孙通
- 作品数：13 被引量：60H指数：5
- 供职机构：江西农业大学工学院更多>>
- 发文基金：江西省自然科学基金国家自然科学基金留学人员科技活动项目择优资助经费更多>>
- 相关领域：理学轻工技术与工程机械工程农业科学更多>>
- 共线双脉冲LIBS结合变量筛选定量检测腐霉利含量被引量：1
- 2019年
- 腐霉利(Procymidone)作为一种新型的农产品杀菌剂,具有防止农产品受病虫害的作用,但其在施药过程中容易使用不当危害环境和人的健康。为加强对腐霉利农药的检测,本研究应用共轴双脉冲激光诱导击穿光谱技术(LIBS)对溶液中的腐霉利含量进行定量检测研究。为配置不同浓度的腐霉利样品,将有效成分含量为98%腐霉利粉末与二甲苯按照不同比例混合并完全溶解。由于液体样品在激光击打的过程中容易将液体溅出,具有一定的危险性。因此,实验将液体样品转化为固体样品,利用石墨吸附腐霉利溶液,然后采用八通道高精度光谱仪采集样品的LIBS光谱,并利用不同预处理方法对光谱数据进行预处理。为提高腐霉利的检测精度,选择氯元素信号最强的两通道(744.555～935.843,893.107～1 057.058nm)光谱数据,分别采用归一化函数(normalization)、基线校正(baseline correction)、标准正态变量变换(SNV)、多元散射校正(MSC)方法进行光谱预处理,并应用PLS方法建模。通过比较各预处理方法数据后,综合考虑,选择Baseline方法为最佳预处理方法。在baseline预处理方法的基础上使用无信息变量消除算法(UVE)联合竞争性自适应重加权采样(CARS)算法剔除无信息的波长变量,筛选与腐霉利相关的重要波长变量,最后应用偏最小二乘回归建立溶液中腐霉利含量的定量预测模型。建模结果表明:经光谱预处理和UVE-CARS方法优选后,可将原4096个波长变量个数减少至13个,变量压缩率为99.68%;经UVE-CARS变量优选后建立的PLS模型的校正集的决定系数和均方根误差分别为0.990 5和0.66,预测集的决定系数和均方根误差分别为0.990 3和0.67,其模型性能优于原始光谱建立的PLS模型。结果表明,利用共轴双脉冲LIBS技术定量检测溶液中的腐霉利含量具有一定的可行性,经UVE和CARS方法筛选后可以有效提取腐霉利的特征变量及相关�
- 甘兰萍孙通刘津刘木华
- 关键词：光谱学激光诱导击穿光谱腐霉利
- 激光诱导击穿光谱结合CARS变量选择方法定量检测奶粉中的镁被引量：5
- 2018年
- 为监测奶粉中的镁(Mg)元素含量,本研究利用激光诱导击穿光谱(LIBS)技术对奶粉中Mg元素进行定量检测。对于每个样品,采用压片机在20 MPa压力下进行压片处理,然后利用高精度光谱仪在200~750 nm波段范围内获取压片样品的LIBS光谱。根据LIBS光谱特征,将光谱划分为4个波段,并进行初步的波段优选和光谱预处理分析。在此基础上,采用竞争性自适应重加权算法(CARS)对波长变量进行优选,再应用偏最小二乘法(PLS)建立奶粉中Mg元素含量的预测模型,并对预测集样本进行预测。研究结果表明,LIBS技术结合CARS变量选择方法可以用于奶粉中Mg元素含量的定量检测,最优CARS-PLS预测模型的校正集和预测集的决定系数及平均相对误差分别为0.9999,0.20%和0.9742,3.29%,优于原始光谱所建立的PLS模型,且所用波长变量仅为PLS模型的7.7%。由此表明,CARS方法能有效选择有用的波长变量,可简化预测模型及提高预测模型的稳定性。本研究为奶粉中镁元素含量的快速定量分析提供参考。
- 刘津许文丽孙通吴宜青刘木华
- 关键词：激光诱导击穿光谱偏最小二乘法镁奶粉
- 近红外光谱技术在食用油掺伪检测中的研究进展被引量：4
- 2023年
- 食用油是日常饮食的必需品,可以为人体提供热能和脂肪酸,是促进脂溶性维生素吸收的重要有机物。随着人们生活水平的提高,高档食用油已走进大众百姓的餐桌,并深受欢迎和喜爱。由于高档食用油市场售价高,一些不法厂商为牟取暴利,在高档食用油中掺入廉价食用油进行出售,导致食用油掺伪事件时有发生,已引起政府和民众的广泛关注。为保障消费者的合法利益和维护正常的食用油市场秩序,快速有效地检测食用油掺伪已刻不容缓。近红外光谱技术以其简便、快速、无损、无需样品预处理的特点,被广泛应用于食用油掺伪分析。概述了近红外光谱技术的基本原理,综述了近十年来近红外光谱技术在橄榄油、山茶油、芝麻油、核桃油等食用油的掺伪检测研究进展,包括采用不同的试验装置与试验方法、数据处理方法包括预处理、特征波长选择及建模方法,对二元、三元及多元食用油掺伪进行检测研究,从试验方法及数据处理等角度提高食用油掺伪检测的精度与适用范围,以期建立较为有效的食用油掺伪定量检测与定性鉴别模型。总结了食用油掺伪近红外光谱检测目前存在的问题,包括食用油掺伪检测机理不明晰,制备的掺伪食用油样本难以满足实际的复杂掺伪形式,采用取样方式的掺伪检测仅能实现现场部分抽检,及未建立食用油掺伪检测的统一标准规范。展望了今后的发展趋势,指出近红外光谱技术与其他快速检测技术融合获取更精准、可靠的检测模型,与物联网和大数据相结合构建食用油近红外光谱数据库,实现光谱数据的共享、掺伪检测模型的在线升级与远程更新,将是未来的发展方向。
- 吴成招王一韬胡栋孙通
- 关键词：近红外光谱食用油掺伪检测化学计量学
- 基于内标法和CARS变量优选的倍硫磷含量LIBS检测被引量：4
- 2018年
- 利用共线双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测研究。采用石墨对倍硫磷溶液进行富集,利用双通道高精度光谱仪获取样品的LIBS光谱。以碳元素谱线(CⅠ247.856 nm)为内标对210~260 nm波段谱线进行校正,然后利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要波长变量,最后应用最小二乘支持向量机(LSSVM)建立倍硫磷含量的定标模型,并与基本定标法及内标法建立的单变量定标模型进行比较。研究结果表明,共线双脉冲LIBS技术可以用于溶液中的倍硫磷含量检测。基本定标法建立的最优定标模型的拟合度R2为0.935 04,预测集样品的平均预测相对误差(PRE)为41.50%;内标法建立的最优单变量定标模型的拟合度R2为0.993 61,预测集样品的平均PRE为14.91%;内标-CARS-LSSVM定标模型的拟合度R2为0.998 6,预测集样品的平均PRE为8.06%。对比上述3类定标模型,内标-CARS-LSSVM定标模型性能最优,内标法建立的定标模型次之,而基本定标法建立的定标模型最差。由此可知,CARS方法可以有效筛选倍硫磷相关的重要变量,内标法结合CARS及LSSVM方法可以改善定标模型性能,提高预测精度。
- 刘津孙通甘兰萍
- 关键词：激光诱导击穿光谱内标法最小二乘支持向量机倍硫磷
- 农机专业试验设计课程存在的问题及教学改革措施被引量：2
- 2015年
- 试验设计是农机专业的一门专业课,课程具有实用性强、灵活性高及难度大等特点。针对江西农业大学工学院农机专业的试验设计课程,阐述了其教学现状及存在的问题,并从课程的教学内容、教学方法和手段及考核方法等方面提出教学改革措施。
- 孙通
- 关键词：农机专业课程现状教学改革
- 近红外光谱结合变量选择方法定性检测食用油中高效氟吡甲禾灵残留被引量：5
- 2018年
- 利用近红外光谱技术结合变量选择方法对食用油中高效氟吡甲禾灵残留进行定性检测研究。在4000~10000 cm-1光谱范围内采集114个食用油样本的近红外透射光谱。分别采用竞争自适应重加权法(Competitive Adaptive Reweighted Sampling,CARS)、子窗口重排分析(Subwindow Permutation Analysis,SPA)和蒙特卡罗无信息变量消除(Monte Carlo Uninformation Variable Elimination,MC-UVE)3种变量选择方法在全波段范围内筛选出与食用油中高效氟吡甲禾灵相关的重要变量,最后应用偏最小二乘-线性判别(Partial Least SquaresLinear Discriminant Analysis,PLS-LDA)方法分别对筛选后的特征波数变量建立食用油中高效氟吡甲禾灵残留的判别模型,并与常用定性判别方法的结果进行比较。研究结果表明,近红外光谱技术结合变量选择方法定性检测食用油中高效氟吡甲禾灵残留是可行的,且检测精度高。CARS-PLS-LDA方法所建立的判别模型性能最优,其预测集的正确率、灵敏度及特异性均为100.00%,且建模所用波数变量数最少,仅为全波段的0.82%。此外,CARS方法优于SPA及MC-UVE方法,但3种方法均能有效筛选关键变量,减少建模波数变量数,简化判别模型,提高判别模型的精度及稳定性。
- 莫欣欣孙通刘津吴宜青刘木华
- 关键词：近红外光谱技术高效氟吡甲禾灵无损检测
- 激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量
- 2017年
- 利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。
- 刘津甘兰萍孙通刘木华
- 关键词：倍硫磷
- 食用植物油中反式脂肪酸含量的激光拉曼光谱检测被引量：7
- 2019年
- 油脂中的反式脂肪酸(TFA)有害人们的身体健康,有必要对其含量进行监测。共收集各类食用植物油样本79个,涉及9个品种和27个品牌,分配到校正集和预测集的样本数分别为53个和26个。采用QE65000拉曼光谱仪采集79个样本的拉曼光谱,利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景;在此基础上,采用多种归一化方法对样本拉曼光谱进行处理,并对拉曼光谱的建模波数范围进行初选;再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量,并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联,建立食用植物油中TFA含量的定量预测模型。研究结果表明,多种归一化方法中,有4种归一化方法均能提高PLS定量预测模型的性能,其中Area normalization方法的效果最优;经建模波数范围初选,波数范围由686~2301 cm^-1缩减为737~1787 cm^-1,确定较优的建模波数范围为737~1787 cm^-1;经CARS方法筛选,共有31个光谱变量被选择,其选择的光谱变量主要分布在1265,1303,1442及1658 cm^-1拉曼振动峰附近,且974 cm^-1拉曼振动峰两侧均有光谱变量被选择;此外,CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。由此可知,激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。归一化方法、建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性,优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949,0.953和0.188%,0.191%。与未优化的预测模型相比,预测均方根误差由0.361%下降为0.191%,下降幅度为47.1%;建模所用的变量数由683个下降为31个,仅占原变量数的4.54%。
- 蒋雪松莫欣欣孙通孙通
- 关键词：拉曼光谱反式脂肪酸食用植物油
- 果皮对脐橙可溶性固形物可见/近红外检测精度的影响被引量：14
- 2018年
- 利用可见/近红外半透射光谱技术对未剥皮(完整)和剥皮脐橙的可溶性固形物(SSC)进行检测,探索果皮对脐橙SSC检测精度的影响。采用QualitySpec型光谱仪获取未剥皮和剥皮脐橙在350~1 000nm波段的可见/近红外光谱,并从光谱和模型性能两方面分析果皮的影响。对未剥皮和剥皮脐橙平均光谱进行比较,并提取前20个主成分进行多元方差分析;应用偏最小二乘(PLS)回归结合不同预处理方法分别建立未剥皮和剥皮脐橙SSC的预测模型,对预测模型性能进行比较,并对预测集样本的预测残差平方进行方差分析。结果表明,在5%置信水平下,果皮对脐橙SSC检测精度的影响是显著的。未剥皮和剥皮脐橙SSC的最优PLS模型的预测集相关系数和预测均方根误差分别为0.888,0.456%和0.944,0.324%。
- 孙通莫欣欣刘木华
- 关键词：可溶性固形物方差分析脐橙
- 基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究被引量：11
- 2017年
- 利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化。采用AntarisⅡ傅里叶变换近红外光谱仪在4000~10000 cm$1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量。首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型。研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%。最佳预测模型所用的变量仅26个,占全波段变量的0.854%。此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%。由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性。
- 莫欣欣孙通刘木华叶振南
- 关键词：食用植物油近红外光谱
