時間：2023-05-17 16:20:50
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇光譜學與光譜學分析范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
關鍵詞：關注度； 支持向量機； 期望最大化； 主動學習； 高光譜遙感圖像
中圖分類號：TP391.41 文獻標志碼：A
0引言
遙感圖像分類在現實生活中有著非常廣泛的應用，如地質勘探與地球資源調查、城市遙感與規劃管理、環境與災害監測、現代精細農業、測繪以及考古等遙感圖像精準分類是諸多應用的基礎問題，同時也是熱點問題近十幾年，衛星傳感器技術得到了不斷發展，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包括AVIRIS、HYDICE、ARCHER、HYMAP和HYPERION通過這些成像系統獲取的遙感圖像所蘊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，目前國內外學者提出了很多相關算法和方法，幾乎所有經典的機器學習方法都被應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（Support Vector Machine，SVM）在分類中的表現較為突出；聚類方面的大多數方法都是通過像元之間的相似性，利用統計學方法對圖像進行聚合[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[6]中使用監督分類方法初始化聚類分割區域的標簽，再通過流域變換獲取最優的分割圖像，最終在分割區域內對分類圖像的結果標簽進行投票，分割區域將標記為投票最高的類別，其分類的最終結果優于單一的分類或聚類方法文獻[7]用投票的方式對聚類結果和分類結果進行整合，最終使用分類所得的標簽投票決定分割區域的類別，然后再對結果進行降噪處理，其最終精確度也比傳統方法高但是，這兩種方法都需要使用大量的訓練樣本來構造分類器，分類成本都比較高為了減少分類器對訓練樣本數量的需求，提高訓練樣本質量成為首要問題近幾年，主動學習方法在尋找包含信息量較大、質量較高的訓練樣本時表現突出[8]
本文提出一種基于主動學習的高光譜圖像分類（Hyperspectral Image Classification based on Active Learning， HICAL）方法，關注如何在減少訓練集數量的同時提高分類精確度，結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域，進而獲取信息價值較高的訓練樣本，最終有效提高分類器的分類效果
1基于主動學習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練樣本數量的比例，一方面需要充分利用高光譜圖像所蘊含的信息，另一方面需要提高訓練樣本的質量
HICAL方法是以分類和聚類結果結合后所構建的框架為基礎，使用本文提出的關注度計算方法對結合后的區域進行統計，以找到信息量較高的區域新的訓練樣本將在關注度較大的區域中產生，以此來提高訓練集的質量
1.2HICAL方法
1.2.1聚類分析
本文使用期望最大化（ExpectationMaximization，EM）算法對高光譜圖像進行聚類分析在統計計算中，EM是在概率模型中尋找參數最大似然估計的算法，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，可以假設所有的樣本都是符合高斯分布
EM算法對圖像進行聚類過程中，為了使算法盡快收斂，將高光譜圖像的光譜波段進行分組求均值，以此來減少參與計算的光譜波段數量聚類所得到的分割圖像通過四聯通的方式進行區域劃分，并且給這些區域唯一標號得到的帶有標號的區域分割圖將作為模板，在后續迭代過程中與分類結果進行整合
1.2.2監督分類
獲取聚類結果之后，需要對圖像進行監督分類本文在分類過程中使用支持向量機（SVM）方法SVM是目前監督分類使用較多的分類算法，是建立在統計學習理論的VC維理論和結構風險最小原理基礎上的，具有較好的泛化能力和學習能力
二分的支持向量機最終目標是找到一個（d-1） 維的決策面，將測試樣本分成兩類在使用SVM進行圖像分類時，總是將像元的特征通過一個核函數映射到一個較高維度的空間，這樣使樣本的區分度更大，通常使用高斯核函數（Radial Basis Function，RBF）
在二分問題中，通常將決策函數表示如下：
其中：SV表示得到的支持向量集合，對應的αi不等于0
使用SVM對多類問題進行分類時，通常采取兩種策略一種是一對一（OneAgainstOne，OAO）的方式，另一種是一對多的方式（OneAgainstAll，OAA），本文采用OAO的方式
HICAL方法在第一次監督分類過程中，需要少許的訓練樣本，通過SVM構造分類器，且監督分類的步驟在整個分類過程中是迭代進行的，每當新的訓練樣本被增加到訓練集時，都會重新構造分類器，對圖像進行新一輪分類
1.2.3整合聚類和分類結果
在獲取聚類和監督分類結果后，借鑒文獻[7]中方法對兩個結果進行整合，以聚類連通區域為模型對監督分類結果進行區域劃分，并給出標號最終在整合結果中的每一個區域內，都包含一個或一個以上的像元，這些像元分類標記的類別可能比較集中，也可能比較分散，這些分類標記主要取決于監督分類器的預測
1.2.4獲取新樣本來源區域
獲取整合結果之后，需要在結果所包含的區域中找到包含信息量較大的區域實驗中總是更為關注那些含有較多像元，且分類標簽比較分散的區域這樣的區域如果分類準確度較高，將會很大程度地提高總體分類精確度因此，對區域的關注度給出如下公式定義：
其中：b為區域i包含像元個數ni的權重基數，用戶可根據情況自己選擇；t為迭代抽樣的次數，其意義是，隨著迭代的進行，在較大區域已經得到關注和抽樣之后，對于這些區域的關注度將會不斷下降，這樣在防止大區域過分取樣的同時，可以很好地兼顧到小樣本區域，所以，可以很好地解決以往算法對小樣本區域分類精確度不高的難題
獲取不同區域的關注度值之后，為了更集中、更有效地提高請求詢問的訓練樣本的質量，將通過設定閾值來選取需要取樣的區域最終在t次迭代中將選取滿足如下條件的區域作為新訓練樣本的來源區域：
1.2.5新樣本選擇
獲取樣本來源區域后，可以定義迭代中所需新樣本的數量Ut對來源區域j∈Γt的取樣數量可以表示為μj，且滿足μj≥0在來源區域取樣的方式有兩種：S0和S1，其中S0是按照隨機方式在來源區域中選擇，而S1是根據來源區域中找到上一次監督分類器標記的最多標簽類和次多標簽類的子區域，按照兩個子區域的樣本比例進行抽取
1.2.6主動學習過程
本文的HICAL方法迭代過程通過主動學習方式來實現整個過程分為兩個階段：1）初始化分類器階段，即初始監督分類階段，在此階段首先需要提供少量的訓練集，訓練初始分類器；2）循環取樣階段，也是主動學習的主要階段，這個階段在未標記樣本中使用關注度進行查詢，獲取信息量較大的整合區域，從而進一步找到需要標注的樣本，標注之后追加到原有的訓練集中，重新對分類器進行訓練，這個過程不斷循環，直到達到停止條件這個停止條件可以有多種，比如新訓練樣本數量達到上限，或者是已經達到迭代取樣的次數等
迭代結束后，將最后一次迭代所產生的分類結果和初始的聚類結果，按照聚類區域為模板，對所有分類產生的標簽進行投票，區域內所有的像元將歸屬到得票最高的標簽類最后進行降噪處理
2實驗及分析
2.1實驗環境
本文實驗環境：中央處理器Intel Core Duo P7350 2.00GHz，內存2GB，32位Windows 7操作系統；軟件平臺為Matlab R2012a
2.2實驗數據集
高光譜圖像分類實驗使用的是印第安納州農林區域圖像數據集（Indian Pines）
印第安納州農林區域圖像拍攝于1992年，使用紅外成像光譜儀（AVIRIS）獲取，其內容是印第安納州西北區域的某一農業森林區的地表信息整幅圖像包含145×145像元，空間分辨率為20m，有220個波段，其中20個水吸收波段將在實驗前被除去圖像反映了16種不同的地物信息圖1（a）顯示這個高光譜數據的假彩色圖像；圖1（b）顯示了其真實的地物信息，不同的顏色代表不同的類別本次實驗針對的感興趣區域總共有10366個樣本，過去相關文獻中多數是在每一類別中隨機抽取10%的樣本作為訓練樣本，這樣的抽樣方式對樣本比較少的類別來說是非常不利的為了和傳統的分類方式對比，在實驗中也將采取這樣的抽樣方式，但抽樣的百分比會降低
2.3實驗過程和結果分析
2.3.1HICAL方法與傳統隨機取樣方法比較
本實驗將本文的HICAL方法與傳統隨機取樣方法進行對比表1中顯示了各個算法的整體分類精確度（Overall Accuracy，OA）、平均分類精確度（Average Accuracy，AA）、Kappa系數以及每種地物的分類精確度SVM和SVM+EM算法[7]是在每一個類別中隨機抽取10%的樣本（1029個）作為訓練集，其中SVM+EM也是結合光譜和空間特征的分類方法作為對比，本文算法將在每類隨機抽取4%的訓練樣本（407個）上進行
通過式（2）計算出每一個分割區域的關注度值，這樣就可以選出一些關注度較高的區域作為新訓練樣本來源區域實驗中取γt=0.15，每一次迭代對樣本的抽取數量做出限定，為了和傳統的方法比較，實驗中只進行4次迭代，每次迭代取樣本數Ut=50分別使用S0和S1方法對新樣本來源區域進行取樣（如表1所示）
迭代起始階段，大樣本區域的關注度值會比較高，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確度，迭代后期，關注的重心轉向區域較小的分割區從表1中可以看到，在迭代4次后，訓練樣本總數為607，遠小于隨機抽取10%的1029，但Alfalfa、Grass/pasturemowed和Oats三個小樣本區域的分類精確度已經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域的分類難題，最終獲取的分類結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方法和相關主動學習方法比較
本實驗將HICAL方法和目前較新的且表現優秀的主動學習方法進行比較[9]實驗中，初始化分類器時需要80個訓練樣本（每一類別5個），每一次迭代都將獲取50個新樣本標注為訓練集，同時設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練樣本總數都相等的情況下，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結語
本文提出了一種基于主動學習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，同時使用一種新的高效的區域關注度計算方法對結合區進行統計，根據統計后的數值能夠非常精確地找到信息量價值較高的區域，進而獲取質量較高的未標記樣本以此提高整體訓練集的質量，在訓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練樣本數量的比值
本文方法在分類過程中較之傳統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域的分類難題；同時文中所提出的分類方法擴展性較強，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、自組織迭代技術等算法進行替代在HICAL方法迭代過程中，關注度閾值的選取和樣本數量的設置，以及對區域樣本的選擇方法將是我們進一步研究的內容；同時我們也將關注其他分類和聚類算法，以期減少算法的時間復雜度
參考文獻：
[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.
關鍵詞：吉首市 陽光體育 現狀 建議
1.1 研究對象
以吉首市普通中學陽光體育運動開展現狀為研究對象，結合隨機與整群抽樣的方法抽取吉首市一中，四中,雅思中學三所學校中的學生共600人為調查對象，其中男生315人，女生285人，體育教師共28人。
1.2 研究方法
文獻資料法;訪談法;問卷調查法;數理統計法;邏輯分析法
2.研究結果與分析
2.1吉首市普通中學開展陽光體育運動現狀調查
2.1.1吉首市普通中學師資力量現狀調查
體育教師是學校體育活動的主導者，是“陽光體育”運動運行好壞的“指揮棒”，因此學校體育的師資情況直接關系到學生“陽光體育”的落實情況，教師學歷的高低、體育教師的數量從一定程度上影響著教學質量的提高，從調查來看吉首市普通中學教師學歷有待提高， 96%的體育教師均為大學本科，而碩士研究生僅占一小部分，其中大部分學校體育老師兼雙職。此外由于體育教師的結構性缺編，體育教師和在校學生比例嚴重失調。這給陽光體育的開展造成一定影響。
2.1.2吉首市普通中學師生對陽光體育運動的了解程度調查
從調查得知，大部分體育教師對陽光體育這一概念還是比較了解，但學生對陽光體育的了解卻不容樂觀。在調查中有36% 的學生完全不了解這個概念;46% 的中學生只是基本了解;真正比較了解“陽光體育運動”的僅有18%。由此可知學生對陽光體育這一概念不清晰，學校和體育教師應加大宣傳力度，使學生理解陽光體育的真正含義，自愿參與陽光體育運動，把身體鍛煉得更好。
2.1.3吉首市普通中學學生參加體育鍛煉時間的情況
從表1可以知，大部分學生不同程度地參加了體育活動，只是每周運動的次數偏低，每次活動的時間大部分都在三十分鐘以下。其中每周活動五次以上的僅占一小部分。離我們“每天活動1 h”的要求還有一定的差距。
2.1.4 吉首市普通中學有無陽光體育運動專項撥款的調查
據調查得知，沒有專項撥款的學校達到64%，而有專項撥款的為35%。在資金方面，大部分學校還不到位，這直接影響到學校陽光運動的開展。通過訪談得知，小部分學校有一定的體育活動經費，可資金很少。這是導致陽光體育未能很好實施的一個重要原因，原因主要是學校領導對陽光體育運動的不重視，把大量的人力，物力和財力用在其他科目上。
2.1.5吉首市普通中學場地器材現狀情況調查
據調查可知，學生進行體育活動的主要場所與器材的配備明顯不足，這與教育部規定的每生活動場地面積為3平方米相比，明顯不成比例，通過我們對老師和學生的交談得知學校的體育器材比較缺乏，并且有些體育器材已經比較陳舊，學校沒有進行及時的更新體育設備。學校應在體育的硬件和軟件上進行改善。使學校體育能更好的發展。讓學生能有更加寬敞的活動環境和更加標準的體育場地。
2.2 影響吉首市普通中學陽光體育運動開展的原因分析
2.2.1 吉首市普通中學學校領導對開展“陽光體育”運動的態度
學校領導對“陽光體育”運動的重視程度，直接影響到學校體育活動的組織和開展，因此學校領導對開展“陽光體育”運動的態度是影響吉首市普通中學陽光體育運動開展的一個直接原因。
2.2.2 吉首市普通中學體育教師師資力量狀況
目前吉首市普通中學體育教師存在結構性失調，體育教師的數量無法滿足學生的需要；因此，吉首市政府要加大教師人事改革，增大體育教師數量，注入年輕新力量，改革管理機制，以便更好的開展陽光體育運動。
2.2.3 吉首市普通中學學校場地器材配備及資金情況
陽光體育運動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,通過訪談與調查發現吉首市普通中學缺乏資金保障,體育器材得不到更新.因而使陽光體育運動沒有收到預期的效果.
3.結果與建議
3.1 結果
3.1.1吉首市普通中學的體育師資力量不足，體育教師和學生對陽光體育運動了解不透徹。每天的體育活動時間達不到一小時。
3.1.2學校領導對陽光體育運動在校園的開展，還沒有形成足夠的重視，學校的場地器材條件有限。
3.1.3學校對開展陽光體育運動的經費缺乏；沒有充足的資金保障，另外，體育教師工作量大,新生力量補充不足。
3.2 建議
3.2.1學校領導重視關心陽光體育運動，各級部門加強宣傳，制定詳細和長遠的實施方案，設立專項資金，為陽光體育運動進一步開展提供條件保障。
3.2.2教育部門重視，建立和完善學校體育的管理制度，將學生每天一小時體育活動納入學校督導內容及評估體系，把學生體質健康狀況作為評價教育工作的重要指標。
3.2.3繼續升化學校體育改革，加大課程資源開發與利用，把課外體育活動開展得豐富多彩，使之成為全體學生參與實踐陽光體育運動的主要形式。（作者單位：1.上海體育學院，體育教育訓練學院；2.上海體育學院，中國乒乓球學院）
參考文獻
［1］ 教育部、國家體育總局、.關于全面啟動全國億萬學生陽光體育運動的通知［Z］.教體藝［2006］6 號，2006-12-20.
［2］ 苗秀麗.開展億萬學生陽光體育運動的認識與思考［J］.哈爾濱體育學院學報，2002(2)：43-44．
［3］ 朱志軍.陽光體育”伴新世紀青少年健康成長［J］.管理論壇,2007(8):47-48.
1 實踐教學管理網站的作用
實踐教學管理是高校為了培養學生實踐能力所采用的新的管理模式，是根據高校的教學目的來開展的有規律的、有計劃的實踐教學活動。[1]而實踐網站是高校實踐教學管理信息化的重要組成部分，能有效提高實踐教學管理的效率。該網站不僅是一個實踐教學信息和通知的窗口，它更是一個分享平臺，讓校外人員清楚了解學校開展實踐教學的情況，為其他學校提供可借鑒的經驗，同樣接受別人的合理提議和意見;讓師生能快速、方便的找到學校實踐教學發展的方向和各種活動資料;讓管理者能清楚自己的工作是否給廣大師生帶來便利。在前幾年網站建設熱潮中，多數高校都建設有完整的實踐教學網站。
但隨著高校數字化校園的發展，近年來各高校紛紛引入包括實踐教學管理系統等各種教學信息管理系統，這些信息管理系統大大提高了教學管理的效率，已經成為高校信息化發展的核心。而實踐網站的建設開始不那么受重視了。
2 廣東省普通高校實踐網站建設現狀調研
為了解廣東省本科學校實踐網站的建設情況，我們選取了廣東省26所二A類本科高校進行了調研。因為這類高校屬于應用型高校，主要培養高級技術技能型人才，更注重學生實踐能力的培養。調查的方法：瀏覽各高校的網站。我們通過查看各校網站及教務處網頁，看其是否有完整的實踐網站、還是只有部分實踐教學模塊、或者完全沒有實踐教學內容并進行統計，調查情況如下圖：
■
通過調查可看出，所調查的高校中，只有仲愷農業工程學院、嘉應學院、廣東藥學院等3所高校設有專門的實踐網站，占調研高校的11.57%。有8所高校學校網站的教務處網頁下有部分關于實踐教學的模塊，占30.77%，并且這些模塊中，有些模塊內容是空白的。另外15所高校沒有實踐教學的相關內容，所占比例為57.69%。
從調查結果發現，多數高校沒有專門的實踐教學網站，有些高校網站甚至沒有任何關于實踐教學的介紹。為什么會出現這種情況，是高校不再重視實踐教學嗎？還是實踐網站確實訪問量低，對實踐教學管理幫助不大，高校只是不重視網站建設而非不重視實踐教學。
3 分析
為此我們對建設有完整實踐教學網站的仲愷農學院師生進行關于實踐教學網站了解情況的調查，其中學生采取網絡問卷的方式調查，共回收有效問卷947份;教師采用紙質問卷的方式調查，共回收有效問卷30份。具體調查結果如下：
3.1 參與調查的絕大部分是校內的本科學生。接近7成的學生稱沒有了解過本校的實踐網站。而有8成的教師稱沒有了解過本校的實踐網站。超過7成的老師從來不知道學校有實踐網站。
3.2 關于什么情況會訪問網站，有超過6成的學生認為他們工作、學習需要的時候，才會查閱網站。有3成的教師認為他們工作、學習需要的時候，才會查閱網站。而對于是否清楚實踐網站的意義，超過一半的學生認為自己基本不了解網站建設的目的性和意義;有4成多的老師完選擇全不清楚。
通過調查我們發現，即使像仲愷農業工程學院這樣建設有專門實踐教學網站的學習，學校師生也極少需要訪問到該網站。這一方面與技術進步和師生的閱讀習慣改變有關;近些年各高校教學管理系統、OA系統甚至數字化校區系統，qq群、好友圈、微博等通訊手段也在校園內廣泛應用，廣大師生已經不再依賴網站來了解學校的教學情況。最近《第一財經周刊》有報道，隨著消費者閱讀習慣的改變，國內四大門戶網站流量和市值已經大不如前，各公司已經把投入大多都轉向了社交、視頻、垂直網站上面。[2]可見，閱讀習慣的改變不僅僅發生在校園內，而是整個社會的發展。
另一方面高校網站信息量太多、重復率高也是造成實踐網站訪問量少的原因。經過前些年網站建設熱潮中，許多高校各個部門、各院（系）甚至許多管理崗位都建設了網站。這樣的信息量太大了，別說4年就畢業的學生，連工作幾十年的老師也不可能清楚學校網站的所有內容。因此遇到較重要的通知，校園網主頁和部門主要都會同時，這又造成的信息的重復，學生既然在主頁就能找到信息了，就沒必要進入部門主頁了，更何況掛在部門主頁下面的實踐網站。
4 建議
4.1 定位明確。實踐教學網站應該起著輔助管理的作用，這就需要根據各高校的情況來定位網站的功能。如果學校已經引入了實踐教學管理系統、大學生創新創業項目管理系統、實踐競賽管理系統、學生管理系統等信息化系統，那么大可不必設置專門的實踐教學網站。而類似仲愷農業工程學院這樣雖然引入了實踐教學管理系統，但畢業論文、大學生創新創業訓練項目、實踐基地建設和實踐技能競賽等仍用傳統方式管理的學校，則可以設有相關的實踐教學網站來作為實踐教學管理信息的平臺。
4.2 突出特點。實踐教學網站需有鮮明的特點，網站內容不需要太多，應突出主題。如仲愷農學院既然有實踐教學管理系統了，網站就可以減少這方面的內容，而加強學生競賽和教學基地建設等模塊的比重。同樣是對仲愷學院師生的調查，學生們比較關注網站開設的模塊，超過4成選擇了實踐基地建設、優秀畢業論文和創新實驗項目三大模塊。而教師中有超過5成選擇了實踐基地建設、實踐技能競賽和創新實驗項目三大模塊作為他們關注的。那么該校的網站建設就應該重視師生關注的這幾大模塊的內容。
Laser Spectroscopy
Vol.2,4th Edition
2009
Hardcover
ISBN 9783540749523
W 德姆特勒德著
自1960年第一臺激光器問世以來的近50年中,激光光譜學一直是研究領域的重點,并且在科學、醫藥以及技術的許多方面取得顯著進展,得到越來越多的應用。激光光譜學的發展部份地得力于新的實驗技術。這些新技術的出現,激發了激光在化學、生物、醫藥、大氣研究、材料科學、計量學、光通訊網絡以及許多其它工業領域的應用。
為了讓讀者了解這些新發展,新版書中增加了很多新內容,譬如:外腔倍頻,穩定的連續參量振蕩器,可調的窄帶紫外光源,更靈敏的檢測技術,可調的飛秒或次飛秒激光器,原子或分子激發的控制,能與飛秒激光器同步的頻率梳,相干的物質波,以及在化學分析、醫藥診斷、工程中更多的應用實例。此外,對一些章節的內容如非線性光譜學、離子阱、超短激光脈沖、以及激光光譜的新發展等作了較大改進和擴充。新增的50張插圖展示了最新的開發和研究結果。這些新內容需要在第三版《激光光譜學》中增加很多頁面,因此著者決定將第四版的《激光光譜學》分為兩卷。第一卷主要論述激光光譜學的基礎。第二卷介紹了激光光譜學的各種實驗技術及應用。新技術及新實驗裝置包括:用光梳直接測量光波的絕對頻率和脈沖;可見飛秒激光高次諧波的阿秒時間分辨率;飛秒非共線光參放大器,以及用它來高速測量激發分子的快速動態過程,它也是詳細研究一些重要過程如眼視網膜的視覺過程,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;6.時間分辨激光光譜;7.相干光譜;8.碰撞過程的激光光譜;9.激光光譜的新發展;10.激光光譜學的應用。每一章的末尾有練習題。書的末尾有習題答案、參考文獻及主題索引。
著者任職于德國凱澤斯勞滕大學(Universitt Kaiserslautern)物理系。目前他的教學及研究的興趣包括:實驗物理學,激光光譜,原子、分子和光子,分子物理學。他曾撰寫數十部著作。
本書填補了前沿研究論文與基本原理和基本實驗技術之間的空白。適合于想深入了解激光光譜學的物理學家及化學家閱讀;也可作為研究生的教科書。凡是學過原子物理、分子物理、電動力學和光學的學生都能閱讀本書。
劉克玲,退休研究員
(中國科學院過程工程研究所)
關鍵詞：近紅外光譜技術；水果；品質檢測；成熟期檢測
中圖分類號：TV219文獻標識碼：A文章編號：16749944（2013）10021504
1引言
我國雖然是水果生產大國， 但自1993年以來水果儲藏能力只有10 % ，爛果率高達25 %，出口總量不到總產量的3%，遠低于9%～10%的世界平均水平[1～3]。以上原因造成果農賣果難，增收難。要解決這些問題，必須發展水果深加工，擴大鮮果出口。阻礙我國鮮果出口的一個重要因素是果品分選、檢測能力弱，檢測速度慢，檢測人員的素質低，果品篩選達不到國際上水果進出口市場的要求。國內早期的水果內部品質檢測方法主要是化學分析法，該方法不僅可靠性和穩定性較差，而且在測試時還必須破壞水果，測試過程繁瑣，只能通過少量樣本的測定，來評價整批次水果的品質。鑒于以上原因，無損檢測技術應運而生。無損檢測技術具有無損、快速、準確性高和實時性強等特征。目前的無損檢測技術主要有針對水果光學特性、電學特性、聲學特性、力學振動特性等眾多性質進行的各種檢測，且大多還處于試驗研究階段[2]。
近紅外光譜技術（Near Infrared Spectroscopy Technology， NIST）是一種利用物質對光的吸收、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，具有快速、非破壞性、無試劑分析、安全、高效、低成本及同時測定多種組分等特點[4]。隨著現代光譜技術的發展，且憑借其快速、方便、準確和無損傷等特點，應用近紅外光譜分析技術對水果品質進行無損檢測已成為近年來的研究熱點。本文主要介紹2000年后，近紅外光譜分析在果實成熟期檢測和品質檢測兩方面的研究進展。
2近紅外光譜技術在水果成熟期監測中
的應用研究近紅外與可見光結合的無損檢測技術具有適應性強、靈敏度高、對人體無害、成本低和容易實現等優點，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，依據果實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指標，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，發現在680nm波長處，葉綠素吸光度有明顯的變化，早采收果實的吸光度明顯高于適中采收和晚采收果實，因此認為該波長可用于區別蘋果的成熟度[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合的方式建立了預測蘋果內部品質的數學模型[6]。
2005年，Ann Peirs等人在前人研究的基礎上研究了蘋果自然特性對可見近紅外模型預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關系，其Rr>0.94，RMSEP
2007年，Yongni Shao等人用可見光與近紅外檢測技術結合硬度、糖度和酸度等指標檢測番茄的成熟度，得到了各自的相關系數，分別為0.83、0.81和0.83，表明可見光與近紅外技術無損檢測水果成熟度的方法是可行而且實用的[8]。
3近紅外光譜技術在水果品質檢測中的
應用研究利用近紅外光譜（NIR）檢測水果品質早已成為國際研究熱點之一。2003年，Clark等利用700～900nm的透射光檢測了褐心貝賓（Braeburn）蘋果，探討了投射測量時蘋果的最佳位置[9]。國內的相關研究也如雨后春筍般涌現出來，研究的水果有柑橘、蘋果、梨、桃、枇杷等，檢測的品質涉及糖度、酸度、可溶性固形物、維生素、堅實度、色澤及單果重量、褐變、模式識別等。
3.1糖度檢測
2006年，應義斌等利用小波變換結合近紅外光譜技術檢測水果糖度，小波變換濾波技術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WT-SMLR法建立的校正模型精度明顯優于采用SMLR法建立的模型 [10]。周文超等建立贛南臍橙內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合PLS建立南豐蜜桔糖度校正模型，預測集r=0.9133，RMSEP=0.5577，平均預測偏差為-0.0656[12]。
3.2酸度檢測
應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]。劉燕德等應用近紅外漫反射光譜結合光線傳感技術建立蘋果有效酸度模型，預測值和真實值r=0.906，SEC=0.0562、SEP=0.0562，Bias=0.0115[14]。董一威等采用CCD近紅外光譜系統結合偏最小二乘回歸（PLSR）建立蘋果酸度預測模型，r=0.8151，SEC=0.0120，SEP=0.0204[15]。
3.3可溶性固形物檢測
2006年，李建平等應用近紅外漫反射光譜定量分析技術對2個產地3個品種枇杷的可溶性固形物進行無損檢測研究，發現在波長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系數較高，最終建立的可溶性固形物含量預測模型的校正集和預測集相關系數分別為0.96和0.95[16]。
2008年，劉燕德等應用近紅外光譜（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據進行預處理，研究表明果實中間部位的預測結果較為理想；近紅外漫反射光譜可以作為一種準確、可靠和無損的檢測方法用于評價梨果實內部指標可溶性固形物[17]。
2009年，周麗萍等采用可見光與近紅外光結合技術對蘋果的可溶性固形物含量的檢測進行了研究，他們結合主成分分析（PCA）和BP神經網絡技術，建立蘋果SSC預測模型；采用DPS數據處理系統對蘋果樣本的漫反射光譜（345～1039nm波段），進行主成分分析，獲得累計可信度大于95%的5個新主成分；建立一個3層BP神經網絡模型，并將這5個新的主成分作為BP神經網絡模型的輸入量，其結果是98%以上預測樣本的預測相對誤差在5%以下[18]。
3.4堅實度檢測
2006年，傅霞萍等采用傅里葉漫反射近紅外光譜技術研究了水果堅實度的無損檢測方法，他們對不同預處理方法和不同波段建模對模型的預測性能進行分析對比，建立了利用偏最小二乘法進行水果堅實度與漫反射光譜的無損檢測數學模型，同時結果表明應用近紅外漫反射光譜檢測水果堅實度是可行的，為今后快速無損評價水果成熟度提供了理論依據[19]。
2009年，史波林等采用近紅外光譜技術結合遺傳算法分別對去皮前后蘋果堅實度無損檢測進行研究，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，結果表明，蘋果果皮對近紅外光譜分析模型的預測能力有很大影響，但僅通過常規的光譜預處理方法（MSC 、Derivative）很難有效消除。他們提出的遺傳算法結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和最佳主因子數分別由1480和5降到36和1，相關系數r由0.753提高到0.805，更重要的是模型的預測相對誤差RSDp從16.71%顯著下降到12 .89%，并接近采用蘋果果肉建模的預測性能（12.36%），達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（SVM）建立蘋果不同品種、不同產地的分類模型，預測識別率精度比傳統的判別分析法提高5%左右，均達到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快速鑒別蘋果品種的新方法，該方法應用主成分分析結合人工神經網絡建立了蘋果品種鑒別的模型，該模型的預測效果很好，識別率達到100%[28]。
4存在的問題
近紅外光譜技術具有檢測速度快速、檢測方法簡便、檢測準確性高及同時可測定多種成分的優點，使它在果品在線分選檢測中有較好的應用前景。雖然近紅外光譜技術在水果成熟期預測和內部品質檢測方面的研究已有10年的時光，有些檢測技術已趨于成熟，但目前來看該技術仍存在一些問題，比如怎樣找出不同水果光譜的特性波段，怎樣實現果品快速在線檢測和分選，怎樣實現對水果的成熟度、硬度、糖度和內部缺陷等同時檢測，具體來說近紅外光譜技術在水果品質或成熟期檢測研究中主要存在以下幾方面問題。
4.1水果成熟期預測中存在的問題
（1）近紅外光譜技術在水果成熟期預測中，光譜波段的選擇尤為重要；建立預測模型時有必要對光譜波段進行優選和組合[29]。
（2）利用近紅外光譜預測果實成熟期時，既要保證預測模型的精確度，還需考慮模型的通用性，即還需進一步研究水果果實的不同光學特性與果實成熟期的相關性，提高預測的效率和準確性。
4.2水果品質檢測中存在的問題
（1）在水果品質的光譜檢測中，光譜儀自身的信噪比等性能會極大地影響預測模型的精確度。可見，在光譜預處理方面，選擇合適的消噪方法將成為今后近紅外光譜技術在水果內部品質及成熟期預測中的另一個研究重點[30]。
（2）在利用NIST對水果品質進行檢測的過程中，建立數學模型是最困難的，因為近紅外光譜很容易受到果品樣本個體因素如溫度、檢測部位不同等因素的影響；同時由于檢測環境條件、儀器的精度和穩定性等復雜因素的影響，使得數學模型適應性差。在線檢測過程中，樣品是運動的，近紅外光譜受到很大的影響，如何在果品運動的狀態下獲得較穩定的近紅外光譜仍是一個很大的難題。
（3）建立用于水果品質光譜分析的校正模型與開發用于水果品質檢測的軟件系統是近紅外光譜技術能否用于水果品質檢測的最關鍵問題，但當前大部分研究只是進行可行性探索，沒有進行深入研究；在實際生產生活中使用的便攜式水果品質無損檢測儀器非常罕見。
5發展趨勢
目前水果市場，或者水果生產者在田間分析水果品質都需要一種小型便捷的、可移動式的近紅外光譜分析儀器。同時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、能夠和電腦隨時連接的類USB或PDA的近紅外水果分析儀將會成為市場新寵。
當今水果加工過程中非常需要一種能夠根據水果品質指標（如可溶性固形物、酸度、硬度等）進行快速在線分級.光纖技術與近紅外技術結合必然使近紅外在線檢測技術廣泛應用于水果以及其他各個領域，并在今后的發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的不斷推廣和深入應用，未來它將與網絡技術結合，更方便快捷地實現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單一、實時性差、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綜合檢測技術的研究非常必要，并將成為研究熱點。為了更快速、更準確地得到測量結果，結合近紅外光譜分析技術、高光譜成像技術，及紫外、紅外光技術，從多信息融合技術的不同層次：數據層、特征層和決策層選擇最優的融合方法，在水果成熟期和品質檢測領域將有廣闊的研究前景。近紅外光譜技術將會在更多領域更廣泛范圍為人類帶來便利。
參考文獻：
[1]林，近紅外光譜分析技術在我國大宗水果品質無損檢測中的應用研究[J].食品工業科技，2012，6（33）：460～464.
[2]賀艷楠，水果成熟度無損檢測技術研究進展[J].北方園藝，2010（3）：208～212.
[3]莫潤陽，無損檢測技術在水果品質評價中的應用[J].物理學和高新技術，2004，33（11）：848～851.
[4]毛莎莎，曾明，何紹蘭，等，近紅外光譜技術在水果成熟期預測中的應用（綜述）[J].亞熱帶植物科學，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].農業化研究，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].河北師范大學學報：自然科學版，2008，32（6）：788～790，797.
[13]應義斌.蘋果有效酸度的近紅外漫反射無損檢測[J].農業機械學報，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，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在枇杷可溶性固形物無損檢測中的應用[J].光譜學與光譜分析，2006，26（9）：1606～1609.
[17]劉燕德.近紅外漫反射光譜檢測梨內部指標可溶性固形物的研究[J].光譜學與光譜分析，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].農業化研究，2009，4（4）：104～106.
[19]傅霞萍.水果堅實度的近紅外光譜檢測分析實驗研究[J].光譜學與光譜分析，2006，26（6）：1038～1041.
[20]史波林.應用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].紅外與毫米波學報，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].安徽農業科學，2008，36（4）：1297～1298.
[23]韓東海.蘋果內部褐變的光學無損傷檢測研究[J].農業機械學報，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].農業工程學報，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].光譜學與光譜分析，2008，28（10）：2310～2320.
[27] 趙杰文.支持向量機在蘋果分類的近紅外光譜模型中的應用[J].農業工程學報，2007，23（4）：149～152.
[28]何勇.基于主成分分析和神經網絡的近紅外光譜蘋果品種鑒別方法研究[J].光譜學與光譜分析，2006，26（5）：850～853.
關鍵詞：微波消解；電感耦合等離子體質譜；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：TS254 文獻標志碼：A 文章編號：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，食品安全問題已經成為人類共同關注的焦點，由于環境、運輸、各種加工助劑污染造成各種食品的污染物含量超標問題也逐漸凸顯，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物蛋白的良好來源，其食用安全性關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]，其一動物從環境中攝取的重金屬通過食物鏈的生物放大作用，在較高級生物體內成千上萬倍的富集起來，通過加工成肉制品后進入人體內，其二來自于畜產品及其制品在生產加工、貯藏運輸過程中出現的污染等途徑帶來的重金屬也會在最終產品中殘存和富集，有毒重金屬具有排出困難的特點，一旦在體內沉淀會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]。
目前對于重金屬等無機化學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射光譜（inductively coupled plasma-atomic emission spectrometer，ICP-AES）和電感耦合等離子體質譜（inductively coupled plasma mass spectrometry，ICP-MS）等[9-14]。電感耦合等離子體質譜法具有一次進樣可同時測定多種元素的優點[15-16]，該法具有效率高，所有待測元素可同時測定；分析速度快，重復測定7 個元素3 次只需2～3 min；檢出限低，大多數元素檢出限為ng/kg或μg/kg；精密度高等諸多優點[17-19]。結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對ICP-MS法的測定干擾少[20]。該方法的建立對指導各檢測機構對肉及肉制品中重金屬的檢測及監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譜技術最新進展[J]. 分析實驗室， 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]. 中小企業管理與科技旬刊， 2014（20）： 217.
[9] 毛紅， 劉麗萍， 張妮娜， 等. 應用ICP-MS與AAS測定食品中鉛、鎘、銅方法研究及比較[J]. 中國衛生檢驗雜志， 2007， 17（11）： 1954-1956.
[10] 金鵬飛， 宋麗潔， 鄒定， 等. ICP-MS同時分析中藥材中7 種微量元素的方法研究[J]. 中國藥學雜志， 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]. 光譜實驗室， 2010， 27（2）： 720-723.
[13] 劉平， 董速偉， 李安運， 等. ICP-MS 在稀土元素分析中的應用[J]. 有色金屬科學與工程， 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種礦質元素[J]. 光譜學與光譜分析， 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]. 現代預防醫學， 2014， 36（6）： 877-879.
[16] 陳登云. ICP-MS技術及其應用[J]. 現代儀器， 2001（4）： 8-11.
[17] 陳國友. 微波消解ICP-MS法同時測定蔬菜中14種元素分析[J]. 測試學， 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定[J]. 光譜學與光譜分析， 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.
關鍵詞：近紅外光譜 化學計量學 中藥材
我國中藥資源豐富，應用歷史悠久。然而由于我國中藥生產工藝及質量控制技術水平較低，嚴重制約我國中藥產業現代化的發展。隨著現代科學技術的發展，藥物分析方法己經從傳統的化學分析發展到儀器分析階段，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用分析技術等己經應用到中藥材分析中。但這些方法都需要經過復雜的樣品準備和預處理，測定成本高且效率較低，因此難以用于中藥產品及其生產過程的快速分析。
近年來國際上提出了一種全新的藥物非破壞快速分析法，該法是將化學計量學同近紅外（NIR）光譜分析法相結合而形成的新技術。由于NIR光譜分析法操作簡便、快速、能非破壞的對各種樣品進行快速、精確的分析，加之分析儀器的數字化和化學計量學的發展，運用化學計量學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光譜在制藥工業中的應用日趨廣泛。隨著中藥產業現代化進程的逐步加快，NIR光譜分析法被引入到中藥材分析領域，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展，顯示出NIR光譜分析技術在中藥材分析中具有廣闊的發展空間。
一、NIR技術簡介
近紅外光譜是人們發現最早的處于可見光和中紅外光之間的非可見光譜區域。許多有機物在該區域有著特征性吸收，且不同光譜波段的吸收強度與該物質的分子結構及濃度之間存在一定的對應關系。它的發現已有近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展和廣泛應用。特別是進入90年代后，現代近紅外光譜成為了發展最快、最為引人矚目的光譜分析技術，是化學計量學與光譜測量技術的有機結合，被譽為分析的巨人。而我國對近紅外光譜技術的研究及應用起步相對較晚，但逐漸受到關注，并在光譜儀器研制、配套軟件開發、基礎研究和應用等方面取得了豐碩的成果，并帶來了極好的經濟效益與社會效益。
二、常見的化學計量學方法
目前，在NIR 光譜分析中最常用的化學計量學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，包括人工神經網絡、遺傳算法和模糊邏輯系統等軟計算方法在化學中的應用得到了越來越多的關注。由于中藥材化學物質體系非常復雜，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。同時在中藥材質量控制中，由于中藥生產方式：提取、炮制、煎煮等對待測成分的影響，又存在著動態化學變化和新成分的生成，致使其內部有效成分復雜多變，難以闡明。所以，在實際的中藥材分析應用中，使用常規的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果，導致其成為阻礙中藥NIR光譜分析技術應用發展的瓶頸。為此，有必要進一步研究中藥材的NIR光譜計算分析方法學。
三、NIR技術在中藥材分析中的應用
中藥材分析包括定性分析和定量分析兩個方面。定性分析多為對中藥材及中成藥的真假鑒別、產地鑒別和來源鑒別。湯彥豐等[1]將近紅外漫反射光譜分析技術與人工神經網絡方法相結合, 對52種大黃樣品進行了測定和鑒別, 正確率可達96%。劉沭華等[2]采用近紅外光譜法結合近鄰法和多類支持向量機等模式識別技術對來自4個不同產地的269個白芷樣本和6個不同產地的350個野生和栽培丹參樣本進行了產地鑒別。劉荔荔等[3]采用傅立葉變換近紅外光譜結合聚類分析對7種紅曲霉屬真菌發酵制成的紅曲藥材進行了成功鑒別。
中藥材的定量分析主要指對中藥材有效成分含量的測定, 于曉輝等[4]將近紅外光譜技術與徑向基函數神經網絡相結合,對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類化合物進行了定量預測分析。朱向榮[5]應用近紅外光譜分析技術結合化學計量學方法, 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，實現了對黃芪提取液中總皂苷含量的測定。
四、展望
為了更好發揮近紅外光譜法在中藥領域的快速分析作用，拓展各種化學計量學方法的應用范圍，為其在中藥材分析中的應用打下一定基礎，當前必須進行中藥材近紅外光譜的化學計量學方法研究，特別是發展近紅外光譜非線性建模方法、特征光譜信息提取、化學信息模式識別以及模糊聚類分析等方法，發展形成中藥材快速分析新技術，實現中藥生產全過程質量監控，這對于推進我國中藥產業現代化進程具有重大理論意義和實際應用價值。
參考文獻
[1]湯彥豐, 張卓勇, 范國強 光譜學與光譜分析 2004, 24 (11): 1348-1351
[2]劉沭華，張學工，周群，光譜學與光譜分析 2006，26（4）∶629-632.
[3]劉荔荔, 邢旺興, 賈暖, 林培英, 必鶴鳴, 吳玉田 第二軍醫大學學報2002，23（11）:1230-1232
[4] 于曉輝, 張卓勇, 馬群, 范國強 光譜學與光譜分析 2007, 27 (3): 481-485
關鍵詞：透明質酸鈉；傅里葉變換紅外光譜；圓二色譜
中圖分類號：Q657.33文獻標識碼：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[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單位所組成的直鏈多聚糖，其結構見圖1。
HA廣泛存在于脊椎動物的細胞間質中，如皮膚、臍帶、關節滑液、軟骨、眼玻璃體、雞冠、雞胚、卵細胞、血管壁等[2]。HA在體內主要以鹽的形式存在，其產品主要為透明質酸鈉（sodium hyaluronate，SH）。HA參與很多重要的生理、病理過程，如保水、關節、血管生成、創傷愈合、腫瘤轉移等[3]。
HA多方面的生物活性與其結構密切相關。國內外已對其結構進行了深入研究，并提出了HA在不同狀態下的多種結構模型[4]。商品SH的相對分子質量（Mr）范圍為105~107，目前主要以發酵法生產。本文采用傅里葉變換紅外光譜（FTIR）和圓二色譜（CD），對由發酵獲得的不同Mr的SH進行結構表征，為其開發應用奠定基礎。
1材料與儀器
SH（山東福瑞達生物化工有限公司，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：75次/s。
2.2CD測定
稱取SH干粉1 mg，溶于10 mL水。于室溫下進行掃描，波長范圍為190~400 nm。
3結果
3.1FTIR分析
圖2為SH（Mr 1.24×106）的FTIR光譜。SH的FTIR光譜與文獻報道[5]相符。參照文獻[5]對SH的特征吸收峰進行了歸屬，見表1。
從圖2可見，3 385 cm-1左右的強峰為羥基吸收峰，其峰形寬而鈍，顯示SH分子內羥基通過分子內或分子間氫鍵締合。1 615及1 407 cm-1 左右的強銳峰為羧基的反對稱及對稱伸縮振動峰。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性質無影響。
3.2CD分析
圖3顯示，SH在210 nm處有一明顯的負峰，對應于SH分子中羧基的nπ躍遷及無規則卷曲[6]，與文獻[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，包括FTIR，CD等，在生物大分子的結構研究中，發揮了重要作用。由FTIR光譜可獲得SH中主要官能團的信息，對SH的一級結構進行表征。CD光譜能夠檢測由結構的不對稱性引起的左、右偏振光的吸收差別。如化合物無規則結構，則其CD強度為零，而有序結構則會產生正信號及負信號。SH的CD圖譜顯示，SH具有有序結構。推斷SH在水溶液（0.1 mg/mL）中主要的二級結構為無規則卷曲。
參考文獻
[1]Meyer K, Palmer J W. The polysaccharide of the vitreous humor[J]. J Biol Chem, 1934, 107:629-634.
[2]郭學平，王春喜，凌沛學，等. 透明質酸及其發酵生產概述[J]. 中國生化藥物雜志，1998，19（4）：209-212.
[3] 凌沛學. 透明質酸[M]. 北京：中國輕工業出版社，2000： 53-83.
[4]凌沛學，賀艷麗，白若琬，等. 玻璃酸鈉結構及理化性質的研究進展[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. 透明質酸鈉的光譜學分析[J]. 中國生化藥物雜志，2006，27（1）：22-25.
關鍵詞 測量；傳感器；電磁計量
中圖分類號：TP212 文獻標識碼：A 文章編號：1671-7597（2014）03-0110-01
隨著我國社會經濟和科學技術的穩步發展，各個學科領域都普遍應用了傳感器技術。在生產流程中，很多生產企業也都使用到傳感器測量系統，主要例如：大型電子衡器、轉速控制系統、遠程壓力控制系統、測試控制系統等。為了確保企業生產出產品的質量，傳感器測量系統發揮出極大作用。在非電量測試技術中，轉速、壓力、溫度等參數都屬于非電量，傳感器的作用就是能夠將非電量轉換為電量。
1 電磁計量
應用設備、儀表和電磁測量儀器，對被測量采用相應的方法進行定量分析，確保計量學分支的準確和電磁量測量的統一，就是電磁計量。作為一種能源，人們在認識電能后，將其應用與科學技術的研究中，而點與磁性材料和磁場等的存在有著密不可分的關聯。和電磁現象相關的物理量為電磁兩，它分為磁學量和電學量，在不斷探索電磁應用的過程中，大量的電磁設備、儀表、測量儀器就此誕生。電磁計量所研究的主要內容如下：研究并制定出相應的技術規范、檢定規程、檢定系統等，對進行電磁量量值傳遞的專用測量裝置和標準量具進行研究，對測量電磁量的方法進行研究，對電磁學單位制的確定，對于電磁量相關的物理常數進行精密測定。以上研究按照定義保存、復現電磁學單位的計量標準和基準進行。電磁學計量主要包括磁矩、磁通、磁感應強度、電感、電阻、電流、電壓等。而電磁學計量有波形、材料電磁特性、儀器與比率標準、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，電磁計量的重要內容還有環境安全、電氣、靜電、非電量的電測量等電磁干擾參數。在電磁計量中，常用的設備有電流源、標準電壓、穩流源、穩壓源等；常用的儀器儀表包括電阻箱、電位差計、電橋、電壓表、電流表等。
在此，通過對例子的說明，來了解傳感器測量系統中所應用的電磁計量技術。先來介紹傳統傳感器熱電偶的工作情況。由兩根不同的導線組成了常用的熱電偶，熱電偶屬于電能量傳感器，將兩根導線一端焊接，放入被測介質中，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線。當冷端與熱端存在溫差時，熱電偶則會將溫差電動勢生產出來，介質的溫度也被測量儀表測出。熱電偶的分度號根據材料的不同也會有相應的不同，溫度與電動勢的對應關系可以通過查表的方式找出。mV信號就是輸出熱電偶的信號。所以，若將對應的mV值輸入倒測量儀表的輸入端，便能夠對溫度測量儀表的準確性進行檢測。mV信號的提供就是數字毫伏或者點位差計信號發生器，這種溫控儀表檢測方法使常規中經常使用的。當發生系統故障時，可以將測量儀表的任意一端斷開，將標準的mV信號值輸入倒兩端，對測量儀表的準確性進行判斷，這樣就很容易對熱電偶出現故障與否進行推斷了。
2 傳感器
傳感器能夠感受到被測量的信息，還能按照一定的規律將所感受到的信息轉換成為所需形式的信息或電信號輸出，屬于一種檢測裝置，能夠滿足信息的控制、記錄、顯示、存儲、處理、傳送等要求，因此，可以說傳感器是實現自動控制和自動檢測的首要環節。網絡化、系統化、多功能化、智能化、數字化、微型化等都是傳感器的特點，傳感器對新型工業的建立起到促進作用，并成功推動了傳統產業的更新換代及改造，成為新時期新的經濟增長點。若按照輸出信號標志進行分類可將傳感器分為數字傳感器、開關傳感器以及模擬傳感器。若按照原理進行分類，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、振動傳感器等。按照能量轉換原理可分為無源傳感器和有源傳感器。按照工作原理進行劃分，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。通過電磁計量技術可以完成對電量的測量，而電脈沖信號、電阻、電流、電壓等電量為傳感器最后的輸出。當今在傳感器測量系統中應用較為普遍的就是電流和電壓信號。
3 傳感器測量系統中磁計量技術的應用
隨著我國社會經濟和科學技術水平的不斷發展，誕生了集接口電路、存儲器、微處理器、A/D轉換器、傳感器為一身的智能化數字儀表，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，對儀表可利用標準電流、電壓源或者標準電流、電壓表來進行檢測。將壓力轉換成為電信號的傳感器就是壓力傳感器，井數字顯示控制器將電信號輸出，或者通過數字表將數據顯示出來，可達到控制壓力的目的，有效對電氣執行器件進行控制。文章以SCS100型大型電子稱為例進行介紹，使用稱重顯示器作為裝置的顯示器，在儀表的內部有串型通訊部分、打印部分、顯示部分、單片機以及與單片機相接連的控制面板、A/D轉換、放大電路，-30 mA至30 mA作為輸入信號值。將分辨力超過1 ?V的毫伏表接在顯示器信號輸入端，可以看出重量顯示與毫伏指示具有一定的線性關系，從分析測量數據和應用電磁測量儀表來看，可以對顯示器或傳感器是否處于正常工作狀態進行判斷。
4 結束語
文章對傳感器測量系統的基本知識進行了簡要的介紹，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備，從工業生產的角度看待問題，利用電磁計量技術排除故障以及準確測試，闡述在傳感器測量系統中如何應用電磁計量技術。為了確保企業生產出產品的質量，傳感器測量系統發揮出極大作用。傳感器系統具有線性化處理非線性信號、補償信測數據及其誤差、調節、分析、處理信息等功能，其正朝著多功能化、智能化、微型化的方向發展。傳感器不僅達到高性能指標，還將接口電路、存儲器、微處理器、A/D轉換器、壓敏電阻傳感器集于一身，為測量提供了便捷。
參考文獻
[1]張春熹，梁生，馮秀娟，等.光纖分布式擾動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].光譜學與光譜分析，2012（9）.
[3]郝曉劍，李科杰，劉健，周漢昌.藍寶石光纖黑體腔瞬態高溫傳感器測量系統特性參數研究[J].儀器儀表學報，2010（10）.
[4]高廣鳳.轉速檢定裝置校準磁電式傳感器測量低轉速性能的改進[J].熱能動力工程，2010（1）.
