CN110736728A - 一种基于便携式差分拉曼技术快速鉴别真假农药的方法 - Google Patents
一种基于便携式差分拉曼技术快速鉴别真假农药的方法 Download PDFInfo
- Publication number
- CN110736728A CN110736728A CN201910973885.6A CN201910973885A CN110736728A CN 110736728 A CN110736728 A CN 110736728A CN 201910973885 A CN201910973885 A CN 201910973885A CN 110736728 A CN110736728 A CN 110736728A
- Authority
- CN
- China
- Prior art keywords
- raman
- pesticide
- differential
- sample
- pesticides
- 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.)
- Granted
Links
Images
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
- G01N21/62—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
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种基于便携式差分拉曼技术快速鉴别真假农药的方法,采用便携式差分拉曼系统,使用两种波长光源对样品进行检测,首先采集具有稳定微小波长差的双光源拉曼光谱仪检测到的两张市售农药拉曼光谱图数据,通过将两张拉曼光谱进行差分,并针对由于差分产生的拉曼特征信号进行特殊算法滤波,分离差分信号和基线偏差,得到消除了荧光等干扰的农药样品差分特征;最后,通过与农药标准样品谱图特征峰进行比对,可实现市售农药成分真假的鉴别。本发明采用双光源激发的差分技术,消除样品背景干扰,并通过对差分谱图进行特征滤波实现,准确提取样品更多细节拉曼特征。并针对这些差分拉曼特征建立市售农药的特征数据库和分类鉴别。由于使用了差分技术,大大提高了检测的准确性和灵敏度,实现了针对市售农药检测的便携拉曼系统,无需任何前处理过程即可完成,操作简单、检测速度快、准确度高,对农药质量安全的控制具有重大意义。
Description
技术领域
本发明属于物质的分析检测领域,特别是产品质量安全快速检测技术领域。
背景技术
近几年,随着社会经济的迅速发展,人们对农产品的要求越来越高,为了提高农产品的产值,农业生产中经常使用高毒农药。但是农药自身具有很大的毒性,所以农药的使用不仅会给土壤带来危害,还会给人类的健康埋下安全隐患。为了降低高毒农药危害,我国政府加大了对高毒农药使用的管理力度,部分农药政府已禁止使用,但部分厂家追求利润和效果,会在农药中添加标识上未标明的高毒农药或掺杂“隐性”成分,根据现行《农药管理条例》规定,擅自加入其他农药成分将被认定为假农药。
目前,农药隐性成分的鉴定一般采用大型仪器实现,常见的有气相色谱法、液相色谱法、质谱法、红外光谱法等。这些方法虽然准确度、灵敏度较高,但检测时间长、检测成本高,需要较为复杂的前处理过程,只有专业实验技术人员可以操作,无法实现大量样本的筛查,无法满足政府监管部门对假农药的打假需求。
近年来,拉曼光谱技术在食品安全、生物医药、分子结构研究、生物化学、考古及文物鉴定、公安与法学样品分析、反恐技术等各行各业得到广泛应用,被称为“分子指纹”的拉曼光谱技术因其无损、便捷、速度快、稳定性高的优良特性,在光学快检领域受到大力推崇。但是,在拉曼光谱检测技术拥有众多优点的同时,其缺陷也暴露出来,信号弱和易受干扰可以说是目前限制拉曼技术应用的最大瓶颈。特别是在拉曼光谱应用领域不断扩展的现在,越来越多的物质或是因为条件限制无法获取高信噪比的拉曼光谱,或是因为自身强荧光掩盖了原本就很弱的拉曼信号,导致应用受限。市售农药具有很高荧光效应,常规拉曼光谱中荧光信号掩盖了农药成本的拉曼信号,因此很难对其进行成分鉴定。
位移差分拉曼光谱(SERDS),这种技术基于在两个有轻微偏移的激发波长中收集两张不同的光谱,由于分子所发射的光(荧光或磷光)只能从某一多重态中的最低态激发,因此对于激发光的微小偏移并不影响背景(样品受激发射光谱),同时,噪声与环境干扰光也同样与光源入射波长无关。而拉曼光谱作为散射光谱特征峰出现的位置与激发光源频谱位置有固定关系,当激发光频率移动时拉曼特征峰会跟着移动。根据这一原理,使用两种波长光源对样品照射时,获取的两张光谱中,受激发射光谱和噪声背景分量是一致的,而拉曼光谱部分则会存在与光源波长差对应的平移。理想情况下对两张谱图进行差分处理,所获得的差分谱中,受激发射谱和噪声背景会完全抵消,剩下的是拉曼光谱与自身平移光谱的差分图像,因此可消除物质荧光和环境光影响。但实际情况中,首先两个光源无法同时测量,因此需采用分时键控的方式,这会导致两次获取光谱中的噪声背景部分必然有差异。其次,物质的受激发射光谱与入射光源能量相关,而散射光谱能量同样遵循瑞利定理与入射光波长的四次方成反比,这导致两张原始光谱中的受激发射谱和散射谱分量都会有差异。最后,入射光的波长差对差分还原算法至关重要,便携式设备中如何控制光源台间差并设计较高容错性的还原算法也是技术可产品化的关键。而两种波长光源的输出能量差,则在计算差分谱时引入了对齐误差,也需要通过一系列优质算法消除。因此自上世纪90年代提出差分拉曼方法后,该技术一直无法形成成熟产品,特别是小型化便携式产品。
目前,有利用反卷积算法对差分光谱进行复原处理的方法,但这种算法不仅耗时,还会引入很多假设,仅对纯净物质(近似标准品)有较好的谱图还原效果,对实际有基质干扰的样品还原准确度差,难以应用于复杂基质样品的准确测定。
发明内容
为了解决上述技术问题,本发明提出一种基于便携式差分拉曼技术快速鉴别真假农药的方法,该发明能够实现对农药隐性成分的鉴定。
本发明内容具体为:一种基于便携式差分拉曼技术快速鉴别真假农药的方法,通过如下步骤实现:(1)建立农药标准品拉曼光谱图数据库:选取多种类别的农药固体标准品,用便携式双光源拉曼光谱仪进行检测,获得每种农药标品的两张拉曼光谱特征参数,通过将两张拉曼光谱进行差分,并针对由于差分产生的拉曼特征信号进行滤波,分离差分信号和基线偏差,得到农药标品拉曼光谱差分特征,建立多种农药的拉曼光谱数据库;(2)对待检测农药样品无需前处理,按照步骤(1)相同的检测系统及谱图分析算法直接进行检测,获得市售农药样品消除了荧光干扰的拉曼光谱差分数据谱图;(3)将市售农药样品差分处理后的拉曼光谱特征峰参数与软件中已建立的农药标准品拉曼数据库进行比对,根据仪器软件内置的匹配规则,自动实现对市售农药成分真假的鉴别。
进一步的,上述便携式双光源拉曼光谱仪光源可采用任一波长的光源,优选785nm,波长差范围0.4~10nm,优选 1nm,单频输出功率≤450mw,线宽≤0.06nm,光谱范围:180-2800cm-1,采集样品的拉曼光谱扫描时间为3~50秒。
进一步的,所述的差分滤波算法是基于任意函数可以被一个有三层单元的网络以任意精度逼近这一原理,通过迭代最优解的方式,同时将差分、对齐和基线矫正完成;算法经过几十次迭代(用时0.2s),可以准确分离差分信号和基线偏差,得到准确还原的差分谱图数据。
进一步的,所述农药标准品可以是除草剂、杀虫剂、杀菌剂中的一种。
进一步的,所述市售农药样品的市售农药的剂型可以是水剂、乳油、可溶粒剂、可湿性粉剂。
进一步的,上述步骤(2)所述的市售农药样品处理方法,商品外包装为透明、半透明的农药可直接隔着包装瓶或包装袋进行检测,无需取出样品;样品为不透明包装时,将部分样品取出直接进行测定。
进一步的,上述步骤(3)所述的内置匹配规则,含有农药标准品特征峰的拉曼谱图库内置于拉曼光谱仪软件中,通过自动识别市售农药样品拉曼谱图中是否有拉曼信号匹配到标准品特征峰,判断市售农药中是否含有数据库中的农药成分,判定规则为特征峰信号与标准品相比拉曼位移偏移范围≤±8nm,特征峰数量匹配比例≥40%。
本发明的有益效果是:(1)实现了位移差分拉曼的小型便携化,通过差分和信号滤波技术大大提高了便携式差分系统的准确性和灵敏度,可实现高荧光、复杂基质市售农药的直接检测,克服了拉曼难以检测高荧光样品、复杂基质样品的问题,同时实现拉曼差分特征信号的自动甄别,有效滤除市售农药基质杂质、环境光峰、PL峰干扰峰的问题,为市售农药的快速检测提供了创新性无损检测手段。
(2)无需前处理,避免了农药和前处理试剂的危害和污染,简单易操作,适合无专业背景人员现场检测。
(3)检出限低,准确率高,普适性好,适用于市面上大部分类型农药商品的检测,实用性强。
(4)检测时间小于30秒,便捷快速,无需其他试剂耗材,节约成本。
附图说明
图1:A品牌敌草快农药与百草枯标准品拉曼光谱图。
图2:B品牌敌草快农药与敌草快标准品拉曼光谱图。
图3:A品牌敌草快农药不同差分算法得出的拉曼光谱图。
图4:三唑酮市售农药与三唑酮标准品拉曼光谱图。
图5:不同含量敌草快市售农药的拉曼光谱图。
具体实施方式
以下结合具体实施例,对本发明作进一步详细的说明。
实施例1. 建立农药标准品拉曼谱图库,具体如下。
便携式双光源拉曼光谱仪光源采用785nm,间距1nm,单频输出功率400mw,线宽0.06nm,光谱范围:180-2800cm-1,采集样品的拉曼光谱扫描时间为5秒。
购买常见农药标准品(>99%),对样品进行直接检测。通过集成至拉曼光谱仪内的差分算法软件,将检测获得的农药标品的两张拉曼光谱特征参数,经过差分和信号滤波,消除荧光、环境光等的干扰,得到农药标品拉曼光谱差分谱图数据。通过检测多种农药标准品,建立农药的拉曼光谱数据库。
实施例2. 市售农药拉曼光谱的检测,具体如下。
实验所用市售农药均购于电商平台。
便携式双光源拉曼光谱仪光源采用785nm,间距1nm,单频输出功率400mw,线宽0.06nm,光谱范围:180-2800cm-1,采集样品的拉曼光谱扫描时间为10秒。
(1)市售农药敌草快的测定
A品牌敌草快农药剂型为水剂,产品标注含量为200g/L,包装为半透明白色塑料瓶;B品牌敌草快农药剂型为水剂,产品标注含量为200g/L,包装为透明塑料瓶。
激光探头隔着塑料瓶分别对A品牌和B品牌农药进行直接检测,通过集成至拉曼光谱仪内的差分算法软件,将双光源检测获得的农药的两张拉曼光谱特征参数,经过差分和信号滤波,消除荧光、环境光等的干扰,得到A品牌和B品牌农药拉曼光谱差分谱图数据。数据结果自动比对数据库中各农药标准品拉曼光谱图。
此外,对双光源检测A品牌农药获得的两张拉曼光谱数据,用普通的解卷积算法进行数据还原,与本发明方法进行对比。
A品牌检测结果显示成分为百草枯,匹配比例为70%,与百草枯标准品特征峰相对应的峰位置为560、838、1001、1193、1298、1541、1653cm-1,特征峰信号与标准品信号偏移范围≤±3nm。
B品牌检测结果显示成分为敌草快,匹配比例为66.7%,与敌草快标准品特征峰相对应的峰位置为642、730、996、1068、1324、1382、1525、1573cm-1,特征峰信号与标准品信号偏移范围≤±4nm。
不同算法比对的结果显示,普通解卷积算法对于市售农药这种基质复杂的样品还原效果很差,不能将百草枯拉曼特征峰还原出来,同时还原出很多无效的干扰峰,不能对其成分进行直接鉴定。
(2)市售农药三唑酮的测定
三唑酮农药剂型为乳油,产品标注含量为20%,包装为半透明棕色塑料瓶。
激光探头隔着塑料瓶对农药进行直接检测,通过与上述敌草快农药相同的方法得到三唑酮农药拉曼光谱差分谱图数据。数据结果自动比对数据库中各农药标准品拉曼光谱图。
检测结果显示成分为三唑酮,匹配比例为58%,与三唑酮标准品特征峰相对应的峰位置为1095、1213、1278、1341、1382、1450、1732cm-1,特征峰信号与标准品信号偏移范围≤±6nm。
实施例3. 验证该检测方法的检出限,具体如下。
将实施例2中B品牌敌草快农药(200g/L,含量约20%)用纯净水进行稀释,稀释为敌草快有效成分10%、5%、1%、0.2%、0.05%的样品。
将各浓度样品装入玻璃样品瓶中进行直接检测。通过与实施例2中敌草快农药相同的方法得到各浓度样品拉曼光谱差分谱图数据。
结果显示,随着敌草快有效成分的降低,敌草快特征峰强度逐步减弱,特征峰数量减少,匹配比例下降。10%、5%、1%、0.2%、0.05%的样品匹配比例分别为58%、50%、42%、42%、17%。由此可见,市售农药敌草快的检出限为0.2%,满足市售农药检测需求。
实施例4. 验证该检测方法的普适性,具体如下。
购买不同类别、含量、剂型的多种市售农药,用与实施例2和3中相似方法进行检测,结果如下。
商品标注成分 | 农药类别 | 有效成分含量 | 剂型 | 检出结果 | 比配比例 |
敌草快 | 除草剂 | 200g/L | 水剂 | 不一致/检出百草枯 | 百草枯匹配70% |
扑草净 | 除草剂 | 50% | 悬浮剂 | 一致 | 80% |
草铵膦 | 除草剂 | 30% | 水剂 | 一致 | 71% |
辛硫磷 | 杀虫剂 | 40% | 乳油 | 一致 | 55% |
吡虫啉 | 杀虫剂 | 10% | 可湿性粉剂 | 一致 | 50% |
啶虫脒 | 杀虫剂 | 70% | 水分散粒剂 | 一致 | 83% |
阿维菌素 | 杀虫剂 | 5% | 乳油 | 不一致/检出氯氟氰菊酯 | 氯氟氰菊酯67% |
噻虫嗪 | 杀虫剂 | 25% | 水分散粒剂 | 一致 | 69% |
三唑酮 | 杀菌剂 | 20% | 乳油 | 一致 | 58% |
多菌灵 | 杀菌剂 | 50% | 可湿性粉剂 | 一致 | 89% |
咪鲜胺 | 杀菌剂 | 45% | 水乳剂 | 一致 | 75% |
咪鲜胺 | 杀菌剂 | 25% | 乳油 | 不一致/检出多菌灵 | 咪鲜胺匹配62%;多菌灵匹配67% |
由此可见,本发明方法适用于大部分市售农药的成分鉴定,具有很好的普适性,可实现农药的快速无损检测。
以上实施例均说明了本发明的使用方法,但本发明所保护的内容不仅限于实施例中的用法,专业领域技术人员根据本发明进行的属自然延伸性质的改进也属于本发明的保护范围。
Claims (7)
1.一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,通过如下步骤实现:
(1)建立农药标准品拉曼光谱图数据库:选取多种类别的农药固体标准品,用便携式双光源拉曼光谱仪进行检测,获得每种农药标品的两张拉曼光谱特征参数,通过将两张拉曼光谱进行差分,并针对由于差分产生的拉曼特征信号进行滤波,分离差分信号和基线偏差,得到农药标品拉曼光谱差分特征,建立多种农药的拉曼光谱数据库;
(2)对待检测农药样品无需前处理,按照步骤(1)相同的检测系统及谱图分析算法直接进行检测,获得市售农药样品消除了荧光干扰的拉曼光谱差分数据谱图;
(3)将市售农药样品差分处理后的拉曼光谱特征峰参数与软件中已建立的农药标准品拉曼数据库进行比对,根据仪器软件内置的匹配规则,自动实现对市售农药成分真假的鉴别。
2.根据权利要求1所述的一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,便携式双光源拉曼光谱仪光源可采用任一波长的光源,优选785nm,波长差范围0.4~10nm,优选 1nm,单频输出功率≤450mw,线宽≤0.06nm,光谱范围:180-2800cm-1,采集样品的拉曼光谱扫描时间为3~50秒。
3.根据权利要求1所述的差分滤波算法,其特征在于,基于任意函数可以被一个有三层单元的网络以任意精度逼近这一原理,通过迭代最优解的方式,同时将差分、对齐和基线矫正完成;算法经过几十次迭代(用时0.2s)分离差分信号和基线偏差。
4.根据权利要求1所述的一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,所述农药标准品可以是除草剂、杀虫剂、杀菌剂中的一种。
5.根据权利要求1所述的一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,所述市售农药样品的市售农药的剂型可以是水剂、乳油、可溶粒剂、可湿性粉剂。
6.根据权利要求1所述的一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,步骤(2)所述的市售农药样品处理方法,商品外包装为透明、半透明的农药可直接隔着包装瓶或包装袋进行检测,无需取出样品;样品为不透明包装时,将部分样品取出直接进行测定。
7.根据权利要求1所述的一种基于便携式差分拉曼技术快速鉴别真假农药的方法,其特征在于,步骤(3)所述的内置匹配规则,含有农药标准品特征峰的拉曼谱图库内置于拉曼光谱仪软件中,通过自动识别市售农药样品拉曼谱图中是否有拉曼信号匹配到标准品特征峰,判断市售农药中是否含有数据库中的农药成分,判定规则为特征峰信号与标准品相比拉曼位移偏移范围≤±8nm,特征峰数量匹配比例≥40%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973885.6A CN110736728B (zh) | 2019-10-14 | 2019-10-14 | 一种基于便携式差分拉曼技术快速鉴别真假农药的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973885.6A CN110736728B (zh) | 2019-10-14 | 2019-10-14 | 一种基于便携式差分拉曼技术快速鉴别真假农药的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110736728A true CN110736728A (zh) | 2020-01-31 |
CN110736728B CN110736728B (zh) | 2023-01-17 |
Family
ID=69268905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910973885.6A Active CN110736728B (zh) | 2019-10-14 | 2019-10-14 | 一种基于便携式差分拉曼技术快速鉴别真假农药的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110736728B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052363A (zh) * | 2020-09-02 | 2020-12-08 | 安阳工学院 | 谷物识别方法及系统 |
CN112763477A (zh) * | 2020-12-30 | 2021-05-07 | 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 |
CN113640277A (zh) * | 2021-08-26 | 2021-11-12 | 中国工程物理研究院化工材料研究所 | 一种基于化学计量学的共晶炸药结构快速鉴定方法 |
CN114088687A (zh) * | 2021-11-29 | 2022-02-25 | 云南省烟草质量监督检测站 | 一种基于位移差分拉曼的烟草中二硫代氨基甲酸酯类农药快速检测方法 |
CN115436340A (zh) * | 2022-11-08 | 2022-12-06 | 北京工业大学 | 一种无损、快速检测医用导管表面覆有功能涂层的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699343A (zh) * | 2016-01-05 | 2016-06-22 | 华南农业大学 | 一种沉香真伪无损鉴别的方法 |
CN107014800A (zh) * | 2017-03-27 | 2017-08-04 | 上海化工研究院有限公司 | 一种基于相关命中率指数算法的运输品鉴别方法及系统 |
CN108072692A (zh) * | 2016-11-17 | 2018-05-25 | 中国科学院大连化学物理研究所 | 一种便携式毒品现场鉴别设备及方法 |
CN208140586U (zh) * | 2018-04-24 | 2018-11-23 | 南京简智仪器设备有限公司 | 一种光斑可移动的差分拉曼光谱检测装置 |
CN208224095U (zh) * | 2018-04-24 | 2018-12-11 | 南京简智仪器设备有限公司 | 一种基于差分拉曼技术的检测装置 |
CN110146484A (zh) * | 2019-05-22 | 2019-08-20 | 江苏大学 | 一种基于Cu2O/Ag SERS传感器的农药定性判别方法 |
-
2019
- 2019-10-14 CN CN201910973885.6A patent/CN110736728B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699343A (zh) * | 2016-01-05 | 2016-06-22 | 华南农业大学 | 一种沉香真伪无损鉴别的方法 |
CN108072692A (zh) * | 2016-11-17 | 2018-05-25 | 中国科学院大连化学物理研究所 | 一种便携式毒品现场鉴别设备及方法 |
CN107014800A (zh) * | 2017-03-27 | 2017-08-04 | 上海化工研究院有限公司 | 一种基于相关命中率指数算法的运输品鉴别方法及系统 |
CN208140586U (zh) * | 2018-04-24 | 2018-11-23 | 南京简智仪器设备有限公司 | 一种光斑可移动的差分拉曼光谱检测装置 |
CN208224095U (zh) * | 2018-04-24 | 2018-12-11 | 南京简智仪器设备有限公司 | 一种基于差分拉曼技术的检测装置 |
CN110146484A (zh) * | 2019-05-22 | 2019-08-20 | 江苏大学 | 一种基于Cu2O/Ag SERS传感器的农药定性判别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052363A (zh) * | 2020-09-02 | 2020-12-08 | 安阳工学院 | 谷物识别方法及系统 |
CN112763477A (zh) * | 2020-12-30 | 2021-05-07 | 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 |
CN113640277A (zh) * | 2021-08-26 | 2021-11-12 | 中国工程物理研究院化工材料研究所 | 一种基于化学计量学的共晶炸药结构快速鉴定方法 |
CN113640277B (zh) * | 2021-08-26 | 2023-08-22 | 中国工程物理研究院化工材料研究所 | 一种基于化学计量学的共晶炸药结构快速鉴定方法 |
CN114088687A (zh) * | 2021-11-29 | 2022-02-25 | 云南省烟草质量监督检测站 | 一种基于位移差分拉曼的烟草中二硫代氨基甲酸酯类农药快速检测方法 |
CN115436340A (zh) * | 2022-11-08 | 2022-12-06 | 北京工业大学 | 一种无损、快速检测医用导管表面覆有功能涂层的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110736728B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110736728B (zh) | 一种基于便携式差分拉曼技术快速鉴别真假农药的方法 | |
Zada et al. | Fast microplastics identification with stimulated Raman scattering microscopy | |
Sikirzhytski et al. | Multidimensional Raman spectroscopic signatures as a tool for forensic identification of body fluid traces: a review | |
Izake | Forensic and homeland security applications of modern portable Raman spectroscopy | |
Fernandez et al. | Poor quality drugs: grand challenges in high throughput detection, countrywide sampling, and forensics in developing countries | |
Healy et al. | A laboratory assessment of the Waveband Integrated Bioaerosol Sensor (WIBS-4) using individual samples of pollen and fungal spore material | |
US8125635B2 (en) | Compact, low cost raman monitor for single substances | |
EP2352992B1 (en) | Methods for identification of microorganisms using spectroscopy | |
Sivaprakasam et al. | Spectral characterization of biological aerosol particles using two-wavelength excited laser-induced fluorescence and elastic scattering measurements | |
CN101784880B (zh) | 实时分析空气中的化学、生物和爆炸性物质的设备 | |
US20120229796A1 (en) | System and method for detecting contaminants in a sample using near-infrared spectroscopy | |
AU2007265356A1 (en) | Methods and apparatus for molecular species detection, inspection and classification using ultraviolet to near infrared enhanced photoemission spectroscopy | |
US9013686B2 (en) | Chemical and molecular identification and quantification system utilizing enhanced photoemission spectroscopy | |
US20090006004A1 (en) | Method for Determining the Identity, Absence and Concentration of a Chemical Compound in a Medium | |
US20120134582A1 (en) | System and Method for Multimodal Detection of Unknown Substances Including Explosives | |
CN107064084A (zh) | 微小型激光荧光光谱仪及光谱检测方法 | |
Yao et al. | Hyperspectral image classification and development of fluorescence index for single corn kernels infected with Aspergillus flavus | |
CN113984730B (zh) | 基于云端荧光数据分析的遥感生物气溶胶污染报警方法 | |
Guedes et al. | Pollen Raman spectra database: Application to the identification of airborne pollen | |
Metternich et al. | Discrimination of synthetic cannabinoids in herbal matrices and of cathinone derivatives by portable and laboratory-based Raman spectroscopy | |
Arduini et al. | Rapid and label-free detection of ochratoxin A and aflatoxin B1 using an optical portable instrument | |
CN106153600A (zh) | 成品农药检测装置 | |
CN103063648A (zh) | 利用拉曼光谱检测液体制剂的方法 | |
Kay et al. | Identification of illicit street drugs with swept‐source Raman spectroscopy | |
Kwaśny et al. | Fluorescence methods for the detection of bioaerosols in their civil and military applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |