CN104458693B - 用于毒品检测的拉曼光谱测量方法 - Google Patents

用于毒品检测的拉曼光谱测量方法 Download PDF

Info

Publication number
CN104458693B
CN104458693B CN201310446679.2A CN201310446679A CN104458693B CN 104458693 B CN104458693 B CN 104458693B CN 201310446679 A CN201310446679 A CN 201310446679A CN 104458693 B CN104458693 B CN 104458693B
Authority
CN
China
Prior art keywords
mrow
raman spectrum
sample
drugs
tested
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310446679.2A
Other languages
English (en)
Other versions
CN104458693A (zh
Inventor
陈志强
张丽
张建红
王红球
赵自然
易裕民
顾建平
黄清萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Nuctech Co Ltd
Original Assignee
Tsinghua University
Nuctech Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Nuctech Co Ltd filed Critical Tsinghua University
Priority to CN201310446679.2A priority Critical patent/CN104458693B/zh
Priority to PCT/CN2014/086851 priority patent/WO2015043417A1/zh
Priority to EP14186248.2A priority patent/EP2853885B1/en
Priority to US14/495,233 priority patent/US9250180B2/en
Publication of CN104458693A publication Critical patent/CN104458693A/zh
Priority to HK15104526.8A priority patent/HK1204055A1/zh
Application granted granted Critical
Publication of CN104458693B publication Critical patent/CN104458693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/15—Medicinal preparations ; Physical properties thereof, e.g. dissolubility

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biophysics (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Molecular Biology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种用于毒品检测的拉曼光谱测量方法，包括以下步骤：对待测样品的拉曼光谱进行测量以获得待测样品的原始拉曼光谱曲线；判断待测样品的原始拉曼光谱曲线是否具有特征部分，如果待测样品的原始拉曼光谱曲线不具有特征部分，则对待测样品与增强剂的混合物进行测量以获得待测样本的增强拉曼光谱曲线；如果待测样品的原始拉曼光谱曲线具有特征部分，则将待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品，而如果待测样品的原始拉曼光谱曲线不具有特征部分，则将待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品。

Description

用于毒品检测的拉曼光谱测量方法
技术领域
本发明涉及安全检测技术领域，尤其涉及一种利用拉曼光谱技术来对走私毒品进行检测的方法。
背景技术
目前海关缉私局通常采用先筛查、再确证的方法查毒。在筛查时主要采用试剂盒或试纸条进行测试，这些方法的优点是快速简便、成本低，但该法特异性强，如果不知道待测样品的类型，需要拿试剂或试纸逐个去试，尤其是在对走私毒品进行检测时，由于走私毒品中往往包含多种掺杂成分，用试剂或试纸进行检测时可靠性较差，容易导致假阳性结果。色谱、质谱等方法是确证过程中采用的主要方法，但是这些方法操作复杂，耗材昂贵，难以在现场快速检测中得到应用。因此，需要一种简单快捷、准确可靠的方法解决走私毒品检测的难题。
发明内容
本发明的目的是提供一种用于毒品检测的拉曼光谱测量方法，其能够快速、高效、准确地确定待测样品中是否包含毒品。
为了实现上述发明目的，本发明的技术方案通过以下方式来实现：
根据本发明的第一方面，提供一种用于毒品检测的拉曼光谱测量方法，包括以下步骤：
(a)对待测样品的拉曼光谱进行测量以获得待测样品的原始拉曼光谱曲线；
(b)判断所述待测样品的原始拉曼光谱曲线是否具有特征部分，如果待测样品的原始拉曼光谱曲线不具有特征部分，则对所述待测样品与增强剂的混合物进行测量以获得待测样本的增强拉曼光谱曲线；
(c)如果待测样品的原始拉曼光谱曲线具有特征部分，则将所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品，而如果待测样品的原始拉曼光谱曲线不具有特征部分，则将所述待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品。
进一步地，所述方法在上述步骤(a)之前还可以包括以下步骤：
(o1)对毒品样本的拉曼光谱进行测量以获得毒品样本的原始拉曼光谱；和
(o2)判断所述毒品样本的原始拉曼光谱曲线是否具有特征部分，如果原始拉曼光谱曲线具有特征部分，则基于所述毒品样本的原始拉曼光谱曲线建立毒品的原始拉曼光谱数据库，而如果所述原始拉曼光谱曲线不具有特征部分，则对所述毒品样本与增强剂的混合物进行测量以获得毒品样本的增强拉曼光谱曲线并基于所述毒品样本的增强拉曼光谱曲线建立毒品的增强拉曼光谱数据库。
进一步地，在所述步骤(c)中，所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库的对比可以通过计算待测样品的原始拉曼光谱曲线与毒品样本的原始拉曼光谱曲线的相似度来进行，所述待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库的对比可以通过计算所述待测样品的增强拉曼光谱曲线与毒品样本的增强拉曼光谱曲线的相似度来进行，如果待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱曲线的相似度超过第一阈值或待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱曲线的相似度超过第二阈值，则判定待测样品中含有所述毒品。
更进一步地，所述特征部分可以是一个或更多个特征峰，所述相似度基于所述特征峰的峰位、峰宽和／或峰高来进行加权计算。
进一步地，所述待测样品与增强剂的混合物可以由待测样品与增强剂直接混合而成或由待测样品的水溶液或有机溶液与增强剂混合而成，所述毒品样本与增强剂的混合物可以由毒品样本与增强剂直接混合而成或由毒品样本的水溶液或有机溶液与增强剂混合而成。
进一步地，所述增强剂可以包含尺度在1-1000nm范围内的金属纳米颗粒材料、金属纳米线、金属纳米团簇、碳纳米管和碳纳米颗粒中任一种或它们的组合。
进一步地，所述增强剂包含金属纳米材料。
更进一步地，所述增强剂还可包含氯离子、溴离子、钠离子、钾离子或硫酸根离子。
具体地，所述金属可以包括金、银、铜、镁、铝、铁、钴、镍、钯或铂中的任一种或它们的组合。
本发明的上述技术方案中的至少一个方面能够通过结合原始拉曼光谱和增强拉曼光谱对待测样品进行检测。这种方案可以兼顾和优化毒品检测的准确性与提高检测效率的平衡，从而实现快速、高效和准确的毒品检测。
附图说明
图1示出根据本发明的实施例的用于毒品检测的拉曼光谱测量方法的示意性流程图；
图2示意性地示出根据本发明一实施例的拉曼光谱测量方法检测的第一种毒品的原始拉曼光谱曲线；
图3a示意性地示出根据本发明一实施例的拉曼光谱测量方法检测的第二种毒品的原始拉曼光谱曲线；和
图3b示意性地示出根据本发明一实施例的拉曼光谱测量方法检测的第二种毒品的增强拉曼光谱曲线。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。在说明书中，相同或相似的附图标号表示相同或相似的部件。下述参照附图对本发明实施方式的说明旨在对本发明的总体发明构思进行解释，而不应当理解为对本发明的一种限制。
图1示意性地示出根据本发明的一实施例的用于毒品检测的拉曼光谱测量方法的流程图。该方法可以分成两个阶段，即准备阶段和实际检测阶段。在准备阶段，主要目的是建立供实际检测使用的毒品的拉曼光谱数据库。在实际检测阶段，则是对实际的待测样品进行检测，并与毒品的拉曼光谱数据库进行比对以得出结果。
该准备阶段可以包括以下步骤：对毒品样本的拉曼光谱进行测量以获得毒品样本的原始拉曼光谱曲线；和判断所述毒品样本的原始拉曼光谱曲线是否具有特征部分，如果所述原始拉曼光谱曲线具有特征部分，则基于所述原始拉曼光谱曲线建立毒品的原始拉曼光谱数据库，而如果所述原始拉曼光谱曲线不具有特征部分，则对所述毒品样本与增强剂的混合物进行测量以获得毒品样本的增强拉曼光谱曲线并基于所述增强拉曼光谱曲线建立毒品的增强拉曼光谱数据库。上述过程可以对于一种或多种毒品样本分别实施，直至不再有所需的新的毒品样本的原始拉曼光谱或增强拉曼光谱需要采集为止。
该实际检测阶段可以包括以下步骤：对待测样品的拉曼光谱进行测量以获得待测样品的原始拉曼光谱曲线；判断所述待测样品的原始拉曼光谱曲线是否具有特征部分，如果待测样品的原始拉曼光谱曲线不具有特征部分，则对所述待测样品与增强剂的混合物进行测量以获得待测样本的增强拉曼光谱曲线；而如果待测样品的原始拉曼光谱曲线具有特征部分，则将所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品，而如果待测样品的原始拉曼光谱曲线不具有特征部分，则将所述待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品。
从上述可知，根据本发明的实施例的拉曼光谱测量方法利用了原始拉曼光谱数据和增强拉曼光谱数据相结合的方式对毒品进行检测。这种方式能够将对毒品的检测效率和检测准确性进行最佳的优化。毒品检测与一般的化学品检测相比具有其特定的要求，一方面，由于毒品检测往往涉及对犯罪行为的认定，因此，对毒品的检测必须非常准确；而另一方面，由于毒品检测往往是在机场、海关等出入境地点进行，因此，对毒品的检测必须具有很高的检测效率，一些流程复杂的检测方法尽管检测精度很高也难以应用在现场快速检测中而只能用于后续的进一步判定。
对于拉曼光谱测量方法而言，如果仅采用直接对待测样品进行检测并根据原始拉曼光谱数据进行判定，在一些情况下检测的准确性对于某些毒品难以保证；而如果仅采用对待测样品和增强剂的混合物进行检测并根据增强拉曼光谱数据进行判定，则可能会导致检测过程出现不必要的复杂化而降低检测效率。而根据本发明的方法由于采用了检测待测样品的原始拉曼光谱和增强拉曼光谱相结合的方式，既能够保证毒品检测的准确性，又能够尽可能地提高检测效率。
在根据本发明的用于毒品检测的拉曼光谱测量方法中，上述准备阶段并不是必须的，例如，操作者可以利用已有的毒品的原始拉曼光谱数据或增强拉曼光谱数据与对实际样品的检测结果进行比对。另一方面，上述准备阶段也不一定在进行实际样品的检测之前很久进行，例如，为了保证检测的准确性或校准拉曼光谱检测设备，可以在对待测样品进行检测的现场对毒品样本进行检测来获得毒品的原始拉曼光谱数据或增强拉曼光谱数据。
在一示例中，待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库的对比可以通过计算待测样品的原始拉曼光谱曲线与毒品样本的原始拉曼光谱曲线的相似度来进行。同样，待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库的对比通过计算所述待测样品的增强拉曼光谱曲线与毒品样本的增强拉曼光谱曲线的相似度来进行。
相似度的计算有多种方法，比如相关算法、最大似然法、绝对值算法等等。例如，假定毒品的原始拉曼光谱曲线为A(x)，待测样品的原始拉曼光谱曲线为B(x)，在一示例中，采用最大似然算法，可以通过式(1)对两者的相似度进行计算：
其中Corr表示毒品的原始拉曼光谱曲线和待测样品的原始拉曼光谱曲线的相似度，“·，，表示点积运算。
在另一示例中，采用相关算法，可以对A(x)和B(x)分别进行采样以各获得n个采样点，分别表示为A1，A2，...，An以及B1，B2，...，Bn，毒品的原始拉曼光谱曲线和待测样品的原始拉曼光谱曲线的相似度Corr可以根据式(2)进行计算：
其中，“·”也表示点积运算。
在另一示例中，还可以采用绝对值算法，亦可以对A(x)和B(x)分别进行采样以各获得n个采样点，分别表示为A1，A2,...，An以及B1，B2，...，Bn，毒品的原始拉曼光谱曲线和待测样品的原始拉曼光谱曲线的相似度Corr可以根据式(3)进行计算：
上述相似度计算可以针对整个拉曼光谱曲线进行，也可以仅针对于拉曼光谱曲线中具有特征部分的局部进行。对于待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱曲线的相似度的计算，与上述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱曲线的相似度的计算基本相同，在此不再赘述。以上仅是给出了一些相似度计算的示例，本领域技术人员所知的一些其他的相似度计算方法也是可行的。
对于待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱曲线的相似度，如果其超过第一阈值，则可以判定待测样品中含有所述毒品。同样，如果待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱曲线的相似度超过第二阈值，则判定待测样品中含有所述毒品。第一阈值和第二阈值可以相等，也可以不相等。第一阈值和第二阈值可以根据实际的检测需要、检测仪器的精度等因素来给出。
在本发明中，术语“特征部分”是指某种毒品或待测样品的拉曼光谱曲线中有别于其它的毒品或待测样品的拉曼光谱曲线的关键部分。例如，所述特征部分可以是一个或更多个特征峰、特征谷、相位拐点等等。
在毒品的原始拉曼光谱曲线包括特征峰的情况下，上述相似度可以基于所述特征峰的峰位、峰宽和／或峰高来进行加权计算。在一示例中，在计算所述相似度之前，还可以对所述特征峰进行搜索和排序。在毒品的原始拉曼光谱曲线或增强拉曼光谱曲线的特征峰比较明显的情况下，在实际中，相似度计算甚至可以简化成搜索待测样品的原始拉曼光谱曲线或增强拉曼光谱曲线中是否在某一个或多个位置上存在与毒品的原始拉曼光谱曲线或增强拉曼光谱曲线的特征峰相对应的特征峰来直接进行确定。
在一示例中，在利用毒品的增强拉曼光谱数据进行检测时，所述待测样品与增强剂的混合物可以由待测样品与增强剂直接混合而成或由待测样品的水溶液或有机溶液与增强剂混合而成。同样，所述毒品样本与增强剂的混合物由毒品样本与增强剂直接混合而成或由毒品样本的水溶液或有机溶液与增强剂混合而成。作为示例，增强剂可以包含尺度在1-1000nm范围内的金属纳米颗粒材料、金属纳米线、金属纳米团簇、碳纳米管和碳纳米颗粒中任一种或它们的组合。在另一示例中，增强剂可以包含金属纳米材料，也可在包含金属纳米材料的同时还包含氯离子、溴离子、钠离子、钾离子或硫酸根离子。所述金属例如可以包括金、银、铜、镁、铝、铁、钴、镍、钯或铂中的任一种或它们的组合。在毒品样本与增强剂的混合物中，毒品分子会附着于增强剂材料的表面，而增强剂材料表面的电磁场会使得毒品样本的拉曼光谱信号得到增强。
拉曼光谱数据的获取，可以通过利用激光器发出的激光照射毒品样本或待测样品，并对由激光照射毒品样本或待测样品产生的拉曼散射光进行提取并进行光谱分析而得出拉曼光谱曲线。
图2、3a和3b给出了利用根据本发明的拉曼光谱测量方法检测毒品的示例。图2示出了第一种毒品的原始拉曼光谱曲线，从图2可见，第一种毒品的原始拉曼光谱曲线在850cm-1附近和1000cm-1附近有明显特征峰。对于该种毒品的检测，只需要获取待测样品的原始拉曼光谱曲线并与该种毒品的原始拉曼光谱曲线进行对比即可，而不需要利用增强拉曼光谱数据。
图3a和3b分别示出了第二种毒品的原始拉曼光谱曲线和增强拉曼光谱曲线，从图3a可见，第二种毒品的原始拉曼光谱曲线没有明显的特征峰，因而，如果直接利用原始的拉曼光谱数据进行检测，可能会影响检测的准确性。而通过将第二种毒品样本溶于水或有机溶剂并于增强剂混合之后所得到的毒品的增强拉曼光谱曲线则具有明显的特征峰，如图3b所示。第二种毒品的增强拉曼光谱曲线在530cm-1附近和630cm-1附近有明显特征峰。需要说明的是，并非增强拉曼光谱中的所有的峰都是特征峰，例如图3b中除去530cm-1附近和630cm-1附近的峰之外的峰都不是特征峰(比如可能由增强剂或溶剂产生)，并不能表征毒品的特性。因此，对于第二种毒品的检测，应当对待测样品的增强拉曼光谱曲线进行测量和采集，并将其与该种毒品的增强拉曼光谱曲线进行对比来判定待测样品中是否存在第二种毒品。
虽然结合附图对本发明进行了说明，但是附图中公开的实施例旨在对本发明优选实施方式进行示例性说明，而不能理解为对本发明的一种限制。
虽然本发明总体构思的一些实施例已被显示和说明，本领域普通技术人员将理解，在不背离本总体发明构思的原则和精神的情况下，可对这些实施例做出改变，本发明的范围以权利要求和它们的等同物限定。

Claims (7)

1.一种用于毒品检测的拉曼光谱测量方法，包括以下步骤：
(a)对待测样品的拉曼光谱进行测量以获得待测样品的原始拉曼光谱曲线；
(b)判断所述待测样品的原始拉曼光谱曲线是否具有特征部分，如果待测样品的原始拉曼光谱曲线不具有特征部分，则对所述待测样品与增强剂的混合物进行测量以获得待测样品的增强拉曼光谱曲线；
(c)如果待测样品的原始拉曼光谱曲线具有特征部分，则将所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品，而如果待测样品的原始拉曼光谱曲线不具有特征部分，则将所述待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库进行对比以判定待测样品中是否含有所述毒品，
其中，在所述步骤(c)中，所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱数据库的对比通过计算待测样品的原始拉曼光谱曲线与毒品样本的原始拉曼光谱曲线的相似度来进行，所述待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱数据库的对比通过计算所述待测样品的增强拉曼光谱曲线与毒品样本的增强拉曼光谱曲线的相似度来进行，如果待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱曲线的相似度超过第一阈值或待测样品的增强拉曼光谱曲线与毒品的增强拉曼光谱曲线的相似度超过第二阈值，则判定待测样品中含有所述毒品，
其中所述待测样品的原始拉曼光谱曲线与毒品的原始拉曼光谱曲线的相似度由以下任一公式计算：
<mrow> <mi>C</mi> <mi>o</mi> <mi>r</mi> <mi>r</mi> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msqrt> <msqrt> <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow> </mfrac> </mrow> </msqrt> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mn>100</mn> <mi>%</mi> <mo>,</mo> </mrow>
<mrow> <mi>C</mi> <mi>o</mi> <mi>r</mi> <mi>r</mi> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>A</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>&amp;CenterDot;</mo> <mo>(</mo> <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>B</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>A</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>&amp;CenterDot;</mo> <mo>(</mo> <mrow> <mi>A</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>A</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> <mo>(</mo> <mo>(</mo> <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>B</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>&amp;CenterDot;</mo> <mo>(</mo> <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>B</mi> <mi>i</mi> </msub> </mrow> <mi>n</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mfrac> <mo>&amp;times;</mo> <mn>100</mn> <mi>%</mi> <mo>,</mo> </mrow>
<mrow> <mi>C</mi> <mi>o</mi> <mi>r</mi> <mi>r</mi> <mo>=</mo> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>|</mo> <mrow> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>B</mi> <mi>i</mi> </msub> </mrow> <mo>|</mo> </mrow> </mrow> <mi>n</mi> </mfrac> <mo>&amp;rsqb;</mo> <mo>&amp;times;</mo> <mn>100</mn> <mi>%</mi> <mo>,</mo> </mrow>
其中“·”表示点积运算，A(x)为毒品的原始拉曼光谱曲线，B(x)为待测样品的原始拉曼光谱曲线，A1，A2，...，An以及B1，B2，...，Bn分别为A(x)和B(x)的n个采样点，
其中，所述特征部分是一个或更多个特征峰，在计算相似度之前对特征峰进行搜索和排序，所述相似度基于所述特征峰的峰位、峰宽和/或峰高来进行加权计算。
2.根据权利要求1所述的用于毒品检测的拉曼光谱测量方法，其特征在于，在上述步骤(a)之前还包括以下步骤：
(o1)对毒品样本的拉曼光谱进行测量以获得毒品样本的原始拉曼光谱曲线；和
(o2)判断所述毒品样本的原始拉曼光谱曲线是否具有特征部分，如果原始拉曼光谱曲线具有特征部分，则基于所述毒品样本的原始拉曼光谱曲线建立毒品的原始拉曼光谱数据库，而如果所述原始拉曼光谱曲线不具有特征部分，则对所述毒品样本与增强剂的混合物进行测量以获得毒品样本的增强拉曼光谱曲线并基于所述毒品样本的增强拉曼光谱曲线建立毒品的增强拉曼光谱数据库。
3.根据权利要求1所述的用于毒品检测的拉曼光谱测量方法，其特征在于，所述待测样品与增强剂的混合物由待测样品与增强剂直接混合而成或由待测样品的水溶液或有机溶液与增强剂混合而成，所述毒品样本与增强剂的混合物由毒品样本与增强剂直接混合而成或由毒品样本的水溶液或有机溶液与增强剂混合而成。
4.根据权利要求1所述的用于毒品检测的拉曼光谱测量方法，其特征在于，所述增强剂包含尺度在1-1000nm范围内的金属纳米颗粒材料、金属纳米线、金属纳米团簇、碳纳米管和碳纳米颗粒中任一种或它们的组合。
5.根据权利要求1所述的用于毒品检测的拉曼光谱测量方法，其特征在于，所述增强剂包含金属纳米材料。
6.根据权利要求5所述的用于毒品检测的拉曼光谱测量方法，其特征在于，所述增强剂还包含氯离子、溴离子、钠离子、钾离子或硫酸根离子。
7.根据权利要求4-6中任一项所述的用于毒品检测的拉曼光谱测量方法，其特征在于，所述金属包括金、银、铜、镁、铝、铁、钴、镍、钯或铂中的任一种或它们的组合。
CN201310446679.2A 2013-09-25 2013-09-25 用于毒品检测的拉曼光谱测量方法 Active CN104458693B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201310446679.2A CN104458693B (zh) 2013-09-25 2013-09-25 用于毒品检测的拉曼光谱测量方法
PCT/CN2014/086851 WO2015043417A1 (zh) 2013-09-25 2014-09-18 用于毒品检测的拉曼光谱测量方法
EP14186248.2A EP2853885B1 (en) 2013-09-25 2014-09-24 Raman spectrum measuring method for drug inspection
US14/495,233 US9250180B2 (en) 2013-09-25 2014-09-24 Raman spectrum measuring method for drug inspection
HK15104526.8A HK1204055A1 (zh) 2013-09-25 2015-05-13 用於毒品檢測的拉曼光譜測量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310446679.2A CN104458693B (zh) 2013-09-25 2013-09-25 用于毒品检测的拉曼光谱测量方法

Publications (2)

Publication Number Publication Date
CN104458693A CN104458693A (zh) 2015-03-25
CN104458693B true CN104458693B (zh) 2018-06-01

Family

ID=51610007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310446679.2A Active CN104458693B (zh) 2013-09-25 2013-09-25 用于毒品检测的拉曼光谱测量方法

Country Status (5)

Country Link
US (1) US9250180B2 (zh)
EP (1) EP2853885B1 (zh)
CN (1) CN104458693B (zh)
HK (1) HK1204055A1 (zh)
WO (1) WO2015043417A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106198482B (zh) * 2015-05-04 2019-07-05 清华大学 基于拉曼光谱的检测保健品中是否添加有西药的方法
CN105738037A (zh) * 2016-02-01 2016-07-06 武汉新芯集成电路制造有限公司 一种等离子反应腔体的渗漏检测方法
CN107995237B (zh) * 2016-10-27 2021-12-10 上海迪亚凯特生物医药科技有限公司 光谱数据兼容方法及系统
CN106501233A (zh) * 2016-11-09 2017-03-15 无锡艾科瑞思产品设计与研究有限公司 一种异丙威残留量检测方法
CN106770166A (zh) * 2016-12-23 2017-05-31 同方威视技术股份有限公司 安全检查装置和方法
CN108240978B (zh) * 2016-12-26 2020-01-21 同方威视技术股份有限公司 基于拉曼光谱的自学习式定性分析方法
CN107330413B (zh) * 2017-07-06 2018-11-13 中国科学院遥感与数字地球研究所 一种基于遥感技术的毒品原植物识别方法
CN107632007B (zh) * 2017-08-02 2020-08-14 北京华泰诺安探测技术有限公司 一种黑火药的拉曼检测方法及其用途
TWI663400B (zh) 2017-09-28 2019-06-21 國立臺灣大學 檢測試紙及檢測毒品的方法
CN108713136B (zh) * 2018-03-29 2020-10-09 深圳达闼科技控股有限公司 物质检测方法、装置、电子设备及计算机可读存储介质
CN109827944A (zh) * 2019-02-27 2019-05-31 山东省食品药品检验研究院 一种阿德福韦酯片的鉴别方法
CN109827943A (zh) * 2019-02-27 2019-05-31 山东省食品药品检验研究院 一种佐匹克隆片的鉴别方法
CN111239097A (zh) * 2020-01-15 2020-06-05 公安部物证鉴定中心 一种集成表面增强拉曼与微流控的毒品快检系统
CN111504979B (zh) * 2020-05-19 2021-03-16 江南大学 利用已知混合物拉曼光谱改善混合物成分识别精度的方法
US11614408B2 (en) 2020-05-19 2023-03-28 Jiangnan University Method for improving identification accuracy of mixture components by using known mixture Raman spectrum
CN114264641A (zh) * 2020-09-16 2022-04-01 中国科学院过程工程研究所 一种微量离子液体浓度的检测方法
CN112763477B (zh) * 2020-12-30 2022-11-08 山东省食品药品检验研究院 一种基于拉曼光谱的仿制药质量快速评价系统
CN114778515A (zh) * 2022-04-26 2022-07-22 江南大学 一种同时检测减肥类保健品中西布曲明和芬氟拉明的方法
CN115508335A (zh) * 2022-10-21 2022-12-23 哈尔滨工业大学（威海） 基于傅里叶变换的拉曼光谱曲线数据增强方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590178A (zh) * 2012-03-19 2012-07-18 中国政法大学 一种利用表面增强拉曼光谱检测毒品吗啡的方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7242469B2 (en) * 2003-05-27 2007-07-10 Opto Trace Technologies, Inc. Applications of Raman scattering probes
US8326404B2 (en) * 2003-11-28 2012-12-04 British Columbia Cancer Agency Branch Multimodal detection of tissue abnormalities based on raman and background fluorescence spectroscopy
US20050225758A1 (en) * 2004-03-23 2005-10-13 Knopp Kevin J Raman optical identification tag
US7393692B2 (en) * 2004-10-18 2008-07-01 Real-Time Analyzers, Inc. SERS method for rapid pharmacokinetic analysis of drugs in saliva
US7524671B2 (en) * 2005-01-27 2009-04-28 Prescient Medical, Inc. Handheld raman blood analyzer
US7688440B2 (en) * 2005-01-27 2010-03-30 Prescient Medical, Inc. Raman spectroscopic test strip systems
US7505128B2 (en) * 2006-04-10 2009-03-17 General Electric Company Compact, hand-held raman spectrometer microsystem on a chip
CN100590423C (zh) * 2007-12-21 2010-02-17 辽宁大学 一种拉曼光谱检测方法
CN101614667A (zh) * 2008-06-27 2009-12-30 同方威视技术股份有限公司 拉曼光谱系统及拉曼光谱测量方法
CN101493415B (zh) * 2009-03-03 2011-01-05 福建师范大学 吗啡定量和微量检测方法
NL2004275C2 (en) * 2010-02-22 2011-08-23 Univ Leiden Raman spectrometry.
CN101923649B (zh) * 2010-06-22 2013-01-09 中国海洋大学 一种基于荧光光谱的溢油种类识别方法
EP2725985A1 (en) * 2011-07-01 2014-05-07 3M Innovative Properties Company A method and apparatus for screening drug offenders
CN102590177A (zh) * 2012-03-19 2012-07-18 中国政法大学 一种利用表面增强拉曼光谱检测甲基苯丙胺的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590178A (zh) * 2012-03-19 2012-07-18 中国政法大学 一种利用表面增强拉曼光谱检测毒品吗啡的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
拉曼光谱特征提取方法在定性分析中的应用;乔西娅;《中国优秀硕士学位论文全文数据库基础科学辑》;20100815(第8期);论文第6页第1.2.4节、第19页第2.1.2节-第20页第2.2.1节、第24页第2.2.3节、第33页第1行-第42页第1行、第63页倒数第6行-第64页第2行 *

Also Published As

Publication number Publication date
WO2015043417A1 (zh) 2015-04-02
HK1204055A1 (zh) 2015-11-06
US20150085278A1 (en) 2015-03-26
US9250180B2 (en) 2016-02-02
EP2853885A1 (en) 2015-04-01
EP2853885B1 (en) 2022-05-11
CN104458693A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN104458693B (zh) 用于毒品检测的拉曼光谱测量方法
CN106198482B (zh) 基于拉曼光谱的检测保健品中是否添加有西药的方法
JP4710012B2 (ja) 可視光・近赤外分光分析方法及びその装置
Raso et al. Simultaneous determinations of zirconium, hafnium, yttrium and lanthanides in seawater according to a co-precipitation technique onto iron-hydroxide
Green et al. Trace element fingerprinting of Australian ocher using laser ablation inductively coupled plasma‐mass spectrometry (LA‐ICP‐MS) for the provenance establishment and authentication of indigenous art
Li et al. Analytical-performance improvement of laser-induced breakdown spectroscopy for steel using multi-spectral-line calibration with an artificial neural network
Chivukula et al. Distinguishing dijet resonances at the LHC
Ferretti et al. In situ study of the Porticello Bronzes by portable X-ray fluorescence and laser-induced breakdown spectroscopy
CN104713845B (zh) 基于太赫兹吸收光谱数据处理的混合物成分识别方法
CN103293141A (zh) 基于离子迁移谱/质谱/拉曼光谱融合技术的白酒年份识别方法
CN109669023A (zh) 一种基于多传感器融合的土壤属性预测方法
CN105136736A (zh) 在线近红外样本量确定方法
WO2018121082A1 (zh) 基于拉曼光谱的自学习式定性分析方法
Monakhova et al. Combining 1H NMR spectroscopy and multivariate regression techniques to quantitatively determine falsification of porcine heparin with bovine species
CN105424640A (zh) 一种茶叶中美术绿添加含量的检测方法
CN108896527A (zh) 一种拉曼光谱-主成分分析快速鉴别白酒真伪的方法
Dussubieux et al. LA-ICP-MS analysis of platinum-group elements and other elements of interest in ancient gold
CN106442474A (zh) 一种基于偏最小二乘法的水泥生料三率值测量方法
Trautner et al. Quantification of the vulcanizing system of rubber in industrial tire rubber production by laser-induced breakdown spectroscopy (LIBS)
Ebejer et al. Rapid comparison of diacetylmorphine on banknotes by tandem mass spectrometry
TWI460426B (zh) 應用於毒品偵測的酸性氣體偵測方法及裝置
CN108982465A (zh) 酒中二氧化硫高通量sers在线检测方法
CN105806822A (zh) 硫熏食品或药品的鉴定方法
CN105510269A (zh) 一种茶叶中滑石粉添加含量的检测方法
Wang et al. Study on tea classification based on provenance via random forests and laser induced breakdown spectroscopy

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1204055

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant