基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量，以大围网养殖海水中的氨氮为研究对象，在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应，实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型，并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响，其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优，建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L，相对分析误差（RPD）为6.8932；在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验，平均回收率在94%~109%之间，相对标准偏差在2.3%~5.8%之间。结果表明，实验建模效果良好，操作简单、方便，实验快速、可靠、无污染，表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

快速检测木材微纤丝角的近红外光谱分析技术

介绍了一种新的测量木材微纤丝角的无损检测技术--近红外光谱分析,并详细阐述了测量时木材样品的选择及制备,测量工作包括X射线衍射和近红外光谱采集、多变量数据分析与模型建立的方法及步骤.证明了近红外光谱分析技术可以用于快速准确地预测木材的微纤丝角.     

一种快速测定棕榈藤材材质特性的近红外光谱分析法

分析了棕榈藤生物质材料特点与近红外光谱关系；阐述了近红外光谱分析技术可以快速准确地预测棕榈藤材的材质特性，并详细介绍了其中包括藤材的选择及加工、藤材近红外光谱采集、藤材材性真值测量、多变量数据分析与模型建立的实验方法与操作步骤。     

陕西杨凌不同透明覆盖材料温室内外太阳辐射特性分析

2015年3月在陕西杨凌西北农林科技大学南校区模型温室使用光谱分析仪PS-300型测定了春分时节不同天气条件下EVA塑料薄膜温室、聚碳酸酯板模型温室、浮法玻璃模型温室及室外的太阳辐射光谱及光合有效辐射(PAR),通过不同季节、不同材料覆盖下温室内外的光谱分析,确定EVA塑料薄膜的PAR透光性能最为优秀,其次是浮法玻璃,最后为聚碳酸酯板。     

东京野茉莉花色成分的初步研究

对东京野茉莉花色成分进行了初步的探究。结果表明:通过特征颜色反应和光谱扫描说明了其花瓣细胞内有异黄酮、儿茶精类,还有叶绿素a、b,可能含有胡萝卜素、黄酮类化合物,以及无色花色素,可能不含查耳酮或橙酮。     

原子吸收光谱分析法及其分析仪的技术探讨

原子吸收光谱分析仪器具有灵敏度高、重复性和选择性好、操作比较简便、快速、结果准确、可靠等优点,检测时样品用量少、测量范围广,几乎能用来分析所有的金属元素和类金属元素元件。原子吸收光谱分析仪器可应用于冶金、化工、地质、农业及医药卫生等许多部门。在环境监测、食品卫生和生物机体内微量金属元素的测定方面,应用日益广泛。     

人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术，开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型，对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明，对于含噪声的光谱，与PLS建模相比，使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数，更低的预测误差标准差。     

人工神经网络与近红外光谱分析

介绍了人工神经网络的原理、结构、算法和研究进展,以及该方法在近红外光谱分析中的重要地位和应用。