CN115389480B - 一种基于拉曼光谱参数识别生物质表面涂料的方法 - Google Patents
一种基于拉曼光谱参数识别生物质表面涂料的方法 Download PDFInfo
- Publication number
- CN115389480B CN115389480B CN202210979525.9A CN202210979525A CN115389480B CN 115389480 B CN115389480 B CN 115389480B CN 202210979525 A CN202210979525 A CN 202210979525A CN 115389480 B CN115389480 B CN 115389480B
- Authority
- CN
- China
- Prior art keywords
- raman
- raman spectrum
- biomass
- peak
- order
- 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
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 96
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 95
- 239000011248 coating agent Substances 0.000 title claims abstract description 58
- 238000000576 coating method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 106
- 238000012360 testing method Methods 0.000 claims abstract description 64
- 239000011247 coating layer Substances 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 239000002029 lignocellulosic biomass Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 7
- DNIAPMSPPWPWGF-UHFFFAOYSA-N Propylene glycol Chemical compound CC(O)CO DNIAPMSPPWPWGF-UHFFFAOYSA-N 0.000 description 12
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 10
- 241000208125 Nicotiana Species 0.000 description 9
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 9
- 239000003973 paint Substances 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 235000011187 glycerol Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000010422 painting Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 208000002599 Smear Layer Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
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
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
- G01N2021/8427—Coatings
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
- G01N2021/8427—Coatings
- G01N2021/8433—Comparing coated/uncoated parts
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Physics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种基于拉曼光谱参数识别生物质表面涂料的方法，涉及表面涂料检测领域，包括如下步骤：步骤1：测试得到拉曼光谱图；步骤2：拉曼光谱数据修正：选择拉曼位移为800‑1800cm‑1及2700‑3500cm‑1的波段范围为一和二阶拉曼光谱，修正得到一及二阶拉曼峰值IR1集和IR2集；步骤3：通过修正后的拉曼光谱图，寻找修正后的一和二阶拉曼光谱图的拉曼特征峰M和N；取M峰和N峰的峰值比值作为拉曼特征参数A；步骤4：将步骤3得到的拉曼特征参数A与建立的模型进行比对，预测待测生物质样品是否具有表面涂料及表面涂料的浓度。本发明基于拉曼光谱参数构建模型进行比对，可以实现对待测生物质样品的快速无损检测。
Description
技术领域
本发明涉及表面涂料检测领域，具体涉及一种基于拉曼光谱参数识别生物质表面涂料的方法。
背景技术
生物质制成的产品表面可以覆盖涂料，起到改变表面性质的作用，例如在食品领域，可以通过在食品表面添加涂料改变食品的色泽和口味，在家装领域，木材表面添加涂料可以实现防腐和美观的功能，因此，对于表面涂料的识别以及含量的测定具有十分重要的经济效益、环保效益和健康效益。
生物质表面涂料识别可以采用传统的化学测定的方法，但是具有化学成分测定时间长、程序繁琐的特点。拉曼光谱是一种散射光谱，可以用来研究分子振动，对于非极性基团例如C-C、C＝C等具有极强的拉曼活性，能够提供关于分子内部各种分子振动频率和有关振动能级的情况的信息，进而从分子水平上对样品的化学组成和分子结构进行解析。因此，利用拉曼光谱技术可以实现对生物表面涂料的快速无损检测。
发明内容
本发明所要解决的技术问题是提供一种基于拉曼光谱参数识别生物质表面涂料的方法。目的是实现对生物表面涂料的快速无损检测。
本发明解决上述技术问题的技术方案如下：一种基于拉曼光谱参数识别生物质表面涂料的方法，包括如下步骤：
步骤1：测试待测生物质样品拉曼光谱图：采用激光波长范围在785-1064nm的拉曼光谱仪，激光功率范围为0.05-0.45w，在待测生物质样品上选取3个以上测试点，得到待测生物质样品的拉曼光谱数据；
步骤2：待测生物质样品的拉曼光谱图数据修正：在步骤1中所述待测生物质样品的拉曼光谱数据中，选择拉曼位移为800-1800cm-1的波段范围为一阶拉曼光谱，对一阶拉曼光谱的基准进行修正，求取每个所述测试点的相同拉曼位移处峰值的平均值，得到的一阶拉曼峰值IR1集；选择拉曼位移为2700-3500cm-1的波段范围为二阶拉曼光谱，对二阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的二阶拉曼峰值IR2集；
步骤3：修正后的待测生物质样品拉曼光谱图：根据步骤2得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集；作出待测生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图；后寻找修正后的一阶拉曼光谱图的拉曼特征峰M，其峰值为IR1(M)；寻找修正后的二阶拉曼光谱图的拉曼特征峰N，其峰值为IR1(N)；取M峰和N峰的峰值比值作为拉曼特征参数A：
A＝IR1(M)/IR1(N)；
步骤4：预测：将步骤3得到的拉曼特征参数A与建立的模型进行比对，预测待测生物质样品是否具有表面涂料及表面涂料的涂抹次数。
本发明的有益效果是：本发明基于拉曼光谱参数构建模型进行比对，可以实现对待测生物质样品进行快速无损检测，进而预测待测生物质样品是否具有表面涂料及表面涂料的涂抹浓度。
进一步，所述步骤1中待测生物质样品上选取的每个测试点测试次数叠加300次以上。具体是在每一个选取的测试点上测试300次以上，后进行结果的叠加，目的是增强测试的效果，减少测试的误差。
在上述技术方案的基础上，本发明还可以做如下改进。
采用上述进一步方案的有益效果是：由于拉曼光谱信号强度较弱，为增强信号质量，通过将拉曼光谱在检测的过程中需进行多次扫描，并叠加样品信号，当信号叠加次数较低时，光谱信噪比低，故叠加次数要大于300次，来降低光谱信噪。
进一步，所述步骤1中采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.1-0.35w，在待测生物质样品上选取5-8个测试点，每个测试点测试次数叠加350-400次。
进一步，所述步骤1中采用激光波长范围在1064nm的拉曼光谱仪，激光功率范围为0.3w，在待测生物质样品上选取5个测试点，每个测试点测试次数叠加300次。
采用上述方案的有益效果是：选择波长为785、1064nm的激光源，优选的为1064nm的拉曼光谱仪，可以有效降低待测生物质样品(例如烟草生物质)的荧光特性，激光功率越强获得的拉慢信号就越强，但是激光功率过强会导致样品被激光破坏，选择激光功率为0.05-0.45w，优选为0.1-0.35w，更加优选为0.3w，可以获得信噪比较好的拉曼光谱，并且不会对样品产生破坏；由于待测生物质样品结构不均匀性，拉曼光谱特征参数的平均值及标准差会随着测试次数的变化而变化，因此，增加测试次数可以降低拉曼测试的随机误差，因此测试点数选择3-5个以上以降低拉曼测试的随机误差。
进一步，所述步骤2中，所述一阶拉曼光谱的基准修正的方法中，在求取每个所述测试点上相同拉曼位移处峰值的平均值之前，选择一阶拉曼光谱两侧端点之间的连线，将800-1800cm-1的曲线值减去两端点之间的连线值，进行一阶拉曼光谱的基准修正；所述二阶拉曼光谱的基准修正的方法中，在求取每个所述测试点上相同拉曼位移处峰值的平均值之前，选择二阶拉曼光谱两侧端点之间的连线，将2700-3500cm-1的曲线值减去两端点之间的连线值，进行二阶拉曼光谱的基准修正。
采用上述进一步方案的有益效果是：这样可以消除待测生物质样品本身的荧光效应。
进一步，步骤4中所述模型的建立方法包括如下步骤：
步骤4-1：测试得到拉曼光谱图：采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.05-0.45w，在原始生物质样品与具有涂料层的生物质样品上分别选取5个以上测试点，每个测试点测试次数叠加300次以上，得到原始生物质样品与具有涂料层的生物质样品的拉曼光谱数据；
步骤4-2：拉曼光谱数据修正：将步骤4-1中原始生物质样品与具有涂料层的生物质样品的拉曼光谱数据，选择拉曼位移为800-1800cm-1的波段范围为一阶拉曼光谱，对一阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的一阶拉曼峰值IR1集；选择拉曼位移为2700-3500cm-1的波段范围为二阶拉曼光谱，对二阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的二阶拉曼峰值IR2集；
步骤4-3：修正后拉曼光谱图：根据步骤4-2得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集；作出原始生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图，作出具有涂料层的生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图；寻找原始生物质样品与具有涂料层的生物质样品的修正后的一阶拉曼光谱图的拉曼特征峰M，其峰值为IR1(M)；寻找原始生物质样品与具有涂料层的生物质样品的修正后的二阶拉曼光谱图的拉曼特征峰N，其峰值为IR1(N)；取原始生物质样品或具有涂料层的生物质样品M峰和N峰的峰值比值作为拉曼特征参数A：
A＝IR1(M)/IR1(N)；
步骤4-4：模型的构建：根据步骤4-3步骤中原始生物质样品和具有涂料层的生物质样品拉曼特征参数A作为Y轴，具有涂料层的生物质样品涂抹次数作为X轴，拟合得到拉曼特征参数A与涂料次数的曲线，即为构建的模型。
采用上述进一步方案的有益效果是：通过构建的模型可以应用到上述的待测生物质样品的快速无损检测，预测待测生物质样品是否具有表面涂料及表面涂料的涂抹次数。
进一步，所述步骤4-1至步骤4-4中所述原始生物质样品为生物质，具体为各种草本类、木质纤维素类生物质，包括但不限于木头、烟草、纸张等，所述涂料为有机物涂料，例如甘油、丙二醇等。
进一步，所述步骤4-1至步骤4-4中所述具有涂料层的生物质样品的涂抹浓度小于5mL/cm2。
进一步，所述步骤4-1中采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.15-0.35w，在原始生物质样品与具有涂料层的生物质样品上分别选取5个以上测试点，每个测试点测试次数叠加350次以上。
采用上述进一步方案的有益效果是：通过采用上述的条件可以使构建的模型更加的准确。
附图说明
图1为本发明的实施例1中修正后的一阶拉曼光谱的图；
图2为本发明实施例1中修正后的二阶拉曼光谱的图；
图3为本发明实施例1中拟合得到的模型图。
具体实施方式
以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例1：利用辊压法制得的烟草薄片，涂料为丙二醇，涂料既可以是在表面，也可以是均匀混合涂料的样品。
一种基于拉曼光谱参数识别生物质表面涂料的方法，包括如下步骤：
步骤1：选择激光波长为1064nm的拉曼光谱仪，激光功率范围为0.3w，测试次数叠加300次，测试点数为5个，测试烟草薄片与具有不同浓度甘油的烟草薄片样品的拉曼光谱图，测试得到拉曼光谱图；
步骤2：拉曼光谱数据修正：对检测得到的拉曼光谱数据，选择拉曼位移为800-1800cm-1的波段范围定义为一阶拉曼光谱，选择拉曼位移为2700-3500cm-1的波段范围定义为二阶拉曼光谱，选择两侧端点之间的连线，将800-1800cm-1的曲线值减去两端点之间的连线值，将2700-3500cm-1的曲线值减去两端点之间的连线值，得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集；
步骤3：根据步骤2得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集，作出不含涂料和含有涂料的烟草薄片的拉曼光谱图(详见如1和2)，通过对比，寻找拉曼特征峰M峰和N峰，取M峰和N峰的峰值IR1(M)和IR1(N)强度比值作为拉曼特征参数A(详见表1)：
A＝IR1(M)/IR1(N)；
步骤4：根据步骤3得到的含有涂料和不含涂料的生物质样品的拉曼特征参数，建立模型，如图3。
步骤5：根据步骤1、步骤2、步骤3测定并计算未知样品的拉曼光谱参数，对比步骤4得到的模型，对未知样品是否具有涂料以及表面涂料的涂抹次数进行预测。根据表1及图3可以得到未知样品表面有涂料，并且涂料涂抹浓度大约在0.05ml/cm2左右。
表1拉曼特征参数A的列表
| 拉曼参数 | 1605cm-1与2938cm-1峰比值 |
| 烟草薄片 | 0.35 |
| 浓度0.05ml/cm2 | 1.08 |
| 浓度0.2ml/cm2 | 1.36 |
| 未知 | 0.95 |
实施例2：
一种基于拉曼光谱参数识别生物质表面涂料的方法，与实施例1相比，步骤1：选择激光波长为785nm的拉曼光谱仪，激光功率范围为0.25w，测试次数叠加400次，测试点数为8个，测试烟草薄片与具有不同浓度丙二醇的烟草薄片样品的拉曼光谱图，测试得到拉曼光谱图。其余与实施例1相同。
表2拉曼特征参数A的列表
根据表2可以得到未知样品表面有涂料，可知涂料涂抹浓度大约在0.05ml/cm2左右，与实施例1相符。
实施例3
一种基于拉曼光谱参数识别生物质表面涂料的方法，与实施例1相比，利用木头，涂料为甘油，涂料既可以是在表面，也可以是均匀混合涂料的样品。其余与实施例1相同。
表3拉曼特征参数A的列表
根据表3可以得到未知样品表面有涂料，且涂抹浓度大约在0.2ml/cm2左右。
实施例4
一种基于拉曼光谱参数识别生物质表面涂料的方法，与实施例1相比，利用纸张，涂料为甘油和丙二醇，涂料既可以是在表面，也可以是均匀混合涂料的样品。其余与实施例1相同。
表4拉曼特征参数A的列表
根据表3可以得到未知样品表面有涂料，且涂抹浓度大约在0.2ml/cm2左右。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，包括如下步骤：
步骤1：测试待测生物质样品拉曼光谱图：采用激光波长范围在785-1064nm的拉曼光谱仪，激光功率范围为0.05-0.45w，在待测生物质样品上选取3个以上测试点，得到待测生物质样品的拉曼光谱数据；
步骤2：待测生物质样品的拉曼光谱图数据修正：在步骤1中所述待测生物质样品的拉曼光谱数据中，选择拉曼位移为800-1800cm-1的波段范围为一阶拉曼光谱，求取每个所述测试点的相同拉曼位移处峰值的平均值，得到的一阶拉曼峰值IR1集；选择拉曼位移为2700-3500cm-1的波段范围为二阶拉曼光谱，对二阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的二阶拉曼峰值IR2集；
步骤3：待测生物质样品的拉曼特征参数提取：根据步骤2得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集，作出待测生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图，然后寻找修正后的一阶拉曼光谱图的拉曼特征峰M，其峰值为IR1(M)；寻找修正后的二阶拉曼光谱图的拉曼特征峰N，其峰值为IR1(N)；取M峰和N峰的峰值比值作为拉曼特征参数A：
A＝IR1(M)/IR1(N)；
步骤4：预测：将步骤3得到的拉曼特征参数A与建立的模型进行比对，预测待测生物质样品是否具有表面涂料及表面涂料的涂抹次数。
2.根据权利要求1所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤1中待测生物质样品上选取的每个测试点测试次数300次以上。
3.根据权利要求2所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤1中采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.1-0.35w，在待测生物质样品上选取5-8个测试点，每个测试点测试次数叠加350-400次。
4.根据权利要求2所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤1中采用激光波长范围在1064nm的拉曼光谱仪，激光功率范围为0.3w，在待测生物质样品上选取5个测试点，每个测试点测试次数叠加300次。
5.根据权利要求1所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤2中，所述一阶拉曼光谱的基准修正的步骤中，在求取每个所述测试点上相同拉曼位移处峰值的平均值之前，选择一阶拉曼光谱两侧端点之间的连线，将800-1800cm-1的曲线值减去两端点之间的连线值，进行一阶拉曼光谱的基准修正；所述二阶拉曼光谱的基准修正的步骤中，在求取每个所述测试点上相同拉曼位移处峰值的平均值之前，选择二阶拉曼光谱两侧端点之间的连线，将2700-3500cm-1的曲线值减去两端点之间的连线值，进行二阶拉曼光谱的基准修正。
6.根据权利要求1所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，步骤4中所述模型的建立方法包括如下步骤：
步骤4-1：测试得到拉曼光谱图：采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.05-0.45w，在原始生物质样品和具有涂料层的生物质样品上分别选取5个以上测试点，每个测试点测试次数叠加300次以上，分别得到原始生物质样品的拉曼光谱数据和具有涂料层的生物质样品的拉曼光谱数据；
步骤4-2：拉曼光谱数据修正：将步骤4-1中原始生物质样品的拉曼光谱数据和具有涂料层的生物质样品的拉曼光谱数据，选择拉曼位移为800-1800cm-1的波段范围为一阶拉曼光谱，对一阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的一阶拉曼峰值IR1集；选择拉曼位移为2700-3500cm-1的波段范围为二阶拉曼光谱，对二阶拉曼光谱的基准进行修正，求取每个所述测试点上的相同拉曼位移处峰值的平均值，得到的二阶拉曼峰值IR2集；
步骤4-3：修正后拉曼光谱图：根据步骤4-2得到的一阶拉曼峰值IR1集和二阶拉曼峰值IR2集，分别作出原始生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图，以及具有涂料层的生物质样品的修正后的一阶拉曼光谱图和修正后的二阶拉曼光谱图；寻找原始生物质样品与具有涂料层的生物质样品的修正后的一阶拉曼光谱图的拉曼特征峰G，其峰值为IR1(G)；寻找原始生物质样品与具有涂料层的生物质样品的修正后的二阶拉曼光谱图的拉曼特征峰D，其峰值为IR1(D)；取原始生物质样品或具有涂料层的生物质样品G峰和D峰的峰值比值作为拉曼特征参数A：
A＝IR1(G)/IR1(D)；
步骤4-4：模型的构建：根据步骤4-3步骤中原始生物质样品和具有涂料层的生物质样品拉曼特征参数A作为Y轴，具有涂料层的生物质样品涂抹浓度作为X轴，拟合得到拉曼特征参数A与涂料浓度的曲线，即为构建的模型。
7.根据权利要求6所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤4-1至步骤4-4中所述原始生物质样品为草本类、木质纤维素类生物质，所述涂料为有机涂料。
8.根据权利要求6所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤4-1至步骤4-4中所述具有涂料层的生物质样品的涂抹厚度浓度小于等于5mL/cm2。
9.根据权利要求6所述一种基于拉曼光谱参数识别生物质表面涂料的方法，其特征在于，所述步骤4-1中采用激光波长范围为785、1064nm的拉曼光谱仪，激光功率范围为0.15-0.35w，在原始生物质样品与具有涂料层的生物质样品上分别选取5个以上测试点，每个测试点测试次数叠加350次以上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210979525.9A CN115389480B (zh) | 2022-08-16 | 2022-08-16 | 一种基于拉曼光谱参数识别生物质表面涂料的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210979525.9A CN115389480B (zh) | 2022-08-16 | 2022-08-16 | 一种基于拉曼光谱参数识别生物质表面涂料的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115389480A CN115389480A (zh) | 2022-11-25 |
| CN115389480B true CN115389480B (zh) | 2024-05-10 |
Family
ID=84120147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210979525.9A Active CN115389480B (zh) | 2022-08-16 | 2022-08-16 | 一种基于拉曼光谱参数识别生物质表面涂料的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115389480B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101784886A (zh) * | 2007-06-28 | 2010-07-21 | 通用电气家园保护有限公司 | 用于识别未知生物物质的方法和装置 |
| CN103308507A (zh) * | 2013-05-27 | 2013-09-18 | 广西工学院 | 一种快速测定聚氨酯中游离-nco的分析方法 |
| JP2015059800A (ja) * | 2013-09-18 | 2015-03-30 | コニカミノルタ株式会社 | ラマン分光測定方法及びラマン分光測定装置 |
| CN106198488A (zh) * | 2016-07-27 | 2016-12-07 | 华中科技大学 | 一种基于拉曼光谱分析的煤质快速检测方法 |
| CN110431403A (zh) * | 2017-03-21 | 2019-11-08 | 阿斯特罗普有限公司 | 涂层测定 |
| CN114026408A (zh) * | 2019-07-30 | 2022-02-08 | 亚历法克斯公司 | 识别微生物的方法 |
-
2022
- 2022-08-16 CN CN202210979525.9A patent/CN115389480B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101784886A (zh) * | 2007-06-28 | 2010-07-21 | 通用电气家园保护有限公司 | 用于识别未知生物物质的方法和装置 |
| CN103308507A (zh) * | 2013-05-27 | 2013-09-18 | 广西工学院 | 一种快速测定聚氨酯中游离-nco的分析方法 |
| JP2015059800A (ja) * | 2013-09-18 | 2015-03-30 | コニカミノルタ株式会社 | ラマン分光測定方法及びラマン分光測定装置 |
| CN106198488A (zh) * | 2016-07-27 | 2016-12-07 | 华中科技大学 | 一种基于拉曼光谱分析的煤质快速检测方法 |
| CN110431403A (zh) * | 2017-03-21 | 2019-11-08 | 阿斯特罗普有限公司 | 涂层测定 |
| CN114026408A (zh) * | 2019-07-30 | 2022-02-08 | 亚历法克斯公司 | 识别微生物的方法 |
Non-Patent Citations (5)
| Title |
|---|
| Tapered Side-Polished Microfibre Sensor for High Sensitivity hCG Detection;Wei Luo 等;IEEE Sensors Journal;20220415;第22卷(第8期);全文 * |
| 基于拉曼成像的煤岩组分化学结构原位研究;章鑫 等;工程热物理学报;20210630;第42卷(第6期);全文 * |
| 基于金纳米棒的生物检测、细胞成像和癌症的光热治疗;马占芳;田乐;邸静;丁腾;;化学进展;20090124(01);全文 * |
| 柴油发动机缸体内壁激光淬火的研究;彭锦;CNKI硕士学位论文电子期刊;20130715;全文 * |
| 磁控溅射制备Er2O3与Al2O3复合陶瓷薄膜及其表征;闫丹;CNKI博士学位论文电子期刊;20210115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115389480A (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104749132A (zh) | 一种测定面粉中偶氮甲酰胺的含量的方法 | |
| CN110567937A (zh) | 一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法 | |
| CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
| CN106248653B (zh) | 一种提高激光诱导击穿光谱定量分析长期稳定性的方法 | |
| CN102590132A (zh) | 一种甲醇汽油中甲醇含量快速测量方法 | |
| CN116202975A (zh) | 一种水体参数预测方法、存储介质及终端设备 | |
| CN115389480B (zh) | 一种基于拉曼光谱参数识别生物质表面涂料的方法 | |
| CN104833652A (zh) | 一种混合材料中纤维素硝酸酯含量的快速分析方法 | |
| CN101308120A (zh) | 一种烟用香精质量控制方法 | |
| Sykacek et al. | Prediction of natural durability of commercial available European and Siberian larch by near-infrared spectroscopy | |
| CN110132188B (zh) | 一种基于多元素x射线特征光谱综合分析的涂渗层厚度计算方法 | |
| CN106840948B (zh) | 封窖泥质量鉴别方法 | |
| CN115389481B (zh) | 基于拉曼光谱面扫描的生物质表面涂料均匀性检测的方法 | |
| CN109521002A (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
| CN112683849B (zh) | 一种猪肉品质无损检测方法 | |
| CN110174362B (zh) | 一种检测中性糖和酸性糖含量的方法 | |
| CN107884360B (zh) | 一种卷烟纸助燃剂检测方法 | |
| CN114062297B (zh) | 一种核桃油中诱导期的快速检测方法 | |
| CN111965166A (zh) | 一种生物质成型燃料特性指标的快速测量方法 | |
| CN111650175B (zh) | 一种生鲜肉脂肪氧化程度的无损检测方法 | |
| CN111157518A (zh) | 一种基于甲醇含量检测绝缘纸老化程度的方法 | |
| CN109975275A (zh) | 提高激光诱导击穿光谱测量煤中氮元素精度的方法 | |
| Liu et al. | Determination of ethyl octanoate in Chinese liquor using FT-NIR spectroscopy. | |
| CN112345487B (zh) | 一种基于近红外光谱技术的单体香原料溶液浓度的判定方法 | |
| CN118130447B (zh) | 成分分析方法与系统、存储介质、成分分析设备 |
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 |