刘秀红
- 作品数：3 被引量：14H指数：2
- 供职机构：江西出入境检验检疫局更多>>
- 发文基金：江西省自然科学基金国家自然科学基金更多>>
- 相关领域：电子电信农业科学更多>>
- 大豆油中铬元素含量的激光诱导击穿光谱检测被引量：7
- 2016年
- 采用激光诱导击穿光谱（LIBS）技术对大豆油中的铬（Cr）含量进行检测研究。以一系列Cr含量不同的大豆油为样本,采用Ava Spec双通道高精度光谱仪在206.28～481.77 nm波段范围内采集LIBS光谱。根据样本的LIBS谱线图,确定Cr元素的主要特征谱线,并对Cr元素主要特征谱线应用线性回归或最小二乘支持向量机（LS-SVM）方法建立其单变量、二变量及多变量校正模型。利用建立的校正模型对样本Cr含量进行预测。研究结果表明,二变量及多变量校正模型的性能优于单变量校正模型,LS-SVM建立的多变量校正模型性能最优。对于单变量及二变量校正模型,预测样本的平均相对误差（RE）分别为14.16%和11.58%;而对于线性回归及LS-SVM建立的多变量校正模型,预测样本的平均RE分别为10.95%和4.97%。由此可见,LIBS技术检测大豆油中的重金属Cr含量具有一定的可行性,LS-SVM方法可以有效提高校正模型的预测精度。
- 吴宜青孙通刘秀红莫欣欣刘木华
- 关键词：激光诱导击穿光谱大豆油铬含量
- 激光诱导击穿光谱联合一元回归方法定量检测大豆油中的铁含量
- 2016年
- 采用激光诱导击穿光谱(LIBS)技术对大豆油中的铁(Fe)含量进行定量检测。实验中用一系列不同Fe浓度的大豆油样品,采用二通道高精度光谱仪采集其LIBS光谱信号。根据样品LIBS谱线图,确定了Fe的两个特征谱线404.58和406.36nm,并应用不同的一元回归方法对两个特征谱线分别建立一元指数回归定量分析模型、一元线性回归定量分析模型和一元二次回归定量分析模型。研究结果表明,FeⅠ404.58及FeⅠ406.36的一元指数、一元线性及一元二次回归模型的预测平均相对误差分别为29.49%,8.93%,8.70%和28.95%,8.63%,8.44%。FeⅠ406.36建立的回归模型预测结果优于FeⅠ404.58,三个回归模型中一元二次回归模型性能最优。由此可见,LIBS技术检测大豆油中的Fe元素具有一定的可行性,一元二次回归定量分析模型可以有效提高Fe元素预测浓度的精度。
- 吴宜青刘秀红孙通莫欣欣刘木华
- 关键词：LIBS大豆油
- 激光诱导击穿光谱联合UVE变量优选检测大豆油中的铬含量被引量：7
- 2016年
- 利用激光诱导击穿光谱（LIBS）技术对大豆油中的重金属Cr进行检测研究。以松木木片对重金属Cr进行富集,采用AvaSpec双通道高精度光谱仪在206.28-481.77nm波段范围内采集松木木片样本的LIBS光谱,利用无信息变量消除（UVE）方法筛选与重金属Cr相关的波长变量,应用偏最小二乘（PLS）回归建立大豆油中重金属Cr的定标模型,并与单变量及全波段PLS定标模型进行比较。结果表明,相比单变量及全波段PLS定标模型,UVE-PLS定标模型的性能更优,其相关系数、校正均方根误差、交互验证均方根误差及预测均方根误差分别为0.990,0.045,0.050及0.054mg·g-1。经UVE变量筛选后,UVE-PLS定标模型所用的波长变量数仅为全波段PLS的2%。由此可见,UVE是一种有效的波长变量筛选方法,能有效筛选出与重金属Cr相关的波长变量。
- 孙通吴宜青刘秀红莫欣欣刘木华
- 关键词：激光诱导击穿光谱偏最小二乘大豆油
