出的遺傳算法結(jié)合直接正交信號(hào)校正（GA-DOSC）方法能有效消除果皮的影響，不但使所建模型的波長點(diǎn)和最佳主因子數(shù)分別由1480和5降到36和1，相關(guān)系數(shù)r由0.753提高到0.805，更重要的是模型的預(yù)測相對(duì)誤差RSDp從16.71%顯著下降到12 .89%，并接近采用蘋果果肉建模的預(yù)測性能（12.36%），達(dá)到對(duì)蘋果硬度的近紅外無損檢測要求[20]。

3.5色澤及單果重量檢測

3.8品種鑒別

趙杰文等采用支持向量機(jī)（SVM）建立蘋果不同品種、不同產(chǎn)地的分類模型，預(yù)測識(shí)別率精度比傳統(tǒng)的判別分析法提高5%左右，均達(dá)到100%；回判識(shí)別率分別為100%和87%[27]。何勇等提出了一種用近紅外光譜技術(shù)快速鑒別蘋果品種的新方法，該方法應(yīng)用主成分分析結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立了蘋果品種鑒別的模型，該模型的預(yù)測效果很好，識(shí)別率達(dá)到100%[28]。

4存在的問題

近紅外光譜技術(shù)具有檢測速度快速、檢測方法簡便、檢測準(zhǔn)確性高及同時(shí)可測定多種成分的優(yōu)點(diǎn)，使它在果品在線分選檢測中有較好的應(yīng)用前景。雖然近紅外光譜技術(shù)在水果成熟期預(yù)測和內(nèi)部品質(zhì)檢測方面的研究已有10年的時(shí)光，有些檢測技術(shù)已趨于成熟，但目前來看該技術(shù)仍存在一些問題，比如怎樣找出不同水果光譜的特性波段，怎樣實(shí)現(xiàn)果品快速在線檢測和分選，怎樣實(shí)現(xiàn)對(duì)水果的成熟度、硬度、糖度和內(nèi)部缺陷等同時(shí)檢測，具體來說近紅外光譜技術(shù)在水果品質(zhì)或成熟期檢測研究中主要存在以下幾方面問題。

4.1水果成熟期預(yù)測中存在的問題

（1）近紅外光譜技術(shù)在水果成熟期預(yù)測中，光譜波段的選擇尤為重要；建立預(yù)測模型時(shí)有必要對(duì)光譜波段進(jìn)行優(yōu)選和組合[29]。

（2）利用近紅外光譜預(yù)測果實(shí)成熟期時(shí)，既要保證預(yù)測模型的精確度，還需考慮模型的通用性，即還需進(jìn)一步研究水果果實(shí)的不同光學(xué)特性與果實(shí)成熟期的相關(guān)性，提高預(yù)測的效率和準(zhǔn)確性。

4.2水果品質(zhì)檢測中存在的問題

（1）在水果品質(zhì)的光譜檢測中，光譜儀自身的信噪比等性能會(huì)極大地影響預(yù)測模型的精確度。可見，在光譜預(yù)處理方面，選擇合適的消噪方法將成為今后近紅外光譜技術(shù)在水果內(nèi)部品質(zhì)及成熟期預(yù)測中的另一個(gè)研究重點(diǎn)[30]。

（2）在利用NIST對(duì)水果品質(zhì)進(jìn)行檢測的過程中，建立數(shù)學(xué)模型是最困難的，因?yàn)榻t外光譜很容易受到果品樣本個(gè)體因素如溫度、檢測部位不同等因素的影響；同時(shí)由于檢測環(huán)境條件、儀器的精度和穩(wěn)定性等復(fù)雜因素的影響，使得數(shù)學(xué)模型適應(yīng)性差。在線檢測過程中，樣品是運(yùn)動(dòng)的，近紅外光譜受到很大的影響，如何在果品運(yùn)動(dòng)的狀態(tài)下獲得較穩(wěn)定的近紅外光譜仍是一個(gè)很大的難題。

（3）建立用于水果品質(zhì)光譜分析的校正模型與開發(fā)用于水果品質(zhì)檢測的軟件系統(tǒng)是近紅外光譜技術(shù)能否用于水果品質(zhì)檢測的最關(guān)鍵問題，但當(dāng)前大部分研究只是進(jìn)行可行性探索，沒有進(jìn)行深入研究；在實(shí)際生產(chǎn)生活中使用的便攜式水果品質(zhì)無損檢測儀器非常罕見。

5發(fā)展趨勢

目前水果市場，或者水果生產(chǎn)者在田間分析水果品質(zhì)都需要一種小型便捷的、可移動(dòng)式的近紅外光譜分析儀器。同時(shí)這些儀器還需要操作簡單，對(duì)普通常見的水果都具有適用性。因此，便攜式的、能夠和電腦隨時(shí)連接的類USB或PDA的近紅外水果分析儀將會(huì)成為市場新寵。

當(dāng)今水果加工過程中非常需要一種能夠根據(jù)水果品質(zhì)指標(biāo)（如可溶性固形物、酸度、硬度等）進(jìn)行快速在線分級(jí).光纖技術(shù)與近紅外技術(shù)結(jié)合必然使近紅外在線檢測技術(shù)廣泛應(yīng)用于水果以及其他各個(gè)領(lǐng)域，并在今后的發(fā)展中逐步形成成熟的在線檢測裝備投放于市場。隨著近紅外光譜分析技術(shù)的不斷推廣和深入應(yīng)用，未來它將與網(wǎng)絡(luò)技術(shù)結(jié)合，更方便快捷地實(shí)現(xiàn)分析模型的在線更新與升級(jí)。

目前，水果的近紅外光譜無損檢測中還存在檢測指標(biāo)單一、實(shí)時(shí)性差、檢測效率低等問題。為了解決上述問題，開展高效并行圖像處理算法和多指標(biāo)綜合檢測技術(shù)的研究非常必要，并將成為研究熱點(diǎn)。為了更快速、更準(zhǔn)確地得到測量結(jié)果，結(jié)合近紅外光譜分析技術(shù)、高光譜成像技術(shù)，及紫外、紅外光技術(shù)，從多信息融合技術(shù)的不同層次：數(shù)據(jù)層、特征層和決策層選擇最優(yōu)的融合方法，在水果成熟期和品質(zhì)檢測領(lǐng)域?qū)⒂袕V闊的研究前景。近紅外光譜技術(shù)將會(huì)在更多領(lǐng)域更廣泛范圍為人類帶來便利。

參考文獻(xiàn)：

[1]林，近紅外光譜分析技術(shù)在我國大宗水果品質(zhì)無損檢測中的應(yīng)用研究[J].食品工業(yè)科技，2012，6（33）：460～464.

[2]賀艷楠，水果成熟度無損檢測技術(shù)研究進(jìn)展[J].北方園藝，2010（3）：208～212.

[3]莫潤陽，無損檢測技術(shù)在水果品質(zhì)評(píng)價(jià)中的應(yīng)用[J].物理學(xué)和高新技術(shù)，2004，33（11）：848～851.

[4]毛莎莎，曾明，何紹蘭，等，近紅外光譜技術(shù)在水果成熟期預(yù)測中的應(yīng)用（綜述）[J].亞熱帶植物科學(xué)，2010，39（1）：82～89.

[5]McGlone V A， et al. VIS/NIR estimation at harvest of pre- and post-storage quality indices for ‘Royal Gala’ apple [J]. Postharvest Biology and Technology，2002，25：135～144.

[6]Lu R， et al. A Near-infeared sensing technique for measuring internal quality of apple fruit[J]. Trans of the ASAE，2002，18（5）：585～590.

[7]Ann Peirs， et al. Effect of natural variability among apples on the accuracy of VIS-NIR calibration model for optimal harvest date prediction[J]. Postharvest Biology and technology，2005，35：1～13.

[8]Yongni Shao，et al. Visible/near infrared spectrometric technique for nondestructive assessment of tomato quality characteristics[J]. Journal of Food Engineering，2007，81：672～678.

[9]Clark C J， McGlone V A， Jordan R B， et al. Detection of brown-heart in ‘braeburn’ apple by transmission NIR spectroscopy[J]. Post-harvest Biology and Technology， 2003（28）：87～96.

[10]應(yīng)義斌，基于小波變換的水果糖度近紅外光譜檢測研究[J].光譜學(xué)與光譜分析，2006， 26（1）：63～66.

[11]周文超.近紅外投射光譜無損檢測贛南臍橙糖度的研究[J].農(nóng)業(yè)化研究，2009（5）：161～163.

[12]劉春生.偏最小二乘法——可見/近紅外光譜測定南豐蜜桔糖度的研究[J].河北師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，32（6）：788～790，797.

[13]應(yīng)義斌.蘋果有效酸度的近紅外漫反射無損檢測[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2004，35（6）：124～126，141.

[14]劉燕德.近紅外漫反射用于檢測蘋果糖度及有效酸度的研究[J].光譜學(xué)與光譜分析，2005，25（11）：1793～1796.

[15]董一威.蘋果中糖酸度的CCD近紅外光譜分析[J].食品科學(xué)，2007，28（8）：376～380.

[16]李建平，傅霞萍，周瑩.近紅外光譜定量分析技術(shù)在枇杷可溶性固形物無損檢測中的應(yīng)用[J].光譜學(xué)與光譜分析，2006，26（9）：1606～1609.

[17]劉燕德.近紅外漫反射光譜檢測梨內(nèi)部指標(biāo)可溶性固形物的研究[J].光譜學(xué)與光譜分析，2008，28（4）：797～800.

[18]周麗萍.蘋果可溶性固形物含量的檢測方法[J].農(nóng)業(yè)化研究，2009，4（4）：104～106.

[19]傅霞萍.水果堅(jiān)實(shí)度的近紅外光譜檢測分析實(shí)驗(yàn)研究[J].光譜學(xué)與光譜分析，2006，26（6）：1038～1041.

[20]史波林.應(yīng)用GA-DOSC算法消除果皮影響近紅外漫反射光譜分析蘋果硬度的研究[J].光譜學(xué)與光譜分析，2009，29（3）：665～675.

[21] 劉燕德.梨子表面色澤的可見/近紅外漫反射光譜無損檢測研究[J].紅外與毫米波學(xué)報(bào)，2008，27（4）：266～268.

[22]李鑫.蘋果梨單果重的近紅外無損檢測研究[J].安徽農(nóng)業(yè)科學(xué)，2008，36（4）：1297～1298.

[23]韓東海.蘋果內(nèi)部褐變的光學(xué)無損傷檢測研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37（6）：86～88，93.

[24]王加華.基于可見/近紅外能量光譜的蘋果褐腐病和水心鑒別[J].光譜學(xué)與光譜分析，2008，28（9）：2098～2102.

[25] 夏俊芳.基于小波變換的柑橘維生素C含量近紅外光譜無損檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（6）：170～174.

[26]劉燕德.可見/近紅外漫反射光譜無損檢測南豐蜜桔維生素C的研究[J].光譜學(xué)與光譜分析，2008，28（10）：2310～2320.

[27] 趙杰文.支持向量機(jī)在蘋果分類的近紅外光譜模型中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（4）：149～152.

[28]何勇.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[J].光譜學(xué)與光譜分析，2006，26（5）：850～853.

第6篇

關(guān)鍵詞：微波消解；電感耦合等離子體質(zhì)譜；肉及肉制品；重金屬

Abstract： A method for the simultaneous determination of 7 trace elements （lead， arsenic， cadmium， chromium， selenium， mercury， and nickel） in meat and meat products by inductively coupled plasma mass spectrometry （ICP-MS） with microwave digestion was established. Samples were pretreated by microwave digestion and determined by ICP-MS with rhodium （Rh） as the internal standard. The microwave digestion conditions and the instrumental parameters were optimized. It was found that the instrumental signal drift and matrix effect could be overcome by using the internal standard method. The developed standard curve was linear in the range of 0 to 20 ng/mL， with a correlation coefficient of more than 0.999. The recoveries of the analytes in spiked samples ranged from 89.4% to 98.9% and the precision expressed as relative standard deviation was less than 5%. The limits of detection for the trace elements were all lower than those stipulated in the Chinese national standards. The proposed method was rapid， accurate， reliable， sensitive and suitable for simultaneous multi-element analysis of meat and meat products.

Key words： microwave digestion； inductively coupled plasma mass spectrometry （ICP-MS）； meat and meat products； heavy metal

中圖分類號(hào)：TS254 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8123（2015）03-0027-03

doi： 10.7506/rlyj1001-8123-201503007

人民生活水平日益提高的今天，食品安全問題已經(jīng)成為人類共同關(guān)注的焦點(diǎn)，由于環(huán)境、運(yùn)輸、各種加工助劑污染造成各種食品的污染物含量超標(biāo)問題也逐漸凸顯，這其中尤以重金屬污染為重[1-4]。重金屬是指密度在

5×10-3 kg/m3以上的金屬，主要包括汞（Hg）、鎘（Cd）、鉻（Cr）、鉛（Pb）、砷（As）、鋅（Zn）、錫（Sn）等[5-7]。肉及肉制品作為人類賴以生存的動(dòng)物蛋白的良好來源，其食用安全性關(guān)系到千家萬戶的生命健康，其中重金屬的污染也有眾多途徑[8]，其一動(dòng)物從環(huán)境中攝取的重金屬通過食物鏈的生物放大作用，在較高級(jí)生物體內(nèi)成千上萬倍的富集起來，通過加工成肉制品后進(jìn)入人體內(nèi)，其二來自于畜產(chǎn)品及其制品在生產(chǎn)加工、貯藏運(yùn)輸過程中出現(xiàn)的污染等途徑帶來的重金屬也會(huì)在最終產(chǎn)品中殘存和富集，有毒重金屬具有排出困難的特點(diǎn)，一旦在體內(nèi)沉淀會(huì)給身體帶來很多潛在危害。因此檢測其肉及肉制品中重金屬殘留的重要性不言而喻[9-14]。

目前對(duì)于重金屬等無機(jī)化學(xué)分析的儀器主要有原子吸收光譜儀（atomic absorption spectroscopy，AAS）、原子熒光光譜儀（atomic fluorescence spectrometry，AFS）、電感耦合等離子體發(fā)射光譜（inductively coupled plasma-atomic emission spectrometer，ICP-AES）和電感耦合等離子體質(zhì)譜（inductively coupled plasma mass spectrometry，ICP-MS）等[9-14]。電感耦合等離子體質(zhì)譜法具有一次進(jìn)樣可同時(shí)測定多種元素的優(yōu)點(diǎn)[15-16]，該法具有效率高，所有待測元素可同時(shí)測定；分析速度快，重復(fù)測定7 個(gè)元素3 次只需2～3 min；檢出限低，大多數(shù)元素檢出限為ng/kg或μg/kg；精密度高等諸多優(yōu)點(diǎn)[17-19]。結(jié)合微波消解的前處理手段則采用HNO3-H2O2體系，樣品消化完全，待測溶液中含有的硝酸介質(zhì)對(duì)ICP-MS法的測定干擾少[20]。該方法的建立對(duì)指導(dǎo)各檢測機(jī)構(gòu)對(duì)肉及肉制品中重金屬的檢測及監(jiān)督市場狀況有及其重要的意義[21]。

[7] 李冰， 楊紅霞. 電感耦合等離子體質(zhì)譜技術(shù)最新進(jìn)展[J]. 分析實(shí)驗(yàn)室， 2003， 22（1）： 94-100.

[8] 賴增龍. 淺談臘肉制品中砷鉛汞鎘的危害及其測定方法研究[J]. 中小企業(yè)管理與科技旬刊， 2014（20）： 217.

[9] 毛紅， 劉麗萍， 張妮娜， 等. 應(yīng)用ICP-MS與AAS測定食品中鉛、鎘、銅方法研究及比較[J]. 中國衛(wèi)生檢驗(yàn)雜志， 2007， 17（11）： 1954-1956.

[10] 金鵬飛， 宋麗潔， 鄒定， 等. ICP-MS同時(shí)分析中藥材中7 種微量元素的方法研究[J]. 中國藥學(xué)雜志， 2007， 42（21）： 1660-1664.

[11] HELEN J， REID A， ABDUL A， et al. Determination of lodine and molybdenum in milk by quadrupole ICP-MS[J]. Talanta， 2008， 75： 189-197.

[12] 王丙濤， 顏治， 林燕奎， 等. ICP-MS 檢測奶粉中多元素的干擾研究[J]. 光譜實(shí)驗(yàn)室， 2010， 27（2）： 720-723.

[13] 劉平， 董速偉， 李安運(yùn)， 等. ICP-MS 在稀土元素分析中的應(yīng)用[J]. 有色金屬科學(xué)與工程， 2011， 2（3）： 83-87.

[14] 王小平， 馬以瑾， 伊藤光雄. 密封消解ICP-AES和ICP-MS測定中日兩國茶葉中23種礦質(zhì)元素[J]. 光譜學(xué)與光譜分析， 2005， 25（10）： 1703-1707.

[15] 戴京晶， 劉奮， 梁偉， 等. ICP-MS法分析禽類肉中10種元素[J]. 現(xiàn)代預(yù)防醫(yī)學(xué)， 2014， 36（6）： 877-879.

[16] 陳登云. ICP-MS技術(shù)及其應(yīng)用[J]. 現(xiàn)代儀器， 2001（4）： 8-11.

[17] 陳國友. 微波消解ICP-MS法同時(shí)測定蔬菜中14種元素分析[J]. 測試學(xué)， 2012， 26（5）： 742-745.

[18] 興麗， 王梅， 趙鳳敏， 等. ICP-MS兩種模式下測定亞麻籽中微量元素及其不確定度評(píng)定[J]. 光譜學(xué)與光譜分析， 2014， 34（1）： 226-230.

[19] 諸遙 王君. 微波消解-ICP-AES/ICP-MS 測定大米中微量元素[J]. 中國測試， 2010， 36（1）： 53-56.

第7篇

關(guān)鍵詞：近紅外光譜　化學(xué)計(jì)量學(xué)　 中藥材

我國中藥資源豐富，應(yīng)用歷史悠久。然而由于我國中藥生產(chǎn)工藝及質(zhì)量控制技術(shù)水平較低，嚴(yán)重制約我國中藥產(chǎn)業(yè)現(xiàn)代化的發(fā)展。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，藥物分析方法己經(jīng)從傳統(tǒng)的化學(xué)分析發(fā)展到儀器分析階段，紫外可見分光光度法、薄層掃描色譜法、電泳法、氣相和高效液相色譜法及各種聯(lián)用分析技術(shù)等己經(jīng)應(yīng)用到中藥材分析中。但這些方法都需要經(jīng)過復(fù)雜的樣品準(zhǔn)備和預(yù)處理，測定成本高且效率較低，因此難以用于中藥產(chǎn)品及其生產(chǎn)過程的快速分析。

近年來國際上提出了一種全新的藥物非破壞快速分析法，該法是將化學(xué)計(jì)量學(xué)同近紅外（NIR）光譜分析法相結(jié)合而形成的新技術(shù)。由于NIR光譜分析法操作簡便、快速、能非破壞的對(duì)各種樣品進(jìn)行快速、精確的分析，加之分析儀器的數(shù)字化和化學(xué)計(jì)量學(xué)的發(fā)展，運(yùn)用化學(xué)計(jì)量學(xué)方法已能很好的解決光譜信息的提取及背景干擾方面的影響。因此，NIR光譜在制藥工業(yè)中的應(yīng)用日趨廣泛。隨著中藥產(chǎn)業(yè)現(xiàn)代化進(jìn)程的逐步加快，NIR光譜分析法被引入到中藥材分析領(lǐng)域，在中藥材鑒別和有效組分定量分析等方面取得了可喜的進(jìn)展，顯示出NIR光譜分析技術(shù)在中藥材分析中具有廣闊的發(fā)展空間。

一、NIR技術(shù)簡介

近紅外光譜是人們發(fā)現(xiàn)最早的處于可見光和中紅外光之間的非可見光譜區(qū)域。許多有機(jī)物在該區(qū)域有著特征性吸收，且不同光譜波段的吸收強(qiáng)度與該物質(zhì)的分子結(jié)構(gòu)及濃度之間存在一定的對(duì)應(yīng)關(guān)系。它的發(fā)現(xiàn)已有近200年的歷史，而近紅外光譜分析方法卻僅在最近這二十年間才得到了迅速發(fā)展和廣泛應(yīng)用。特別是進(jìn)入90年代后，現(xiàn)代近紅外光譜成為了發(fā)展最快、最為引人矚目的光譜分析技術(shù)，是化學(xué)計(jì)量學(xué)與光譜測量技術(shù)的有機(jī)結(jié)合，被譽(yù)為分析的巨人。而我國對(duì)近紅外光譜技術(shù)的研究及應(yīng)用起步相對(duì)較晚，但逐漸受到關(guān)注，并在光譜儀器研制、配套軟件開發(fā)、基礎(chǔ)研究和應(yīng)用等方面取得了豐碩的成果，并帶來了極好的經(jīng)濟(jì)效益與社會(huì)效益。

二、常見的化學(xué)計(jì)量學(xué)方法

目前，在NIR 光譜分析中最常用的化學(xué)計(jì)量學(xué)方法為多元校正方法，主要包括：多元線性回歸、主成分分析、主成分回歸和偏最小二乘等。最近十幾年，包括人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊邏輯系統(tǒng)等軟計(jì)算方法在化學(xué)中的應(yīng)用得到了越來越多的關(guān)注。由于中藥材化學(xué)物質(zhì)體系非常復(fù)雜，待分析的藥效成分多是混合體，如各種中藥制劑和天然藥物等。同時(shí)在中藥材質(zhì)量控制中，由于中藥生產(chǎn)方式：提取、炮制、煎煮等對(duì)待測成分的影響，又存在著動(dòng)態(tài)化學(xué)變化和新成分的生成，致使其內(nèi)部有效成分復(fù)雜多變，難以闡明。所以，在實(shí)際的中藥材分析應(yīng)用中，使用常規(guī)的NIR光譜多元校正建模或模式分類等方法往往不能取得理想的定性或定量分析結(jié)果，導(dǎo)致其成為阻礙中藥NIR光譜分析技術(shù)應(yīng)用發(fā)展的瓶頸。為此，有必要進(jìn)一步研究中藥材的NIR光譜計(jì)算分析方法學(xué)。

三、NIR技術(shù)在中藥材分析中的應(yīng)用

中藥材分析包括定性分析和定量分析兩個(gè)方面。定性分析多為對(duì)中藥材及中成藥的真假鑒別、產(chǎn)地鑒別和來源鑒別。湯彥豐等[1]將近紅外漫反射光譜分析技術(shù)與人工神經(jīng)網(wǎng)絡(luò)方法相結(jié)合, 對(duì)52種大黃樣品進(jìn)行了測定和鑒別, 正確率可達(dá)96%。劉沭華等[2]采用近紅外光譜法結(jié)合近鄰法和多類支持向量機(jī)等模式識(shí)別技術(shù)對(duì)來自4個(gè)不同產(chǎn)地的269個(gè)白芷樣本和6個(gè)不同產(chǎn)地的350個(gè)野生和栽培丹參樣本進(jìn)行了產(chǎn)地鑒別。劉荔荔等[3]采用傅立葉變換近紅外光譜結(jié)合聚類分析對(duì)7種紅曲霉屬真菌發(fā)酵制成的紅曲藥材進(jìn)行了成功鑒別。

中藥材的定量分析主要指對(duì)中藥材有效成分含量的測定, 于曉輝等[4]將近紅外光譜技術(shù)與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)42種大黃樣品中的主要有效成分: 蒽醌類化合物、水溶性蒽甙類化合物、芪甙類化合物和鞣質(zhì)類化合物進(jìn)行了定量預(yù)測分析。朱向榮[5]應(yīng)用近紅外光譜分析技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法, 成功的測出中藥清開靈注射液中間體總氮和梔子苷的含量。趙玉清等[6]采用近紅外光譜建立了偏最小二乘模型，實(shí)現(xiàn)了對(duì)黃芪提取液中總皂苷含量的測定。

四、展望

為了更好發(fā)揮近紅外光譜法在中藥領(lǐng)域的快速分析作用，拓展各種化學(xué)計(jì)量學(xué)方法的應(yīng)用范圍，為其在中藥材分析中的應(yīng)用打下一定基礎(chǔ)，當(dāng)前必須進(jìn)行中藥材近紅外光譜的化學(xué)計(jì)量學(xué)方法研究，特別是發(fā)展近紅外光譜非線性建模方法、特征光譜信息提取、化學(xué)信息模式識(shí)別以及模糊聚類分析等方法，發(fā)展形成中藥材快速分析新技術(shù)，實(shí)現(xiàn)中藥生產(chǎn)全過程質(zhì)量監(jiān)控，這對(duì)于推進(jìn)我國中藥產(chǎn)業(yè)現(xiàn)代化進(jìn)程具有重大理論意義和實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]湯彥豐, 張卓勇, 范國強(qiáng) 光譜學(xué)與光譜分析 2004, 24 (11): 1348-1351

[2]劉沭華，張學(xué)工，周群，光譜學(xué)與光譜分析 2006，26（4）∶629-632.

[3]劉荔荔, 邢旺興, 賈暖, 林培英, 必鶴鳴, 吳玉田 第二軍醫(yī)大學(xué)學(xué)報(bào)2002，23（11）:1230-1232

[4] 于曉輝, 張卓勇, 馬群, 范國強(qiáng) 光譜學(xué)與光譜分析 2007, 27 (3): 481-485

第8篇

關(guān)鍵詞：透明質(zhì)酸鈉；傅里葉變換紅外光譜；圓二色譜

中圖分類號(hào)：Q657.33文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-979X(2007)10-0006-03

Research on Spectroscopy Properties of Sodium Hyaluronate

JIN Yan1,2, LING Pei-xue1,2, ZHANG Tian-min1,2

(1. School of Pharmacy, Shandong University, Jinan 250012, China; 2. Working Station for Postdoctoral Scientific Research, Institute of Biopharmaceuticals of Shandong Province, Jinan 250108, China)

Abstract：Objective To characterize the structure of sodium hyaluronate (SH). MethodsFTIR and CD spectra were used to analyze the structure of SH. Results The FTIR and CD spectra of SH were identical with the previous reports and the relative molecular mass of SH had no influence on the spectroscopy properties of SH. ConclusionFTIR and CD can characterize the primary and secondary structure of SH respectively and provide evidence for the structure study of SH.

Key words：sodium hyaluronate; FTIR; CD spectra

透明質(zhì)酸（hyaluronic acid，HA），又名玻璃酸，是一種酸性黏多糖，1934年美國Meyer等首先從牛眼玻璃體中分離出該物質(zhì)[1,2]。HA是由(13)-2-乙酰氨基-2-脫氧-β-D-葡萄糖-(14)-O-β-D-葡萄糖醛酸雙糖重復(fù)單位所組成的直鏈多聚糖，其結(jié)構(gòu)見圖1。

HA廣泛存在于脊椎動(dòng)物的細(xì)胞間質(zhì)中，如皮膚、臍帶、關(guān)節(jié)滑液、軟骨、眼玻璃體、雞冠、雞胚、卵細(xì)胞、血管壁等[2]。HA在體內(nèi)主要以鹽的形式存在，其產(chǎn)品主要為透明質(zhì)酸鈉（sodium hyaluronate，SH）。HA參與很多重要的生理、病理過程，如保水、關(guān)節(jié)、血管生成、創(chuàng)傷愈合、腫瘤轉(zhuǎn)移等[3]。

HA多方面的生物活性與其結(jié)構(gòu)密切相關(guān)。國內(nèi)外已對(duì)其結(jié)構(gòu)進(jìn)行了深入研究，并提出了HA在不同狀態(tài)下的多種結(jié)構(gòu)模型[4]。商品SH的相對(duì)分子質(zhì)量（Mr）范圍為105~107，目前主要以發(fā)酵法生產(chǎn)。本文采用傅里葉變換紅外光譜（FTIR）和圓二色譜（CD），對(duì)由發(fā)酵獲得的不同Mr的SH進(jìn)行結(jié)構(gòu)表征，為其開發(fā)應(yīng)用奠定基礎(chǔ)。

1材料與儀器

SH（山東福瑞達(dá)生物化工有限公司，Mr分別為1.24×106，6.75×105，2.40×105，批號(hào)分別為0508202，0506091，0511281）。

NEXUS 470型傅里葉變換紅外光譜儀（美國Nicolet公司）；Chirascan型圓二色譜儀（英國Applied Photo Physics公司）。

2方法

2.1FTIR測定

取SH干粉0.5~1.0 mg與無水溴化鉀300 mg混合研磨壓片。掃描范圍4 000~400 cm-1，分辨率0.5 cm-1，掃描次數(shù)：75次/s。

2.2CD測定

稱取SH干粉1 mg，溶于10 mL水。于室溫下進(jìn)行掃描，波長范圍為190~400 nm。

3結(jié)果

3.1FTIR分析

圖2為SH（Mr 1.24×106）的FTIR光譜。SH的FTIR光譜與文獻(xiàn)報(bào)道[5]相符。參照文獻(xiàn)[5]對(duì)SH的特征吸收峰進(jìn)行了歸屬，見表1。

從圖2可見，3 385 cm-1左右的強(qiáng)峰為羥基吸收峰，其峰形寬而鈍，顯示SH分子內(nèi)羥基通過分子內(nèi)或分子間氫鍵締合。1 615及1 407 cm-1 左右的強(qiáng)銳峰為羧基的反對(duì)稱及對(duì)稱伸縮振動(dòng)峰。1 151，1 078，1 047及946 cm-1左右的吸收峰為糖的特征吸收峰。

從表1可見，不同Mr的SH，其特征吸收峰峰位及峰形都無明顯差別，顯示Mr對(duì)SH的FTIR性質(zhì)無影響。

3.2CD分析

圖3顯示，SH在210 nm處有一明顯的負(fù)峰，對(duì)應(yīng)于SH分子中羧基的nπ躍遷及無規(guī)則卷曲[6]，與文獻(xiàn)[7,8]相吻合。不同Mr的SH，其CD圖譜沒有明顯差別。

4討論

光譜分析技術(shù)，包括FTIR，CD等，在生物大分子的結(jié)構(gòu)研究中，發(fā)揮了重要作用。由FTIR光譜可獲得SH中主要官能團(tuán)的信息，對(duì)SH的一級(jí)結(jié)構(gòu)進(jìn)行表征。CD光譜能夠檢測由結(jié)構(gòu)的不對(duì)稱性引起的左、右偏振光的吸收差別。如化合物無規(guī)則結(jié)構(gòu)，則其CD強(qiáng)度為零，而有序結(jié)構(gòu)則會(huì)產(chǎn)生正信號(hào)及負(fù)信號(hào)。SH的CD圖譜顯示，SH具有有序結(jié)構(gòu)。推斷SH在水溶液（0.1 mg/mL）中主要的二級(jí)結(jié)構(gòu)為無規(guī)則卷曲。

參考文獻(xiàn)

[1]Meyer K, Palmer J W. The polysaccharide of the vitreous humor[J]. J Biol Chem, 1934, 107:629-634.

[2]郭學(xué)平，王春喜，凌沛學(xué)，等. 透明質(zhì)酸及其發(fā)酵生產(chǎn)概述[J]. 中國生化藥物雜志，1998，19（4）：209-212.

[3] 凌沛學(xué). 透明質(zhì)酸[M]. 北京：中國輕工業(yè)出版社，2000： 53-83.

[4]凌沛學(xué)，賀艷麗，白若琬，等. 玻璃酸鈉結(jié)構(gòu)及理化性質(zhì)的研究進(jìn)展[J]. 中國生化藥物雜志，2000，21（3）：152-154.

[5]Gilli R, KacurákaováM, Mathouthi M, et al. FTIR studies of hyaluronate and its oligomers in the amphorphous solid phase and in aqueous solution[J]. Carbohydr Res 1994, 263(2): 315-326.

[6]Chen H X, Zhang M, Xie B J. Spectroscopy investigation on conformational transition of tea glycoconjugate from green tea[J]. Chin J Chem,2004, 22(11): 1387-1390.

[7]樊東輝，吳蓓蓓，徐政，等. 透明質(zhì)酸鈉的光譜學(xué)分析[J]. 中國生化藥物雜志，2006，27（1）：22-25.

第9篇

關(guān)鍵詞 測量；傳感器；電磁計(jì)量

中圖分類號(hào)：TP212 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）03-0110-01

隨著我國社會(huì)經(jīng)濟(jì)和科學(xué)技術(shù)的穩(wěn)步發(fā)展，各個(gè)學(xué)科領(lǐng)域都普遍應(yīng)用了傳感器技術(shù)。在生產(chǎn)流程中，很多生產(chǎn)企業(yè)也都使用到傳感器測量系統(tǒng)，主要例如：大型電子衡器、轉(zhuǎn)速控制系統(tǒng)、遠(yuǎn)程壓力控制系統(tǒng)、測試控制系統(tǒng)等。為了確保企業(yè)生產(chǎn)出產(chǎn)品的質(zhì)量，傳感器測量系統(tǒng)發(fā)揮出極大作用。在非電量測試技術(shù)中，轉(zhuǎn)速、壓力、溫度等參數(shù)都屬于非電量，傳感器的作用就是能夠?qū)⒎请娏哭D(zhuǎn)換為電量。

1 電磁計(jì)量

應(yīng)用設(shè)備、儀表和電磁測量儀器，對(duì)被測量采用相應(yīng)的方法進(jìn)行定量分析，確保計(jì)量學(xué)分支的準(zhǔn)確和電磁量測量的統(tǒng)一，就是電磁計(jì)量。作為一種能源，人們在認(rèn)識(shí)電能后，將其應(yīng)用與科學(xué)技術(shù)的研究中，而點(diǎn)與磁性材料和磁場等的存在有著密不可分的關(guān)聯(lián)。和電磁現(xiàn)象相關(guān)的物理量為電磁兩，它分為磁學(xué)量和電學(xué)量，在不斷探索電磁應(yīng)用的過程中，大量的電磁設(shè)備、儀表、測量儀器就此誕生。電磁計(jì)量所研究的主要內(nèi)容如下：研究并制定出相應(yīng)的技術(shù)規(guī)范、檢定規(guī)程、檢定系統(tǒng)等，對(duì)進(jìn)行電磁量量值傳遞的專用測量裝置和標(biāo)準(zhǔn)量具進(jìn)行研究，對(duì)測量電磁量的方法進(jìn)行研究，對(duì)電磁學(xué)單位制的確定，對(duì)于電磁量相關(guān)的物理常數(shù)進(jìn)行精密測定。以上研究按照定義保存、復(fù)現(xiàn)電磁學(xué)單位的計(jì)量標(biāo)準(zhǔn)和基準(zhǔn)進(jìn)行。電磁學(xué)計(jì)量主要包括磁矩、磁通、磁感應(yīng)強(qiáng)度、電感、電阻、電流、電壓等。而電磁學(xué)計(jì)量有波形、材料電磁特性、儀器與比率標(biāo)準(zhǔn)、電磁測量儀表和儀器、電磁基本量等。其中電磁基本量如磁矩、磁通、電流、電壓等。除此之外，電磁計(jì)量的重要內(nèi)容還有環(huán)境安全、電氣、靜電、非電量的電測量等電磁干擾參數(shù)。在電磁計(jì)量中，常用的設(shè)備有電流源、標(biāo)準(zhǔn)電壓、穩(wěn)流源、穩(wěn)壓源等；常用的儀器儀表包括電阻箱、電位差計(jì)、電橋、電壓表、電流表等。

在此，通過對(duì)例子的說明，來了解傳感器測量系統(tǒng)中所應(yīng)用的電磁計(jì)量技術(shù)。先來介紹傳統(tǒng)傳感器熱電偶的工作情況。由兩根不同的導(dǎo)線組成了常用的熱電偶，熱電偶屬于電能量傳感器，將兩根導(dǎo)線一端焊接，放入被測介質(zhì)中，通常作為測量端使用。而未被連接的自由端稱為冷端，連接于測量儀表所引出的導(dǎo)線。當(dāng)冷端與熱端存在溫差時(shí)，熱電偶則會(huì)將溫差電動(dòng)勢生產(chǎn)出來，介質(zhì)的溫度也被測量儀表測出。熱電偶的分度號(hào)根據(jù)材料的不同也會(huì)有相應(yīng)的不同，溫度與電動(dòng)勢的對(duì)應(yīng)關(guān)系可以通過查表的方式找出。mV信號(hào)就是輸出熱電偶的信號(hào)。所以，若將對(duì)應(yīng)的mV值輸入倒測量儀表的輸入端，便能夠?qū)囟葴y量儀表的準(zhǔn)確性進(jìn)行檢測。mV信號(hào)的提供就是數(shù)字毫伏或者點(diǎn)位差計(jì)信號(hào)發(fā)生器，這種溫控儀表檢測方法使常規(guī)中經(jīng)常使用的。當(dāng)發(fā)生系統(tǒng)故障時(shí)，可以將測量儀表的任意一端斷開，將標(biāo)準(zhǔn)的mV信號(hào)值輸入倒兩端，對(duì)測量儀表的準(zhǔn)確性進(jìn)行判斷，這樣就很容易對(duì)熱電偶出現(xiàn)故障與否進(jìn)行推斷了。

2 傳感器

傳感器能夠感受到被測量的信息，還能按照一定的規(guī)律將所感受到的信息轉(zhuǎn)換成為所需形式的信息或電信號(hào)輸出，屬于一種檢測裝置，能夠滿足信息的控制、記錄、顯示、存儲(chǔ)、處理、傳送等要求，因此，可以說傳感器是實(shí)現(xiàn)自動(dòng)控制和自動(dòng)檢測的首要環(huán)節(jié)。網(wǎng)絡(luò)化、系統(tǒng)化、多功能化、智能化、數(shù)字化、微型化等都是傳感器的特點(diǎn)，傳感器對(duì)新型工業(yè)的建立起到促進(jìn)作用，并成功推動(dòng)了傳統(tǒng)產(chǎn)業(yè)的更新?lián)Q代及改造，成為新時(shí)期新的經(jīng)濟(jì)增長點(diǎn)。若按照輸出信號(hào)標(biāo)志進(jìn)行分類可將傳感器分為數(shù)字傳感器、開關(guān)傳感器以及模擬傳感器。若按照原理進(jìn)行分類，可分為生物傳感器、真空度傳感器、氣敏傳感器、磁敏傳感器、濕敏傳感器、振動(dòng)傳感器等。按照能量轉(zhuǎn)換原理可分為無源傳感器和有源傳感器。按照工作原理進(jìn)行劃分，可分為電勢式傳感器、電容式傳感器、電感式傳感器、電阻式傳感器等。若按照輸入物理量又可分為氣敏傳感器、溫度傳感器、速度傳感器、壓力傳感器、位移傳感器等。通過電磁計(jì)量技術(shù)可以完成對(duì)電量的測量，而電脈沖信號(hào)、電阻、電流、電壓等電量為傳感器最后的輸出。當(dāng)今在傳感器測量系統(tǒng)中應(yīng)用較為普遍的就是電流和電壓信號(hào)。

3 傳感器測量系統(tǒng)中磁計(jì)量技術(shù)的應(yīng)用

隨著我國社會(huì)經(jīng)濟(jì)和科學(xué)技術(shù)水平的不斷發(fā)展，誕生了集接口電路、存儲(chǔ)器、微處理器、A/D轉(zhuǎn)換器、傳感器為一身的智能化數(shù)字儀表，該儀表能夠支持線性電流、線性電壓、熱電阻、熱電偶等輸入的多種信號(hào)，對(duì)儀表可利用標(biāo)準(zhǔn)電流、電壓源或者標(biāo)準(zhǔn)電流、電壓表來進(jìn)行檢測。將壓力轉(zhuǎn)換成為電信號(hào)的傳感器就是壓力傳感器，井?dāng)?shù)字顯示控制器將電信號(hào)輸出，或者通過數(shù)字表將數(shù)據(jù)顯示出來，可達(dá)到控制壓力的目的，有效對(duì)電氣執(zhí)行器件進(jìn)行控制。文章以SCS100型大型電子稱為例進(jìn)行介紹，使用稱重顯示器作為裝置的顯示器，在儀表的內(nèi)部有串型通訊部分、打印部分、顯示部分、單片機(jī)以及與單片機(jī)相接連的控制面板、A/D轉(zhuǎn)換、放大電路，-30 mA至30 mA作為輸入信號(hào)值。將分辨力超過1 ?V的毫伏表接在顯示器信號(hào)輸入端，可以看出重量顯示與毫伏指示具有一定的線性關(guān)系，從分析測量數(shù)據(jù)和應(yīng)用電磁測量儀表來看，可以對(duì)顯示器或傳感器是否處于正常工作狀態(tài)進(jìn)行判斷。

4 結(jié)束語

文章對(duì)傳感器測量系統(tǒng)的基本知識(shí)進(jìn)行了簡要的介紹，通過最常用的大型電子衡器，壓力、溫度傳感器測量裝置等設(shè)備，從工業(yè)生產(chǎn)的角度看待問題，利用電磁計(jì)量技術(shù)排除故障以及準(zhǔn)確測試，闡述在傳感器測量系統(tǒng)中如何應(yīng)用電磁計(jì)量技術(shù)。為了確保企業(yè)生產(chǎn)出產(chǎn)品的質(zhì)量，傳感器測量系統(tǒng)發(fā)揮出極大作用。傳感器系統(tǒng)具有線性化處理非線性信號(hào)、補(bǔ)償信測數(shù)據(jù)及其誤差、調(diào)節(jié)、分析、處理信息等功能，其正朝著多功能化、智能化、微型化的方向發(fā)展。傳感器不僅達(dá)到高性能指標(biāo)，還將接口電路、存儲(chǔ)器、微處理器、A/D轉(zhuǎn)換器、壓敏電阻傳感器集于一身，為測量提供了便捷。

參考文獻(xiàn)

[1]張春熹，梁生，馮秀娟，等.光纖分布式擾動(dòng)傳感器中瑞利和受激布里淵散射光譜特性及其影響研究[J].光譜學(xué)與光譜分析，2011（7）.

[2]陶棟梁，李慧珍，崔玉民，等.具有熒光傳感器性能的稀土配合物制備和性能研究[J].光譜學(xué)與光譜分析，2012（9）.

[3]郝曉劍，李科杰，劉健，周漢昌.藍(lán)寶石光纖黑體腔瞬態(tài)高溫傳感器測量系統(tǒng)特性參數(shù)研究[J].儀器儀表學(xué)報(bào)，2010（10）.

[4]高廣鳳.轉(zhuǎn)速檢定裝置校準(zhǔn)磁電式傳感器測量低轉(zhuǎn)速性能的改進(jìn)[J].熱能動(dòng)力工程，2010（1）.