序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過程，我們?yōu)槟扑]十篇光譜學(xué)與光譜學(xué)分析范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

收集不同種植區(qū)域、不同品種、不同部位的單料煙樣品共110個(gè)。將樣品放入烘箱內(nèi)，40℃排氣烘烤2h，然后磨碎過40目篩，控制含水率在6%～10%之間。

1．2試驗(yàn)儀器及軟件

儀器:Antaris傅里葉變換近紅外光譜儀(美國ThermoNicolet公司);Agilent7890－5975氣相色譜質(zhì)譜儀(美國Agi-lent公司);AG204型電子天平(感量0．1mg，瑞士梅特勒－托利多公司);GFL3020震蕩器(德國GFL公司);電熱恒溫水浴鍋(德國GFL公司);VELPDK20消化器(意大利VELP公司);連續(xù)流動(dòng)分析儀(美國Astoria－Pacific公司);旋轉(zhuǎn)粉碎機(jī)(北京高科公司);恒溫箱(日本ESPEC);SDE蒸餾器(鄭州玻璃儀器廠);可控溫度電熱套及恒溫水浴鍋。軟件:TQAnalyst8數(shù)據(jù)分析軟件(美國ThermoNicolet公司);SPSS13．0統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案(美國IBM公司)。

1．3近紅外光譜掃描

取適量煙末裝入石英杯中，用500g的壓樣器壓平杯中樣品后，放到光譜儀器臺上掃描。儀器的工作參數(shù):光譜范圍3800～10000cm－1，間隔4cm－1，分辨率8cm－1，掃描次數(shù)69次。

1．4常規(guī)化學(xué)成分的測定

參照煙草行業(yè)標(biāo)準(zhǔn)規(guī)定的方法應(yīng)用連續(xù)流動(dòng)分析儀測定樣品的總糖、還原糖、煙堿、總氮、氯、鉀含量，并計(jì)算出相應(yīng)的糖堿比和鉀氯比［11］。

1．5揮發(fā)性香味成分分析

采用同時(shí)蒸餾萃取的方式提取樣品中的揮發(fā)性香味成分，具體操作如下:樣品稱質(zhì)量25g，加水300mL、二氯甲烷60mL，同時(shí)蒸餾萃取2．5h，濃縮后加內(nèi)標(biāo)乙酸苯乙酯(12．553g/L)10μL后待測。采用安捷倫7890－5975NGC－MS分析，色譜柱HP－5(30m×250μm×0．25μm)，進(jìn)樣口溫度250℃，流速1mL/min，分流比10∶1。起始溫度60℃，以5℃/min升溫到80℃，保持5min;以2℃/min升溫到150℃，保持10min;以2℃/min升溫到200℃，保持20min;以2℃/min升溫到280℃，保持10min，總運(yùn)行時(shí)間149min。共檢測到揮發(fā)性香味成分33種。

1．6逐步判別分析

逐步判別分析是一種多元統(tǒng)計(jì)方法。整個(gè)變量篩選過程實(shí)質(zhì)就是作假設(shè)檢驗(yàn)，通過檢驗(yàn)引入顯著性變量，剔除不顯著變量。反映在輸出結(jié)果上，通常可以用F值的大小作為變量引入模型的標(biāo)準(zhǔn)，即一個(gè)變量是否能進(jìn)入模型主要取決于協(xié)方差分析的F檢驗(yàn)的顯著水平。逐步判別過程本身并不建立判別函數(shù)，篩選出重要變量后，采用Bayes判別方法建立判別函數(shù)和判別準(zhǔn)則，對新樣品進(jìn)行判別歸類。

2結(jié)果與分析

2．1近紅外譜圖的處理

2．1．1譜圖的預(yù)處理

煙草樣品的近紅外譜圖會(huì)受到樣品顏色及儀器穩(wěn)定性的影響而出現(xiàn)噪音及基線漂移，所以必須對樣品的近紅外譜圖進(jìn)行前處理［6］。利用TQAnalyst8分析軟件包中的優(yōu)化功能，采用如下方法可獲得理想的結(jié)果:多元散射校正消除樣品不均勻帶來的差異;采用段長為9、間隔為5的NorrisDerivative濾波平滑光譜，消除高頻噪音，保留有用的低頻信息;采用二介微分處理，消除基線漂移的影響，獲得比原光譜更高分辨率和更清晰的光譜輪廓變化。

2．1．2譜圖的主成分分析

選擇4000～8000cm－1波數(shù)為分析區(qū)域，由主成分分析獲得樣品的10個(gè)主成分，前5個(gè)主成分的貢獻(xiàn)率達(dá)到96．97%，即5個(gè)主成分就能夠代表96.97%的近紅外譜圖信息，所以以5個(gè)主成分得分為分析對象，采用逐步判別分析進(jìn)行模式識別。

2．2煙葉種植區(qū)域模式識別結(jié)果的比較

收集的樣品由福建、云南、安徽、江西、貴州4個(gè)地區(qū)的煙葉樣品組成，依據(jù)《中國煙草種植區(qū)劃》［13］110個(gè)樣品屬于5個(gè)產(chǎn)區(qū)，從每個(gè)產(chǎn)區(qū)隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余作為建模樣品。通過逐步判別分析，篩選出對于種植區(qū)域判別有主要影響作用的6種化學(xué)成分，即糠醛、吲哚、香葉基丙酮、柏木醇、新植二烯和氯，并獲得其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉種植區(qū)域的Bayes判別函數(shù)。將篩選出的變量代入Bayes判別函數(shù)計(jì)算得到判別值，比較各判別值大小，其中最大值所對應(yīng)的分組便是判別分組。表2表明，化學(xué)成分建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識別的準(zhǔn)確率為91．76%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識別的準(zhǔn)確率為80．00%;近紅外光譜建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識別的準(zhǔn)確率為89．41%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識別的準(zhǔn)確率為80．00%。種植區(qū)域化學(xué)成分模式識別的準(zhǔn)確率略高于近紅外譜圖模式識別的結(jié)果。滇南桂西山地丘陵烤煙區(qū)及滇西高原山地烤煙煙區(qū)都屬于云南地區(qū)，地理位置較近，且種植水平及習(xí)慣接近，因此2個(gè)地區(qū)的樣品發(fā)生部分誤判，閩西贛南粵東丘陵煙區(qū)、皖南贛北丘陵烤煙區(qū)、黔中高原山地烤煙區(qū)樣品識別正確率較高(表2)。

2．3煙葉品種模式識別結(jié)果的比較

收集的110個(gè)煙葉樣品共有云煙87、翠碧1號、K326、紅花大金元等4個(gè)品種，從每個(gè)品種中隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于品種模式識別有主要影響的4種化學(xué)成分，即4－環(huán)戊烯－1，3－二酮、茶香酮、香葉基丙酮、氯，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉品種的Bayes判別函數(shù)。目前我國主栽烤煙品種均直接或間接來自于相同的親本，甚至有些品種間親緣關(guān)系極近，致使品種鑒別時(shí)容易發(fā)生錯(cuò)判。表4結(jié)果表明，化學(xué)成分建模90個(gè)樣品品種交叉驗(yàn)證模式識別的準(zhǔn)確率為77．78%，外部驗(yàn)證20個(gè)樣品品種模式識別的準(zhǔn)確率為70．00%;近紅外光譜建模90個(gè)樣品品種交叉驗(yàn)證模式識別的準(zhǔn)確率為82．22%，外部驗(yàn)證20個(gè)樣品品種模式識別的準(zhǔn)確率為75．00%。煙草品種的近紅外譜圖模式識別結(jié)果優(yōu)于化學(xué)成分模式識別的結(jié)果。

2．4煙葉部位模式識別結(jié)果的比較

收集的110個(gè)煙葉樣品中上部煙36個(gè)、中部煙38個(gè)、下部煙36個(gè)，從不同部位的煙葉樣品中隨機(jī)抽取8個(gè)樣品外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于煙葉部位模式識別有主要影響的化學(xué)成分為三環(huán)萜、柏木醇、總煙堿，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉部位的Bayes判別函數(shù)。表6結(jié)果表明，化學(xué)成分建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識別的準(zhǔn)確率為86．05%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為75．00%，近紅外光譜建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識別的準(zhǔn)確率為94．19%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為91．67%。煙葉部位的近紅外譜圖模式識別結(jié)果優(yōu)于化學(xué)成分模式識別的結(jié)果。

2．5模式識別結(jié)果比較

以化學(xué)成分、近紅外光譜建模樣品及外部驗(yàn)證樣品模式識別正確識別的個(gè)數(shù)為變量進(jìn)行相關(guān)性分析及配對t檢驗(yàn)。相關(guān)性分析結(jié)果表明，2種方式獲得的結(jié)果都存在顯著的相關(guān)性(P＜0．05);配對t檢驗(yàn)結(jié)果表明所獲得的結(jié)果差異不顯著(P＞0．05)(表7)。

篇（2）

1.1 研究對象

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，大部分體育教師對陽光體育這一概念還是比較了解，但學(xué)生對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)對開展“陽光體育”運(yùn)動(dòng)的態(tài)度

學(xué)校領(lǐng)導(dǎo)對“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)容及評估體系，把學(xué)生體質(zhì)健康狀況作為評價(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，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)識與思考［J］.哈爾濱體育學(xué)院學(xué)報(bào)，2002(2)：43-44．

篇（3）

中圖分類號：G40-013.9　文獻(xiàn)標(biāo)識碼：A　文章編號：1671-0568(2012)41-0118-02

隨著社會(huì)進(jìn)步，網(wǎng)球運(yùn)動(dòng)從簡單游戲發(fā)展演變成為一種精彩紛呈、對抗激烈的現(xiàn)代體育運(yùn)動(dòng)項(xiàng)目，在世界廣泛而又蓬勃地發(fā)展，其意義已不再局限于體育和游戲的范疇，越來越多地被賦予了社會(huì)因素。本文對廣州市26所普通高校網(wǎng)球教學(xué)的現(xiàn)狀進(jìn)行調(diào)查與研究，據(jù)此對廣州市普通高校網(wǎng)球教學(xué)的現(xiàn)狀進(jìn)行客觀的評價(jià)與分析，找出影響該市普通高校網(wǎng)球教學(xué)可持續(xù)發(fā)展的因素，并提出相應(yīng)的發(fā)展對策和建議。

一、廣州市普通高校網(wǎng)球教學(xué)的現(xiàn)狀分析

1.網(wǎng)球課教學(xué)內(nèi)容的現(xiàn)狀分析

廣州市普通高校網(wǎng)球課教學(xué)內(nèi)容主要包括兩方面：實(shí)踐和理論。

(1)網(wǎng)球課實(shí)踐教學(xué)內(nèi)容的現(xiàn)狀分析。廣州市普通高校網(wǎng)球課實(shí)踐部分內(nèi)容基本類似，只不過是各個(gè)高校的課時(shí)安排不一，側(cè)重點(diǎn)不同，其主要以正手擊球、反手擊球、發(fā)球與接發(fā)球、正手截?fù)簟⒎词纸負(fù)舻燃夹g(shù)動(dòng)作內(nèi)容和一定量的身體素質(zhì)練習(xí)等輔助教學(xué)內(nèi)容。其中只有6所高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容全部是網(wǎng)球技、戰(zhàn)術(shù)練習(xí)，其它高校都還包含一些輔助教學(xué)內(nèi)容。另外，廣州市普通高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容的主要形式是在室外集中授課學(xué)習(xí)。

通過對大學(xué)生的問卷調(diào)查可以看出，大學(xué)生對實(shí)踐教學(xué)內(nèi)容滿意的占30.3％；較滿意的占29.4％；不滿意的占40.3％，說明目前廣州市高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容存在較多的問題。大學(xué)生普遍認(rèn)為：網(wǎng)球課實(shí)踐教學(xué)內(nèi)容的技術(shù)動(dòng)作的重復(fù)性練習(xí)過多、單調(diào)，網(wǎng)球?qū)嵺`課變成了網(wǎng)球運(yùn)動(dòng)競技目的的訓(xùn)練課，長此以往，會(huì)使學(xué)生產(chǎn)生厭煩心理，不利于激發(fā)學(xué)習(xí)激情。

(2)網(wǎng)球課理論內(nèi)容與形式的現(xiàn)狀分析。通過調(diào)查統(tǒng)計(jì)看出，廣州市26所普通高校都有各自的網(wǎng)球理論教學(xué)內(nèi)容，只是各校的側(cè)重點(diǎn)不同。廣州市普通高校網(wǎng)球理論教學(xué)內(nèi)容大體包含以下內(nèi)容：網(wǎng)球運(yùn)動(dòng)概述、網(wǎng)球比賽規(guī)則和裁判法以及競賽的組織、網(wǎng)球運(yùn)動(dòng)的發(fā)展趨勢、價(jià)值、意義，等等。各個(gè)高校的理論教學(xué)形式存在一定的差異，有的高校在室內(nèi)集中講解，有的室內(nèi)外相結(jié)合講解，有的采用視頻與講解相結(jié)合的形式。從走訪調(diào)研看，各個(gè)高校都有相應(yīng)的理論體系。但是，進(jìn)一步了解發(fā)現(xiàn)，有些高校網(wǎng)球理論太陳舊，流于形式，往往應(yīng)付上級領(lǐng)導(dǎo)的檢查，實(shí)效性內(nèi)容太少，與終身體育發(fā)展的內(nèi)容不多。因此，各個(gè)高校要加強(qiáng)網(wǎng)球理論的建設(shè)，使當(dāng)代大學(xué)生能真正了解網(wǎng)球運(yùn)動(dòng)的價(jià)值，能掌握科學(xué)地進(jìn)行網(wǎng)球鍛煉的原理和方法。

2.網(wǎng)球課形式、教學(xué)時(shí)數(shù)的現(xiàn)狀分析

通過對廣州市普通高校網(wǎng)球課開課形式的調(diào)查結(jié)果可知，作為選修課形式授課的有3所學(xué)校，作為選項(xiàng)課形式授課的有6所學(xué)校，二種形式都有的有17所學(xué)校，其所占百分比分別為11.5％、23.0％、65.5％。通過訪談得知，大學(xué)一年級開設(shè)網(wǎng)球課的有14所高校，在大學(xué)二年級開始開設(shè)網(wǎng)球課的有10所，在大三、大四開設(shè)網(wǎng)球課的一共才2所，可看出，廣州市網(wǎng)球課在大學(xué)一二年級開課率較高，而三四年級開課率相對較低。從以上數(shù)據(jù)說明，廣州市普通高校網(wǎng)球課開展較好，同時(shí)也說明網(wǎng)球課的開設(shè)率不均衡，主觀原因是學(xué)校相關(guān)體育教學(xué)的領(lǐng)導(dǎo)對網(wǎng)球課的目的、價(jià)值等方面缺乏應(yīng)有的認(rèn)識，客觀原因是高校網(wǎng)球教學(xué)師資、場館設(shè)施等方面存在不足。

其次，廣州市普通高校網(wǎng)球課的課時(shí)偏少。每個(gè)學(xué)期在完成網(wǎng)球?qū)嵺`內(nèi)容與理論內(nèi)容教學(xué)外，網(wǎng)球教師很難有時(shí)間再進(jìn)行輔助內(nèi)容的教學(xué)。被調(diào)查的廣州市普通高校中，網(wǎng)球課教學(xué)時(shí)數(shù)總體偏少，表面看有18所高校每學(xué)期教學(xué)進(jìn)度中安排達(dá)到了32學(xué)時(shí)，但是由于受陰雨天氣的影響，大部分高校網(wǎng)球課教學(xué)時(shí)數(shù)還是不足，與教育部規(guī)定每學(xué)期教學(xué)時(shí)數(shù)一共不得少于32學(xué)時(shí)相比偏少。

3.教學(xué)方法和手段的現(xiàn)狀分析

教學(xué)過程離不開教學(xué)方法和手段，不同的教學(xué)方法或手段都會(huì)產(chǎn)生不同的教學(xué)效果。被調(diào)查的教師中，大部分教師喜歡用傳統(tǒng)教學(xué)方法，有32.5％的教師喜歡用錄像多媒體教學(xué)法，還有17.6％的教師采用網(wǎng)絡(luò)教學(xué)法等其它方法。顯然，傳統(tǒng)教學(xué)方法仍然是廣州市普通高校網(wǎng)球教師首選的教學(xué)方法，而一些現(xiàn)代化教學(xué)方法和手段使用率相對較低。分析這種現(xiàn)象的原因：網(wǎng)球教師長期使用傳統(tǒng)教學(xué)方法和手段已養(yǎng)成了習(xí)慣，他們對傳統(tǒng)的教學(xué)方法具有一定經(jīng)驗(yàn)，認(rèn)為傳統(tǒng)的教學(xué)方法和手段操作簡單、方便、實(shí)用。現(xiàn)代網(wǎng)球運(yùn)動(dòng)與比賽并不是單單體力與技術(shù)的對抗，而是運(yùn)動(dòng)者智力和意識的較量，需要從事網(wǎng)球教學(xué)與訓(xùn)練的教師提高自身的專業(yè)水平和能力，不斷學(xué)習(xí)國內(nèi)外先進(jìn)技術(shù)及教學(xué)與訓(xùn)練方法，使高校的網(wǎng)球教學(xué)水平跟上時(shí)代的步伐，以滿足廣大學(xué)生對網(wǎng)球運(yùn)動(dòng)的需要。

4.教學(xué)場館與器材設(shè)施現(xiàn)狀分析

硬件設(shè)施是高校體育教學(xué)和群體工作開展的基礎(chǔ)，硬件設(shè)施否完備直接影響到高校網(wǎng)球運(yùn)動(dòng)的普及與發(fā)展。調(diào)查得知，目前廣州市普通高校網(wǎng)球場地主要有塑膠、硬地(鋪水泥或?yàn)r青)和沙土地這三種類型，其中塑膠場地最多，沙土地最少。這可能和各高校本科的教學(xué)評估有關(guān)，大多數(shù)網(wǎng)球場地是新建場地，要求的標(biāo)準(zhǔn)相對較高。調(diào)查得知：24.7％的高校擁有6塊場地以上，57.7％的高校擁有2～6塊場地，19.2％的高校擁有場地低于2塊。從各個(gè)高校擁有場地?cái)?shù)量與學(xué)生人數(shù)的比例來看，與教育部的要求(場地?cái)?shù)與學(xué)生數(shù)之比是1:1000)相差較大。在調(diào)查中，有84.5％的學(xué)生對場地表示不滿意。這些數(shù)據(jù)可以看出，廣州市普通高校網(wǎng)球場地的配備存在嚴(yán)重的不足現(xiàn)象。

在器材方面：好的球拍對掌握技術(shù)會(huì)有很大的幫助，但各高校對此提供的支持和幫助明顯不足。在被調(diào)查的26所高校中，近9成的學(xué)校網(wǎng)球課沒有給學(xué)生提供球拍和球，由學(xué)生自己負(fù)擔(dān)，勢必影響學(xué)生對網(wǎng)球的興趣。學(xué)生購置的球拍，一般是價(jià)位在100K左右，多數(shù)是較差的鋁合金材料，只有極少數(shù)的學(xué)生使用較為高檔的球拍。球也是多種多樣，有的彈性很低，有的彈性很高，平均每個(gè)學(xué)生才擁有2個(gè)球，平均有3％左右的學(xué)生沒有網(wǎng)球。這些充分說明，廣州市普通高校網(wǎng)球課的器材配備非常缺乏，遠(yuǎn)遠(yuǎn)滿足不了大學(xué)生的體育鍛煉需求。

二、發(fā)展對策

1.深化網(wǎng)球課的教學(xué)改革

建議對高校一二年級學(xué)生開設(shè)網(wǎng)球選項(xiàng)課，主要以網(wǎng)球運(yùn)動(dòng)技能為教學(xué)內(nèi)容。對三四年級學(xué)生開設(shè)網(wǎng)球選修課，主要是網(wǎng)球競賽法、規(guī)則裁判法、網(wǎng)球技戰(zhàn)術(shù)欣賞等教學(xué)內(nèi)容。這樣才能使大學(xué)生較系統(tǒng)地掌握網(wǎng)球的技戰(zhàn)術(shù)和理論水平，對興趣的培養(yǎng)起到促進(jìn)作用。第二要合理安排教學(xué)時(shí)數(shù)(每學(xué)期要大于32學(xué)時(shí))。應(yīng)轉(zhuǎn)變“傳統(tǒng)型”的教學(xué)方法，加強(qiáng)教學(xué)方法鉆研和利用，掌握各種現(xiàn)代化教學(xué)方法和手段。對于初級班的學(xué)生可以采用“軟式網(wǎng)球”，以降低初學(xué)者的難度，使之較易掌握技術(shù)動(dòng)作，對網(wǎng)球動(dòng)作定型非常有益。

2.加快網(wǎng)球教師教育一體化進(jìn)程

篇（4）

中圖分類號：TS207.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-5336（2015）02-0035-01

文章主要對轉(zhuǎn)基因的原料作物以及轉(zhuǎn)基因成分進(jìn)行分析檢測，消費(fèi)者需要了解到插入的外源基因的信息以及外源基因的表達(dá)產(chǎn)物是否對人體以及環(huán)境有害，這就需要很高的轉(zhuǎn)基因食品的分析檢測技術(shù)。分析檢測技術(shù)的基礎(chǔ)為標(biāo)識制度，標(biāo)識制度有自愿標(biāo)識制度和強(qiáng)制標(biāo)識制度，盡管各國之間標(biāo)識制度不同，但食品進(jìn)出口時(shí)仍需對標(biāo)識制度進(jìn)行參照。轉(zhuǎn)基因食品的分析檢測技術(shù)主要有組學(xué)分析技術(shù)、光譜學(xué)分析技術(shù)、DNA水平和蛋白質(zhì)水平檢測策略、分子特征分析檢測技術(shù)、轉(zhuǎn)基因快速檢測技術(shù)、轉(zhuǎn)基因定量檢測技術(shù)等。

1 轉(zhuǎn)基因食品標(biāo)識制度

到目前為止，世界上有超過50個(gè)國家對轉(zhuǎn)基因食品采取了標(biāo)識制度。這類制度可大體分為兩類，一類是強(qiáng)制性標(biāo)識，另一類是自愿型標(biāo)識。其中，有著非常嚴(yán)格和預(yù)防性的法律制度以及對需要標(biāo)識的閾值進(jìn)行規(guī)定的國家為中國和歐盟等；另外，采取自愿標(biāo)識通常在只有食品中存在明顯差別如過敏原的情況下才進(jìn)行標(biāo)識。盡管各國采用不同的標(biāo)識制度，但是除卻政治因素，各國考慮更多的是實(shí)際檢測能力。經(jīng)過批準(zhǔn)進(jìn)口的轉(zhuǎn)基因食品全都具備相應(yīng)標(biāo)識制度，所以說，轉(zhuǎn)基因食品標(biāo)識制度是轉(zhuǎn)基因食品的重要組成。

2 轉(zhuǎn)基因食品分析檢測技術(shù)

隨著各種技術(shù)的不斷發(fā)展變化，轉(zhuǎn)基因分析檢測技術(shù)也不斷進(jìn)行發(fā)展。轉(zhuǎn)基因食品的非期望效應(yīng)的評價(jià)依賴于組學(xué)分析技術(shù)，而數(shù)字PCR技術(shù)的出現(xiàn)和好的彌補(bǔ)了普通PCR技術(shù)在轉(zhuǎn)基因檢測方面的缺陷[1]。在精確定量方面基因拷貝數(shù)的絕對定量通過一定的技術(shù)也能夠?qū)崿F(xiàn)，另外，等溫?cái)U(kuò)增技術(shù)和試紙顯色原理在快速檢測領(lǐng)域的應(yīng)用，能夠幫助特殊崗位的工作人員進(jìn)行快速檢測。

2.1 組學(xué)分析技術(shù)

組學(xué)分析技術(shù)含有蛋白組學(xué)、轉(zhuǎn)錄組學(xué)以及代謝組學(xué)等技，是對一類個(gè)體系統(tǒng)集合的分析技術(shù)。蛋白組學(xué)指在特定的時(shí)間和環(huán)境下，對一個(gè)細(xì)胞中全部蛋白質(zhì)表達(dá)進(jìn)行研究的技術(shù)。蛋白組學(xué)主要研究某一細(xì)胞或者生物在一定的病理及生理情況，其蛋白質(zhì)的特點(diǎn)、數(shù)量、功能等[2]。轉(zhuǎn)錄組學(xué)主要研究細(xì)胞在表達(dá)某一功能其基因的和，其研究成果為外源基因表達(dá)的信息和外源基因進(jìn)入受體中所表達(dá)的狀況。代謝組學(xué)主要是對細(xì)胞在特定時(shí)間和環(huán)境下全部的小分子代謝物質(zhì)進(jìn)行研究。

2.2 光譜學(xué)分析技術(shù)

近紅外光譜檢測是轉(zhuǎn)基因光譜學(xué)技術(shù)的主要技術(shù)。近紅外光譜檢測的優(yōu)點(diǎn)在于其穿透性很強(qiáng)，因此不需要對其檢測物質(zhì)進(jìn)行基因組提取或者預(yù)處理。盡管還不能確定轉(zhuǎn)基因光譜學(xué)檢測的準(zhǔn)確性，但是光譜學(xué)檢測的優(yōu)勢在于簡單迅速和無損檢測。因?yàn)橄M(fèi)者格外關(guān)注轉(zhuǎn)基因食品的安全問題，因此，光譜學(xué)和組學(xué)分析的關(guān)注方面都在轉(zhuǎn)基因食品的非期望效應(yīng)上。

2.3 DNA水平和蛋白質(zhì)水平檢測策略

到目前為止，國內(nèi)外對轉(zhuǎn)基因食品的分析檢測技術(shù)的的主要研究方面是在蛋白質(zhì)和核酸上。在實(shí)際應(yīng)用過程中，以DNA作為檢測基礎(chǔ)的檢測技術(shù)被廣泛應(yīng)用的原因在于其檢測的靈敏度較高并具有特異性[3]。聚合酶鏈?zhǔn)椒磻?yīng)也是被廣泛使用的轉(zhuǎn)基因分析技術(shù)之一。另外，較為常用的還有酶聯(lián)免疫吸附法。PCR技術(shù)是DNA水平檢測較為常用的技術(shù)，因其導(dǎo)入受體的外源基因的位置和大小無法確定，所以，在檢測過程的實(shí)現(xiàn)需要篩選技術(shù)的輔助。其中，使植物體能夠穩(wěn)定表達(dá)的低拷貝基因內(nèi)標(biāo)基因和標(biāo)準(zhǔn)物質(zhì)是PCR檢測中常用的物質(zhì)。

2.4 分子特征分析檢測技術(shù)

將轉(zhuǎn)基因作物或食品中受體所插入的外源基因的所有信息稱為分子特征，主要有外源基因的特異序列、插入位點(diǎn)及數(shù)量、外源基因兩側(cè)的側(cè)翼序列等。這些信息是整個(gè)分析檢測技術(shù)的基礎(chǔ)，能夠輔助轉(zhuǎn)基因作物或食品分類、評價(jià)等。分子特征既是轉(zhuǎn)基因分析對象的同時(shí)，又是轉(zhuǎn)基因的檢測對象，在快速檢測和精準(zhǔn)定量檢測中起著重要作用，另外，在組學(xué)分析技術(shù)中也有著重要影響。

2.5 轉(zhuǎn)基因快速檢測技術(shù)

完善的轉(zhuǎn)基因食品分子特征信息相當(dāng)于一個(gè)巨大的信息篩選庫。但是在地方食藥監(jiān)局和港口出入境檢疫局的工作人員對精準(zhǔn)、高效的檢測未知樣品的技術(shù)重視程度更高。轉(zhuǎn)基因分析檢測在實(shí)際中的應(yīng)用應(yīng)該是沒有進(jìn)行專業(yè)培訓(xùn)的工作人員也能夠利用技術(shù)手段來進(jìn)行檢測。其中PCR技術(shù)需要在變溫的條件下進(jìn)行多步驟的操作，顯然不符合高效的原則，因此，有必要進(jìn)行開發(fā)恒溫下的檢測技術(shù)。轉(zhuǎn)基因快速檢測技術(shù)有等溫?cái)U(kuò)增檢測技術(shù)、試紙檢測技術(shù)等。

2.6 轉(zhuǎn)基因定量檢測技術(shù)

制定標(biāo)識的基礎(chǔ)為分子特征，而利用定量檢測技術(shù)可以實(shí)現(xiàn)對標(biāo)識閾值的確定。一方面，定量檢測技術(shù)能夠在科研工作中進(jìn)行樣品轉(zhuǎn)基因相對含量以及外源基因拷貝數(shù)的確定；另一方面，定量檢測技術(shù)還可以在田間對樣品的含量進(jìn)行確定，并依據(jù)其閾值提供處理措施。作為貫穿整個(gè)轉(zhuǎn)基因分析檢測工作的技術(shù)手段，定量檢測技術(shù)為標(biāo)識制度提供了科學(xué)依據(jù)。有傳統(tǒng)的定量檢測技術(shù)、數(shù)字PCR檢測技術(shù)、新材料輔助的定量檢測技術(shù)等。

3 結(jié)語

自世界上首例轉(zhuǎn)基因作物耐草甘膦品系轉(zhuǎn)基因大豆問世以來，轉(zhuǎn)基因作物開始飛速發(fā)展，傳統(tǒng)農(nóng)業(yè)受到很大的沖擊。隨著轉(zhuǎn)基因作物的快速發(fā)展，越來越多的轉(zhuǎn)基因食品流入市場，轉(zhuǎn)基因食品在滿足人們物質(zhì)生活需要的同時(shí)，人們開始注重轉(zhuǎn)基因食品的安全性。世界各國紛紛出臺了一系列的管理制度來預(yù)防轉(zhuǎn)基因食品帶來的安全問題，在1922年，世界各國倒成了《卡塔赫納生物安全議定書》來對轉(zhuǎn)基因食品進(jìn)行規(guī)范。對轉(zhuǎn)基因食品進(jìn)行標(biāo)識和監(jiān)管的首要任務(wù)就是對轉(zhuǎn)基因食品進(jìn)行成分分析檢測，因此，轉(zhuǎn)基因食品分析檢測技術(shù)的發(fā)展對轉(zhuǎn)基因食品的安全有著至關(guān)重要的影響，此技術(shù)也屬于全球食品安全檢測的重要技術(shù)，值得推廣借鑒。

參考文獻(xiàn)

篇（5）

中圖分類號：TV219文獻(xiàn)標(biāo)識碼：A文章編號：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，他們對不同預(yù)處理方法和不同波段建模對模型的預(yù)測性能進(jìn)行分析對比，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模型精度的影響，結(jié)果表明，蘋果果皮對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?？梢?，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.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。

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.

篇（6）

關(guān)鍵詞： 重疊峰；分解；數(shù)學(xué)方法

Key words： overlapping peaks；decomposition；mathematical method

中圖分類號：O17文獻(xiàn)標(biāo)識碼：A文章編號：1006-4311（2011）04-0197-01

1重疊峰分解的實(shí)際意義

在光譜研究領(lǐng)域，重疊的光譜信號是比較常見的。例如，①在紫外-可見光譜分析中：在苯和甲苯的混合體系及苯、甲苯和二甲苯等混合體系中，各組分紫外光譜嚴(yán)重重疊；復(fù)合維生素B片劑的吸收光譜中，維生素B1，B2，B6和煙酰胺4組分嚴(yán)重重疊；二甲酚橙（XO）-CTMAB-Cu、Cd、Ni顯色體系各組分吸收光譜相互重疊。鈰組稀土元素的性質(zhì)極其相似，因此其5種元素的吸收光譜嚴(yán)重重疊。②在熒光光譜分析中：利用偏振X射線熒光技術(shù)分析鐵磁性永磁材料粉末時(shí)，Si和Sr譜線完全重疊；醫(yī)院營養(yǎng)輸液常用的復(fù)合氨基酸注射液中包含色氨酸和酪氨酸，而此二組分的熒光光譜嚴(yán)重重疊等等。此外，重疊現(xiàn)象在化學(xué)領(lǐng)域的電化學(xué)分析、色譜分析中也同樣存在。重疊現(xiàn)象給進(jìn)一步的定性和定量分析都帶來了困難。對于這樣的問題，通過硬件手段如改進(jìn)儀器來提高信號的分辨率通常受到資金或工作條件等現(xiàn)實(shí)問題的制約。因此，往往通過數(shù)學(xué)手段把儀器未能完全分離的多個(gè)譜峰給以分解，得到重疊峰信號中的各子峰或組分的相關(guān)信息（如峰形狀、峰位置、半峰寬和峰高度）的估計(jì)值。而隨著計(jì)算機(jī)的發(fā)展，計(jì)算技術(shù)的提高，與計(jì)算機(jī)相結(jié)合的信息理論、多元統(tǒng)計(jì)分析法、數(shù)學(xué)最優(yōu)化等數(shù)學(xué)方法被利用于重疊峰的分解，并逐漸成為了現(xiàn)代光譜分析的熱點(diǎn)。

2國內(nèi)外研究現(xiàn)狀

對于采用各種計(jì)算方法分解光譜重疊峰的研究已有不少報(bào)道，其中分光光度法、熒光光譜、ICP-AES等重疊峰的解析已發(fā)展比較成熟。目前常見的數(shù)學(xué)方法有四類：

2.1 雙波長、三波長法、導(dǎo)數(shù)光譜法其中導(dǎo)數(shù)光譜法是分辨重疊峰的一種常用的較為成熟的方法。1953年Hammond等人首先提出。其基本原理是對原吸收曲線進(jìn)行一階、二階至四階求導(dǎo)，然后對得到的各階導(dǎo)數(shù)光譜進(jìn)行分析。從而來確定重疊峰的個(gè)數(shù)、重疊峰位及改善譜線分辨率等。關(guān)于導(dǎo)數(shù)法定研究及報(bào)道有很多，如王超群利用導(dǎo)數(shù)法探討了其在X射線衍射分析中的應(yīng)用；Windig討論了二階導(dǎo)數(shù)光譜在自模式分析技術(shù)中的應(yīng)用，以及相應(yīng)的平滑方法。但導(dǎo)數(shù)法存在一個(gè)顯著缺點(diǎn)：隨著求導(dǎo)次數(shù)的增加，噪聲也隨之增加，在高階導(dǎo)數(shù)中，信號可能被噪聲完全淹沒，因而，通常，每求一階導(dǎo)數(shù)之后都需要濾除噪聲來提高信噪比。

2.2 最優(yōu)化方法最小二乘法作為一種判斷擬合效果優(yōu)劣的評價(jià)標(biāo)準(zhǔn)而經(jīng)常被使用，從而將問題轉(zhuǎn)化為尋優(yōu)問題。而解決此最優(yōu)化問題的方法有很多相關(guān)研究和報(bào)道：如：何錫文等周興風(fēng)等分別討論了線性規(guī)劃方法的使用；孫桂玲等使用Newton-Raphson逐步逼近法和最速下降法對高斯峰進(jìn)行分離；此外還有Cauchy法、直接搜索法、單純形法、DFP法及共軛梯度法等。

最小二乘法的缺點(diǎn)是當(dāng)各組分光譜嚴(yán)重重疊時(shí)（數(shù)學(xué)上叫共線性），如正規(guī)矩陣的秩接近零，此時(shí)的方程組近乎病態(tài)方程組，實(shí)驗(yàn)中的微小誤差或是計(jì)算中間過程數(shù)據(jù)位數(shù)的取舍都會(huì)引起計(jì)算結(jié)果的大幅波動(dòng)，此時(shí)最小二乘法不適用。

2.3 多元統(tǒng)計(jì)法由于傳統(tǒng)最小二乘法的缺點(diǎn)，出現(xiàn)了許多改進(jìn)方法。如：Wold在1966年提出的偏最小二乘法；王鎮(zhèn)浦等討論了CPA矩陣法；因子分析法更是被廣泛研究，白潔玲通過迭代目標(biāo)轉(zhuǎn)換因子分析應(yīng)用于4種混合色素溶液吸附伏安法波譜的解析來對其進(jìn)行同時(shí)測定；進(jìn)化因子分析與消秩方法被用于重疊光譜分析。這些方法各自在不同程度上克服了最小二乘法的缺點(diǎn)。

2.4 利用信息處理的理論1979年，Poulisse首次將卡爾曼濾波原理用于多組分體系分光光度分析中，使多組分體系的含量測定歸結(jié)為對重疊光譜曲線進(jìn)行快速濾波的過程。這個(gè)思想不僅帶來了一種新的重疊峰分解的方法同時(shí)還啟發(fā)了分析工作者，使人們認(rèn)識到，譜數(shù)據(jù)處理與通訊技術(shù)中的信息處理過程很相似，完全可以借鑒其數(shù)學(xué)工具。上世紀(jì)90年代，能解決非線形擬合的人工神經(jīng)網(wǎng)絡(luò)技術(shù)也被廣泛應(yīng)用求解多組分濃度，不足之處是需要大量樣本學(xué)習(xí)，很復(fù)雜且耗時(shí)。遺傳算法作為一種全局的尋優(yōu)方法，也逐漸被應(yīng)用于譜圖分析及重疊峰分解等方向的研究。使用數(shù)學(xué)方法對重疊峰分解的優(yōu)點(diǎn)在于它對硬件要求不高，只需在一定的實(shí)驗(yàn)條件下，獲取足夠的實(shí)驗(yàn)數(shù)據(jù)，借助計(jì)算機(jī)強(qiáng)大的運(yùn)算能力，運(yùn)用數(shù)學(xué)方法進(jìn)行計(jì)算，能夠獲取準(zhǔn)確度較高的對重疊峰解析的結(jié)果，基本上可以滿足一般檢測和分析的要求，因此其發(fā)展前景相當(dāng)廣闊，見諸于專業(yè)刊物的研究。報(bào)告顯示，使用軟件后處理的研究和應(yīng)用正廣泛開展。

參考文獻(xiàn)：

[1]吳軍，楊梅，陳堅(jiān).人工神經(jīng)網(wǎng)絡(luò)輔助紫外光譜測定苯和甲苯的含量.新疆醫(yī)科大學(xué)學(xué)報(bào)，2005，28（6）：519-520.

[2]吳軍，楊梅.人工神經(jīng)網(wǎng)絡(luò)用于紫外光譜同時(shí)測定苯和甲苯及二甲苯的含量.理化檢驗(yàn)-化學(xué)分冊，2006，42（7），511-513.

[3]何池洋，孫益民，陳友存等.人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于維生素B族4組分同時(shí)測定.浙江大學(xué)學(xué)報(bào)（理學(xué)版），2002，29（2）：160-165.

[4]方艷紅，王瓊，徐金瑞.分光光度法結(jié)合人工神經(jīng)網(wǎng)絡(luò)同時(shí)測定銅、鎘和鎳.光譜實(shí)驗(yàn)室，2005，22（4）：782-784.

[5]鄭靜，林開利，周偉良等.人工神經(jīng)網(wǎng)絡(luò)-分光光度法同時(shí)測定合金鋼樣中的鈰組稀土元素.分析試驗(yàn)室，2004，23（11）：14-17.

篇（7）

中圖分類號：TB

文獻(xiàn)標(biāo)識碼：A

doi：10.19311/ki.1672-3198.2016.23.130

1 前言

2003年，歐盟在全球率先提出了《電氣、電子設(shè)備中限制使用某些有害物質(zhì)指令》，即RoHS指令，規(guī)定輸往歐洲的電子產(chǎn)品及其組件需對六種有害物質(zhì)的使用加以限制。電子電氣產(chǎn)品中的六種有害物質(zhì)為：鉛（Pb）、汞（Hg）、鎘（Cd）、六價(jià)鉻（Cr6+）、多溴聯(lián)苯（PBBs）、多溴二苯醚（PBDEs）等。之后，包括中國在內(nèi)的世界其他各國各地區(qū)也緊隨其后，制定了類似的有害物質(zhì)管控法規(guī)和指令。我國的《電子信息產(chǎn)品污染控制管理辦法》也在2006年頒布，目前該管理辦法已在電子電器、質(zhì)量檢測、環(huán)保等相關(guān)行業(yè)廣泛實(shí)施應(yīng)用。

對鉛、鎘、汞等重金屬元素的檢測方法主要以光譜學(xué)分析方法為主，基本可概括為以下幾種方法：原子光譜法、分光光度法、化學(xué)發(fā)光法等，其中原子光譜法又可分為火焰原子吸收光譜法、石墨爐原子吸收光譜法、冷原子吸收光譜法、原子發(fā)射光譜法等。

近幾年，光譜學(xué)分析方法在重金屬元素檢測方面的研究取得很大的進(jìn)展，特別是儀器分析方法之間的相互滲透以及聯(lián)用技術(shù)的發(fā)展，使得分析的準(zhǔn)確性、靈敏度和自動(dòng)化程度都得到很大的提高。

2 ICP-AES技術(shù)在基于RoHS指令的重金屬檢測中的應(yīng)用

因ICP-AES根據(jù)特征譜線的強(qiáng)度與元素含量的線性關(guān)系進(jìn)行定性定量，抗干擾性強(qiáng)，故具有分析靈敏度高、精密度好的優(yōu)點(diǎn)，又因其方法的線性范圍寬且能夠?qū)崿F(xiàn)多元素同時(shí)檢測，使其在電子電器產(chǎn)品中重金屬的檢測方面得到廣泛地應(yīng)用。

由于ICP-AES技術(shù)要求試樣以溶液或氣體形式進(jìn)入霧化器，故對制樣技術(shù)提出了較高要求。常用與ICP-AES法相匹配的制樣方法有：溶劑直接浸提法、微波消解技術(shù)、固相萃取法，其中微波消解技術(shù)特別是高壓微波消解技術(shù)，具有制樣高效快捷、節(jié)省試劑、污染小、操作簡單、樣品溶解完全等特點(diǎn)，使其在利用ICP-AES聯(lián)用技術(shù)的檢測中應(yīng)用較為廣泛，是最具發(fā)展前景的制樣方法之一。

陶緒泉等采用電感耦合等離子體發(fā)射光譜（ICP-AES）法同時(shí)測定聚氯乙烯（PVC）塑鋼門窗中的多種重金屬元素含量。實(shí)驗(yàn)中，制樣方法采用微波消解制樣技術(shù)，檢測方法采用電感耦合等離子體發(fā)射光譜（ICP-AES）法，確定了同時(shí)測定聚氯乙烯（PVC）塑鋼門窗中的Pb、Zn、Ti、Cu等重金屬元素含量測定的最佳實(shí)驗(yàn)條件。方法的檢出限達(dá)0.01840～1.034μg/mL，回收率達(dá)94.23%～103.5%，相對標(biāo)準(zhǔn)偏差控制在4.6%以內(nèi)。該方法快速、準(zhǔn)確、靈敏度高，可基本滿足PVC塑鋼門窗中多種金屬元素的同時(shí)測定。

王英鋒等利用微波消解技術(shù)-電感耦合等離子體質(zhì)譜（ICP-MS）法實(shí)現(xiàn)了對丙烯腈-丁二烯-苯乙烯共聚物（ABS）塑料中的鉛、鎘、汞、鉻、砷五種元素的同時(shí)測定。在實(shí)驗(yàn)中對儀器的參數(shù)設(shè)置、進(jìn)樣條件進(jìn)行了優(yōu)化，并對樣品的消解體系、消解溫度、恒溫時(shí)間以及酸用量等前處理?xiàng)l件進(jìn)行了優(yōu)化。建立的檢測方法檢出限為0.7～6.5ng/g，回收率為89.8%～110.8%，相對標(biāo)準(zhǔn)偏差為2.8%～11.3%。

黃慶君等用電感耦合等離子法測定塑料樣品中鎘的含量。實(shí)驗(yàn)采用微波消解技術(shù)對樣品進(jìn)行消解，通過對儀器的工作條件進(jìn)行優(yōu)化，發(fā)現(xiàn)鎘含量在0～1000mg/L的范圍內(nèi)，特征譜線強(qiáng)度與目標(biāo)物含量具有良好的線性關(guān)系（相關(guān)系數(shù)為0.9999）。結(jié)果表明，方法檢出限達(dá)0.005mg/L，樣品回收率達(dá)95.96%～99.33%，RSD為0.591%（n=6）。

邱靜等建立了電感耦合等離子體質(zhì)譜法同時(shí)測定塑料包裝材料中十二種元素的方法。實(shí)驗(yàn)采用硝酸-過氧化氫消解溶液，用高壓微波消解對塑料包裝材料樣品進(jìn)行處理，建立了電感耦合等離子體質(zhì)譜法對塑料包裝材料中鉛、鎘、砷、鉻、銻、汞、硒、鋇、鎳、錫、鍶、鉈等十二種元素同時(shí)測定的方法。方法的檢出限為0.02～0.20μg/L，加標(biāo)回收率為88.0%～117.0%，相對標(biāo)準(zhǔn)偏差（RSD）小于10%。

李宣等通過測定有證參考物質(zhì)和國際水平測試，研究了多種不同塑料基體中不同濃度的鎘、鉛、汞和鉻的測定方法。實(shí)驗(yàn)通過對樣品的消解程序和消解試劑的優(yōu)化進(jìn)行研究，確定了塑料樣品的微波消解方法。采用上述微波消解方法對樣品進(jìn)行預(yù)處理，用電感耦合等離子體-原子發(fā)射光譜法測定了不同樣品中的目標(biāo)物，結(jié)果表明，該方法具有很好的準(zhǔn)確度和精密度，相對標(biāo)準(zhǔn)偏差（RSD）為1.8%～2.4%，回收率為97.3%～98.8%，能夠同時(shí)測定各種塑料中鎘、鉛、汞和鉻。

鐘志光等采用微波消解技術(shù)，用全譜直讀DUO-ICP-AES測定塑料樣品中鉛、鎘、鉻和汞。實(shí)驗(yàn)硝酸-氟硼酸-過氧化氫在210℃的溫度下加熱約1h處理樣品，將電子電氣產(chǎn)品中的塑料樣品完全溶解后進(jìn)行檢測，實(shí)驗(yàn)結(jié)果表明，該方法的回收率為91.2%～100.5%，精密度為0.45%～3.18%，可應(yīng)用于電子電氣產(chǎn)品塑料中的鉛、汞、鉻和鎘日常檢驗(yàn)。

3 結(jié)語

在基于RoHS認(rèn)證的多種檢測方法中，ICP-AES技術(shù)作為一種成本低、時(shí)間短、方便快捷的測定有害重金屬元素含量的方法，已在涉及到RoHS檢驗(yàn)的環(huán)境監(jiān)測及檢驗(yàn)檢測等部門被廣泛應(yīng)用。

隨著科技發(fā)展，ICP-AES技術(shù)愈加先進(jìn)，檢測范圍愈加廣泛，但I(xiàn)CP-AES技術(shù)在實(shí)際檢測過程中仍存在一些問題有待進(jìn)一步改進(jìn)，這將是今后重要的研究課題。

參考文獻(xiàn)

[1]陶緒泉，王懷生，崔艷云等.電感耦合等離子體發(fā)射光譜（ICP-AES）法在重金屬檢測中的應(yīng)用[J]//ICP-AES法測定PVC塑鋼門窗中的重金屬元素.塑料，2008，（06）.

[2]王英鋒，施燕支，張華等.微波消解-電感耦合等離子體質(zhì)譜法測定丙烯腈-丁二烯-苯乙烯共聚物塑料中的鉛、鎘、汞、鉻、砷[J].光譜學(xué)與光譜分析，2008，（01）.

[3]黃慶君.微波消解-電感耦合等離子發(fā)射光譜法測定塑料中的鎘[J].電子世界，2012，（11）.

篇（8）

中圖分類號：Q657.33文獻(xiàn)標(biāo)識碼：A文章編號：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)銳峰為羧基的反對稱及對稱伸縮振動(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SH的一級結(jié)構(gòu)進(jìn)行表征。CD光譜能夠檢測由結(jié)構(gòu)的不對稱性引起的左、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)生正信號及負(fù)信號。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.

篇（9）

摘要：利用小波變換結(jié)合反向傳播網(wǎng)絡(luò)（BPNN）和支持向量機(jī)（SVM）研究了朝天椒和燈籠椒的傅里葉變換紅外（FTIR）光譜，樣品1 750～950 cm－1范圍的紅外光譜經(jīng)多尺度一維連續(xù)小波變換（CWT）和離散小波變換分析，發(fā)現(xiàn)第20尺度的連續(xù)小波系數(shù)，提取該尺度3個(gè)區(qū)域的系數(shù)作為特征參數(shù)建立BPNN和SVM 模型。結(jié)果表明，BPNN和SVM模型都能很好地區(qū)別兩種辣椒。第5尺度的離散小波細(xì)節(jié)系數(shù)建立BPNN和SVM模型分類的正確率分別為93．3％、100％。小波變換結(jié)合BPNN和SVM用于傅里葉變換紅外光譜技術(shù)中能夠準(zhǔn)確識別朝天椒、燈籠椒，為區(qū)分不同品種的辣椒提供了快速、有效的方法。

關(guān)鍵詞 ：朝天椒；燈籠椒；人工神經(jīng)網(wǎng)絡(luò)；支持向量機(jī)

中圖分類號：O657．33；S641．3文獻(xiàn)標(biāo)識碼：A文章編號：0439－8114（2015）01－0203－03

DOI：10．14088／j．cnki．issn0439－8114．2015．01．053

Infrared Spectroscopic Analyses of Pepper based on

Support Vector Machine and BPNN

LI Wei－xing，LIU Gang，ZHAO Xing－xiang，WANG Xiao－long，WANG Xiao－h(huán)ua，LI Hui－mei

（School of Physics and Electronic Information， Yunnan Normal University， Kunming 650500， China）

Abstract： Fourier transform infrared （FTIR） spectroscopy combined with back propagation neural network （BPNN）， wavelet transform and support vector machine （SVM） were used to analyze Capsicum annuum L． var． conoide （Mill．） Irish and bell pepper． FTIR spectra of samples from C． annuum L． var． conoide （Mill．） Irish were obtained. The infrared spectra in the range of 1750～950 cm－1 were extracted by continuous wavelet transform （CWT） and discrete wavelet transform （DWT）． The decomposition level 10 was obviously different. Three regions of this level were selected as feature vector to train BPNN and the SVM models． Discrete wavelet transform detail coefficients（DWTDC） of level 5 were selected to train BPNN and SVM models. The recognition accurate rate of using BPNN and SVM was 93．3％ and 100％， respctively． It is proved that FTIR spectroscopy combined with BPNN and SVM can be used to discriminate C． annuum L． var． conoide （Mill．） Irish and bell pepper．

Key words： Capsicum annuum L． var． conoide （Mill．） Irish； bell pepper； back propagation neural network； support vector machine

收稿日期：2014－03－14

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（30960179）

作者簡介：李偉星（1987－），男，湖南衡陽人，在讀碩士研究生，研究方向?yàn)榧t外光譜生物醫(yī)學(xué)光譜，（電話）18288745428（電子信箱）

weixl87＠126．com；通信作者，劉 剛（1966－），男，云南陸良人，教授，主要從事生物醫(yī)學(xué)光譜學(xué)方面的研究，（電話）13648878376

（電子信箱）gliu66＠163．com。

辣椒（Capsicum annuum L．）包括辣椒和甜椒，又稱番椒、海椒、辣子、辣角、秦椒等，是茄科辣椒屬一年或多年生植物。辣椒中維生素C的含量在蔬菜中居第一位，具有通經(jīng)活絡(luò)、活血化瘀、驅(qū)風(fēng)散寒、開胃健胃、補(bǔ)肝明目、溫中下氣、抑菌止癢和防腐驅(qū)蟲等功效［1，2］，被廣泛應(yīng)用于醫(yī)藥、輕化和食品行業(yè)。

區(qū)分辣椒常規(guī)的化學(xué)分析方法，如高效液相色譜法（HPLC）、氣相色譜質(zhì)譜法（GC－MS）、微衛(wèi)星DNA標(biāo)記（SSR）、超臨界CO2萃取法等，這些檢測方法雖然準(zhǔn)確，但預(yù)處理過程復(fù)雜，耗時(shí)長，處理過程對人與環(huán)境有害［3］。傅里葉變換紅外光譜法具有操作簡單、靈敏度高、用樣少、制樣簡單、重復(fù)性好等優(yōu)點(diǎn)。小波變換是繼傅里葉變換后的一種更為有效的信號處理方法［4］。人工神經(jīng)網(wǎng)絡(luò)（ANN）方法由于對非線性函數(shù)可任意逼近而在光譜分析中被廣泛使用。人工神經(jīng)網(wǎng)絡(luò)具有高度智能化的特征與能力，在處理非線性問題上以計(jì)算簡單、預(yù)測準(zhǔn)確的優(yōu)勢在分析化學(xué)中得到了廣泛的應(yīng)用［5］。支持向量機(jī)（SVM）是近年來形成的一種新的模式識別方法，已表現(xiàn)出許多優(yōu)于其他模式識別的方法。先通過非線性變換將輸入空間變換到一個(gè)高維空間，然后在這個(gè)高維空間求取最優(yōu)分類面［6］。

為此，選取兩個(gè)品種的辣椒為研究對象，應(yīng)用傅里葉變換紅外光譜測定法得到FTIR，采用連續(xù)和離散小波多分辨率分析方法提取樣品的紅外光譜特征量，然后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對兩個(gè)品種的辣椒進(jìn)行識別，旨在為同科屬品種的植物提供一種分類方法。

1 材料與方法

1．1 試驗(yàn)儀器

紅外光譜儀為PerkinElmer公司的Frontier傅里葉變換紅外光譜儀，掃描范圍4 000～400 cm－1，分辨率4 cm－1，掃描次數(shù)16次。

1．2 樣品制備、檢測及數(shù)據(jù)處理

朝天椒和燈籠椒采自湖南省農(nóng)業(yè)科學(xué)院試驗(yàn)基地。朝天椒30個(gè)（編號a1～a30），燈籠椒30個(gè)（編號b1～b30）。樣品清洗后晾干，取相同部位研磨成粉末，加入溴化鉀研磨均勻，壓片測紅外光譜。光譜均扣除溴化鉀背景，光譜數(shù)據(jù)用Omnic 8．0軟件處理，經(jīng)過基線校正、5點(diǎn)平滑處理、歸一化。用Matlab 7．1軟件進(jìn)行支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)分析。

2 結(jié)果與分析

2．1 兩種辣椒果實(shí)紅外光譜分析

圖1是兩個(gè)品種辣椒的原始光譜圖。3 500～3 200 cm－1范圍強(qiáng)寬峰為O－H與N－H的伸縮振動(dòng)吸收，2 925 cm－1附近峰為亞甲基中C－H不對稱伸縮振動(dòng)吸收［7］；2 857 cm－1附近峰為亞甲基中C－H對稱伸縮振動(dòng)吸收［8］；1 735 cm－1附近吸收峰主要來自脂類C＝O伸縮振動(dòng)［9］；1 635 cm－1附近吸收峰為辣椒堿中C＝C雙鍵伸縮振動(dòng)峰［10］；1 655、1 541 cm－1分別對應(yīng)蛋白質(zhì)的酰胺Ⅰ帶和酰胺Ⅱ帶的吸收峰［11］。1 610、1 516 cm－1為苯環(huán)的骨架特征伸縮振動(dòng)吸收峰［12］；1 440～1 330 cm－1范圍的譜峰為蛋白質(zhì)、纖維素、木質(zhì)素等受氧、氮原子影響的甲基、亞甲基對稱彎曲振動(dòng)和CH3剪式振動(dòng)吸收及C－H彎曲振動(dòng)吸收，其中1 386 cm－1附近是蛋白質(zhì)及纖維素的甲基和亞甲基的對稱彎曲振動(dòng)和甲基的剪式振動(dòng)吸收［8］；1 156～950 cm－1是多糖的C－O－C伸縮振動(dòng)吸收峰［13］；900～750 cm－1范圍為糖類異構(gòu)吸收區(qū)，其中895 cm－1附近為纖維素的環(huán)振動(dòng)產(chǎn)生的C－H變形峰［14］。

2．2 傅里葉變換紅外光譜連續(xù)小波變換分析

兩種辣椒的傅里葉變換紅外光譜的區(qū)別不是特別明顯，直接應(yīng)用其傅里葉變換紅外光譜鑒別兩種辣椒往往容易造成錯(cuò)誤的分類。對它們的傅里葉變換紅外光譜進(jìn)行一維連續(xù)小波變換，在不同的分辨率下對其進(jìn)行有效分析，能夠放大它們之間的差別以有效鑒別兩種辣椒。選擇各向異性的Morlet小波作為“分析小波”，因?yàn)槠漕l域能量比較集中，通頻帶較窄，頻率混疊影響較小，具有時(shí)域?qū)ΨQ和線性相位的特點(diǎn)，能夠保證變換不失真［15］。對兩種辣椒的傅里葉變換紅外光譜中包括指紋區(qū)在內(nèi)的區(qū)域（1 750～950 cm－1）進(jìn)行一維連續(xù)小波變換，共進(jìn)行了30尺度的一維連續(xù)小波變換，發(fā)現(xiàn)進(jìn)行到第20個(gè)尺度的連續(xù)小波變換時(shí)的系數(shù)已能區(qū)別兩種辣椒，變換結(jié)果見圖2。

2．3 BP網(wǎng)絡(luò)識別結(jié)果

BP神經(jīng)網(wǎng)絡(luò)一般由3個(gè)神經(jīng)元層次組成，即輸入層、隱含層和輸出層。在BP網(wǎng)絡(luò)的建立過程中，隱含層節(jié)點(diǎn)數(shù)的選擇是關(guān)鍵。隱含層節(jié)點(diǎn)數(shù)的多少對BP網(wǎng)絡(luò)的識別效果影響很大，隱含層節(jié)點(diǎn)數(shù)一般不大于輸入信號的個(gè)數(shù)，隱含層節(jié)點(diǎn)數(shù)過多，網(wǎng)絡(luò)易于區(qū)分各樣本之間的細(xì)微差別，但網(wǎng)絡(luò)的復(fù)雜程度增加，收斂速度減慢，增加網(wǎng)絡(luò)訓(xùn)練時(shí)間，隱含層節(jié)點(diǎn)數(shù)h可通過公式（1）取整數(shù)確定初始值，再逐步增加或減少1～3節(jié)點(diǎn)數(shù)的方法選取最優(yōu)值：

式中，p為輸入變量數(shù)（即輸入層節(jié)點(diǎn)數(shù)）；q為輸出變量數(shù)（即輸出層節(jié)點(diǎn)數(shù)，通常為1）［16］。

選取第20尺度連續(xù)小波變換系數(shù)，第5尺度離散小波變換逼近系數(shù)和細(xì)節(jié)系數(shù)各19個(gè)變量作為網(wǎng)絡(luò)輸入值，輸出層神經(jīng)元個(gè)數(shù)為2，隱含層的神經(jīng)元個(gè)數(shù)分別設(shè)定為1～12之間的整數(shù)值，60個(gè)樣品，每個(gè)品種30個(gè)，其中訓(xùn)練組15個(gè)，測試組15個(gè)。通過比較分類正確率，最終確定隱含層神經(jīng)元個(gè)數(shù)。網(wǎng)絡(luò)的輸入向量范圍為［－1，1］，隱含層神經(jīng)元的傳遞函數(shù)采用S型正切函數(shù)tansig，輸出模式為0－1，輸出層神經(jīng)元傳遞函數(shù)采用S形對數(shù)函數(shù)logsig。網(wǎng)絡(luò)訓(xùn)練函數(shù)采用trainlm，學(xué)習(xí)函數(shù)為learngdm，最大次數(shù)為1 000，訓(xùn)練目標(biāo)為0．01，學(xué)習(xí)速率為0．1。連續(xù)小波變換系數(shù)（CWTC）、離散小波變換逼近系數(shù)（DWTAC）和細(xì)節(jié)系數(shù)（DWTDC）作為網(wǎng)絡(luò)輸入變量的正確率隨隱含層節(jié)點(diǎn)數(shù)變化情況如圖3所示。連續(xù)小波變換系數(shù)和離散小波變換逼近系數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)最佳隱含層節(jié)點(diǎn)數(shù)均為7，而離散小波變換細(xì)節(jié)系數(shù)隱含層節(jié)點(diǎn)數(shù)對網(wǎng)絡(luò)識別正確率沒有影響，利用連續(xù)小波變換建立的BPNN模型的識別正確率為86．7％，而利用離散小波變換逼近系數(shù)和細(xì)節(jié)系數(shù)建立BPNN模型的正確率為93．3％、100.0％?？梢婋x散小波的效果要比連續(xù)小波變換的效果好。

2．4 支持向量機(jī)結(jié)果

支持向量機(jī)法的基本思想來源于線性判別的最優(yōu)分類面，所謂最優(yōu)分類面就是要求分類面不但能將兩類樣本無錯(cuò)誤地分開，而且要使分類空隙或分類間隔最大。通過實(shí)現(xiàn)最優(yōu)分類面，一個(gè)直接的優(yōu)點(diǎn)就是可以提高預(yù)測能力，降低分類錯(cuò)誤率［16］。

用Matlab 7．1選用支持向量機(jī)4種核函數(shù)的線性函數(shù)作為核函數(shù)，利用離散小波變換細(xì)節(jié)系數(shù)建立支持向量機(jī)模型，對60個(gè)未知樣品（訓(xùn)練組30個(gè)，測試組30個(gè)）預(yù)測結(jié)果支持向量機(jī)識別正確率見表1（表1中“1”代表朝天椒，“0”代表燈籠椒），結(jié)果表明，所有的樣品都能識別，識別正確率為100％。

3 小結(jié)

利用傅里葉變換紅外光譜技術(shù)結(jié)合小波變換、反向傳播網(wǎng)絡(luò)和支持向量機(jī)對朝天椒和燈籠椒進(jìn)行識別，樣品的紅外光譜經(jīng)一維連續(xù)小波變換，第20尺度系數(shù)存在著明顯的差異，選取指紋區(qū)1 750～950 cm－1范圍內(nèi)的紅外光譜進(jìn)行5尺度離散小波變換，第5尺度小波細(xì)節(jié)系數(shù)存在明顯的差異，利用該系數(shù)進(jìn)行反向傳播網(wǎng)絡(luò)和支持向量機(jī)識別，其正確率分別為93．3％、100.0％。通過比較發(fā)現(xiàn)，離散小波細(xì)節(jié)系數(shù)建立模型比連續(xù)小波系數(shù)和離散小波近似系數(shù)效果好，但兩者的差異不是很大。結(jié)果表明，小波變換結(jié)合支持向量機(jī)和反向傳播網(wǎng)絡(luò)應(yīng)用于傅里葉變換紅外光譜技術(shù)中能夠識別朝天椒和燈籠椒，有望發(fā)展為鑒別不同品種物種的一種方便快捷的方法。

參考文獻(xiàn)：

［1］ 華景清，蔡 ?。苯返乃幱脙r(jià)值［J］．中國食物與營養(yǎng)，2004（12）：52－53．

［2］ 蔣慕東，王思明．辣椒在中國的傳播及其影響［J］．中國農(nóng)史， 2005（2）：17－27．

［3］ WU Y H， DU Y P， ZHENG Y， et al． Study on difference between epidermis， phloem and xylem of Radix ginseng with near－infrared and infrared spectroscopy coupled with principal component analysis［J］． Vibrational Spectroscopy， 2011， 55（2）： 201－206．

［4］ 程存歸，田玉梅，張長江．基于FTIR－CWT及ANN分類法的中藥材菟絲子與同科屬金燈藤子的識別方法研究［J］．化學(xué)學(xué)報(bào)， 2008，66（7）：793－798．

［5］ CHENG C G， LIU L， CAO W Q， et al． Classification of two species of Bidens based on discrete stationary wavelet transform exraction of FTIR spectra combined with probability neural network［J］． Vibrational Spectroscopy， 2010， 54（1）： 50－55．

［6］ 金向軍，張 勇，趙 冰，等．基于支持向量機(jī)及小波變換的人參紅外光譜分析［J］．光譜學(xué)與光譜分析，2009，29（3）：656－660．

［7］ YANG H， IRUDAYARAJ J， PARADKAR M M． Discriminant analysis of edible oils and fats by FTIR， FT－NIR and FT－Raman spectroscopy［J］． Food Chemistry， 2005， 93（1）：25－32．

［8］ SCHULZ H， BARANSKA M． Identification and quantification of valuable plant substances by IR and Raman spectroscopy［J］． Vibrational Spectroscopy， 2007， 43（1）：13－25．

［9］ KADAMNE J V， CASTRODALE C L， PROCTOR A． Measurement of conjugated linoleic acid（CLA） in CLA－Rich potato chips by ATR－FTIR spectroscopy［J］． Journal Agricultural and of Food Chemistry，2011，59（6）：2190-2196．

［10］ 張瑋瑋，劉玲玲，孫素琴，等．食用天然辣椒紅色素中摻雜蘇丹紅的紅外光譜快速識別［J］．光譜學(xué)與光譜分析，2012，32（4）：958－961．

［11］ WU D， HE Y， FENG S J， et al． Study on infrared spectroscopy technique for fast measurement of protein content in milk powder based on LS－SVM［J］． Journal of Food Engineering， 2008， 84（1）：124－131．

［12］ 孫素琴，周 群，陳建波．中藥紅外光譜分析與鑒定［M］．北京： 化學(xué)工業(yè)出版社，2010．

［13］ 康玉秋，郭慶梅， 趙啟韜，等．紅外光譜法對貯藏白花丹參各部位的分析與評價(jià)［J］．光散射學(xué)報(bào)，2011，23（4）：387－395．

［14］ DIGHTON J， MASCARENHAS M， ARBUCKLE－KEIL G A． Changing resources： assessment of leaf litter carbohydrate resource change at a microbial scale of resolution［J］． Soil Biology and Biochemistry，2001，33（10）：1429－1432．

篇（10）

1.發(fā)展概況

激光誘導(dǎo)等離子體光譜分析（1aser-indueed plasma spectroscopy，簡稱LIPS）自1962年被報(bào)道以來，已被廣泛地應(yīng)用到多個(gè)領(lǐng)域，如鋼鐵成分在線分析、宇宙探索、環(huán)境和廢物的監(jiān)測、文化遺產(chǎn)鑒定、工業(yè)過程控制、醫(yī)藥檢測、地球化學(xué)分析，以及美國NASA的火星探測計(jì)劃CHEMCAM等，并且開發(fā)出了許多基于LIPS技術(shù)的小型化在線檢測系統(tǒng)。

LIPS發(fā)展可以分為三個(gè)階段：第一個(gè)階段是至自1962年提出到70年代中期，主要是在于研發(fā)利用光電火花源產(chǎn)生等離子體的儀器。第二個(gè)階段是從1980年開始，這種技術(shù)重新被人們重視，但實(shí)際應(yīng)用仍然受到笨重的儀器阻礙。第三個(gè)階段是1983年迄今，激光誘導(dǎo)等離子體光譜開始以縮寫形式LIPS，開始被商業(yè)公司開發(fā)應(yīng)用。這種趨勢導(dǎo)致分析工作更加集中于發(fā)展堅(jiān)固的、移動(dòng)的儀器。此時(shí)光纖也被應(yīng)用于LIPS系統(tǒng)中，主要用于將等離子體發(fā)射信息和激光脈沖耦合進(jìn)光譜儀。[1]

近20多年來，LIPS測量技術(shù)在各個(gè)行業(yè)都有不同程度的應(yīng)用。通過改進(jìn)實(shí)驗(yàn)LIPS裝置來提高測量精度。到上個(gè)世紀(jì)90年代中期開始，一些商業(yè)公司便開發(fā)出便攜式半定量的成品儀器，LIPS儀器開始走向經(jīng)濟(jì)型商業(yè)化，從而更加有力地深入到各行業(yè)的應(yīng)用中。[2]

2.基本原理

圖1 等離子體演化示意圖

脈沖激光束經(jīng)透鏡會(huì)聚后輻照在固體靶的表面，激光傳遞給靶材的能量大于熱擴(kuò)散和熱輻射帶來的能量損失，能量在靶表面聚集，當(dāng)能量密度超過靶材的電離閾值時(shí)，即可在靶材表面形成等離子體，具體表現(xiàn)為強(qiáng)烈的火花，并伴隨有響聲。激光誘導(dǎo)的等離子體溫度很高，通常在10000K以上，等離子體中含有大量激發(fā)態(tài)的原子、單重和多重電離的離子以及自由電子，處于激發(fā)態(tài)的原子和離子從高能態(tài)躍遷到低能態(tài)，并發(fā)射出具有特定波長的光輻射，用高靈敏度的光譜儀對這些光輻射進(jìn)行探測和光譜分析分析，就可以得到被測樣品的成分、含量等信息。通常經(jīng)過聚焦后的激光功率密度達(dá)到GW/cm2量級，光斑處物質(zhì)蒸發(fā)、氣化和原子化后電離，形成高溫、高壓和高電子密度的等離子體。[3]等離子體的演化過程如圖1所示。

圖2 等離子體能級示意圖

圖2是等離子體能級示意圖，能級分為3個(gè)區(qū)域：在原子的電離能以上的區(qū)域?yàn)槟芰窟B續(xù)區(qū)，對應(yīng)電子的自由能級；接近電離能的下方為一準(zhǔn)連續(xù)區(qū)，主要是由于Stark效應(yīng)使得原子與離子的能級展寬，能級發(fā)生重疊所致，等離子體溫度越高，電離程度越大，準(zhǔn)連續(xù)區(qū)就越寬；在準(zhǔn)連續(xù)區(qū)域以下對應(yīng)得則是粒子的束縛能級。等離子體中的束縛―束縛躍遷產(chǎn)生元素的特征光譜，束縛―自由躍遷產(chǎn)生連續(xù)譜線。各種靶材激發(fā)等離子體所需要的激光功率密度不同，對于任一種樣品，都有一個(gè)特定的激光功率密度值，當(dāng)聚焦在樣品上的功率密度達(dá)到或超過這個(gè)值后，才能產(chǎn)生激光等離子體，這個(gè)特定的激光功率密度值被稱為這種樣品物質(zhì)的電離閾值。經(jīng)研究發(fā)現(xiàn)，產(chǎn)生激光誘導(dǎo)等離子體的燒蝕域值一般都在MW/cm2量級上。如果入射激光能量密度小于電離閾值，無法燒蝕樣品產(chǎn)生等離子體，只有當(dāng)功率密度超過物質(zhì)的電離域值時(shí)，才能形成高溫、高壓等離子體。在氣體中，原子化需要的能量很少，能量主要用于激發(fā)，氣體中電離的閾值比在固體表面略高，典型的等離子體溫度在20000K以上。LIPS方法也可用于液體，在液體表面產(chǎn)生等離子體，若液體相對于激光波長透明，也可燒蝕液體內(nèi)部長生等離子體。與氣體中的等離子體相比，液體中等離子體衰減更快，出現(xiàn)譜線的加寬以及更低的等離子體溫度，其數(shù)值通常在7000-12000K之間。LIPS技術(shù)還可用于空氣中的懸浮粒子，這在環(huán)境監(jiān)測上是很高的應(yīng)用價(jià)值。讓激光脈沖直接作用于氣體，完成燒蝕，蒸發(fā)和激發(fā)，另一種處理方式，先讓過濾器吸附粒子，再讓激光脈沖作用與被吸附的粒子，這和激發(fā)固體樣品過程相同。

3.基本特性

激光誘導(dǎo)等離子體在各科學(xué)研究領(lǐng)域應(yīng)用的潛力越來越被人們所認(rèn)識。了解和掌握等離子體的形成機(jī)理和基本特性，對于正確有效地運(yùn)用其解決科研和生產(chǎn)中的實(shí)際問題，提高科學(xué)技術(shù)水平具有十分重要的意義。激光與物質(zhì)相互作用與激光的特性（能量、脈寬、波長、焦斑大小）、材料的性能（光熱性能）以及背景氣氛和氣壓都有密切的聯(lián)系，實(shí)驗(yàn)條件的改變對激光與物質(zhì)相互作用過程會(huì)帶來很大的影響。

盡管人們對激光誘導(dǎo)等離子體的形成、輻射、電子溫度、電子密度、膨脹速度等方面進(jìn)行了有意義的研究與探討，取得了長足的進(jìn)展，但是，全面準(zhǔn)確地測定等離子體的基本特性尚需進(jìn)行仔細(xì)的實(shí)驗(yàn)研究和理論分析。

4.儀器裝置

典型的LIPS光譜探測系統(tǒng)主要由激光光源、光束傳輸系統(tǒng)、分光系統(tǒng)、信號接收系統(tǒng)、時(shí)序控制系統(tǒng)和計(jì)算機(jī)等組成。系統(tǒng)架構(gòu)示意圖如圖3所示。[4]該系統(tǒng)的工作原理為：脈沖激光器輸出的脈沖光束經(jīng)聚焦透鏡聚焦到樣品表面，樣品被燒蝕、蒸發(fā)、激發(fā)和離化后在樣品表面形成高溫、高壓、高電子密度的等離子體的火花，輻射出包含原子和離子特征譜線的光譜；將等離子體光譜通過光纖導(dǎo)入到分光系統(tǒng)，分光系統(tǒng)后面的信號接收系統(tǒng)采集信號，將光信號轉(zhuǎn)化成電信號輸出；經(jīng)數(shù)據(jù)處理電路進(jìn)行濾波、放大、A/D轉(zhuǎn)換、存儲等處理過程，然后送入計(jì)算機(jī)進(jìn)一步處理。經(jīng)過上述步驟，即可完成整個(gè)光譜的采集過程。通常實(shí)驗(yàn)平臺中引入時(shí)序控制系統(tǒng)，時(shí)序控制器控制激光脈沖發(fā)出和光信號檢測之間的延遲時(shí)間，用于時(shí)間分辨光譜的研究和譜線信噪比的研究。

圖3 LIPS系統(tǒng)示意圖

（a）激光光源（b）脈沖激光頭（c）反射鏡（d）聚焦透鏡（e）激發(fā)工作室（f）樣品（g）光束傳輸收集系統(tǒng)（h）光纖（i）探測觸發(fā)信號（j）分光系統(tǒng)（k）信號接收系統(tǒng)（l）電腦

5.應(yīng)用方向

將激光技術(shù)應(yīng)用于工業(yè)領(lǐng)域，在國內(nèi)還是空白時(shí)，國外已經(jīng)如火如荼的進(jìn)行了。在9?11恐怖襲擊后，美國軍方開始將該技術(shù)應(yīng)用于各種安檢，快速檢測分析疑似爆炸物。美國其他的研究機(jī)構(gòu)（如Miziolek）還將該技術(shù)應(yīng)用于持續(xù)檢測地鐵系統(tǒng)空氣的成份。

5.1鋼鐵中元素檢測[5]

J.Gruber和J.Heitz等利用LIPS技術(shù)，僅用了7s就對液態(tài)鋼中的合金元素進(jìn)行了快速、在線的分析了。同時(shí)提出根據(jù)監(jiān)測信息遠(yuǎn)程控制冶金過程的指導(dǎo)思想。Yamamoto等利用LIPS方法對鋼鐵、土壤和塵埃等樣品進(jìn)行分析鋼鐵中微量重金屬元素和Si的檢測極限。另外提出長脈沖對分析固體樣品更有利，高輸出頻率更適用于快速測量或者對大面積樣品和不均勻樣品的平均測量。Mateo等通過LIPS實(shí)驗(yàn)，繪制了不同等級不銹鋼中夾雜物成分的空間分布圖，同樣利用上述方法繪制復(fù)雜巖石表面成分的空間分布圖。

LIPS技術(shù)在冶金成分分析中也發(fā)揮出獨(dú)特的作用。由于煉鋼現(xiàn)場條件極其惡劣，伴隨著高溫、強(qiáng)擾動(dòng)、高背景的干擾，大大增加了鋼液直接分析的難度，而LIPS技術(shù)能夠做到通過光纖遠(yuǎn)程傳輸光譜信號，達(dá)到遠(yuǎn)程在線監(jiān)測的目的。

5.2 太空探測[6]

應(yīng)用于星體（月球和火星）表面元素成份探測上有顯著的優(yōu)勢：對目標(biāo)的快速定位，快速采樣和遙感探測：幾分鐘的短積分時(shí)間；多元素同步探測；用重復(fù)脈沖除去目標(biāo)表面的塵土和風(fēng)華層的表面清潔能力；pp量級的探測限和探測靈敏度；高探測精度和準(zhǔn)確度：能夠探測幾乎所有元素（包括H元素）。這些優(yōu)勢綜合起來可以使得登陸車在有限的工作時(shí)間里返回更多、更有效的探測數(shù)據(jù)，極大的提高了探測效率。

5.3 水、土、空氣等污染領(lǐng)域

G.Arca和A.Ciucci等利用LIPS監(jiān)測水污染，并對水中礦物元素進(jìn)行了定量分析并給出定標(biāo)曲線圖。F.Capitelli和F.Colao等人用激光感生擊穿光譜測量不同土壤中重金屬的含量并與用ICP-AES的測量的平均值進(jìn)行了比較得誤差≤6%。L.Dudragne Ph.Adam和J.Amouroux等僅用20s的操作時(shí)間將LIPS定性和定量分析空氣中的有害元素。給出了四個(gè)元素的檢測限和相對精度。同時(shí)根據(jù)對各原子價(jià)態(tài)和電子躍遷分析估計(jì)出了各分子結(jié)構(gòu)和濃度。利用激光誘導(dǎo)等離子體光譜分析技術(shù)的局部分析區(qū)域小、空間分辨率高、不破壞分析對象和能分析難溶物質(zhì)等特點(diǎn)，LIPS在皮膚和骨骼測量、古藝術(shù)品鑒定等領(lǐng)域也有著長足的應(yīng)用。[7]

6.研究進(jìn)展

LIPS技術(shù)由于其自身具有的特點(diǎn)，特別是在其他分析方法無法滿足工農(nóng)業(yè)的需要時(shí)，受到越來越多的關(guān)注，更有不少科研工作者積極參與到這一領(lǐng)域來，推動(dòng)這項(xiàng)技術(shù)向前快速發(fā)展。

6.1 國外研究進(jìn)展情況

1960年世界上第一臺紅寶石激光器問世，兩年后Brech和Cross就實(shí)現(xiàn)了固體樣品表面的激光誘導(dǎo)等離子體，開啟了LIPS技術(shù)的歷程。1963年，調(diào)Q激光器的發(fā)明大大促進(jìn)了LIPS技術(shù)的發(fā)展。從2000開始至今，每兩年舉辦一次LIPS的專題研討會(huì)，迄今為止已經(jīng)成功舉辦了5次有關(guān)LIPS的國際會(huì)議，有力地促進(jìn)了LIPS技術(shù)的發(fā)展。[7]

6.2 國內(nèi)研究進(jìn)展

國內(nèi)的LIPS研究相對滯后些，近些年有更多的研究者關(guān)注這一領(lǐng)域，從事LIPS的基礎(chǔ)研究和應(yīng)用產(chǎn)品的開發(fā)，如對激光等離子體的產(chǎn)生機(jī)理，以及激光脈沖寬度，脈沖能量，環(huán)境氣體成分，壓強(qiáng)大小，延遲時(shí)間等試驗(yàn)條件對等離子體的影響等方面進(jìn)行了一定研究。[8]

例如中國科學(xué)技術(shù)大學(xué)的李靜等利用LIPS技術(shù)的內(nèi)定標(biāo)法對水溶液中的鎂、鈉、鉀含量定量分析，發(fā)現(xiàn)各種元素的特征峰強(qiáng)度和含量間有很好的線性關(guān)系，測量不銹鋼中的鋁、錳、鈷、鏌和鈦等微量元素，獲得滿意的實(shí)驗(yàn)結(jié)果，對定量化研究不同物質(zhì)各種元素含量提供了很好的借鑒意義。[5]

鋼鐵研究總院姚寧娟等研制適用于冶金爐前樣品的快速分析的LIPS儀器，是對LIPS技術(shù)工業(yè)應(yīng)用一種嘗試，具有積極的意義 [9]。

7.展望

綜上所述，近年來在國內(nèi)外光譜工作者的努力之下，激光等離子體光譜分析技術(shù)的研究取得了可喜發(fā)展。隨著科學(xué)的不斷進(jìn)步，人們對激光誘導(dǎo)等離子體的認(rèn)識和儀器設(shè)備的改進(jìn)將不斷深入，激光等離子體光譜分析技術(shù)會(huì)日臻完善，而且其應(yīng)用范圍也會(huì)更加廣泛，有希望成為鑒別和測定物質(zhì)成分的重要方法。

參考文獻(xiàn)：

[1]徐國偉.激光誘導(dǎo)等離子體光譜儀的研制[D].中國科學(xué)技術(shù)大學(xué)，2010.

[2]張曉萍，陳金忠，郭慶林，懷素芳，魏艷紅.激光等離子體光譜分析技術(shù)的發(fā)展現(xiàn)狀[J].光譜與光譜分析，2008，28（3），656-662.

[3]馬妮娜.激光誘導(dǎo)產(chǎn)生等離子體的光譜分析及電子溫度的測量[J].光學(xué)技術(shù)，2005，31：796.

[4]徐國偉，魯先洋，費(fèi)騰，杜學(xué)維，王聲波，王秋平.激光誘導(dǎo)等離子體光譜儀實(shí)驗(yàn)裝置的構(gòu)建[J].分析儀器，2010，（04） .

[5]李靜，翟超，張仕定，張鑒秋，孟祥儒.激光誘導(dǎo)等離子體光譜法（LIPS）測定不銹鋼中微量元素[J].光譜學(xué)與光譜分析，2008，4.

[6]亓洪興，潘明忠，呂剛，何志平，閆志欣，舒嶸.激光誘導(dǎo)等離子體光譜技術(shù)應(yīng)用于月球探測的可行性研究[J].紅外與毫米波學(xué)報(bào)，2009，28（2）.

[7]楊兆瑞.激光誘導(dǎo)等離子體光譜及其特性分析[D].西北師范大學(xué)，2012.

[8]趙書瑞，陳金忠，魏艷紅，郭慶林.激光誘導(dǎo)等離子體的實(shí)驗(yàn)研究及其在光譜分析中的應(yīng)用[J].光譜學(xué)與光譜分析，2004，24（02）.

[9]姚寧娟，陳吉文，楊志軍，王海舟.一種用于冶金爐前快速分析的新儀器――激光誘導(dǎo)擊穿光譜儀[J].光譜學(xué)與光譜分析，2007，27（7）.

作者簡介：