判别作物大小

近红外技术的诞生在水果产业技术方面产生两大效益。一是技术的升级换代。例如，以往是破坏性检测水果糖度，而现在实现了无损检测。二是填补空白。例如，以前没有任何一项技术可以无损检测树上果实的糖度，现在却已实现。近红外技术判别果实成熟度是以往判别方法和技术的升级，此类研究本应与以往技术进行关联论述，但很少有人论及近红外的检测指标与以往方法和技术之间的关系，本文试图回答这个问题。这篇文章有两个关键词：果实成熟度和近红外技术。第一个关键词果实成熟度。不知从何时开始，果实的成熟期被划分为 3类：可采成熟期、食用成熟期和生理成熟期。特别是生理成熟期被认为是水果内部种子已充分成熟，此时的果肉已经开始腐烂变质，不宜食用[1,2]。本人的认知与之相反，应该先是生理成熟期而非最后。例如，洋梨系列，先是生理成熟并采摘，放置十天半月后方能食用。鉴于目前有关果实成熟度的描述和解释以及定义尚未统一的现状，本人认为从发育-成熟-后熟-催熟方面的描述更加科学，故介绍如下。所谓成熟(maturation)，是指果实发育成原本的大小，成分充实，处于收获状态，即食或通过催熟等方式后食用。成熟的果实仍然挂在树上，会进一步后熟(ripening)，加速着色和果肉软化，变成全熟(fullripe)状态。另外，收获成熟的果实后，果实会继续进一步成熟，也就是催熟(postharvest ripening)，再变成适熟(eating ripe)，迎来食用时期[3]，如图1所示。图1 果实发育不同阶段示意图之所以讨论这个问题是因为成熟度决定着采收期，也就是生理成熟程度。果实种类不同采收期和采收方式也不同。例如，无花果只能成熟一个采收一个，而苹果可以成熟一个采收一个，也可以一次性采收。前者是边判断树上单个苹果成熟度边收获的方法，主要用于高品质或附加值高的早熟、中熟品种的收获。而后者则是在一个时期内集中收获，如“富士”等晚熟品种就用这个方法[4]。过去，果实一个个采收，或集中收获后进行成熟度分级只能凭借目视判别，常用果实色卡与果实表皮颜色和底色等表观现象进行对比。当然，还有经验法。果实成熟度的本质是果实内部成分不断发生着生化和质构的变化，评价指标因果实而异，如（表1）。众所周知，近红外技术依据上述表1部分指标可以实现挂在树上的每个果实成熟度的判别，也可在线逐一检测每个果实的成熟度。由此涉及到第二个关键词，近红外技术。有关近红外技术判别果实成熟度的论文很多，绝大多数都是把评价指标与近红外光谱直接关联进行建模分析，并未与现有评价体系进行呼应。近红外技术在判别果实成熟度方面是替代以往经验法或色卡比对法，是技术升级换代，并非填补空白。经过本人的努力，只检索到山根崇嘉[5]和阪本大輔[6]的论文中，总结归纳了果皮叶绿素与淀粉指数(starch index)、果皮底色（ground color）之间存在着相关关系，证明可以通过近红外技术检测果皮叶绿素含量判别果实成熟度的内涵。特此简述如下。山根等人利用近红外专用检测仪（おいし果，千代田電子工業（株））检测水果内部品质，针对丰水、幸水和秋月梨三种日系梨采集果实650～740 nm 的漫反射光谱，PLS建模得到果皮叶绿素预测值与实测值高度相关的结论，如图2所示。图2 果皮叶绿素含量实测值与计算值的关系(2016年产)（左图） 图3 用2017年“幸水”模型，验证2016年各品种叶绿素含量（右图）同时，作者还进行了叶绿素含量实测值和果皮底色之间的相关分析，如图4所示，并得出4个关系式。混合(粗实线) y = 0.0383 (x - 11.8825)2+ 0.4274 (r2 = 0.944)幸水(实线) y = 0.0364 (x - 12.2582)2+ 0.2770 (r2 = 0.937)丰水(短虚线) y = 0.0369 (x - 11.8198)2+ 0.5599 (r2 = 0.953)秋月(长虚线) y = 0.0345 (x - 13.1957)2 - 0.0587 (r2 = 0.949)图4 叶绿素含量实测值与果皮底色关系由此可知，通过近红外技术检测日系梨果皮叶绿素含量就能替代现有果实色卡比对方法，实现无损判别梨果实的成熟度。除了上述两个关键词之外，特别值得一提的是果皮叶绿素的实测方法。叶绿素提取的方法很多，主要包括二甲基亚矾(DMSO)法、丙酮乙醇水混合液法、丙酮乙醇混合液法、创性传感检测法和无损预测法等，这些方法各有优势，且主要集中在叶片上。对梨果皮中的叶绿素的提取与含量测定已有相关报道，但研究结果中果皮的色素含量有较大差异，且不稳定[7]。尤其是日系梨果皮表面被软木层（cork layer）所覆盖，必须去除软木层露出果皮方能取样测量果皮叶绿素。山根等人根据Porra(1989)的方法测定叶绿素含量[8]。首先对拟采样部位的软木层用透明胶带稍用力按压后再撕下来，以此反复至完全去除，就不会损伤露出表面。采样部位的果皮(已除去软木层)用陶瓷刀(CP-99，京瓷(株))将果皮剥至一定厚度(1.7 ~ 1.8 mm)，制成直径12mm的圆片果皮备用。然后在圆片果皮中央切出一处刀口，浸泡在1mL的N,N二甲基甲酰胺中，放置在约4°C的阴暗处24小时，提取。从提取液中取出果皮后，用5000 g进行3分钟的离心分离(CF15RX，(株)日立制作所)，用分光光度计(Bio spect -1600，(株)岛津制作所)测量澄清液646. 8nm，663.8 nm，以及没有叶绿素吸光的750.0 nm的吸光度作为悬浊度基线，来求得含量。叶绿素含量计算公式：叶绿素(a+b)含量(μgmL-1) = 17.67 (A646.8 - A750.0) + 7.12 (A663.8 - A750.0)A：表示各波长的吸光度。除去软木层后，为了防止果皮褐变，需要进行一系列尽可能快的操作，同时，为了防止叶绿素的光分解，将提取液放入遮光箱，一直保管到测量结束。要想获得准确的近红外模型预测值，不但要注重光谱采集、预处理以及建模方法，还应同等重视实测值的正确获取，因为近红外的预测值精度永远不会超过实测值的精度。阪本等人针对6种苹果也进行了与山根等人研究思路非常类似的实验。不同的是评价指标，苹果除了果皮底色以外，还增加了淀粉指数。这里只以大家熟悉的富士苹果为例进行介绍和说明。由图5可知，富士苹果叶绿素的实测值与预测值相关系数高达r2=0.967。叶绿素实测值与果皮底色和淀粉指数均呈曲线相关（图7，8）。同样，该实验说明通过近红外技术检测苹果果皮叶绿素含量可以替代现有经验法、果实色卡比对法、淀粉指数法，实现树上和在线无损检测判别果实的成熟度。图5 富士苹果果皮叶绿素实测值与预测值之间的关系（2018年）图6 用2018年“北郎”模型预测2019年富士苹果的实测值与预测值的关系图7 富士苹果叶绿素实测值与果皮底色之间的关系图8 富士苹果实测叶绿素值与淀粉指数的关系综上所述，近红外技术检测所用的指标也许直接或间接与果实成熟度相关，该指标若能与以往方法或技术涉及的指标具有相关性，则可证明近红外技术可用于果实成熟度的判别。本文内容纯属个人思考和观点，受水平和能力所限，尚存诸多未尽事宜，仅供参考。参考文献：［1］孙梦梦，鞠皓，姜洪喆，等。水果成熟度无损检测技术研究进展［J］.食品与发酵工业，2023,49(17):354-362［2］黎丽莎等：近红外无损检测技术在水果成熟度判别中的应用研究，华东交通大学学报，Vol.38 No.6Dec.,2021［3］果樹園芸学の基礎／伴野潔／山田寿／平智 ［4］石井雅樹：果実の収穫適期定量判定アプリの開発，http://www.tohoku-hightech.jp/file/seminar/kouen3.pdf石井雅樹：果実の収穫適期定量判定アプリの開発，http://www.tohoku-hightech.jp/file/seminar/kouen3.pdf［5］山根崇嘉等，ニホンナシにおける果皮のクロロフィル含量の非破壊計測，園学研．18 (3)：253–258．2019［6］阪本大輔等，リンゴにおける果皮のクロロフィル含量の非破壊計測，園学研．20 (1)：73–78．2021［7］吴悦菊等，梨果皮色素含量的测定方法研究，中国农学通报 2023,39(28):119-125［8］Porra, R. J., W. A. Thompson and P. E. Kriedemann. 1989. Determination of accurate extinction coefficients and simul taneous equations for assaying chlorophylls a and b extracted with for different solvents: verification of concentration of chlorophyll standards by atomic absorption spectroscopy.Biochim. Biophys. Acta 975: 384–394.（文章来源：中国农业大学 韩东海教授）

三维荧光光谱判别不同种类的谷物面粉 在日常生活中，面粉与我们息息相关，种类复杂多样，如小麦面粉，黑麦芽粉等，不同种类的面粉对应的等级和价格也有所不同。使用三维荧光光谱可以获得样品大量信息，因此在食品领域应用非常普遍。日立F-7100分光光度计，在同类仪器中具有最快的扫描速度和超高的灵敏度，可以快速准确获得包含多种信息的三维荧光光谱，从而鉴别样品种类。测定附件微孔板附件通常用于溶液样品多样品分析，然而之所以它能够进行固体样品的分析是因为该附件的结构能够在样品表面进行荧光测量。图1 微孔板附件测定实例样品：小麦粉，黑麦粉，玉米粉，南瓜粉，大米粉，土豆粉，糙米粉，大豆粉将8种不同的谷物面粉填充在微孔板中，每种谷物面粉的样品数为3，总共24个样品。确保样品表面平整进行三维荧光光谱的测定。详细测定信息及数据见：https://www.instrument.com.cn/netshow/sh102446/s912171.htm总结 三维荧光光谱具有指纹特征，能够快速有效判别多样品类别物质，日立集团以“高科技解决方案创造价值”这一基本理念，使用自主研发技术，在食品领域中发挥着巨大作用。

有机蔬菜，是指在蔬菜生产过程中严格按照有机生产规程，禁止使用任何化学合成的农药、化肥、生长调节剂等化学物质，以及基因工程生物及其产物，而是遵循自然规律和生态学原理，采取一系列可持续发展的农业技术，协调种植平衡，维持农业生态系统持续稳定，且经过有机食品认证机构鉴定认证，并颁发有机食品证书的蔬菜产品。关于如何快速鉴别有机蔬菜与非有机蔬菜，光谱仪器的应用提供了新的思路。一起来了解一下今日推荐的文章。使用 VIS-NIR 光谱仪通过特征波长和线性判别分析法快速区分有机和非有机叶菜（空心菜、苋菜、生菜和小白菜）当前有机叶类蔬菜面临着可能被非有机产品替代以及容易脱水和变质的挑战。为了解决这些问题，本研究采用ASD FieldSpec 4 便携式地物光谱仪结合线性判别分析 (LDA) 来快速区分有机和非有机叶菜。有机类包括有机空心菜 (Ipomoea Aquatica Forsskal)、苋菜 (Amaranthus tricolor L.)、生菜 (Lactuca sativa var. ramosa Hort.) 和小白菜 (Brassica rapa var. chinensis (Linnaeus) Kitamura)，而非有机类别由四种对应的非有机类别组成。分别对这些蔬菜的叶子和茎的反射光谱进行二元分类。鉴于 VIS-NIR 光谱范围广泛，使用稳定性选择 (SS)、随机森林 (RF) 和方差分析 (ANOVA) 来评估遗传算法 (GA) 选择的波长的重要性。根据GA选择的波长及其SS评估值和位置，叶片光谱分类的显著波段为550-910 nm和1380-1500 nm，而茎光谱分类的显著波段为750-900 nm和1700-1820 nm。在LDA分类中使用这些选定的波段，分类精度达到了95%以上。本研究所选取的叶类蔬菜用蒸馏水进行了严格的清洗，以有效消除其表面杂质，并在开始光谱测量之前进行了干燥处理。为了防止蔬菜变质，在不参与实验时，将其储存在温度为 4°C 的冷藏装置中。叶片和茎类样品的反射光谱在实验室中通过ASD系统直接测量，没有使用化学试剂和其他预处理。ASD地物光谱仪系统实验平台对于本研究，仅使用了400 nm到2500 nm之间的反射值。针对四种不同类别的叶菜，包括有机和非有机品种，共获取了100个反射光谱。这些反射光谱是从不同样品的不同位置获取。每个单独的光谱是通过对相应样品的五次扫描数据进行平均得到的。四种叶菜的可见光和近红外反射光谱；绿色曲线（有机）；红色曲线（非有机）叶类蔬菜的叶和茎的可见光和近红外反射光谱根据遗传算法选择的波长（所有点）得出的所选波段，以及通过稳定性选择方法评估的前 10 个显著波长（红点）的位置(a) 叶片光谱（550–910 nm和1380–1500 nm）(b) 茎光谱（750–900 nm和1700–1820 nm）【结论】本研究结合了可见光和近红外光谱学、波长选择方法以及线性判别分析，成功地实现了对有机叶菜和非有机对应物的快速区分。通过分析遗传算法选取的波长分布和最显著波长的分布，我们明确确定了适用于叶片和茎的关键光谱带，这些带包括了550–910 nm和1380–1500 nm以及750–900 nm和1700–1820 nm的范围。利用这些光谱带进行分类，我们取得了98.3%的高准确度。研究还揭示了特定波长对叶片和茎的光谱分类有着显著影响，例如在700 nm、820 nm和1400 nm附近的波长对叶片分类的影响显著，而在800 nm、1780 nm和2400 nm附近的波长对茎分类起到了重要作用。此外，我们发现稳定选择方法在评估波长重要性和分类结果方面表现优异。这项研究提供了一种经济、快速、无损伤的方法来识别有机叶菜，未来的研究可以进一步改进分类模型，并将该技术扩展到其他有机叶菜的识别中，从而为农产品质量和认证领域的发展提供了重要的参考。

电位滴定法是一种用电极电位的突跃来确定终点的滴定方法。在滴定过程中，滴定容器内浸入一对适当的指示电极和参比电极，随着滴定剂的加入，待测离子浓度发生改变，指示电极的电位也发生变化，在化学计量点附近可以观察到电位的突变（电位突变），因而根据电极电位突跃可以确定终点的到达，这就是电位滴定法的原理。 目前市面上国内外的自动电位滴定仪有很多款，但是除了进行常规的电位滴定外没有一款水分仪可以达到自动颜色判断滴定。可是药典中很多是没有用电位滴定进行含量检测的，如乙胺嘧啶，二氟尼柳，二盐酸奎宁，十一烯酸锌、山梨醇等等都还是用指示剂显示滴定终点的。 传统上大部分滴定操作是指示剂变色判断终点，最终是靠人眼判断终点变色，人手控制旋塞。而这种操作需要训练有素的分析人员，且易疲劳，准确度难以控制。 为了让电位滴定仪的应用更加普及，能够为大众服务，为了满足市场需求上海禾工自主研发生产出CT-1plus全自动电位滴定仪，CT-1plus电位滴定仪除了进行常规的电位滴定如酸碱滴定、氧化还原滴定、沉淀滴定和络合滴定等，还可以进行自动颜色判断滴定，全方位覆盖了所有通过滴定方法来进行的检测分析。这也是禾工电位滴定仪的特殊之处。 CT-1plus自动电位滴定仪的优点 1.自动颜色判定，机器人视觉原理精确颜色判断，大大提高滴定准确度，大大降低了操作人员的误差。2.自主知识产权的计量管活塞，使得滴定控制更精确3.测试报告符合GLP/GMP规范，U盘存储防伪pdf实验报告4.测试方法和测试记录条数无限制可以应用在石油化工，化妆品，药品，食品，高校，科研等各种不同的行业和领域。

双孢蘑菇属于呼吸跃变型，采后极易变软腐烂，通常采后常温下双孢蘑菇1～3 d就会出现失水、开伞或者褐变，冷藏可贮藏5～10 d，因此其货架期较短。此外，双孢蘑菇具有薄且多孔的表皮结构同时又缺乏保护组织，属于典型的机械损伤或瘀伤高敏感性作物。在流通过程中要经历长时间的振动胁迫，导致双孢蘑菇产生不同程度的机械损伤。严重的外部损伤可通过机器视觉技术等手段进行检测。沈阳农业大学信息与电气工程学院的姜凤利和食品学院的孙炳新*等以双孢蘑菇为研究对象，采集室温条件下不同振动胁迫时间的新鲜蘑菇高光谱信息，融合光谱和纹理特征，结合化学计量学方法，对双孢蘑菇的早期机械损伤进行快速预测和判别。1、双孢蘑菇色泽分析从表1可以看出，随着振动时间的延长，蘑菇菌盖的亮度L值逐渐下降，颜色值a、b愈加发黄、发红，体现出双孢蘑菇的颜色值随着振动时间的变化而变化。与蘑菇亮度L变化趋势相反，褐变度持续升高，这可能是因为振动处理加剧膜脂过氧化作用，细胞膜透性升高，导致细胞膜结构破坏，使酚类物质与褐变相关酶广泛接触并反应，从而加剧了褐变的发生。综上所述，说明振动胁迫会加速双孢蘑菇白度值下降和褐变。2、双孢蘑菇光谱特征图3为不同振动时间双孢蘑菇平均光谱曲线，可以看出，原光谱数据在400～450 nm和900～1 000 nm波段范围内存在较大噪声，为了保证后续模型的分类正确率，选择450～900 nm范围内的光谱数据进行后续研究。不同振动时间蘑菇平均反射率光谱曲线显著不同，振动120 s的平均光谱反射率最低，完好无损的最高，表明光谱反射率与L值有关，L值越大，蘑菇表面越明亮，光谱反射率越大，即随着褐变度的增加，双孢蘑菇反射率下降明显。进一步分析，光谱在450～750 nm波段不同损伤程度的双孢蘑菇反射率差异明显。3、光谱数据预处理为了提高光谱数据的信噪比，分别采用SNV、SG以及MSC对原光谱进行处理，原光谱曲线以及3种方法处理后光谱曲线（取3种样本各10个光谱数据）如图4所示。从表2可以看出，经过不同预处理方法后，分类模型的效果有很大差异，其中SG预处理后的建模效果最好，训练集和测试集分类正确率分别达到91.11%和84.44%，因此后续研究均采用SG平滑方法处理实验数据。4、特征提取特征波长提取采用SPA提取特征波长个数与RMSECV对应关系如图5a所示，可见选择的特征波长个数为5时，RMSECV值最小为0.191。最终提取出的5个特征波长依次为465、495、512、540、616 nm，如图5b所示。特征波长主要集中在500～650 nm之间，主要是由于该波段范围对应可见光谱的黄色及黄绿色，振动胁迫导致双孢蘑菇表面颜色逐渐变黄，因此随着褐变度增加光谱反射率呈下降趋势。从图6可以看出，CARS在第59次采样时，获得的变量子集建立的PLS模型RMSECV最小，因此，该子集定为关键变量子集，共包含8个变量。提取的特征波长依次为451、475、484、492、518、545、655、798 nm。与SPA相似，CARS提取的特征波长主要集中在500～650 nm附近范围内，除此之外，798 nm波段主要与蘑菇水分含量有关，由于蘑菇受振动胁迫时间较短，因此水分变化并不明显。纹理特征提取如图7所示，因此本研究采用500 nm波段下的灰度图作为特征图像进行感兴趣区域提取。从180个双孢蘑菇样本灰度图中提取240×240大小感兴趣区域图像作为纹理图像，根据纹理特征参数提取方法提取纹理特征值。5、损伤识别模型基于光谱特征的判别模型从表3可以看出，3种识别模型对完好无损、振动60 s、振动120 s的双孢蘑菇识别效果存在较大差异。从3种模型的检测结果看，在训练集和测试集中，SPA提取特征波长效果均优于CARS，可能是由于CARS特征提取算法选择的波长与双孢蘑菇振动损伤相关性较小，而SPA对于消除原始光谱中的冗余信息效果更为突出。此外，SPA-PLS-DA分类识别率最高，训练集和测试集的平均识别率分别为93.33%和91.11%，SPA-BP模型识别率次之，训练集和测试集平均识别率分别为91.11%和88.89%，可能是因为BP神经网络在训练时神经元反向传递学习过程中，易陷入局部最优解。ELM识别模型分类效果差于PLS-DA和BP，训练集和测试集平均识别率分别为82.96%和71.11%，原因可能是ELM模型权重和偏置在后续训练中不进行更新，使其陷入局部最小值，无法获得最优解。基于纹理特征的判别模型从表4可知，与光谱特征判别模型一致，基于纹理特征判别模型的准确率高低依次为PLS-DA、BP和ELM。PLS-DA识别模型在训练集和测试集中，完好无损双孢蘑菇识别正确率均在90%以上，振动60 s类型、振动120 s类型双孢蘑菇识别正确率均低于90%；BP判别模型的分类效果不理想，训练集和测试集中，3 类双孢蘑菇识别正确率均在90%以下，尤其是测试集中，振动60 s双孢蘑菇识别正确率为53.33%。ELM判别模型平均分类正确率最低，训练集和测试集中仅有振动120 s类型双孢蘑菇识别正确率在80%以上。以上建模结果表明单从外部纹理特征建模并不能准确表达蘑菇的内部信息，识别效果不理想。基于光谱-纹理特征融合的判别模型从表5可以看出，训练集的3种不同损伤程度的双孢蘑菇识别正确率均为97.78%，测试集的完好无损类型和振动120 s类型的双孢蘑菇识别正确率为100%，振动60 s类型识别正确率为86.67%，总体识别率为95.56%。从图8可以看出，测试集的振动60 s出现了识别错误的情况，振动60 s被识别成振动120 s和完好无损类型各1个，识别错误的原因可能是振动60 s类型的部分样本与之相邻两类样本的纹理特征差异较小，且光谱特征区分不够明显，导致测试集发生误判的情况。结 论分析并比较SG、MSC和SNV作为高光谱数据预处理方法的建模效果，确定SG为预处理最佳方法。将处理后的数据采用SPA、CARS方法提取特征波长。基于特征波长下的光谱数据以及全波段光谱数据建立PLS-DA、BP神经网络以及ELM分类模型，最终确定SPA-PLS-DA模型分类效果最好，训练集和测试集总体识别率分别为93.33%、91.11%。利用灰度共生矩阵提取500 nm波段下双孢蘑菇纹理特征参数16个，基于特征值建立双孢蘑菇图像信息的PLS-DA、BP神经网络以及ELM分类模型，通过分析实验结果，确定PLS-DA为最佳分类模型，其中训练集和测试集总体识别率分别为88.89%、86.67%。相比光谱建模效果稍差。融合光谱特征和图像特征，建立PLS-DA双孢蘑菇分类模型，训练集和测试集总体识别率分别为97.78%和95.56%。预测效果优于单一信息建立的判别模型。结果表明，采用光谱-图像融合信息建模可以提高双孢蘑菇损伤程度检测精度。

建立科学的白茶产地溯源技术是保障我国白茶原产地利益、维护白茶市场知识的重要基础工作。目前，关于白茶产地判别方法包括近红外光谱技术、化学指纹图谱分析（代谢产物、矿质元素、稀土元素、同位素标记法）、气相离子迁移谱等，除了近红外光谱技术外，其他检测技术存在检测成本高、操作要求高、难以执行等问题。近红外光谱技术作为绿色分析技术，在茶叶产地、等级、质量评价上具有优越性，具有高效、便捷、易于产业化等优点，已经在食品、炼油、药物等领域广泛应用，近红外光谱技术也被应用于茶叶中特征性化合物咖啡碱、茶多酚等快速检测。2022年4月，《国家标准化管理委员会关于下达2022年第一批推荐性国家标准计划及相关标准外文版计划的通知》（国标委发〔2022〕17号）正式印发，由福建农林大学孙威江教授牵头申报的《白茶产地溯源技术规程 近红外光谱法》获批立项，成为我国茶叶产地溯源领域第一个获批立项的国家标准。该标准归口单位是全国茶叶标准化技术委员会，主要起草单位为福建农林大学、福建融韵通生态科技有限公司、安徽农业大学、中华全国供销合作总社杭州茶叶研究院、丽水市农林科学研究院、六妙白茶股份有限公司、福建品品香茶业有限公司、黄山小罐茶业有限公司、南平市建阳区农业农村局经作站、赛默飞世尔科技（中国）有限公司、福安市茶茶产业发展中心、福鼎市张元记茶业有限公司、国家茶叶产品质量检验检测中心（四川）、广西亚热带作物研究所、大荒(福建)茶业有限公司、福建省华羽村茶业有限公司、广西茶叶学会、福建政和瑞茗茶业有限公司、福建隆合茶业有限公司、福建松溪瑞茗茶业有限公司、福建天湖茶业有限公司。日前，《白茶产地溯源技术规程 近红外光谱法》征求意见稿发布，本标准规定了近红外光谱法判定白茶产地的术语和定义、原理、仪器设备、近红外光谱模型的建立与验证、模型的使用、模型的维护、异常结果的确认和处理、判别准确性、白茶产地溯源判别实例；适用于三年内生产、芽叶型白茶散茶产品的产地溯源；不适用于以白茶为原料的再加工产品；不适用于多产地来源的拼配型白茶产品。本标准的第三部分规定了白茶产地溯源技术、白茶产地溯源模型、近红外光谱法、白茶光谱库、白茶训练集、白茶验证集、训练集样品、验证集样品、未知样品、模型验证的定义；标准的第四部分规定了原理，第五部分规定了仪器设备，第六部分规定了近红外光谱模型的建立与验证，第七部分规定了模型的使用，第八部分规定了模型的维护，第九部分规定了异常结果的确认和处理。相关编制说明显示，采集不同产地白茶的近红外光谱数据，经适当预处理、确定特征提取算法后，结合数据挖掘分类器直接提取特征向量建模，构建出高识别正确率的白茶产地判别模型。在此模型基础上，通过逐年扩大各个产地白茶的样本量，优化与验证产地识别模型性能，提高模型普适性，从而形成《白茶产地溯源技术规程 近红外光谱法》。因此，本标准在规范我国白茶原产地保护、维护白茶市场秩序、促进白茶产业高质量发展具有重要作用。附件： 国家标准《白茶产地溯源技术规程 近红外光谱法》编制说明.pdf国家标准《白茶产地溯源技术规程 近红外光谱法》征求意见稿.pdf

香蕉富含多种营养成分，对人体有很多益处，其中之一是润肠通便。但不熟的香蕉有严重的涩味，此涩味来自于生香蕉中的大量的鞣酸。鞣酸具有非常强的收敛作用，会造成便秘，所以建议大家等香蕉熟透后再食用。 用紫外线在300-400nm波长下照射香蕉皮，会检测到香蕉皮发射出在430nm有最高峰的蓝色荧光。随着香蕉成熟度的增加，其含糖量也增高，发出的荧光强度也随之增加。所以可将此作为评价香蕉成熟度的指标之一。 图为.香蕉的3D荧光光谱图 了解详情，请点击《通过3D荧光光谱判别香蕉的成熟度》，http://www.instrument.com.cn/netshow/SH102446/s493642.htm关于日立荧光分光光度计F-7000，敬请点击：http://www.instrument.com.cn/netshow/SH102446/C138207.htm 关于日立高新技术公司：日立高新技术公司，于2013年1月，融合了X射线和热分析等核心技术，成立了日立高新技术科学。以“光”“电子线”“X射线”“热”分析为核心技术，精工电子将本公司的全部股份转让给了株式会社日立高新，因此公司变为日立高新的子公司，同时公司名称变更为株式会社日立高新技术科学，扩大了科学计测仪器领域的解决方案。日立高新技术集团产品涵盖半导体制造、生命科学、电子零配件、液晶制造及工业电子材料，产品线更丰富的日立高新技术集团，将继续引领科学领域的核心技术。更多信息敬请关注：http://www.instrument.com.cn/netshow/SH102446/

风味物质是粮食作物食用品质和营养价值的重要衡量指标。小麦、玉米等谷类作物在储藏过程中的品质劣变与其风味物质含量密切相关。岛津中国创新中心与国家粮食和物资储备局科学研究院杨永坛研究员团队合作，基于固相微萃取-气相色谱-三重四极杆质谱联用技术（SPME-GC-MS/MS）对玉米中挥发性风味物质的种类和含量进行分析，多元统计分析结果显示，玉米的挥发性风味物质与储藏年限存在一定的相关性。由此可构建玉米储藏年份的分类模型，为玉米储藏品质的动态监测提供技术手段。研究成果以“SPME-GC-MS/MS结合多元统计分析不同储藏年份玉米风味物质差异”为题，已发表在《粮油食品科技》期刊。背景介绍粮食在贮藏期间会受到温度、湿度、微生物等环境因素影响，其食用品质和营养价值也会随着储藏时间延长而发生改变。玉米是我国主要粮食作物之一，也是我国储备粮的重要组成。由于玉米原始水分含量相对较高，同时内部富含脂肪，其相较于其他粮食品种储藏稳定性较差，易发生品质劣变，进而影响其种用、食用和加工品质。因此在玉米收购入仓和轮换出库前对其储藏品质进行评估十分必要，引起了研究人员的广泛关注。挥发性风味物质是影响玉米食用和加工的主要因素之一，风味物质的类型、含量以及它们之间的相互作用共同决定着玉米的风味。玉米储藏过程中风味物质含量变化间接反映其品质改变，因此越来越多的研究人员通过测定玉米中典型挥发性风味物质对其进行品质鉴别。已有多项研究发现玉米挥发性风味物质的种类和含量受不同储藏条件的影响，但尚未阐明不同储藏时间玉米的特征差异物质。固相微萃取技术能对含量较低的挥发性物质进行富集，在挥发性物质检测中具有方便、灵敏、高效的优点，在食品风味物质检测领域应用广泛。本研究以吉林地区2019—2022年收获玉米为研究对象，采用固相微萃取-气相色谱-三重四极杆质谱联用技术（SPME-GC-MS/MS）对玉米储藏过程中的风味物质进行检测，并结合主成分分析（PCA）和偏最小二乘法判别分析（PLS-DA）进行数据分析，阐明不同储藏年份玉米的特征差异物，建立玉米储藏年份判别模型。以期为玉米储藏品质的动态监测提供技术手段，更好地指导储备玉米科学储存与适时更新轮换。研究内容本研究采用固相微萃取-气相色谱三重四极杆质谱（GCMS-TQ系列），搭配专属型风味物质多反应监测（MRM）数据库，对玉米样品中的挥发性风味物质进行分析。图1为某采收自2019年的玉米样品的总离子流图，共检出挥发性风味物质共129种，包括醛类、醇类、酯类、酮类、苯系物、杂环类、酸类、醚类、烃类和酚类化合物共10类。检出化合物中醛类物质种类最为丰富，共检出26种，其次为醇类物质和酯类物质，分别检出23种和17种。对不同储藏年份玉米中各类风味物质的相对含量进行分析，结果显示酸类物质在玉米中相对含量最高，是玉米中的主要挥发性风味物质。并发现不同储藏年份玉米中风味物质相对含量发生了变化，需进一步探究二者之间的相关性。图1. 2019年玉米样品总离子流色谱图为明确风味物质含量与玉米储藏年份之间的关系，对不同储藏年份玉米中的挥发性风味物质进行PCA分析。从图2（A）可以看出，不同储藏年份玉米呈一定的聚类趋势。其中2019年和2022年储藏玉米区分度较为显著，表明该模型对储藏年份相差较大的样品区分能力较强。对不同储藏年份的样品组进行皮尔逊相关分析，结果如图2（B）所示，表明每个年份的样品组与其相应年份的样品组之间有很强的正相关性。图2. 2019—2022年玉米风味物质的统计分析结果: (A) 主成分分析得分图 (B) 皮尔逊相关分析为进一步直观体现不同储藏年份玉米的风味物质特征，对检测数据进行了PLS-DA分析。如图3（A）所示，4个储藏年份的样品分别聚为一类，表明不同年份间玉米的挥发性化合物差异显著。利用5倍交叉验证对PLS-DA模型的预测精确度和拟合度进行验证，结果如图3（B）所示，使用3个组分时，模型的R2=0.98，Q2=0.96，预测精确度为1.0，表明模型具有较好的预测能力。按照变量投影重要性（VIP）值大于1的标准，共筛选出47种关键差异化合物。图3 2019—2022年玉米风味物质的偏最小二乘判别分析结果: (A) 三维PLS-DA得分图 (B) 不同组分数下PLS-DA分类性能 (C) VIP值图进一步比较不同年份间玉米中挥发性风味物质的差异，可以看出有6种挥发性化合物出现规律性变化。其中，1-辛烯-3-醇、丁酸橙花酯和2-正戊基呋喃3种化合物含量随储藏时间的延长而减少（如图4（A）~（C））；此外，DL-泛酰内酯、辛酸甲酯和2-乙酰基呋喃化合物的含量随储藏时间的延长而增加（如图4（D）~（F））。图4. 不同储藏年份玉米特征风味物质箱线图结论基于岛津固相微萃取-气相色谱三重四极杆质谱仪建立玉米中挥发性风味物质的分析方法，对2019至2022年收获东北地区玉米样品中挥发性风味物质进行检测，采用PCA和PLS-DA方法对不同储藏年份玉米的风味物质数据进行分析，筛选出在不同年份的玉米间具有显著性差异的化合物，根据检出的差异化合物在不同储藏年份玉米中的含量分布构建分类模型，将为不同年份玉米的储藏品质动态监测提供参考，以更好指导储备玉米的科学储存与适时更新轮换，对保障国家粮食安全和节粮减损具有重要意义。岛津多功能自动进样器-气相色谱三重四极杆质谱仪参考文献：[1] WANG S, CHEN H, SUN B. Recent progress in food flavor analysis using gas chromatography–ion mobility spectrometry (GC–IMS) [J]. Food Chemistry, 2020, 15(315): 126158.[2] 徐瑞, 李洪军, 贺稚非. 玉米冻藏过程中挥发性成分变化及主成分分析[J]. 食品与发酵工业, 2019, 45(1): 210-218. XUN R, LI H J, HE Z F. Changes and principal component analysis of volatile compounds in corn ears during frozen storage[J]. Food and Fermentation Industries, 2019, 45(1): 210-218.[3] 李云峰, 范競升, 陈冰琳,等. 3个甜玉米品种在不同储藏条件下可溶性固形物含量及挥发性风味成分变化[J]. 华南农业大学学报, 2021, 42(03): 33-44. LI Y F, FAN J S, CHEN B L, et al. Changes of soluble solid contents and volatile flavor components of three sweet corn cultivars under different storage conditions[J]. Journal of South China Agricultural University, 2021, 42(03): 33-44.[4] 郭瑞, 李盼盼, 张晓莉, 等. SPME-GC-MS/MS 结合多元统计分析研究不同储藏年份玉米风味物质差异[J]. 粮油食品科技, 2024, 32(3): 179-186. GUO R, LI P P, ZHANG X L, et al. Diversity analysis of volatile flavor compounds of corn with various storage years based on SPME-GCMS/MS and multivariate statistical analysis[J]. Science and Technology of Cereals, Oils and Foods, 2024, 32(3): 179-186.本文内容非商业广告，仅供专业人士参考。

黑土地是指具有黑色或者暗黑色腐殖质表土层，性状好、肥力高的耕地，这类耕地可用于粮食生产。黑土地黑土地是地球上最珍贵的土壤资源，地球上一共有四块黑土地，分别是乌克兰的乌克兰平原、美国的密西西比平原、中国的东北平原以及南美洲阿根廷连至乌拉圭的潘帕大草原。我国东北平原典型黑土区耕地面积约2.78亿亩，是重要的粮食生产优势区和全国最大的商品粮生产基地。然而，近年来相关研究和调查发现，由于掠夺经营、水土流失等原因，黑土层厚度已逐渐减少，土壤有机质含量也明显降低，土壤侵蚀成了黑土地不容忽视的问题之一。保护黑土地对于保障国家粮食安全、生态安全，促进农业绿色可持续发展具有重大的意义。接下来我们了解一篇在黑土地区探测土壤侵蚀状况的论文。ASD Fieldspec 3 FR光谱仪在东北典型黑土地区农田土壤侵蚀热点探测方面的应用土地退化影响着世界上大约三分之一的农田 ，其中土壤侵蚀是最严重和最广泛的退化形式。在侵蚀严重的地区，土壤剖面可能出现明显的截断现象，导致富含碳和营养丰富的表土物质空间重组，造成土壤有机碳（SOC）加速损失，土壤肥力下降，从而影响退化农田的粮食生产。据估计，每10厘米土壤损失作物产量平均减少约4%，而由于农业管理不当和施肥水平低，发展中国家减产的程度可能会加剧。联合国可持续发展目标框架下的土地退化中立方案明确采用了SOC作为评估和监测土地退化状况的关键指标。因此，更好地了解发生土壤侵蚀的地点和加速侵蚀程度，以及SOC损失的发生，将在很大程度上有助于全球在粮食安全和气候方面可持续利用土壤资源的努力。普遍通用的土壤损失方程（USLE）拥有高度的数据可访问性，然而，它仍然是一种经验方法，只考虑了水蚀，而忽略了其他形式，如耕作和风蚀，并没有模拟土壤沉积。另外，主要在流域规模上，存在许多基于过程的物理模型来模拟单个降雨事件中相互作用的侵蚀和沉积过程，但其模型结构的复杂性和模型参数化的不平衡往往会影响模型的空间预测能力，且当前评估侵蚀发生地点和程度的方法仍然不足以在高空间分辨率下精确探测侵蚀热点。无论使用何种建模方法，阻碍土壤侵蚀精确建模和制图的常见问题还包括：(1)输入过时的、静态的和粗糙的分辨率数据，通常无法捕捉到侵蚀过程尺度上土壤侵蚀的时空变化；(2)缺乏空间分布的观测数据来进行严格的模型校准和验证。此外，土壤侵蚀追踪技术作为得出净侵蚀空间估计的可行选择，其价格昂贵，在大空间尺度上的适用性有限。遥感的发展将解决上述问题，不仅因为高分辨率卫星图像的日益普及，土壤成像光谱学的快速发展也提供了直接捕获由侵蚀引起的土壤特性变化的潜力，特别是SOC，如哨兵-2可以很好地明确评估土壤侵蚀程度。然而，很少有研究直接与哨兵-2衍生的土壤光谱信息检测土壤侵蚀热点相关，且一些检测方法的普遍适用性以及支持基于不同侵蚀程度土壤光谱特征分类的基本机制仍有待进一步探讨。鉴于上述研究差距，迫切需要一种有效的土壤侵蚀测绘方法，从而能够精确地检测出多重侵蚀过程导致的侵蚀热点。中国东北黑土区是一个粮仓，年产量超过国家粮食产量的20%，然而其是中国受土壤侵蚀影响最严重的地区之一，因此，一种有效检测局部侵蚀热点的方法对于实施针对性的保护措施具有重要意义。为此，本研究的目标是建立一个方法框架，实现仅基于光谱特征对土壤侵蚀进行准确分类和高分辨率制图。基于此，在本研究中，由吉林大学地球科学学院、鲁汶大学地球与生命研究所、中国农业科学院农业环境与可持续发展研究所组成的一组研究团队以中国东北吉林省中部德惠市木石河流域（44°34′-44°38′N，125°51′-125°59′E，面积约46.20 km2）为例，进行土壤取样与分析（共选取72个采样点，其中山顶19个，斜坡中段28个，山脚25个）；在实验室内使用ASD Fieldspec 3 FR光谱仪测量土壤样品VNIR光谱数据；建立地面真实数据集；结合主成分分析和综合光谱判别分析（PCA-LDA）方法对实验室高光谱数据进行测试与分析、研究不同侵蚀影响下土壤的光谱可分性；建立侵蚀分类方案、创建混淆矩阵，通过Kappa系数评估分类性能；最后通过多时间裸土像素合成方法，优化裸土反射率稳定性，基于哨兵-2衍生的宽带光谱对研究区土壤侵蚀情况进行测绘与验证。（a, b）中国东北流域数字高程模型上采样点空间分布；（c，d）哨兵-2彩色图像(2021年5月13日）；（e，f）沿典型斜坡剖面的代表性采样位置。【结果】基于实验室VNIR谱PC评分的线性判别分析（LDA）对三个斜坡位置进行分类。基于土壤的三个土壤侵蚀强度等级表土实验室平均光谱。(a)原始光谱和(b)连续体去除反射率。用于侵蚀强度等级光谱分离的表土实验室光谱指数的箱形图。基于哨兵2裸土壤光谱的PC得分的线性判别分析（LDA）确定三个侵蚀强度等级。三种土壤侵蚀强度等级的平均光谱。(a)原始光谱和(b)连续去除反射率。用于侵蚀强度类别光谱分离的哨兵-2光谱指数的箱形图。10米分辨率下的土壤侵蚀强度图。2021年6月，农田范围内三个侵蚀强度等级的NDVI密度图；（b，c）是详细土壤侵蚀模式的放大区域，（d，e）相应的田间尺度NDVI图。【结论】本研究在中国东北黑土区流域尺度上测试了多时间遥感探测侵蚀热点的潜力。建立了一个地面真实数据集，包括在山顶、中坡和脚坡位置收集的土壤，由于其地形特征、净侵蚀率和SOC含量的差异，对应于中、重度和低侵蚀程度类别。对实验室和基于哨兵-2的土壤光谱数据的调查表明，由于侵蚀引起的土壤反照率和生化组成的变化，三个侵蚀类别中的土壤显示出明显的光谱特征，特别是在严重侵蚀的地区，其表土层明显有大量土壤损失。PCA-LDA在不同侵蚀影响下表现出明显的类间光谱可分性，其对两种数据源都产生了良好的分类精度（Kappa系数 0.9），对哨兵-2光谱更是如此，从而能够开发一种光谱分类方案，该方案由确定的光谱指数阈值组成，用于基于哨兵-2裸土混合物质的像素级土壤侵蚀测绘，其中15.9%的农田面积为侵蚀热点，中等类占65.4%。将侵蚀图与NDVI图进行比较，从空间角度来看，显示了土壤侵蚀对作物生长的负面影响。制作的高分辨率土壤侵蚀图可以对土壤侵蚀和作物生产力之间的关系进行进一步分析，突出了本研究提出的方法在黑土地区帮助粮食安全和气候的有针对性可持续农田管理方面的潜力。未来的研究应进一步检验这种方法在其他领域和更大的空间尺度上的可转移性。

目前，茶叶品质大多数是通过人的感官评定的。人感觉器官的灵敏度易受外界因素的干扰而改变，从而影响评定的准确性。电子鼻技术的兴起让人们看到综合评价气味整体信息的巨大潜力。近年来 ，电子鼻得到了广泛的研究和应用，尤其在食品和饮料工业方面。电子鼻把具有不同特性的气体传感器组合成气体传感器阵列，使其检测范围更宽 ；同时在模式识别数据处理方面也在不断发展完善各种识别方法，使得检测结果更准确。电子鼻在茶叶审评中探测香气方面有着广阔的应用前景。茶叶香气是决定茶叶品质的重要因子之一, 历来受到茶叶研究者的重视。 以下是德国AIRSENSE电子鼻在茶叶品质评价中的应用部分参考文献，有需要原文的老师可以联系我们。标题单位发表期刊茶叶中茶多酚含量电子鼻技术检测模型研究河南农业大学机电工程学院河南农业大学学报基于电子鼻技术的信阳毛尖茶咖啡碱检测方法拳河南农业大学机电工程学院传感技术学报龙井茶叶品质的电子鼻检测方法浙江大学生物系统工程与食品科学学院农 业 机 械 学 报电子鼻GC-MS与技术分析贵州凤冈有机茶香气成分的对比研究防化指挥工程学院全国中药创新与研究论坛 论文集电子鼻在六堡茶陈化年份识别中的应用广西亚热带作物研究所南方农业学报 基于电子鼻技术对云南普洱熟茶的香气品质判别云南农业大学西南农业学报福鼎白茶风味的电子鼻和电子舌评价中华全国供销合作总社杭州茶叶研究院食品工业科技正交试验优选脉冲电场提高晒青茶醇类香气的参数研究云南昭通农业学校食品工业电子鼻技术对不同藏地的普湛茶香气分析云南农业大学西南大学学板电子鼻技术及其在茶叶中的应用研究宁德职业技术学院食品与机械基于电子鼻技术的茶叶贮藏时间检测方法蚌埠学院兰州文理学院学报基于电子鼻技术对云南普洱熟茶的香气品质判别云南农业大学西南农业学报基于电子鼻技术的黄山毛峰茶品质检测方法蚌埠学院湖北工程学院学报HS_SPME_GC_MS结合智鼻对不同产地苦荞茶香气成分分析与鉴别西华大学分析与检测

现如今，农药在我国的使用量与日俱增。诚然，农药可以治理农业生产过程中能够的病虫害问题，增加作物产量，增强作物质量。但是农药残留问题的日趋严重，也为人们盲目使用农药的行为敲响了警钟。农药残留检测仪产品链接https://www.instrument.com.cn/show/C480379.html农残是指农药在使用后残存在生物体内、农产品中以及环境里的元素，除了农药本身外，还包括农药中的杂质和有害代谢物，是这些物质的总称。虽然我们大部分人在日常生活中是不会直接与其接触的，可一旦它通过食物链、环境等途径进入人体内，其可能产生了不利影响就不言而喻了。 农药残留会导致肠胃系统的紊乱，还会损害神经元，破坏神经系统，降低人体的免疫能力，危害免疫组织和造血系统。不只如此，农药残留还会影响到胎儿的内脏发育，具有致畸、致癌的风险。正因如此，为了我们自己和家人的健康，一定要避开含农药残留的食物。那我们日常生活如何才能判别食物中是否农残超标呢？农药残留检测仪可以对蔬果、粮食、农副产品等食物中的有机磷和氨基甲酸酯类的农药残留进行检测，自动判断出样品是否合格。直观易懂的结果能帮助人们对食物进行筛选，很好的减少了农残的摄入，避免了“病从口入”。此外，该农药残留检测仪器还可以同时测试多个样品，即放即检，多个样品能够同时作业，增强了检测效率，便于农业生产基地、农贸批发市场等地进行现场检测。从源头上遏制了农残食品流入市场，保障了我们的饮食安全，保护了我们的身体健康。

南开大学化学学院 段潮舒 韩丽 刘煦阳 王冕 （导师：邵学广）2022年10月20-22日，中国仪器仪表学会近红外光谱分会举办了全国第九届近红外光谱学术会议。来自多所高校、研究院所的老师和同学们、各厂商代表们以网络会议的形式参加了此次大会。中国仪器仪表学会近红外光谱分会理事长袁洪福教授进行了开幕致辞。本次大会有80余场口头报告，涉及化学计量学方法、仪器、光谱成像、农林业、药物与过程分析等多个方面。以下研究方向吸引了我们的关注：1、化学计量学方法与应用研究化学计量学方法与应用研究在本次会议的报告中占比较高。化学计量学方法种类较多，使用者应该从原理入手学习，分析每种方法的优点和缺点，清楚每种方法的适用条件。此外，还应该加强对每类方法原理的理解和学习，更有利于新方法的开发和已有方法的推广应用。来自南开大学的邵学广教授进行了题为“近红外光谱分析中的化学计量学方法”的报告。介绍了建模流程及相关问题，强调了数据质量、模型评价与验证、模型监控的重要性。着重讲述了建模流程中数据集及质量考察，涉及参考值、光谱、建模样本数量、奇异样本、验证集等五个方面，同时也对近两年的建模竞赛提出了建议；来自华东理工大学的杜一平教授带来了“相关性组分对近红外光谱分析模型的影响”的报告，从样品中浓度相关性的角度讨论近红外模型，当样品中存在与被测组分浓度具有相关性的组分时，模型可以凭借这种相关性提高模型的预测能力；来自温州大学的陈孝敬教授带来了“偏最小二乘的几种改进研究”的报告，提出了偏最小二乘模型泛化算法、结合最小截断二乘思想的偏最小二乘、基于最小无穷范数的偏最小二乘、基于影响函数的偏最小二乘模型等多种改进方法；来自天津工业大学的卞希慧副教授带来了多种群体智能优化算法，并将其应用于各类样品光谱的变量选择；此外，还有多场化学计量学方面的报告，研究内容涉及了预处理方法、变量选择、模型转移和各种定性定量模型的建模方法，对扩展近红外光谱的应用范围和改善模型具有重要作用。2、集成学习策略集成学习策略是本次会议报告内容的亮点之一。来自暨南大学的潘涛教授带来了“近红外光谱模式识别的模型补偿融合方法”的报告，从博弈论思想出发，提出了一种光谱模式识别的模型补偿投票策略，取得明显优于单个模型的判别效果，潘涛教授还分享了应用于血清乳腺癌与正常对照的二分类和饮用水三分类的实例；来自海南大学的云永欢副教授系统地从近红外光谱的基础理论、方法开发到应用研究做了介绍，着重讲述了基于集群分析发展的多种变量选择方法，如区间随机青蛙、迭代保留信息变量、变量组合集群分析等，并开展了对农产品快速分析、罗非鱼新鲜度高光谱成像分析、短视频传感器用于食品检测等应用研究；此外，本次会议也邀请了“创和亿杯光谱建模竞赛”优胜者进行报告，三位报告人分享了各自的建模过程和建模经验，在报告中都不约而同地提到了多模型投票机制在建模中的应用。对于种类之间差异较小的样本，多模型投票机制策略有利于提升模型的预测性能。3、深度学习深度学习是化学计量学领域发展的前沿方向之一。当前，深度学习已广泛用于光谱定量及判别分析的研究中，加深对数据本身的理解更有利于研究者对神经网络进行合理调控。本次会议中有很多与深度学习相关的创新研究。来自温州大学的黄光造老师介绍了自编码器结合近红外光谱检测奶粉掺假的策略，利用单类样本对自编码器建模，并由样品输入自编码器后的重建误差进行聚类，实现了对掺假奶粉的高精度鉴别；桂林理工大学的陈华舟教授带来了“基于Levy飞行的神经网络优化模型应用于鱼粉NIR定量分析”的报告，利用Levy参数对神经网络进行有向调控，以提高定量模型预测精度，并应用于鱼粉饲料的蛋白质含量预测，取得明显优于常规神经网络的定量结果；来自燕山大学的研究生受深度迁移学习启发，发展了基于LSTM及迁移学习的近红外模型转移方法，并将其用于不同批次聚谷氨酸定量模型的转移，证明了迁移学习用于模型转移的有效性。4、水光谱组学水光谱组学是近红外光谱研究领域的新方向，从温控近红外光谱技术的发展到水光谱探针的提出，提升了近红外光谱的研究水平，扩展了近红外光谱的研究范围。近年来，国内越来越多的研究者开始关注水光谱的研究工作。潘涛教授在三分类问题中，构建了多模态测量方法，巧妙地将水光谱组学知识和判别方法联系起来，形成优势互补；来自山东大学和南开大学的两位博士生分别进行了报告：前者介绍了基于近红外水光谱组学的知识，利用支持向量机、遗传算法等分类方法区分了酸降解和酶消化获得的低分子量透明质酸，并分析了核磁共振、二维相关光谱、分子动力学模拟等结果，在原子和分子水平上揭示了两种来源的低分子量透明质酸水化行为差异的机制；后者介绍了利用近红外光谱中的OH伸缩振动一级倍频和HOH弯曲和伸缩振动组合频波段对水进行结构分析，通过小波包变换和连续小波变换增强光谱分辨率，观察到了对应不同氢键结构水的吸收峰。期待在下次会议中看到更多水光谱探针的研究工作。5、近红外仪器及应用本次会议还邀请了四位国际知名学者进行报告。来自韩国汉阳大学的Hoeil Chung教授通过对胆汁的近红外光谱分析来判别胆囊癌，并对测试仪器进行了创新设计，巧妙地对胆汁样本以单液滴形式处理，也实现了全氟化碳捕获的微塑料物质进行定量检测；来自日本名古屋大学的Satoru Tsuchikawa教授介绍了近红外成像在农业和林业的应用，使用CARS进行波长选择从而实现对水果含糖量分布的准确预测，利用PLS模型对菠菜叶子的亚硝酸盐分布进行无损评估，通过成像技术将木材的湿度可视化，并区分了强氢键键合水、弱氢键键合水和自由水；来自因斯布鲁克大学的Christian Wolfgang Huck教授介绍了微小型近红外光谱仪的现状和未来，微型便携式仪器在植物分析、秋收时间的优化、黑松露的质量检测等方面起到重要作用；来自西班牙科尔多瓦大学的Dolores Pérez-Marín教授介绍了近红外光谱技术在农产品过程控制方面的应用，实现了农产品的现场分析、家禽类的活体分析等。近红外光谱分析技术在农林业、食品、药物生产及分析等领域具有重要的应用。王家俊高工带来了“近红外光谱分析技术应用研究与实践20年”的报告，对烟草近红外光谱分析技术应用进行了回顾，介绍了目前的行业标准与应用规范、近红外网络化与数据挖掘应用，并对应用场景与仪器选型、天然样品高质量光谱测量等基本问题给出了建议；来自山东大学的李连副研究员将近红外光谱技术用于制药领域，主要介绍了光谱稳定获取、光谱-物料实时对应、光谱模型建立复杂等难点问题的攻破，使药物在审评认证、药品监管、生产过程质量得到保证。近红外光谱应用方向还有多场报告，分别介绍了近红外光谱在土壤、木材、农作物、食品、中草药以及相关产品分析中的应用，例如柑橘类水果无损鉴别、奶粉掺假检测、鱼产品新鲜度等。理论指导实践，实际应用也将当下的需求反馈于理论方法的研究，研究工作者从需求入手，深入分析了解研究对象的特性，针对这些特性设计了更适用的仪器或测量方法，更好地满足实际的生活生产需要。不仅如此，会议中还有多篇与高光谱成像技术相关的报告，分别介绍了拉曼高光谱用于玉米种子霉变筛查、近红外高光谱用于花生冻伤检测等研究工作。高光谱技术是获取综合信息的高效手段，但高光谱的测量及数据处理技术仍需要进一步发展。除了精彩纷呈的报告，本次会议还颁发了第四届“陆婉珍近红外光谱奖”，徐可欣教授和杨辉华教授获得陆婉珍近红外光谱贡献奖，王家俊教授级高工获得陆婉珍近红外光谱科技奖，兰树明总监、李连博士、李江波博士、云永欢博士和杨敏博士获得陆婉珍近红外光谱青年奖。此外，会议还评选了12位优秀青年报告奖。获奖者的研究工作令我们受益匪浅，值得学习和借鉴。本次会议利用网络平台进行在线直播，整个会议日程安排紧凑有序，为大家带来了别样的享受。参会人员积极性很高，在问答区积极提问，报告人都及时做出回答，并分享了文献、代码及相关资料等，方便大家学习。新方法驱动发展，新应用开启未来！全国第九届近红外光谱学术会议圆满落幕，让我们共同期待下一届近红外光谱会议大家能面对面地交流与学习！

p 　　近年来，我国近红外光谱分析技术无论在基础研究还是应用方面都取得了长足进展。而且在近红外光谱分析技术研究的庞大人群中，总是能看到中国为数不多的化学计量学人身影。其中，南开大学教授、中国近红外光谱分会副理事长邵学广就是其中之一。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201805/insimg/579ba6a9-02f4-4ced-878f-9f5948cd9b8f.jpg" title=" 邵学广.jpg" / /p p style=" text-align: center " strong 南开大学教授 邵学广 /strong /p p 　　日前，仪器信息网编辑采访了邵学广，请他介绍了他走进化学计量学、走进近红外的历程，并发表了他对化学计量学和近红外发展趋势、以及限制近外应用推广难点等问题的看法，最后也谈到了如今热点的近红外大数据的发展前景。 /p p 　　 strong span style=" color: rgb(0, 112, 192) " 走进化学计量学，扎根化学计量学 /span /strong /p p 　　说起来，邵学广并不是学化学计量学专业出身。在读博士之前他学的是稀土化学应用专业，1992年博士毕业后选择了”小波变换”为未来研究方向，从此才进入了化学计量学领域。邵学广经常和学生们说起这段经历，一开始很艰苦，完全是照着书和手册自学。曾经有两篇有关小波变换的文献，邵学广每年都要看几遍，据他自己说，一直到5年后他自己写《化学信息学》一书的时候才真正读懂了这两篇文献。 /p p 　　当时邵学广决定写《化学信息学》完全是因为要开课却没现成的教材，没想到这本书成为了中国第一本关于化学信息学的书，目前已经出版3版。 /p p 　　为什么从小波变换开始，邵学广说到，“关于小波变换，1986年国际上其他领域已经有人开始使用，化学领域真正的第一篇文章发表在1992年。而1992年我正好刚刚参加工作需要寻找并确定今后的研究方向。那么，当时我觉得新提出来的小波变换会是一个很好的方向。”刚开始的5年多时间里其团队一直在做方法，并在各种光谱、色谱方面广泛尝试，结果证明这个方法的效果特别好，更加增强了邵学广的信心，从而这项工作邵学广一直坚持到现在。 /p p 　　除了小波变换，邵学广这些年主要研究工作包括免疫算法、化学因子分析、人工神经网络、遗传算法等算法，还包括分子模拟等理论化学计算方法研究。 /p p 　　“其实，我们实验室做的最有特色的是免疫算法，是我们独创的一种算法。”免疫算法主要用于色谱重叠组分信号解析，可以把单峰解出来。原来色谱分析10-20个成分的时候，需要用时30-40分钟。而用了免疫算法只需10多分钟进行分离，分离结束即直接就能够计算出来。如，40多个组分的农残分析只需10多分钟。 /p p 　　 span style=" color: rgb(0, 112, 192) " strong 结缘近红外，思考近红外 /strong /span /p p 　　近红外光谱的缺点之一是解释性差，峰很宽、很模糊。在计量学出现之前，近红外光谱一直没有得到很好的发展。“近红外和化学计量学是捆绑在一起的两种技术，可以说计量学的发展推动了近红外的发展 同样也可以说近红外给了化学计量学一个舞台，让它有了发挥作用的地方。” /p p 　　近年来，近红外光谱发展很快，而邵学广在近红外领域也已经做了将近20年。这期间他们尝试了不同的建模方法，也提出了自己独创的方法，同时还研究了另一个非常重要的问题，即建模样品的确定问题，发表了几十篇的论文。“近红外相关化学计量学方法的研究已经比较充分、成熟。尽管不能说哪种方法最好，但是有很多方法已经能够用了，想干什么事，基本上都可以做了。当然，更‘新鲜’的方法研究也是需要的，但是没有那么紧迫了。” /p p 　　关于近红外数据处理的发展趋势，邵学广认为，根据具体的行业需求进行开发，不做大而全的软件。如，我们之前与中检院合作开发的判别药品一致性的软件已经交付，得到的反馈还不错。另外，基于数据库的一些算法要实现标准化。邵学广认为，近红外数据处理的下一步方向是高光谱，因为如今的近红外光谱成像数据处理还有不太成熟的地方。 /p p 　　关于近外光谱分析技术应用与推广的难点，是邵学广常常思考的问题。首先，他提到的是“灵敏度”的局限。近红外方法灵敏度很低，很多微量成分不好分析，这是限制近红外光谱在科研领域应用推广的很大一个原因。怎么让近红外能测微量成分，邵学广已经研究7年多的时间了。邵学广承担基金委的一个重点项目就是研究这个问题，经过攻关2016年时检测限已经达到微克级别。近红外另一个缺点是结构分析能力差，在表征化合物结构方面远远弱于质谱或中红外光谱。这几年，邵学广从做水的光谱入手，花了很大力气力图从复杂的水结构中把不同结构的水分子光谱提取出来。水中水分子结构非常复杂，有单独的水分子、二个水分子结合、三个水分子结合、甚至更多。“希望大学、研究所更多人员加入到这方面的研究中来。” /p p 　　近红外光谱推广应用更多的限制来自于仪器之间的差异、测量之间的差异。邵学广这两年做了很多模型转移方面的研究工作，他认为仪器之间的差异基本上可以校正，不是太难。因为仪器之间差异是固定的，理论上也是可以校正的。邵学广指出，真正难点在于测量之间的差异，如，样品摆放位置、颗粒度大小等形态差异带来的光谱变化会导致测量结果变化，且理论上就没有解决方法，只能根据假设或一定的近似来修正。邵学广基于假定光谱和操作条件之间存在着某些我们不知道的关系，从而建立相应校正模型把这种关系预测出来。“这个校正模型使用的效果挺好，但是还缺少相应的理论依据。” /p p 　　 strong span style=" color: rgb(0, 112, 192) " 推应用发展，落地人才培养 /span /strong /p p 　　邵学广强调，“化学计量学专业人才的缺乏是近红外应用发展的主要难点。”从事化学计量学相关专业研究的人员较少，而且，化学计量学不是本科阶段必须学习的内容，研究生阶段开课的也不多。欧洲大学本科阶段已经在教学大纲中规定化学计量学为必学内容，其份量已经占到分析化学内容的四分之一。但在中国还没有这个要求。“这导致培养的相关人才太少，对化学计量学和近红外的发展限制相当大。” /p p 　　很多人提到化学计量学，会莫名的感觉有点“怕怕”。事实上，现在研究化学计量学的人虽然不算多，但是也很容易找到合作的人。另外，如今也有一些比较成熟的软件，即使不懂化学计量学原理，只要会用软件，也能解决问题。 /p p 　　现在，邵学广在南开大学本科阶段开设了计量学相关教学内容。而且，经常有外面学生来邵学广实验室学习，或者以项目合作的模式联合培养，时间不等，邵学广负责指导。再者，这几年邵学广的实验室也开发出了一些软件。像是具有使用便利等优点的小波变换算法，不但成为了邵学广实验室扣背景的标准方法，而且，邵学广表示，对于小波变换，内行人可以灵活设置参数，外行人不调整参数也能使用。所有这些都是邵学广在为实现“不应该让不懂计量学成为计量学和近红外应用的障碍”所做的努力。 /p p 　　由此延伸，邵学广谈到了近红外的人才培养问题，并强调“打好地基”的重要性。近红外研究人员不要只盯住应用去做，一方面要针对应用，但又不能完全是应用。特别是对年轻研究人员，要把基本理论“打”扎实了，等到去做应用的时候，应用方法、技术会非常稳固和牢靠。否则，很多技术不牢靠反而会导致应用失败。而且，糟糕的是，一旦失败，大家就会认为这个方法不好，实际上会阻碍了这个领域的发展。 /p p 　　 span style=" color: rgb(0, 112, 192) " strong 大数据推动近红外爆炸式增长 /strong /span /p p 　　如今“大数据”已经成为一个热词，邵学广也在多个场合说到，近红外的大数据时代已经来临。“与其他大数据相比，近红外光谱大数据有两个特点：数据量大、信息量大。”特别是成像光谱和高光谱，高光谱仪器的检测器和目前仪器所用的有所差异 而且常用的模型转移、数据处理等和原来传统光谱也有一些差别，所以，必须开发一些新的据分析方法。邵学广介绍到，“原来只是1-2000个数据点，现在一个高光谱数据量上万，可变量选择的方法范围很小。” /p p 　　此外，一条光谱所含信息丰富，除了化学信息，还包括物理信息，如硬度、大小、位置等，需要综合利用。在药品的真假判别时，往往是隔着包装测试的，包装材料的信息、药片压的实不实、药片的形状等物理信息都可以判别。“我们近红外不管是哪种信息，只要有这方面的信息，不用刻刻意强调是物理还是化学信息。” /p p 　　“从应用角度看，近红外大数据的价值，目前在于监控。”监控包括工业监控，甚至应用到“大街上”的空气质量等监控。“大数据来源于实时，也来源于长期实时数据的积累。对大数据进行相关分析、可视化分析，把数据和事件相关并从中总结出其规律性，比如说大型活动的人流等。数据更多的时候就可以根据已有数据建立模型，根据光谱信息预测后续发展。” /p p 　　“目前大数据研究还处于初级阶段，炒概念的多些，但各行各业都在用。”如，已有按大数据系统设计的药品数据库，把全国药监的数据集成在一个数据库中。在这个库的基础上建立模型，可用于市场调查、药品抽检等。“只需做一个光谱，上传到数据库，数据库就可根据模型判别药品的真假，并把结果反馈回移动终端。目前该数据库建设基本完成，相关技术均已成熟。”粮食领域也启动了类似项目，虽不涉及网络、无线通信，但也涉及数据库建设。可输入收购粮食样品的光谱来得到样品相关的湿度、蛋白质含量等各项参数。烟草行业的原料大数据系统、生产在线监控也已经做好。 /p p 　　“类似工作在许多行业都已经开展，但是真正投入使用的不多。”邵学广这样说到，“这些大数据系统的实际应用，不光是技术的问题，在于监管或被监管者是否想做。” /p p 　　不过，邵学广也指出，大数据的发展需要由应用需求驱动。像现在的物流、快递行业，需求太大了。而实验室对仪器中的大数据应用现在需求不强烈。但我们这些做研究工作的学者可提前做好方法。就过程分析而言，下一步一旦中国产品质量从产品检验控制转向过程控制，从政府层面推广过程控制，到那个时候，企业自然会来找，近红外光谱会有一个爆炸式增长。 /p p br/ /p

本文题目之所以叫“果蔬近红外检测技术中的点点滴滴”，就是因为近红外技术的大理论、大思维、大方法诸位早已熟知，一些没有覆盖着的小理论、小思维、小方法也很重要，有待大家共同挖掘，以期弥补不足 另外一个含义是所有内容都与近红外相关，但相互间关系不大，甚至无关，敬请谅解。中国农业大学 韩东海教授　　1、用心感悟样品光物性　　图1是2019年6月23日在微信朋友圈发的信息，得到众人点赞。这是我第一次看到这么形象地描述水果光物性的图。这张图清晰地告诉人们，哪些水果容易检测，哪些比较困难，可以帮助人们在研发水果品质无损检测过程中，及时采取应对措施，减少失败，争取时间。　　通常我们希望物料透光性要好，可是过于透光，近红外光谱中待检成分信息变弱，不利于分析。例如，葡萄、迷你西红柿。此时，通常采用加大光程的办法加以解决。AMAICA手持仪2)，多种果实检测硬件是通用的，只有西红柿在加大光程后，硬件进行了单独设计，独立使用。　　透光度低，难以获得有效信息，后续分析无法进行，例如，红薯。在众多物料中，红薯透射性极差，以至于很难实现透射检测。现有研究中，红薯主要采用漫反射采集近红外光谱3，4)，受制于透射深度有限，一旦径向待检成分分布差异大，就很难得到正确结论。再就是在红薯断面上采集近红外光谱5)，虽然这种方法也具有一定的意义，但已经不属于无损检测了。此类物料要实现在线近红外检测，难度更大。　　2、 定量利用光谱强度，定性利用光谱形状　　有关近红外吸光度谱的论述很多，也很成熟。多数情况下，利用近红外吸光度谱的强度进行定量分析，而关于原始光谱的探讨少之又少，所以原始光谱容易被忽略。实际上，利用原始光谱形状在一些问题的分析处理上也具有一定的优势。　　图2是几种果蔬的近红外原始光谱图。总体来讲，原始光谱波形比较简单，通常就是两个峰，一个谷。个别情况只有一个峰，如葡萄。因为苹果皮薄，质地均匀，内部品质多种多样，特性稳定，故以苹果为基准论述原始光谱特性。两个峰一左一右，左峰在710nm附近，右峰在810nm左右(注释：仪器不同，多少有些差异，无标准而言)。右峰的位置基本在810nm±5nm范围内，而左锋有时则相差很大，大则右移15nm。　　苹果、柿子、梨和桃等波形相似，710nm峰值高于810nm 西瓜、甜瓜、蜜桔、葱头、绿蜜桔、柠檬、圆白菜、土豆的波形相像，共同特点是710nm峰值低于810nm。葡萄、迷你西红柿、草莓、牛油果、枇杷、甜椒最特殊，只在810nm处有一个明显高峰。　　类别相同但品质不同果蔬的710nm峰值上下变化大，而810nm峰值略微上下浮动。例如三种内部品质不同的正常苹果、褐变苹果、糖心苹果的810nm峰值相差不大，而710nm处的峰值规律为糖心苹果正常苹果褐变苹果三种中的任一810nm峰值(图3)。由此可知，内部品质在原始光谱上主要显现在710nm峰值上，这样就可以利用这个特点进行定量分析或定性判别。　　为什么710nm处既有上下变化，又有左右位移呢?现无定论。我认为，一是受水分影响，例如糖心苹果水分高于一般苹果，水分高则光易通过，所以糖心苹果的710nm峰值最高；二是受颜色影响，710nm为红色波长，红色的补色是绿色，当果实不论是瓜皮还是果肉呈现绿色时，则吸收红光，透射光减少，710nm峰值降低。未成熟苹果的710nm峰值与810nm不相上下，就是因为果肉呈浅绿色，吸收了红光，透过光减少，导致710nm峰值降低。西瓜的710nm低于810nm就是因为厚厚的绿色瓜皮阻挡了红光透过，而810nm这些属性不显著。左右位移是否受果实质构的影响有待进一步论证。　　关于葡萄等物料只在810nm处有一个明显高峰的解释，暂且无人讨论。本人认为，这些果实透光性极好，很小的功率即可满足要求，710nm的能量尚未达到透过物料时，810nm处已接近饱和。　　所以，果蔬原始谱更多地反映了样品的质构信息、形状差异更为突出。　　现在的在线果蔬品质判别多数是先定量后定性。例如褐变苹果的判别大致程序是光谱预处理、二阶导、建立PLS模型、计算预测值、确立阈值、按照阈值区分正常还是褐变。如果采用原始光谱就可以直接进行定性分析，这样的研究案例曾多次报道。特举三个案例，具体如下。　　1)当公式(1)和(2)的IBrowning都大于0时，为褐变苹果；当IBrowning都小于0时为正常果6)。　　2)Seo利用原始谱尝试了多种组合进行糖心苹果、正常苹果、褐变苹果的判别，如表1所示，(T710-T800)/T675的效果最好7)。　　3)王加华基于原始谱利用PADA、PCADA、PLSDA三种算法进行了定性判别，获得PLSDA的效果最佳(表2)8)。　　3、 一点测量很重要，两点测量更完美　　在实验室进行实验时，由于水果的糖酸度分布不均，用漫反射进行近红外光谱采集时，往往在赤道上选择2个或4个点求平均，这确实是两点或多点测量。但本文要介绍的两点测量不同以往，另有含义，如图4所示9)。　　这是苹果在线分选线上的实际情况。苹果果柄冲上放置在移动托盘上移动，在第一个位置进行糖酸度、褐变、糖心等的检测，一般水果到此为止足以，但富士苹果有果柄根部裂果现象，必须在第二个位置进行果柄根部裂果检测，所以才有了两点检测一说。有人可能会说，如果果柄冲下放置的话，一个位置就能解决了。如果苹果分选只进行这几个指标的检测确实如此即可，但苹果还要进行外观颜色的评价，因为苹果受太阳的照射，果柄周边颜色艳丽，所以日本苹果装箱时果柄都是冲上的，这样才能获得最佳商品性。又有人会说，所有检测项目都由上面的检测器承担了，这些问题就可在一个工位解决了。确实，有些单位就是这么做的，但是，上位检测遮光问题难以彻底解决，而现在的方法，很方便放心地解决了杂散光干扰。　　葱头分选时，葱头根部冲下放置。当葱头内部腐烂严重时，只通过光纤2(图5)的检测就能胜任。不过，对于常发生在上半球的轻微腐烂，光纤2接收不到上半球的信息，漏检现象严重。为此专门设置了光纤1，这样就能把轻微和严重一并检出。这种两点检测设计，是由物料的性质所决定的。两点测量后，轻微腐烂检出率由79.5%提升到95.7%。　　苹果检测是一台光谱仪在两个不同工位采集光谱，葱头检测是在一个工位同时采集两条光谱。苹果检测一台光谱仪约50万人民币，为了降低成本，采取了一台两工位。　　葱头检测为了避免杂散光进入检测器实施了挡板措施，苹果检测无任何遮挡。据说，苹果检测虽有杂散光影响，仍能获得正确检测结果。　　4、日常生活与专业兼顾的Brix和SEP　　食品的甜度测量采用高效液相色谱法和气相色谱法，两种仪器价格贵，操作要求高。另外，物料还需要繁琐的前处理，仪器稳定需要数十分钟的等待。近红外技术检测的果蔬糖度是包括酸在内的可溶性固形物，单位是Brix。因为构成Brix的多数水果的主要成分是糖，所以把Brix称为糖度，与日常生活中的甜度不完全一样。　　破坏性检测Brix可用折射仪测量。业界常用的PAL系列测量精度一般在±0.2%，而非破坏的近红外方法达到这个精度绝非易事。折射仪有标准蔗糖溶液校正，可明确规定其检测精度，而近红外方法没有基准物，加之影响近红外测量的干扰因素过多，不能用最大误差而只能用标准误差表达。折射仪测量一个群体的果实糖度是抽样先榨汁再测量，而近红外方法无法严格规定测量范围和测量部位，特别是对于成分分布不均的果实而言难上加难。再加上，果实细胞大小、纤维多少、果皮薄厚均影响着光的传播。因为存在着这么多的影响因素，近红外方法只能用统计误差SEP表示11)。　　如果近红外方法检测某种果实100个的标准误差SEP是1°Brix，实测糖度为15°Brix，则实际意义为16个高于16°Brix，16个低于14°Brix，68个在15±1°Brix，如图6所示。这一点特别需要向用户解释清楚，不然日后会受到责怪，而通俗易懂地解释清楚并非易事。　　参考文献　　1) http://mechatronics.co.jp/ 　　2) http://www.astem-jp.com/ 　　3) 農業総合センター農業研究所：「ベニアズマ」生いもデンプン含量の非破壊測定技術，2012年　　4) 卜晓朴，彭彦昆，王文秀，王凡，房晓倩，李永玉：生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测，《食品科学》2018年39卷16期　　5) 松尾美紅?上野敬一郎?宮原照昌?北原兼文?紙谷喜則?河野澄夫：近赤外透過法を用いた安納いも糖度等の迅速測定に関する基礎的研究　　6) 高井 秀悦：光によるリンゴの褐変判別法に関する研究，職業能力開発報文誌VOL.30　No.1(49),2018　　7) Y. W. Seo：Nondestructive Detection of the Internal Defects of Fuji. Apple using VIS/NIR Transmittance Spectroscopy. An ASABE Meeting Presentation，Paper Number: 066121，2006　　8) 王加华：苹果、洋梨内部品质无损检测信息基础及数学模型的开发，中国农业大学博士论文，2010　　9) 蔦 瑞樹, 吉村 正俊, 葛西 智, 松原 和也, 和田 有史, 池羽田 晶文：選果機を用いた可視-近赤外分光スペクトルによるリンゴ‘ふじ’の内部褐変発生予測，日本食品工学会誌 2019年 20 巻 1 号 7-14　　10) 西野　勝：近赤外分光法によるタマネギ内部腐敗球の非破壊判別技術　　11) 立石 賢二：青果物の糖度を非破壊で計測する簡便な糖度計，計測と制御52 巻 (2013) 8 号（中国农业大学 韩东海教授）

6月2日上午，2024年山东省六五环境日主场宣传活动在潍坊举办。“美丽山东建设媒体行”于同日启动，部分中央驻鲁及省内主流媒体记者走进基层一线，聚焦全省生态环境治理亮点，充分展示美丽山东建设新成效、新举措。水是生命之源，如何保障饮用水安全？2日下午，“美丽山东建设媒体行”记者团来到潍坊市峡山水库鱼类生物毒性预警站，揭秘保障用水安全的一项“黑科技”。“水质检测员”的“心电图”异常将触发预警身长约3厘米、通体透明的小鱼在印有“水质在线生物安全预警系统”字样机器的8个罐状容器中游动着，每个容器里分布3条小鱼。据潍坊饮用水源地水质安全生物预警监测网络负责人孙建介绍，容器里的24条小鱼均为“青鳉鱼”，它们承担着“水质检测员”的任务。据了解，水质综合毒性生物预警监测系统是在生物回避行为反应的水生态毒理科学原理基础上，通过电信号生物行为传感器，连续实时监测水生物行为变化趋势，结合水环境毒性数据库、生物行为解析模型、环境胁迫阈值模型、本底智能在线学习等模式识别和人工智能技术对水质变化实时解析，实现对水生态环境综合毒性风险的连续实时生物预警。在8个罐装容器上方的电子屏，实时显示着类似“心电图”的数据图，而这些数据则体现着“水质检测员”们的活动状态。“通俗来说，鱼的任何一个行为轨迹，我们都能像做‘心电图’一样抓到它的信号。”孙建说，假如水体一旦出现污染，在污染发生的初期，青鳉鱼就会敏锐地作出反应，行为上首先是回避和惊恐，游动速度加快，随着中毒越深，行动趋缓，最终可能会死亡。这些都会通过“心电图”反映出来，5%的鱼出现异常就会触发预警机制，工作人员通过远程端就可以及时关注到异常，从而进一步验证是“假报警”还是“真污染”。如果污染属实，系统会进行初步判别毒性来自有机物还是重金属。可在事件发生最初期就作出报警启动应急预案“一旦判定污染，我们就会根据情况启动预案，比如说毒性稍微大了一些，那么首先第一步要关闭取水口，切换备用水源，确保受污染的水不会让老百姓使用到。此外，上游还有两个点位，通过系统网络进一步分析污染成分等。”孙建说。近年来，随着工业化的迅猛发展和城市的不断扩张，频发的水污染事件不仅造成了巨大的经济损失，也严重影响了人们身体健康，更使生态环境遭受了难以恢复的破坏。水污染已成为我们当前面临的最大的环境问题之一，对饮用水安全带来了重大的挑战。潍坊市生态环境局工作人员介绍，为及时掌握饮用水源地水质情况，潍坊市在水源地全部安装了水质在线监测，对主要污染物指标实现了实时监管。但是，随着经济社会发展，一些新污染物的出现，对饮用水源地的水质安全造成了巨大威胁。据统计，我国生产和使用的2500种以上的有毒化学品中约有12类250余种对水体具有明显的危害作用，常规水质在线监测的十几项监测因子已无法应对类型复杂多样的污染风险。而水质综合毒性生物预警监测系统则将自然的生物特性与人类智慧的科技成果相结合，可识别潜在的污染风险，填补了传统监测方法可智能监测有限特征污染因子，却无法监测大量有毒有害物质的短板。并且，可在事件发生最初期就作出报警启动应急预案，将损失最小化，实现了精准、快速、全面、实时的预警监测效果。同时，为了落实国家、山东省各项生态环境保护规划要求和山东省生态环境厅的工作安排部署，潍坊市生态环境局积极探索，先行先试，与中国科学院生态环境研究中心合作，引入其重大科研成果——水质综合毒性生物预警监测技术，在重点地表水型饮用水源地及重要入库河流开展建设“潍坊市饮用水源地水质综合毒性生物预警监测网络体系”，在全省属于首例。峡山水库鱼类生物毒性预警站的电子大屏上，可以看到峡山水库、白浪河水库、牟山水库、黑虎山水库、高崖水库、冶源水库、青墩子水库等7个重点饮用水源地及白浪河、潍河、浯河、汶河4条重要入库河流选取关键点位的监测情况，这些地方均建成水质综合毒性预警站点，同时与原有的水质自动监测站密切配合，并入到潍坊市“云上智环”综合管控平台统一调度管理，建成了潍坊市饮用水源地水质综合毒性生物预警监测网络。为保障设备运行稳定、数据精准和提升应对突发污染事件的处理能力，制定了严格的运维管理制度和一整套应急响应预案并加以实施，不定期对相关人员开展专业学习培训与水污染事件应急演练。“项目的实施有效提高了潍坊市饮用水源地水质安全的监管能力和水平，面对可能出现的突发水污染事件时能够更加及时有效从容地应对，全面保障了潍坊市500余万人民群众的饮用水安全，极大提升了公众对饮水安全的信心。”孙建说。

中国，北京（2007年6月29日）:服务科学，世界领先的赛默飞世尔科技（Thermo Fisher Scientific Inc. 原热电公司） 宣布最新推出一款极具创新的近红外光谱仪，命名为“Antaris Target”的近红外混合过程分析仪专为制药工业中混合过程质量控制的需求而设计，能够实时监测产品研究和生产的混合过程，极大地改善了药物生产的质量稳定性。Antaris Target近红外混合过程分析仪被美国著名杂志《研究与发展》（R&D Magazine）的《微/纳米通讯》（MICRO/NANO Newsletter）评为2006年度25个最佳微/纳米技术产品之一。获得该奖项的产品均为各行业内最具创新性、最新颖的发明，这将可能极大推动工业和社会的发展。 混合过程是固体制剂生产过程的重要环节，对于保证批次内所有药片均匀地含有各种药效成分具有重要意义，混合不充分将导致药片质量不均一，而混合过久则是极大地浪费能源。传统的混合过程监测方法是在每一批次间人工收集约30个样品，送往实验室进行HPLC或其他均匀性测试，该方法需要较长的时间和较高的检测费用，且不能及时有效地实时反映混合过程的变化趋势。 Antaris Target混合分析仪可以为GMP生产环境提供完全解决方案。采用了先进的微电子机械系统（Micro-Electro-Mechanical Systems, MEMS）技术，使得该分析仪具有一流的光谱分辨率和分析性能；混合分析仪能够直接安装于不同大小的混合罐上，无需事先建立分析模型，采用移动窗口法直接分析光谱偏差变化，实时判别混合终点。该分析仪采用一体式设计，尺寸紧凑，并配置了无线通讯技术和大容量充电电池，能够方便地在多个混合罐间移动使用，提高了利用率，节约投资成本。

现行国家标准《红木》GB/T 18107-2000，其中被诟病最多的一点就是材质鉴定上的不够精确。由于鉴定技术的制约，全世界在树种鉴定上鉴定到&ldquo 种&rdquo 的准确性尚不足，所以有规定，鉴定机构对于红木材质只出具到&ldquo 类&rdquo 的报告。这就让一些不法商家钻了空子，利用这一点在同类木种间大做文章，同时，这也成为了《红木》国标始终被攻击的把柄。 虽然目前红木的鉴定报告只能出具到类，但这并不代表目前我国的红木材质鉴定技术就只能鉴定到类。随着科技的发展，越来越多技术被运用在木材鉴定上，给鉴定结果的准确性提供了有力依据。笔者通过翻阅相关论文与文献，大致了解到目前红木材质鉴定技术的方法与研究方向。 宏观识别与微观识别相结合 《红木》GB/T 18107-2000中提到红木的识别和区分方法是：&ldquo 主要是以简便实用的宏观特征（如密度、结构、材色和纹理等）为依据，辅以必要的木材解剖特征来确定 其属种。本标准所依据正确定名的木材标本均保存在中国林业科学研究院木材工业研究所木材标本室。&rdquo 可见，宏观与微观相结合是传统的红木材质鉴定方法，也是 目前使用最广泛的方法。 交趾黄檀实木横切面 宏观识别是通过肉眼或放大镜，观察心边材、生长轮、导管、射线与轴向薄壁细胞的大小及排列方式等宏观解剖特征及表观特征，同时结合材色、纹理、结构、花纹、 气味、质量和硬度等进行综合判断；微观识别则是通过切片机将样本制成切片再置于光学显微镜下, 观察各类细胞与组织的形态与排列，与已经正确定名的木材标本的切片进行比对，确定木材类别。 檀香紫檀木材微观构造照片 宏观识别与微观识别相结合的方式需要识别者具有丰富的木材构造特征方面的专业知识，这种知识是建立在实践经验和科学基础上的。但是识别木材是一件复杂的事 情，即使是经验丰富的专家也会偶尔看错眼，因此会出现在两家不同的木材检测机构，同一样本检测出不同结果的现象，这种鉴定方式受人为的主观影响非常大。 红外光谱分析技术 红外光谱技术是利用物质对红外光区的能量的选择性吸收来进行定性和定量分析的方法，通常用于木材树种识别的是近红外光谱和中红外光谱。 近红外光谱分析技术。近红外光谱处理技术，是对从样本表面采集的近红外光谱，经过一系列预处理，取样本的三分之二，采用软件独立建模分类（SIMCA）和偏 最小二乘判别分析（PLs&mdash DA）进行建模，对剩余的三分之一样本进行判别。由于各树种木材化学成分的相似性和差异性，同一类别木材的近红外光谱具有相近 的吸收峰和吸收强度，不同类别的木材则有明显不同之处。基于近红外光谱分析技术的木材树种分类效果明显，尤其对红木类木材的分类，与红木标准基本一致。 4种红木的HPLC指纹图谱，LSHHT为卢氏黑黄檀，DFHHT为东非黑黄檀，DGZT为大果紫檀，YDZT为印度紫檀 目前，国内外在近红外光谱分析技术上均取得不同进展。2003 年，日本专家利用近红外光谱分析技术识别了8 种木材，而我国近年来也开始进行研究。2007年，江泽慧、杨忠等人发表了《红木的近红外光谱识别技术》论文；2012年，江泽慧、杨忠等人又作了《红木 的近红外光谱分析》一文，在八类红木样本表面分别采集10条光谱用于红木的近红外光谱分析，利用相关方法可以将八类红木分成相应的类别，并能更直观地展现 八类红木的区别，这为红木的鉴定或识别提供新的方法和研究思路。2010年，中国林业科学研究院木材工业研究所已建立了20余种木材的近红外光谱数据库， 并申请了红木的近红外光谱识别方法的发明专利（20061014962310），但是该项技术还需更多的木材标本光谱数据，建立更有代表性的数学模型，加 速其商业化应用。 中红外光谱分析技术。中红外光谱处理技术，主要是研究红 木样本的指纹图谱，选取特征吸收峰，计算有峰率和变异峰率等指标序列进行分析鉴别。在2012年张方达等人著的《基于红外光谱法的红木木材类区分与真伪鉴 别》论文中，其详细地阐述了如何利用中红外光谱，通过与杨木木质素的相关系数不同，对七类红木木材进行区分。同时对于两种珍贵的非红木类木材：榄仁木和亚 花梨木与外观相似的紫檀、黑酸枝、香枝木应用中红外光谱进行了客观、快速的真伪辨别。 ZT、HL、HI、HO、WM、TW、JC和XZ分别代表《红木》国标中紫檀木、花梨木、香枝木、黑酸枝木、红酸枝木、乌木、条纹乌木和鸡翅木八类红木的近红外光谱 除此外，还有如气相色谱&mdash 质朴联用技术（GC-MS）、高效液相色谱法和液相色谱（HPLC）&mdash 质谱联用技术等色谱指纹图谱方法，2012年沈明月等人的 《基于HPLC技术及模式识别方法鉴别四种红木》、2013年罗燕的《四种红木抽提物的FTIR与GC&mdash MS指纹图谱鉴别研究》都有提到用相关方法鉴别红 木种类。 以上几类均为化学方法，有些方法已经可以鉴定到种，但是目前均处于研究阶段，还无法大规模推广和投入使用。 DNA标记技术 在《品牌红木》2014年3月刊上，中国林科院木材工业所研究员、中国林产工业协会红木分会秘书长殷亚方也撰文提到了DNA标记技术有望解决红木鉴定难题。 因木材树种和产地不同，其DNA也不同，是某种木材所特有的，对基因组序列差异的比较研究无疑为木材分类和鉴定提供了最本质的依据。2007 年，德国林业研究所已利用DNA 标记技术，成功进行了6种杨树木材的识别。目前，国内DNA分子标记技术应用于活体树木鉴定的技术已经成熟，然而，从经过长期存储、高温干燥或机械加工等 一系列处理后的木材以及成品家具木材中却难以提取高质量的DNA，因为木材组织中的DNA已经发生严重降解。经过研究人员的不懈努力，目前从干燥和加工后 的木材树种中提取DNA 的技术已有突破。中国林科院木材工业所的木材DNA识别新技术实验室已初步建立，并正在建立木材DNA 标记信息数据库。但是实现DNA 标记技术的商业化运用，还需要各国科技工作者进行大量的科学试验， 以得到更多重要树种和木材的DNA 标记信息及相关的数据库。 此外，利用稳定同位素分析技术有望鉴别红木原产地。届时，红木不仅可以鉴定到种还可以鉴定原产地，让红木信息更透明化。 结语 目前，宏观识别与微观识别相结合的方式还是鉴定红木材质最常见、最具可操作性的方式，中国林科院也在不断完善红木树种木材标本。据笔者从最新的《红木》国标 征集意见稿中发现，其已经在草案中，补充完整了《红木》GB/T 18107-2000标准中原来没有的毛药乌木、白花崖豆木的三切面显微结构照片，让检测更有据可依。 诚然，如红外光谱分析技术等化学方法以及如DNA标记技术等遗传学方法因为需要更专业的设备以及更专业的操作人员，再加上技术还不够成熟、投入的成本过高等 因素，多数还处于研究阶段，无法实现普及。但是我们也不难看到，这些方法客观、高效，鉴定结果受人为因素影响更小，也更准确，发展前景可观。就像我们想不 到短短几年时间，智能触屏手机快速地淘汰了键盘手机占据我们的生活一样，随着日新月异的科技发展，也许用不了多久，红木材质就能轻松鉴定到种，更简单、成 本更低的技术被运用到材质鉴定中，让红木可以名正言顺、明码标价地进行买卖。 (原标题：木材鉴定技术知多少)

油茶果采摘期受环境因素影响较大，不同地区的天气、气候、积温、土壤肥力等条件不同，造成油茶果的成熟期有早有晚，因此油茶果的采摘时间应根据其具体成熟度而定。油茶果采收前的最后一个月是油脂积累的高峰期，这段时间油茶果含油量增幅最为明显，同时伴随着内部营养物质的相互转化。然而在此时期油茶果的外部形态特征如形状大小、鲜果质量、颜色等趋于稳定，无明显变化，从而给茶农判断油茶果的成熟度和最佳采摘期带来一定的困难。故迫切需要提出一种快速准确地检测油茶果成熟度的方法，为油茶果的精准采收作业提供帮助。南京林业大学机械电子工程学院的胡逸磊、姜洪喆、周宏平*等通过高光谱成像技术获取油茶果的高光谱数据并结合化学计量学方法获取油茶果的成熟度参数作为参照，使用分类算法完成对油茶果成熟度的判别，并验证分类模型的正确率，旨在为油茶果最佳采摘期的判断提供科学依据。1、油茶果成熟期理化参数由表1可知，油茶果的果高、果径在整个采摘期内出现些许的递增，但递增幅度很小，因此标准差较低，只有0.43 mm左右；鲜果质量范围在25～30 g之间，鲜籽质量范围在10～15 g之间；油茶果的果壳含水率在采摘期内有下降的趋势，但下降的幅度较小；油茶果出籽率在35%～40%之间波动，油茶果含油率随着采摘时间的推迟而递增，增幅达到59%，其标准差为5.55%，比其他理化参数的标准差高很多，可见若提前采摘油茶果将造成茶油产量的严重损失。并且从采样时间上看，11月10号油茶林中部分油茶果的果壳开裂，油茶果进入全面采收阶段，至11月14号采收工作基本完毕，预留的5 棵茶树上的大部分油茶果的果壳开裂，有的油茶果已脱落在地，符合油茶果过熟期特征，将此时采集的油茶果作为对照组，发现其含油率基本保持稳定，说明11月10号左右油茶果进入完全成熟期，此时采摘可使茶油产量最大化，并且陆续有油茶果果壳开裂并脱落导致难以收集，无法再推迟油茶林的整体采收时间。结合表2给出其成熟度的定量判别标准：采收前30 d左右，且含油率为（22.00±1.00）%的样品作为成熟度I；油茶果采收前23 d左右，且含油率为（24.00±1.00）%的样品作为成熟度II；茶果采收前16 d左右，且含油率为（27.00±2.00）%的样品作为成熟度III；茶果采收前9 d左右，且含油率为（31.50±2.50）%的样品作为成熟度IV；油茶果采收期间，且含油率为（35.00±1.00）%的样品作为成熟度V。成熟度等级I～V的油茶果样品的成熟度依次递增，成熟度V的油茶果为完熟期样品。本实验不包含过熟期样品，因为过熟期的油茶果果壳开裂容易脱落，凭借人眼很容易判别，无需借助高光谱设备。将以上5 种成熟度油茶果样品的高光谱数据作为数据集，用作成熟度的分类。2、基于像素点的油茶果高光谱图像曲率校正图2a是校正前从油茶果中心沿半径方向至边缘处89 个像素点的光谱曲线图，可以看出由于油茶果曲率的影响，不同位置的光谱反射强度差异很大，光谱CV为0.244 0；图2b是相同位置的像素点校正后的光谱曲线图，可以发现每个像素点之间的光谱强度差异变小很多，CV为0.0753。774 nm通道油茶果样品的反射率与背景的反射率差异最大，因此该通道能清晰地显示油茶果样品的灰度图。图3是在774 nm波段校正前后油茶果反射率的伪彩色分布，可以直观地看到校正后油茶果像素点的反射率分布比校正前更均匀，说明均值归一化方法的有效性。3、不同成熟度油茶果光谱特征分析939 个样本曲率校正前后的光谱曲线图见图4，校正后的数据分布更加集中，数据特征更加明显。670 nm处的吸收峰主要与油茶果壳中的花青素和叶绿素有关，970 nm处的吸收峰与果壳中的水分有关。将5 个不同成熟度等级的油茶果光谱数据分别取平均值，得到油茶果的成熟度曲线如图5所示。可以发现，不同成熟度油茶果的光谱强度差异主要体现在500～630 nm和720～970 nm之间。在500～630 nm之间，成熟度I和成熟度II样品的反射强度差别较小，随着采样时间的推迟，成熟度III和成熟度IV样品的反射强度较前者有所降低，成熟度V样品的反射强度降至最低，该波段范围内呈现出油茶果的光谱反射率随成熟度的增加而降低的规律。在720～970 nm之间，成熟度II～V样品的反射强度随成熟度的增加而降低，而从成熟度I～V样品的反射强度经历两次先增高后降低的过程，可能是与果壳中内源激素含量的动态变化有关。在5 个不同的采收时间点，成熟度曲线存在较明显的区别，为成熟度分类提供了理论依据。4、基于全波长的油茶果成熟度分类将5 种不同成熟度等级的油茶果样品赋予类别标签1～5，分别采用KNN、RF、SVM、PLS-DA建立基于全波长光谱信息的油茶果成熟度分类模型，各模型参数设置如表3所示。在对各个模型进行参数寻优后，获得了各模型在最优参数下的分类结果如表3和图6所示。可以发现，SVM相比于其他3 个模型的分类效果最好：训练集的分类正确率为98%，测试集的平均分类正确率为97%，对成熟度I样品的分类正确率最高；其次是RF模型，对油茶果成熟度的平均分类正确率为86%，对成熟度I和成熟度IV样品的分类正确率较高；PLS-DA模型的分类效果一般，测试集的正确率为76%；KNN模型在训练集和测试集上的分类正确率是所有模型中最低。5、基于特征波长的油茶果成熟度分类表4是不同降维方法选择特征变量建立的SVM分类模型结果。可以发现，使用CARS降维后的28 个特征波长的光谱数据建立的SVM模型效果最好：训练集平均正确率为91%，测试集平均正确率为82%，对成熟度IV样品的识别率最高为91%，对成熟度II样品的识别率较低为73%。经SPA和GA降维后建立的分类模型的效果相差不大：训练集上对油茶果的分类正确率为86%左右，测试集上的识别率为80%左右。主成分分析（PCA）-SVM模型的效果最差：训练集上的分类正确率为64%，测试集上的分类正确率只有55%，可见PCA方法将全波段光谱数据转化为7 个PC的过程中即使保留了99%的信息量，结合SVM建立的分类模型的性能还是较差。CARS-SPASVM和GA-SPA-SVM都是经过二次降维之后建立的分类模型，两组数据集下的SVM模型分类效果相当：测试集的正确率为75%左右，并且两个模型均对成熟度V样品的分类正确率最高，对成熟度II和成熟度III样品的分类正确率较低。6、基于图像特征和光谱特征融合的油茶果成熟度分类表5是不同输入特征下的SVM模型分类结果，可以发现，使用单一的颜色特征建立的油茶果成熟度SVM模型测试集正确率为79%，相比使用单一的光谱特征建模的正确率降低了3.7%，并且该模型对成熟度IV和成熟度V样品的识别率较高，分别为92%和95%，对成熟度II和成熟度III样品的识别率较低。使用单一的纹理特征建立的油茶果成熟度SVM分类模型正确率不足50%，说明油茶果的纹理特征参数在油茶果成熟期间没有发生较明显的变化，并且油茶果的表皮光滑，纹理特征并不明显，不能较好地作为油茶果成熟度的表征因子。总体上说，融合颜色特征和光谱特征建立的油茶果成熟度SVM分类模型的效果最优，并且模型对成熟度I、IV、V油茶果样品的识别率普遍高于对成熟度II、III样品的识别率，原因是成熟度I、IV、V油茶果样品之间的特征参数差异性较大，易于分辨，而成熟度II、III样品之间的特征差异相对较小。结 论对利用高光谱成像技术进行油茶果成熟度检测的可行性进行探究，采用实验室内静态测量的方式观察和分析油茶果的光学特性，在此基础上分析利用油茶果的光学特征判断油茶果的成熟度的准确性。目前结合田间动态测量讨论自然环境下光谱检测油茶果成熟度的可行性的田间试验正处于方案论证阶段，将在今年油茶果成熟期（10—11月）进行，为达到油茶先熟先采、后熟后采、随熟随采的智能化采摘新阶段奠定理论基础。主要结论如下：1）分别使用KNN、RF、SVM、PLS-DA建立基于全波段光谱数据的油茶果成熟度判别模型，发现SVM模型的分类正确率最高：训练集正确率为98%，测试集正确率为97%。2）分别使用SPA、CARS、GA、CARS-SPA、GA-SPA对全光谱进行降维，建立基于特征变量的SVM模型，发现经过CARS方法选择的特征波段建立的分类模型正确率最高：训练集分类正确率为91%，测试集的正确率为82%。3）提取油茶果高光谱图像中的颜色特征和纹理特征，分别建立SVM分类模型后发现，融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%，测试集正确率为93%。

一、中国农业科学院植物保护研究所“转基因生物环境安全评价与检测中心完善”项目　　 采购人名称：中国农业科学院植物保护研究所 　　地址：北京市海淀区圆明园西路2号 　　采购代理机构名称：中国乡镇企业总公司 　　采购项目名称：“转基因生物环境安全评价与检测中心完善”项目仪器设备采购(第三批) 　　采购内容的简要说明 包号 品目号 设备名称 数量(台、套) 简要技术要求 1 1-1 正置微分干涉显微影像识别系统 1 环境温度：5~40℃ 1-2 倒置荧光显微影像识别系统 1 相对湿度：10~80% 1-3 土壤线虫自动分离系统 1 材质：不锈钢 1-4 全二维气相色谱仪 1 相对湿度：10～90% 1-5 染色体分析系统 1 电源：AC220V 50Hz 2 2-1 荧光体式显微镜 1 电源：AC220V 50Hz 2-2 二级生物安全柜（B2级） 2 相对湿度：35～80% 2-3 二级生物安全柜（A2级） 3 环境温度：5℃～40℃ 2-4 环氧乙烷消毒系统 1 相对湿度：10～85% 2-5 高压蒸汽灭菌锅 3 电源：AC220V±10﹪ 2-6 高压均质机 1 处理量： 50 L/hr 2-7 高通量飞行时间质谱联用仪 1 相对湿度：35～65% 2-8 高级微生物基因分型系统 1 环境温度： 5-41º C 3 3-1 立体解剖镜 1 相对湿度：10~80% 3-2 立体成像系统 1 相对湿度：35～80% 3-3 多光谱分析鉴别系统 1 锂电池供电 3-4 人工气候箱 6 环境温度：5℃～40℃ 3-5 植物多维扫描分析系统 1 电源电压： 90～264 V 　　定标日期：2012 年12月14 　　采购项目招标文件编号：CTEC11B323A 　　招标公告日期：2012年11月20日 　　中标人名称、地址和中标金额： 　　第一包：中标人名称：北京中锦国仪科技发展有限公司，地址：北京市海淀区紫竹院南路7号院内47号办公楼208室，中标金额：人民币3,613,600.00元。 　　第二包：中标人名称：中国科学器材公司，地址：北京市东城区灯市口大街75号，中标金额：人民币3,799,600.00元。 　　第三包：中标人名称：北京天华科海科技有限公司，地址：北京市海淀区紫竹院路广源闸5号广源大厦B座H区-150，中标金额：人民币2,219,700.00元。 　　评标委员会成员名单： 柴志刚、颜岩、纪威、吴金凤、赵胜年 　　联系人：巩芹、孟令军 　　联系电话：010-59193837，010-59193844 　　传真：010-59193811 　　电子信箱：gq0621@yahoo.com.cn 　　地址：北京市朝阳区农展南路5号京朝大厦8层811房间，100125 　　若对本项目有异议，请自本公告发布之日起7个工作日内按上述地址与本公司联系。 　　感谢本项目所有投标人对中国乡镇企业总公司招标工作的支持! 　　特此公告! 　　中国乡镇企业总公司 2012 年12月14日 二、中国农业科学院农业环境与可持续发展研究所作物高效用水与抗灾减损国家工程实验室建设项目 采购人名称：中国农业科学院农业环境与可持续发展研究所 　　地址：北京市海淀区中关村南大街12号 　　采购代理机构名称：中国乡镇企业总公司 　　采购项目名称：作物高效用水与抗灾减损国家工程实验室建设项目 　　采购内容的简要说明 包号 品目号 货物名称 数量（套） 简要技术要求 1 1-1 土壤水、二氧化碳通量系统 1 操作温度：-20度~45度 操作湿度: 0-95%，非凝结 1-2 大口径闪烁分析系统 1 发射器光源面个数不小于2 1-3 植物导水率高压测定仪 1 测量直径 1~55 mm 1-4 植物茎秆液流测定系统 1 测量植株的直径范围10-30 mm 1-5 数字压力室 1 压力室主机重量：不超过9Kg 1-6 便携式水分测定仪 6 测定范围：0—100% 1-7 土壤水分特征曲线快速测量系统 1 最大容量：3000ml 2 2-1 谷粒判别器 1 数据保存： 1000 个数据在主机里被记忆 2-2 人工降雨模拟器 1 雨强连续变化范围：15~ 200mm/h 2-3 波文比测定系统 1 可记录电压、电流、阻抗、记数、频率、通信状况等数据 2-4 激光粒度分析仪 1 仪器符合ISO13320及FDA的21 CFR 11标准 2-5 涡轮盘高效研磨机 1 工作温度：5-85℃ 3 3-1 农情自动监测系统 4套 温度测量范围-30℃～50℃ 精度±0.2℃ 4 4-1 试验台 1套 全钢 　　定标日期：2012 年12月13日 　　采购项目招标文件编号：CTEC12B320 　　招标公告日期：2012年11月23日 　　中标人名称、地址和中标金额： 　　第一包：中标人名称：北京彭曼科技有限责任公司，地址：北京市海淀区中关村南大街12号中国农业科学院资划所602，中标金额：人民币2,482,400.00元。 　　第二包：中标人名称：北京博普特科技有限公司，地址：北京市海淀区天秀路10号中国农大国际创业园5019室，中标金额：人民币1,857,200.00元。 　　第三包：中标人名称：北京彭曼科技有限责任公司，地址：北京市海淀区中关村南大街12号中国农业科学院资划所602，中标金额：人民币563,900.00元。 　　第四包：中标人名称：北京成威博瑞实验室设备有限公司，地址：北京市朝阳区大郊亭中街2号华腾国际3-15L，中标金额：人民币420,000.00元。 　　评标委员会成员名单：蒋秀高、沈佐锐、潘品良、郝秀云、李玉中 　　联系人：巩芹、孟令军 　　联系电话：010-59193837，010-59193844 　　传真：010-59193811 　　电子信箱：gq0621@yahoo.com.cn 　　地址：北京市朝阳区农展南路5号京朝大厦8层811房间，100125 　　若对本项目有异议，请自本公告发布之日起7个工作日内按上述地址与本公司联系。 　　感谢本项目所有投标人对中国乡镇企业总公司招标工作的支持! 　　特此公告! 　　中国乡镇企业总公司 　　2012 年12月13日

玉米是我国四大主粮之一，分为春玉米和夏玉米，春玉米一般是北方播种的，4-5月播种，7-8月收获，现在已经进入7月，北方各玉米种植区要开始为玉米收割做准备，玉米的产量和品质一直是种植户们最关心的问题，他们为了增产增收不断学习新的种植技术，引起新的品种。冠层结构能够影响玉米产量和品质，因为良好的冠层结构可以提高玉米叶片的光合效率，有利于玉米对能量的积累，促进了玉米的生长发育。关于玉米冠层的分析，小编推荐托普云农的作物冠层分析仪，作物冠层分析仪能够进行冠层光能资源调查，测量植物冠层中光线的拦截，研究作物的生长发育、产量品质与光能利用间的关系。要想玉米增产增收，小编总结了一些方法，如下：　　1.保证全苗壮苗。当播种条件较差或种子较差时不宜直播而可用防护育苗方法。 　　2.适当提高种植密度。当玉米密度普遍偏稀，影响高产。可以使用冠层分析仪来进行冠层光能资源调查，测量植物冠层中光线的拦截。因为拦截光线的主要因素是玉米植株太密，而如何做到合理的密度，这就需要冠层分析仪了。　　3.重施攻蒲肥。玉米高产施肥的总要求是适施基肥、早施苗肥、重施攻蒲肥、补施粒肥。攻蒲肥用量要求达总施氮量的50%左右，一般亩产250-300公斤，尿素亩用量应达10公斤左右，在抽天花前10-15天的大喇叭口期施用。磷钾肥一般作基肥施用。 　　4.防治好蛀心虫。　　5.做好抗旱，或通过播期调整的避旱工作。　　TOP-3000型号的作物冠层分析仪，也叫冠层分析仪，专业检测分析作物冠层长势，研究分析作物的生长发育、产量品质与光能之间的关系，要知道，作物冠层的大小疏密会影响光照，而光照会影响光合作用，继而影响玉米长势，所以作物冠层分析仪的重要性就不言而喻了。

为广泛征求用户的意见和需求，了解中国科学仪器的市场情况和应用情况，仪器信息网自2008年6月1日开始，对不同行业有代表性的“100家实验室”进行走访参观。近日，仪器信息网工作人员参观访问了本次活动的第五十站：中国农业科学院作物所国家作物种质库，该库主任卢新雄研究员、实验室张志娥副研究员、辛霞博士热情地接待了实验室到访人员。 　　国家作物种质库（简称“国家种质库”）是我国第一座现代化低温种质库，是全国作物种质资源长期保存中心与保存研究中心。该库于1986年10月在中国农业科学院落成，总建筑面积为约3200平方米，由试验区、种子入库前处理操作区、贮藏区三部分组成。贮藏区建有两个长期贮藏冷库，总贮藏面积为约300平方米，其容量可保存种质40余万份。国家种质库现隶属农科院作物科学研究所。 　　国家种质库外景 　　“作物种质资源是农业科学原始创新、作物育种及生物技术产业的物质基础，是实现农业可持续发展、保障国家粮食安全、生态安全、能源安全、健康安全与农民增收的战略性资源。国家种质库就是一个作物种质资源的‘收藏夹’，其重要性及利用价值受到国家政府的高度重视。胡锦涛、吴邦国、温家宝等国家领导人都曾亲临国家种质库视察。”卢新雄研究员首先为我们介绍了建立国家种质库的重要意义。 　　卢新雄研究员（右一）与仪器信息网工作人员交流 　　“目前，国家种质库长期库收集了35.9万份种子，保存数量仅次于美国位居世界第二，其中80%的种子来自国内，其余20%是从国外搜集而来。种子品种涉及水稻、大豆、玉米、小麦、花生、棉花、荞麦、甜菜、烟草等各类农作物。这些种子由国家种质库在全国各地的合作单位每年送来。” 　　冷藏库外部 　　冷藏库内部 　　（图注：冷藏库内布置了许多传感器，能实时检测库内的温度与湿度。） 　　长期库+中期库+临时库，总贮存容量达百万份 　　“今天参观的仅是国家种质库1986年建成的部分。中国农业科学院对国家种质库进行了扩建，新建的‘国家农作物种质保存中心’于2002年建成并投入使用，是国家种质库的重要补充部分。该保存中心包括17间冷库，这些冷库总建筑面积约1700平方米，其中5间冷库供种质长期保存，9间中期保存，3间临时存放。‘国家农作物种质保存中心’保存设施投入使用后，使得国家库种质的保存总容量达到近百万份。另外，国家种质库在青海还有一个复份库，负责国家种质库长期库贮存种质的备份安全保存。” 　　表1 中国农业科学院作物所种质保存设施一览 建筑名称 建成时间(年) 建筑面积（m2） 种质贮藏容量（份） 组成部分 国家种质库 1986 3200 约40万 （1）2个长期贮藏库 （总面积约300 m2） （2）试验区 （3）种子入库前处理操作区 （4）其他设施 国家农作物种质保存中心 2002 5500 约60万 （1）5个长期贮藏冷库 （2）9个中期贮藏冷库 （3）3个临时存放冷库 （17个冷库总面积约1700 m2） （4）其他设施 　　（备注：本表是根据国家种质库提供的资料整理而成。） 　　表2 国家种质库贮藏冷库种类及功能一览 贮藏冷库名称种质贮存条件 功能 长期库 温度-18℃±1℃ 相对湿度 　　德国Eppendorf公司5804R冷冻离心机（左） 　　美国Boekel Scientific公司Big SHOT II 高容量分子杂交箱（右） 　　（图注：这两台仪器使用很频繁。） 　　德国Biometra公司Tgradient梯度PCR仪（左） 　　美国MJ Research公司PTC-100 Peltier Thermal Cycler PCR仪（右） 　　种子入库前处理操作区：培养箱的天下 　　种子入库前处理操作区是种子入库前对种子进行处理的区域。张志娥副研究员介绍到：“种子要经过活力检测、干燥、包装等处理后才能入库冷藏保存。” 　　工作人员在数种子 　　“活力检测在发芽室进行，其目的是通过发芽实验来检测种子的活力、发芽率，以确保最终入库的种质资源的质量。只有发芽率、活力符合相关标准的种子才能入库。一般要求种子的发芽率在90%以上。所要用到的仪器主要是从美国、德国进口的培养箱，以保证种子在在最适宜的温度和湿度条件下发芽。” 　　德国MMM公司Climacell恒温恒湿培养箱（左） 　　美国PERCIVAL公司恒温植物培养箱（右） 　　广东医疗器械厂LRH-250-GⅡ光照培养箱 　　（图注：LRH-250-GⅡ光照培养箱已购买了20余年，目前使用情况良好。） 　　发芽培养 　　“一般种子的水分含量为11-12%，这个比例对于长期保存来说较高，所以还要对经活力检测合格的种子进行干燥。干燥时间由种子的粒径大小与性质来决定。” 　　“我们在此使用的干燥箱都是国外进口的，这主要是因为种子在干燥过程中对温度的稳定性要求很高，进口干燥箱的精确度更高。并且我们用的干燥箱与实验室用的干燥箱是两个概念，一般实验室干燥箱的温度范围在100-300℃，其准确度不高，对温度的控制比较‘粗放’。所以我们选择了温度控制相对精确的培养箱来作为干燥箱，并对它进行了改造。” 　　由美国Thermo Scientific公司的恒温培养箱改造而成的干燥箱 　　（图注：该实验室有3组共20只该类干燥箱。干燥箱外边另外安装了预冷、除湿装置。这样，空气先经过冷却除湿，然后通过密封管道进入干燥箱内部，然后再适当升温对种子进行干燥。图片显示的8个箱子购买于赛默飞世尔合并之前，当时价格约为30多万人民币。据卢新雄研究员介绍，这些干燥箱在国内是较先进的干燥设备，在国内种质保存机构的干燥设备中是最好的。） 　　“除了干燥箱之外，我们还有立体显微镜、数粒仪、水分测定仪等仪器。种子包装设备就是很常见的热合机，种子可以放在铝箔袋或者金属小盒子中储存。” 　　英国VISION公司LYNX实体显微镜 　　（图注：该显微镜为单目显微镜，用于观察种子的颜色、大小和表面，还可以用它来成像。购买价格为20多万人民币。） 　　日本AND公司FC-500si数粒仪 　　（图注：该仪器的工作原理是先算出单位重量的种子数目，然后根据实际重量来计算种子的数目。据说，该仪器准确度很高，其软件系统是由国家种质库与生产企业共同开发完成的。） 　　美国帝强Dickey-john公司GAC2100高精度水分容重测定仪 　　（图注：该仪器可以在不破坏种子的情况下测出种子的含水量，但需要被测种子重量大于250克。由于国家种质库需要测量的种子的重量经常达不到250克，所以该仪器使用较少。该仪器购买价格为免税后5万元。） 　　张志娥副研究员（左二）、辛霞博士（左一）与仪器信息网工作人员合影 　　附录：中国农业科学院作物所国家作物种质库 　　http://icscaas.com.cn/jiguoku/zhongzhiku.htm

一、液-固界面接触角的测量的实验目的1. 了解液体在固体表面的润湿过程以及接触角的含义与应用。2. 接触角测定材料表面接触角和表面张力的方法。二、接触角测量的过程 ： 用接触角测量仪注射器针头将一滴待测液体滴在基质上。液滴会贴附在基质表面上并投射出一个阴影。投影屏幕千分计会使用光学放大作用将影像投射到屏幕上以进行测量。三、接触角测量原理 润湿是自然界和生产过程中常见的现象。通常将固-气界面被固-液界面所取代的过程称为润湿。将液体滴在固体表面上，由于性质不同，有的会铺展开来，有的则粘附在表面上成为平凸透镜状，这种现象称为润湿作用。前者称为铺展润湿，后者称为粘附润湿。如水滴在干净玻璃板上可以产生铺展润湿。如果液体不粘附而保持椭球状，则称为不润湿。如汞滴到玻璃板上或水滴到防水布上的情况。此外，如果是能被液体润湿的固体完全浸入液体之中，则称为浸湿。上述各种类型示于图1。 光学接触角测量仪可以记录液滴图像并且自动分析液滴的形状。液滴形状是液体表面张力、重力和不同液体样品的密度差和湿度差及环境介质的函数。在固体表面上，液滴形状和接触角也依赖于固体的特性（例如表面自由能和形貌）。使用液滴轮廓拟合方法对获得的图像进行分析，测定接触角和表面张力。使用几种已知表面张力的液体进行接触角测试可以计算得到材料的表面自由能。 作为光学方法，光学接触角测量仪的测量精度取决于图片质量和分析软件。Attension光学接触角测量仪使用一个高质量的单色冷LED光源以使样品蒸发量降到zui低。高分辨率数码镜头、高质量的光学器件和精确的液体拟合方法确保了图片质量。图1 各种类型的润湿当液体与固体接触后，体系的自由能降低。因此，液体在固体上润湿程度的大小可用这一过程自由能降低的多少来衡量。在恒温恒压下，当一液滴放置在固体平面上时，液滴能自动地在固体表面铺展开来，或以与固体表面成一定接触角的液滴存在，如图2所示。图2 接触角假定不同的界面间力可用作用在界面方向的界面张力来表示，则当液滴在固体平面上处于平衡位置时，这些界面张力在水平方向上的分力之和应等于零，这个平衡关系就是著名的Young方程，即γSG - γSL = γLGcosθ 式中γSG，γLG，γSL分别为固-气、液-气和固-液界面张力；θ是在固、气、液三相交界处，自固体界面经液体内部到气液界面的夹角，称为接触角，在0o-180o之间。接触角是反应物质与液体润湿性关系的重要尺度。在恒温恒压下，粘附润湿、铺展润湿过程发生的热力学条件分别是：粘附润湿，铺展润湿， 粘附润湿、铺展润湿过程的粘附功、铺展系数。 以上方程说明，只要测定了液体的表面张力和接触角，便可以计算出粘附功、铺展系数，进而可以据此来判断各种润湿现象。还可以看到，接触角的数据也能作为判别润湿情况的依据。通常把θ＝90°作为润湿与否的界限，当θ＞90°，称为不润湿，当θ＜90°时，称为润湿，θ越小润湿性能越好；当θ角等于零时，液体在固体表面上铺展，固体被完全润湿。

哎呀，我的气相色谱进样后咋不出色谱峰？咦，怎么气相色谱基线又出现漂移问题了？气相色谱出了小故障，维修工程师不愿来，我这实验数据得马上出，咋办？ 　　&hellip &hellip 　　各位是不是快被各种莫名其妙的气相色谱故障逼疯了?别发愁了，快来看看这篇《气相色谱仪维修手册》吧。它几乎囊括了气相色谱所有的常见故障，每种故障还列出了5种以上的排除方法；同时还包括N多种图谱分析方法，这可是从事色谱实验室分析工作的同学们必看的&ldquo 红宝书&rdquo 啊! &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr 故障分析方法(一) 　　▲故障分析的基础： 　　组成：由哪些部分组成? 　　作用：各部分起什么作用? 　　原理：各部分的工作原理是怎样的? 　　判别：如何判别工作正常与否? 　　注意事项：检修过程中哪些方面必须注意? 故障分析方法(二) 　　▲故障分析的思路： 　　注意事项： 　　1.保护人体，安全第一，防止事故发生。 　　2.保护设备，避免故障扩大、转移。 　　确定范围： 　　确定与该故障有关的部分和相关因素。 　　故障检查： 　　1.顺序推理法：根据工作原理顺序推理，检查、寻找故障原因。 　　2.分段排除法：逐个排除，缩小范围，检查、寻找故障原因。 　　3.经验推断法：根据经验积累，检查、寻找故障原因。 　　4.比较检查法：参照工作正常的仪器，检查、寻找故障原因。 　　5.综合法：综合使用上述各种方法，检查、寻找故障原因。 故障分析方法(三) 　　▲GC故障的种类： 　　气路部分故障：气体输入不正常、气体品种不对或纯度不够、气路泄漏、气路堵塞、气路污染、气路部件故障、流量设置不正常、色谱柱问题、等等。 　　主机电路部分故障：启动或初始化不正常、温度控制部分故障、键盘或显示部分故障、开关门不正常、点火不正常、电流设置不正常、量程或衰减设置不正常、其他功能性故障、等等。 　　检测器输出信号不正常：无信号输出、输出信号零点偏离、输出信号不稳定、输出信号数值不对、等等。 　　其他故障：气源不正常、电网电压不正常、二次仪表不正常、机械类故障、等等。 故障分析方法(四) 　　▲故障的判别： 　　基础：检查、寻找故障原因的基础是掌握故障判别的方法。掌握故障判别方法的基础是熟悉和了解仪器各部分的组成、作用、工作原理。 　　输入与输出：通常仪器的每个部分、部件、甚至零件都有它的输入和输出，输入一般是指该部分正常工作的前提，输出一般是指该部分所起的作用或功能。 　　举例：例如FID放大器，它的输入是FID检测器通过离子信号线传送过来的微电流信号、放大器的工作电源、以及放大器的调零电位器，它的输出是经过放大并送到二次仪表的电信号。判别FID放大器是否工作正常的方法是：A.如果输入正常而输出不正常，则放大器故障。B. 如果输入输出均正常，则放大器正常。C.如果输入不正常，则放大器是否正常无法判定。 　　收集与积累：积极收集、认真记录、不断积累仪器各个部分工作正常与否的各种判别方法，并了解、熟悉、掌握、牢记这些故障判别方法。 &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr 故障分析举例(一) 　　▲气路部分不正常。 　　⊙指气路系统出现堵塞、泄漏、无压力指示、无气体输出等故障。 　　A.检查气源部分(气瓶、气体发生器等)是否正常。 　　B.利用输入气体压力表检查气体输入是否正常，否则检查净化器等外部气路及稳压阀等是否正常。 　　C.如果是载气流路，则可在色谱柱前后检查进样器的气体输出是否正常，否则检查稳压阀至色谱柱这一段。 　　D.如果是氢气或空气流路，则可利用仪器顶部的气路转接架检查气体输出是否正常，否则检查稳压阀至气路转接架这一段。 　　E.检查检测器的气体输入、输出是否正常。 　　F.在气路系统的适当地方进行封堵，并观察相应压力表的指示变化，是检查漏气的常用方法。 　　G.安全起见，可以利用氮气对氢气流路进行检查。 故障分析举例(二) 　　▲仪器启动不正常。 　　⊙指接通电源后，仪器无反应或初始化不正常。 　　A.关机并拔下电源插头，检查电网电压以及接地线是否正常。 　　B.利用万用表检查主机保险丝、变压器及其连接件、电源开关及其连接件、以及其他连接线是否正常。 　　C.插上电源插头并重新开机，观察仪器是否已经正常。 　　D.如果启动正常，而初始化不正常，则根据提示进行相应的检查。 　　E.如果马达运转正常，而显示不正常，则检查键盘/显示部分是否正常。 　　F.如果显示正常，而马达运转不正常，则检查马达及其变压器、保险丝等是否正常。 　　G.必要时可拔去一些与初始化无关的部件插头，并进行观察。 　　H.如果初始化仍不正常，则基本上可确定是微机板故障。 故障分析举例(三) 　　▲温度控制不正常。 　　⊙指不升温或温度不稳定。 　　A.所有温度均不正常时，先检查电网电压及接地线是否正常。 　　B.所有温度均不稳定时，可降低柱箱温度，观察进样器和检测器的温度，如果正常，则是电网电压或接地线引起的故障。 　　C.如果电网电压和接地线正常，则通常是微机板故障，一般来说各路温控的铂电阻或加热丝同时损坏的可能性极下。 　　D.如果是某一路温控不正常，则检查该路温控的铂电阻、加热丝是否正常。 　　E.如果是柱箱温控不正常，还要检查相应的继电器、可控硅是否正常。 　　F.如果铂电阻、加热丝等均正常，则是微机板故障。 　　G.在上述检查过程中，要注意各零部件的接插件、连接线是否存在断路、短路、以及接触不良的现象。 故障分析举例(四) 　　▲点火不正常。 　　⊙指FID、NPD、FPD检测器不能点火或点火困难。 　　A.检查载气、氢气、空气是否进入检测器，否则检查气路部分。 　　B.检查各种气体的流量设置是否正确，否则重新设置。 　　C.观察点火丝是否发红，否则检查点火丝是否断路或短路、接触不良，以及检查点火丝形状是否正常。 　　D.点火丝正常的情况下，FID、FPD检测器观察点火继电器吸合是否正常，点火电流是否加到点火丝上，否则检查相应的电路部分。 　　E.NPD检测器在确认铷珠正常的前提下，观察电流调节是否正常，否则检查相应的电路部分。 　　F.检查检测器是否存在污染、堵塞现象。 　　H.检查检测器内部是否存在漏气现象。 故障分析举例(五) 　　▲出部分反峰： 　　⊙指大部分峰为正向出峰，但一部分峰为反向出峰，或基线往负方向偏移。 　　A.使用空气压缩机时，检查确认反向出峰或基线往负方向偏移是否与空气压缩机的动作(空气压力不足时空气压缩机自动动作)在时间上是否同步。 　　B.较多水份进入离子化检测器时，火焰的燃烧状态短时间会起变化，伴随出现反峰(这不是异常)。 　　C.检查各种气体的流量设置是否正常，以及是否存在漏气现象。 　　D.检查载气的纯度，如果载气里面有微量不纯物，而样品的纯度如果比载气的纯度高，就会出反峰。 　　E.气路切换时有压力冲击，也会出现反峰，此时气路中应加接稳压装置。 　　F.使用TCD时，如果载气和样品的热导系数过于接近，也会出现一部分或全部的反峰。 故障分析举例(六) 　　▲出峰后零点偏移： 　　⊙指样品出完溶剂峰等平顶峰后基线不能回到原来的零点。 　　A.各气体流量是否正常(数值、稳定)。 　　B.柱箱、检测器的温度是否正常(数值、稳定)。 　　C.检测器是否被污染，如果污染进行清洗或更换零件 　　D.必要时在通入载气的情况下，将检测器的温度设置在200℃以上进行数小时的老化。 　　E.色谱柱是否老化不足，必要时在载气进入色谱柱的情况下，将色谱柱箱的温度设置在色谱柱的最高使用温度下30度左右进行10小时以上的老化，或用程序升温方式进行老化。 　　F.减少进样量。 　　G.使用TCD时，如果大量的氧成分注入TCD，会引起TCD钨丝的阻值发生变化，使得基线无法回零，钨丝的寿命也会减短。 故障分析举例(七) 　　▲基流过大、无法调零(1)： 　　⊙指对基线进行调零时，发现基流增大，零点与平时相比有偏离或无法调零。 　　A.将火焰熄灭或关闭电流之后基线还是无法回零时，要考虑是否电路系统的故障或接触不良、绝缘退化等因素： 　　1).检查检测器和离子信号线是否有接触不良、绝缘退化等现象。 　　2).检查检测器是否被污染，如果污染请进行清洗。 　　3).检查检测器温度是否正常，必要时对检测器进行老化。 　　4).检查是否离子信号线故障、放大器电路板故障、输出信号线故障、积分仪/工作站故障。 　　5).使用TCD时，检查TCD钨丝电流的设定是否太大。 　　B.色谱柱箱温度冷却到室温，调零还是不正常时，要考虑检测器自身的原因： 　　1).检查各种气体是否污染或流量不正常、漏气。 　　2).检查检测器是否被污染，如果污染请进行清洗。 故障分析举例(八) 　　▲基流过大、无法调零(2)： 　　C.降低进样口温度后基始电流也不减少时： 　　1).检查载气是否污染或流量不正常。 　　2).检查色谱柱安装连接部分或进样垫部分是否有漏气现象。 　　3).检讨是否色谱柱老化不足，比要时在载气进入色谱柱的情况下对色谱柱进行老化。 　　D.降低进样器温度后基始电流有缩减少时，可以判定是进样口、进样垫或进样衬管等有污染现象，应对进样器部分进行清洗。 故障分析举例(九) 　　▲基线扭动(1)： 　　⊙指基线上下扭摆不停超出标准范围、无法走直稳定。 　　注意：发现基线扭动时，请先检查电网电源是否有异常波动或突变，特别是在同一电网电源上接有大功率装置时，更要注意。同时检查仪器的接地是否正确并且良好。 　　A.将火焰熄灭之后基线如果还是扭动： 　　1).检查检测器是否被污染，如果污染请进行清洗。 　　2).检查检测器的温度是否正常，必要时检测器进行老化。 　　3).检查是否离子信号线故障、放大器电路板故障、输出信号线故障、积分仪/工作站故障。 　　B.将火焰熄灭之后基线停止扭动，降低色谱柱箱的温度扭动幅度却不变小： 　　1).检查使用的空气是否有污染现象，注意更换气体过滤器的过滤剂，及对空气压缩机进行放水。 　　2).检查空气压缩机的起动与基线扭动有没有关系，否则维修空气压缩机。 　　3).检查检测器是否被污染，如果污染请进行清洗。 　　4).检查检测器的温度是否正常，必要时检测器进行老化。 故障分析举例(十) 　　▲基线扭动(2)： 　　C.降低色谱柱温度后基线扭动减少，但降低进样器温度扭动幅度却不变小，则基线扭动的原因与色谱柱或载气有关： 　　1).检查载气是否污染或流量不正常。 　　2).检查色谱柱安装连接部分或进样垫部分是否有漏气现象。　　3).检讨是否色谱柱老化不足，必要时对色谱柱进行老化。 　　D.降低进样口温度之后基线扭动减少，要考虑是否进样口有污染现象： 　　1).如果确认进样器污染，请进行清洗。 　　2).更换新的进样垫。 　　3).检查进样器温度是否波动。 故障分析举例(十一) 　　▲基线漂移过大(1)： 　　⊙仪器刚启动、色谱柱更换后不久，基线的漂移是正常现象。基线漂移过大是指基线的漂移比正常的标准高很多，并且始终无法稳定下来。 　　A.将火焰熄灭之后如果基线还是漂移很大，要考虑是否电路系统的故障或接触不良、绝缘退化等因素： 　　1).检查检测器和离子信号线是否有接触不良、绝缘退化等现象。使用TCD时，检查TCD的钨丝及引线是否接触不良。 　　2).检查检测器是否被污染，如果污染请进行清洗。 　　3).检查检测器的温度是否正常，必要时对检测器进行老化。 　　4).检查是否离子信号线故障、放大器电路板故障、输出信号线故障、积分仪/工作站故障。 　　B.将火焰熄灭之后基线不再漂移，降低色谱柱箱的温度漂移幅度却不变小，这种情况是色谱柱之后的部分有问题： 　　1).检查各种气体是否污染或流量不正常。 　　2).检查检测器是否被污染，如果污染请进行清洗。 　　3).检测器的使用温度在350℃以上时，某些毛细管色谱柱外侧的树脂成分可能受热分解引起基线漂移，这种情况请把FID温度降到350℃以下。 　　4).检查检测器温度是否波动。 　　5).使用TCD时，检查TCD钨丝电流的设定是否太大。 故障分析举例(十二) 　　▲基线漂移过大(2)： 　　C.降低色谱柱温度后基线漂移减少，但降低进样口温度漂移幅度却不变小，这种情况基线漂移的原因与色谱柱或载气有关： 　　1).检查载气是否污染或流量不正常。 　　2).检查色谱柱安装连接部分或进样垫部分是否有漏气现象。 　　3).是否色谱柱老化不足，必要时对色谱柱进行老化。 　　4.检查检测器温度是否波动。 　　D.降低进样口温度之后如果基线漂移减少，要考虑是否进样口有污染现象，请进行下列项目的检查： 　　1).如果确认进样器污染，请进行清洗。 　　2).更换新的进样垫。 　　3).检查进样器温度是否波动。 故障分析举例(十三) 　　▲进样不出峰(1)： 　　⊙指进样后没有峰被检测出来，基线只画一条直线。 　　注意：发现进样不出峰时，首先要考虑载气是否进入仪器(包括色谱柱、检测器)，否则可能会造成色谱柱的损伤或检测器的污染。因此发现进样不出峰时，应立即降低色谱柱恒温槽的温度让色谱柱冷却。使用TCD时，必须先将钨丝电流关闭。在确定载气系统正常之后方能进行其他项目的检查。 　　A.检查检测器的火焰是否熄灭，如果熄灭请重新点火 如果点不着火或者点着后又很容易熄灭时，请进行下列项目的检查： 　　1).检查点火线圈是否发红，如果不发红应该是点火极部分故障。 　　2).检查各种气体的流量是否正常，适当加大氢气流量试试。 　　3).使用TCD时，检查TCD钨丝及钨丝电流的设置是否正常。　　B.检查离子信号线与检测器、放大器电路板的连接，以及输出信号线与仪器、积分仪/工作站的连接是否正常可靠。 故障分析举例(十四) 　　▲进样不出峰(2)： 　　C.调零也不正常时，要考虑是否电路系统的故障，请检查是否信号线的故障、放大器电路板的故障、输出信号线的故障、积分仪的故障。 　　D.如果进甲烷等常规溶剂还是不出峰或保留时间变慢时，在确认了色谱柱箱的温度降到了室温左右后，请进行下列项目的检查： 　　1).检查色谱柱是否存在折断现象。 　　2).检查载气流量是否正常，并进入色谱柱、FID检测器等部分。 　　E.其他不出峰的原因，请按照下列项目进行检查： 　　1).注射器不正常。 　　2).检查色谱柱温度、进样器温度、检测器温度、量程设定等分析条件是否合适。 　　3).检查样品浓度、样品进样量是否正确。 　　4).检查样品的取用、色谱柱的选择有没有错误。 故障分析举例(十五) 　　▲噪声过大(1)： 　　⊙气相色谱仪启动后不久或色谱柱更换后不久，噪声是不可避免的，这是正常现象。噪声过大是指比正常的标准高得多的噪声或某些不正常的突变。 　　注意：发现噪声过大时，请先检查气相色谱仪和积分仪使用的电网电源是否有异常波动或突变，特别是在同一电网电源上接有大功率装置时，更要注意。此外，请检查仪器的接地是否正确并且良好。 　　A.改变量程范围，噪声的大小还是基本不变时，要考虑是否信号线的故障、放大器电路板的故障、输出信号线的故障、积分仪的故障。 　　B.将火焰熄灭之后噪声如果还是很大，要考虑从检测器到放大器电路板这一段是否存在问题，请进行下列项目的检查： 　　1).检查检测器的喷嘴、收集极、离子信号线插座、点火线等部分是否固定可靠，请排除接触不良的可能。 　　2).检查检测器是否被污染，如果污染请进行清洗。 　　3).要考虑是极化电压、放大器电路板、工作电源的故障。 故障分析举例(十六) 　　▲噪声过大(2)： 　　C.将火焰熄灭之后噪声如果降低或消失，要考虑是否检测器本身产生过大噪声： 　　1).检查是否使用的气体纯度太低，请更换气体或使用气体过滤器去除气体中的杂质。 　　2).检查检测器是否被污染，如果污染请进行清洗。 　　3).检查空调器等冷暖设备的排风是否正对着气相色谱仪，请改变风向或更换仪器的位置。 　　D.降低进样口温度后如果噪声变小，要考虑是否进样口有污染现象。 　　E.降低色谱柱温度后如果噪声变小，要考虑是否载气纯度不够或色谱柱的老化不足，请更换载气或使用气体过滤器去除载气体中的杂质，并对色谱柱进行老化。 故障分析举例(十七) 　　▲全部出反峰 　　⊙指所有样品均反向出峰。 　　A.检查气相色谱仪相应检测器的信号输出线与积分仪或记录仪、色谱工作站的信号输入端的连接是否正确，将信号输出线的正负两端对换即可。 　　B.对于具有极性切换功能的检测器，检查其输出信号的正负极性设置是否正确，必要时更改正负极性的设置即可。 &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr 维修注意事项(一) 　　▲关于人体安全与环境保护： 　　⊙在维修仪器的过程中，首先一定要注意安全和注意保护环境。GC维修中可能造成安全事故与环境污染的因素大致如下所述： 　　A.氢气泄漏造成爆炸、燃烧等安全事故。 　　B.电子捕获放射源造成人体伤害、环境污染事故。 　　C.易燃易爆、有毒、腐蚀性等危险性样品造成安全事故、人体伤害、环境污染事故。 　　D.高电压、大电流造成触电事故。 　　E.高温造成的烫伤事故。 　　F.其他说明书上已有描述的相关注意事项。 　　上述各项在维修仪器的过程中必须认真对待，例如严密仔细地进行氢气的漏气检查；热导检测器用氢气做载气的情况下，未安装色谱柱或未使用热导检测器时必须关闭气源；避免打开电子捕获检测器 按规范取用危险性样品；可以断电检修的部分尽量断电检修，并在检修时将电源插头拔掉；必须通电时应避开高电压、大电流部分；避免接触高温部分或先将温度降低，等等。 维修注意事项(二) 　　▲关于仪器的保护： 　　⊙在维修仪器的过程中，还要注意按规范认真仔细地操作，避免损坏仪器，造成新的故障或将故障扩大。应该注意的内容如下所述： 　　A.已安装色谱柱的仪器，在通电之前应先通入载气，一般来说，载气对保护仪器是有利的。 　　B.热导检测器必须先通载气，然后才能加电流，否则可能烧断钨丝。热导检测器还必须防止氧气、空气进入，否则可能造成钨丝氧化。 　　C.电子捕获检测器必须防止氧气、空气、杂质进入，否则极易污染。 　　D.热导检测器和氮磷检测器的电流不能加得太大，否则可能烧断钨丝和铷珠。氮磷检测器的氢气也不能开得太大，否则也会烧断铷珠。 　　E.火焰光度检测器的光电倍增管必须避免长时间的强光照射。 　　E.检修时，在仪器通电之前，必须仔细确认各个接插件已正确地插好。 　　F.任何时候都要避免污染仪器的气路系统、进样及检测系统、色谱柱。 　　G.柱箱温度的设置不得大于色谱柱允许的最高温度。 　　H.其他说明书上已有描述的相关注意事项。 维修注意事项(三) 　　▲关于老化。 　　⊙在很多情况下，所谓的故障是由于老化不充分引起的，所以在必要的时候(例如一段时间未用或更换色谱柱后)应该进行老化，避免出现不必要的所谓故障。各种老化的方法如下所述：(注：老化时应适当增加载气流量) 　　A.色谱柱的老化：在载气进入色谱柱的情况下，将柱箱温度设置在色谱柱允许的最高温度以下30℃，或正常使用温度以上30℃，进行十小时以上的恒温老化；或设置3-5℃/min的升温速率， 40~60℃ 的起始温度，色谱柱允许的最高温度以下30℃的终止温度，进行一阶程序升温老化。 　　B.进样器/检测器的老化：在载气进入进样器/检测器的情况下，将进样器/检测器温度设置在200℃以上进行数小时的老化。 　　C.电子捕获检测器的老化：在载气进入电子捕获检测器的情况下，将电子捕获检测器温度设置在200℃以上进行十小时以上的老化。 　　D.热导钨丝的老化：在载气进入热导检测器的情况下，将热导电流设置在使用值以上10-20mA，进行数小时的老化。 　　E.氮磷检测器铷珠的老化：在载气进入氮磷检测器的情况下，将铷珠电流设置在使用值以下0.4A和0.2A，各进行二十分钟左右的老化。 &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr &hArr 谱图分析(一) 　　▲保留时间重现性差： 　　⊙指仪器工作条件和样品分析条件等均没有变化的情况下，保留时间变化较大、重现性较差。 　　A.色谱柱的一部分是否与柱箱内壁的金属面存在接触现象。 　　B.进样垫、色谱柱、过渡衬管的安装连接处是否存在漏气现象。 　　C.载气的输入压力是否正常。 　　D.载气流量是否正常或出现变化。 　　E.进样器、柱箱、检测器等的温度是否稳定。 　　F.如果保留时间与峰高/峰面积的重现性同时变差，则进行了上述检查后再参照[峰高/峰面积重现性差]中的各项进行检查。 　　注意：如果载气的流量、分流比、色谱柱温度等有变动时，保留时间或峰高/峰面积一定会起变化。 谱图分析(二) 　　▲峰高/峰面积重现性差： 　　⊙指仪器工作条件和样品分析条件等均没有变化的情况下，峰高/峰面积变化较大、重现性较差。 　　A.注射器的性能是否正常以及进样时是否存在操作失误。 　　B.样品浓度(特别是挥发性样品)是否因放置时间过长而起变化。 　　C.各种气体的输入压力是否正常。 　　D.各种气体的流量是否正常或出现变化。 　　E.进样器、柱箱、检测器等的温度是否稳定。 　　F.如果峰高/峰面积与保留时间的重现性同时变差，在进行了上述检查后再参照[保留时间重现性差]中的各项进行检查 　　注意：如果载气的流量、分流比、色谱柱温度等有变动时，保留时间或峰高/峰面积一定会起变化。 谱图分析(三) 　　▲出刀形峰： 　　⊙指样品出峰时上升缓慢而下降迅速，形如刀状。 　　A.减少样品的进样量。 　　B.提高色谱柱箱的温度。 　　C.改用较大内径的色谱柱。 　　D.增加固定液的涂层的厚度。 　　E.选用样品的溶解度较高的固定液。 　　F.尝试提高进样器的温度，改善峰的形状。

1月18日，中共中央、国务院在北京隆重举行国家科学技术奖励大会，胡锦涛、习近平、温家宝、李克强、刘云山出席大会并为获奖代表颁奖。奖励大会上， 授予“盾构装备自主设计制造关键技术及产业化”等22项成果国家科学技术进步奖一等奖，授予“特色热带作物种质资源收集评价与创新利用”等187项成果国家科学技术进步奖二等奖。其中，宽带微波毫米波频谱分析仪 、食品安全危害因子可视化快速检测技术、文物出土现场保护移动实验室研发与应用、P3和P4实验室生物安全技术与应用等4项仪器与分析检测项目获得国家科学技术进步奖。 　　食品安全危害因子可视化快速检测技术 　　主要完成单位：天津科技大学，中国检验检疫科学研究院，天津出入境检验检疫局动植物与食品检测中心，辽宁出入境检验检疫局检验检疫技术中心，天津生物芯片技术有限责任公司，天津九鼎医学生物工程有限公司 　　检测方法：将肉类或生鲜蔬菜水果磨碎后放入器皿，倒入少许提取液，混合均匀后将几滴混合液滴入快速检测试纸，几分钟后观察，若试纸呈现两条红线，则该食品仍有农药、兽药或其他毒素残留，一条红线，则可确定其安全性达标。短短几分钟，即可准确地对各类食品的安全性做出判别。 　　文物出土现场保护移动实验室研发与应用 　　主要完成单位：敦煌研究院、国家博物馆、中国社科院、清华大学、浙江大学和陕西考古研究院 　　该“移动实验室”研发课题于2006年10月立项，由敦煌研究院、国家博物馆、中国社科院、清华大学、浙江大学和陕西考古研究院等单位的专家、学者、科研人员共46人组成课题组共同研发。 　　“移动实验室”集成了一大批可用于考古和出土文物保护的新技术。针对文物出土现场的重大技术需求，项目组联合考古、文物保护与修复、智能技术、图形图像、设计、设备制造集成等数十家科研单位，引入多学科相关高端技术并进行二次开发和联合攻关，研发了针对文物考古工地的三维信息采集与重建系统、考古辅助快速制图系统、飞行控制航拍、智能化预探测系统、考古现场无线环境监测系统以及出土文物应急处置系统技术及装备，建立了考古现场埋藏环境和出土文物现场分析方法。 　　相关新闻：中国研制首个“文物出土现场保护移动实验室” 　　宽带微波毫米波频谱分析仪 　　主要完成单位：中国电子科技集团公司第四十一研究所 　　在微波毫米波测试技术领域，中国是后来者，而中国电子科技集团公司第四十一研究所却打破了国外技术封锁和产品禁运的格局，填补了诸多国内空白。特别是在毫米波波导测试技术方面，首次实现了四通道一体化45MHz～67GHz超宽带高灵敏、高稳定混频接收，综合性能指标居国内领先，并达到国际同类产品的先进水平。 　　国产第一台“超宽带微波毫米波频谱分析仪”、第一台“超宽带一体化微波毫米波测量接收机”……中国电子科技集团公司第四十一研究所成功解决了宽频带、多参数信号分析等多项核心技术难题，突破了宽带接收机和信号分析仪产业化生产的技术瓶颈，使我国成为世界上第三个能够设计制造微波毫米波频谱分析仪和大带宽测试接收机的国家，实现了该类测试仪器的全自主设计和系列化、批量化生产，并保持该测试技术和测试仪器处于国内领先、国际先进的技术水平，在我国载人航天、探月、大飞机等国家重大工程和重大装备的研制测控保障中发挥了十分关键的作用。

赛默飞世尔科技（Thermo Fisher Scientific Inc. 原热电公司）北京时间6月29日宣布最新推出一款极具创新的近红外光谱仪，命名为“Antaris Target”的近红外混合过程分析仪专为制药工业中混合过程质量控制的需求而设计，能够实时监测产品研究和生产的混合过程，极大地改善了药物生产的质量稳定性。Antaris Target近红外混合过程分析仪被美国著名杂志《研究与发展》（R&D Magazine）的《微/纳米通讯》（MICRO/NANO Newsletter）评为2006年度25个最佳微/纳米技术产品之一。获得该奖项的产品均为各行业内最具创新性、最新颖的发明，这将可能极大推动工业和社会的发展。 混合过程是固体制剂生产过程的重要环节，对于保证批次内所有药片均匀地含有各种药效成分具有重要意义，混合不充分将导致药片质量不均一，而混合过久则是极大地浪费能源。传统的混合过程监测方法是在每一批次间人工收集约30个样品，送往实验室进行HPLC或其他均匀性测试，该方法需要较长的时间和较高的检测费用，且不能及时有效地实时反映混合过程的变化趋势。 Antaris Target混合分析仪可以为GMP生产环境提供完全解决方案。采用了先进的微电子机械系统（Micro-Electro-Mechanical Systems, MEMS）技术，使得该分析仪具有一流的光谱分辨率和分析性能；混合分析仪能够直接安装于不同大小的混合罐上，无需事先建立分析模型，采用移动窗口法直接分析光谱偏差变化，实时判别混合终点。该分析仪采用一体式设计，尺寸紧凑，并配置了无线通讯技术和大容量充电电池，能够方便地在多个混合罐间移动使用，提高了利用率，节约投资成本。 关于赛默飞世尔科技（原热电公司） Thermo Fisher Scientific（纽约证交所代码：TMO）是全球科学服务领域的领导者，致力于帮助客户使世界更健康、更清洁、更安全。公司年销售额超过90亿美元，拥有员工约30000人，在全球范围内服务超过350000家客户。主要客户类型包括：医药和生物公司，医院和临床诊断实验室，大学、科研院所和政府机构，以及环境与工业过程控制装备制造商等。公司借助于Thermo Scientific和Fisher Scientific这两个主要的品牌，帮助客户解决在分析化学领域从常规的测试到复杂的研发项目中所遇到的各种挑战。Thermo Scientific能够为客户提供一整套包括高端分析仪器、实验室装备、软件、服务、耗材和试剂在内的实验室综合解决方案。Fisher Scientific为卫生保健，科学研究，以及安全和教育领域的客户提供一系列的实验室装备、化学药品以及其他用品和服务。Thermo Fisher Scientific将努力为客户提供最为便捷的采购方案，为科研的飞速发展不断地改进工艺技术，提升客户价值，帮助股东提高收益，为员工创造良好的发展空间。欲获取更多信息，请浏览公司的网站：www.thermofisher.com 及在本网的展位： thermo.instrument.com.cn###

密度测定三步曲（压轴曲）| 塑料成品检测还可以这样操作？奥豪斯AX分析天平一步到位！ 一、你真的了解塑料吗？塑料——这毁誉参半的新型高分子材料，在我们的生活中无处不见。看看你手边的物品，塑料制品已经占据半壁江山。1. 可口可乐瓶2. 各种规格的食品包装袋3. 印制了精美图案的手机外壳4. 会变色的太阳镜片 在我们不常接触的高科技领域，塑料也无处不在。如人造卫星上使用的多层绝缘材料中，就含有厚度约6微米的聚酰亚胺或聚酯膜。二、塑料的命运密码——密度同样都是塑料，怎么命运如此不同？原来，这里面学问可大着呢！ 塑料有很多不同品种，不同品种的塑料在耐疲劳性、耐热性、抗冲击性、耐腐蚀性等特性上各有优劣势。 塑料的品种不同，密度也因之不同。 例如，可以制造汽车灯罩等的PS是一种无色透明的塑料，密度为1.03～1.07 g/cm3；而具有自阻燃的特性、常用于防火应用的PVC，密度为1.35~1.45g/cm3。 塑料的密度不仅取决于其加工工艺，还与其成分有关。 调整塑料的成分比例，就可以改变其性能，以适应不同应用要求。 例如，ABS塑料由丙烯腈(A)-丁二烯(B)-苯乙烯(S)三组分构成，密度为1.04~1.06 g/cm3。当三组分以不同比例混合时，其密度也随之改变，同时性能也发生变化，由普通ABS变为高抗ABS、耐热ABS、高光泽ABS等。 因此，相比于用热解实验和燃烧试验来鉴别塑料品种，或鉴别塑料厂生产的产品是否达标，利用密度测定的方法真的非常省时省力！ 三、塑料的密度，不难测啦！某知名生产塑料制品厂商的QC部门，需要对生产的产品进行抽样检测，以鉴别其产品批次是否达标。 该检测试验共有五批塑料成品的样品，均为密度小于1g/cm3 的某种塑料，其在颜色、大小、形状上都极其相似，凭经验很难判别哪个样品是合格产品。（因此我们先给样品做了编号标记以加区分） 经过严格的检测实验及评估，最终该企业选用了奥豪斯带有密度直读功能的Adventurer AX 系列分析天平，进行塑料密度测定。只用两步，就能得到塑料的密度啦！ 实验器材：奥豪斯 Adventurer AX 124 密度组件测定步骤：塑料的密度测定方法与上期玻璃密度的测试方法类似。首先分别在空气中和水中称量样品，得出重量，再由天平内部计算公式得出密度结果，直接在显示屏上读取即可。在空气中称重在水中称重（-0.3906g）密度结果直读显示用AX天平测试密度，非常简单，但是也有很多小细节要注意，才能确保结果完美哦！ 注意：1. 用于测试密度小于水的样品，我们需选用漂浮固体挂篮。篮网向上凸起，可以覆盖住浮起的样品。如样品未完全浸没，可使用外加砝码帮助样品保持完全浸没于水中的状态。 2. 在水中称量塑料时，我们需要用镊子轻压塑料，小心将其挪至漂浮固体挂篮下方的中心位置。 四、小奥解惑时间：测试结果不理想，到底是什么原因？有用户反应，完全按照以上步骤进行测量，但测试结果并不理想，结果的重复性很差： 无论是在空气中的重量还是在液体中的重量，每次的称重读数都不相同。明明是浮于水的样品，密度结果却大1g/cm3。这到底是什么原因呢？让小奥帮你揭开谜底！ 看，是气泡在作怪！不信，你凑近仔细观察观察。原来浸入水中的挂篮上还有塑料样品上都附着肉眼难以察觉的气泡——个子小小，力气很大。要知道，直径1mm气泡会产生0.5mg的气泡，而直径2mm气泡产生的浮力可以高达4mg！每次称量时，塑料样品上附着的气泡的数量和大小也时有变化，影响称量结果，重复性自然不佳。 那怎么解决这个问题呢？其实很简单。 你只需拿细毛刷扫一扫，再轻轻抖动挂篮，即可去除影响称量效果的小小气泡们。去除气泡后，再看密度结果——可靠又稳定！塑料的密度测定之旅，就完成啦。 快拿着测量结果去看看哪款塑料才是合格产品吧！ 参考文献：本文章中摘录文献出自百度百科——塑料（高分子聚合物）百度百科——ABS塑料 如果您想了解更多奥豪斯的电子天平及实验室称量产品，请访问奥豪斯官方网站，我们的专业工程师将竭诚为您服务！

前言 风电功率预测是指对未来一段时间内风电场所能输出的功率大小进行预测，以便安排调度计划。风功率预测意义重大：通过风功率预测系统的预测结果，电网调度部门可以合理安排发电计划，减少系统的旋转备用容量，提高电网运行的经济性；提前预测风功率的波动，合理安排运行方式和应对措施，提高电网的安全性和可靠性；对风电进行有效调度和科学管理，提高电网接纳风电的能力；指导风电场的计划检修，提高风电场运行的经济性。 测风塔系统测风塔系统是风功率预测重要组成部分，其包括：风塔、传感器、电源、数据处理存储装置、安全与保护装置和传输设备等。传感器分为风速传感器、风向传感器、温度传感器、气压传感器和湿度传感器等，用来测量指定的环境参数为风功率预测提供依据。其中风速风向传感器以机械式和超声波测量为主。机械式风速风向传感器造价低，但是也存在着非常明显的缺陷：风速升高或降低时，由于惯性作用，升速或减速慢；有活动部件，极易磨损，易受沙尘等恶劣天气的损耗，易受冰冻、雨雪干扰，需定期维护； 对于阵风测量精度低；启动风速阈值高；风杯受到的风压力正比于空气密度，空气密度的变化将会影响测量精度； 风速和风向分立式，需要单独拉线，成本增加；本地采集端需要数据采集器进行模拟量到数字量的转换，成本增加而超声波风速风向仪很好地解决了以上的不足，技术成熟，安装方便，同时数字接口输出，可以节省本地数据采集器的成本。 Lufft测风塔解决方案Lufft作为全球专业的气象传感器供应商，其提供的超声波传感器WS200-UMB和气象五参数WS500-UMB很好地满足地测风塔数据的要求。WS200-UMB可以安装在30米、50米、70米和80米测量风速和风向，而WS500-UMB安装在10米高度测量风速、风向、温度、湿度和气压等参数。本文将从组成、传感器、数据采集、供电、防雷和通讯等几个方面阐述。 系统组成根据规范要求，系统配置包括：传感器（4* WS200，1*WS500）、机箱、太阳能板、电池和支架等组成。其中机箱内含有：电源模块、太阳能控制器、数据采集模块、通信模块，防雷模块、开关和接线端子等部件。 Lufft测风塔系统框图 现场安装示意图 传感器参数气象五参数WS500-UMB可以测量风速、风向、温度、湿度、露点温度、空气密度和气压，并配备电子罗盘，修正真风向。同时输出测量质量，判别测量输出数据的有效性。超声风探头配备加热功能，供电允许的情况下，有效抵制结冰积雪。 WS200-UMB WS500-UMB Lufft超声风传感器和气象五参数，性能良好，提供的数据丰富，产品特色总结如下:数字接口输出，无需外接数据采集器进行模数转换，可以直接连接数字通信模块（光端机或DTU），降低成本；除基本数据外，气象五参数还可以输出空气密度和风速风向的标准偏差数据；配备电子罗盘，现场安装施工难度大，人为调正北指向误差大，可用设备自身的修正风向；通过配置传感器参数，可以通过预留的接口连接第三方降水传感器，数字接口统一输出；探头具备加热功能，供电允许的情况下，可以有效防止结冰引起传感器的无法测量的问题，保证数据的完整性；测风质量是Lufft产品特有的技术指标，是传感器自身在测量过程中，单位时间内测量的有效次数与总次数比值的百分比；其体现了测量数据的有效性，尤其是同一地点不同设备输出数据的差别比较大的情况下，判断孰优孰劣的有力依据。 数据采集存储由于Lufft的传感器都是RS485数字接口，可以采用总线模式连接到数据采集模块或通信模块。同时，数据的采集和存储相对比较简单，不需要专门的数据采集器，可以选择带多个RS485口和以太网口的RTU模块（存储功能可以定制）。通信协议可以使用市场主流的Modbus协议。

纳米颗粒和微塑料随着纳米颗粒和微塑料在生态环境中广泛存在，甚至在人体内也已经发现了微塑料的痕迹，其对生态环境和人体健康潜在的影响关注度越来越高。2022年，生态环境部将微塑料被纳为四大新污染物之一，如何在各类复杂的赋存介质、赋存基体中进行纳米颗粒与微塑料的精确表征吸引了环境化学、材料化学、分析化学等诸多领域学者的关注。由于ICP-MS（ICP-Q-MS、ICP-MS/MS、ICP-Q-TOF-MS等）对瞬态信号具有优异的检测能力，基于亚毫秒级驻留时间下的SP-ICP-MS分析技术，可以获得样品中目标粒子的等效球体尺寸、粒径分布、颗粒数量等关键信息，使得其在对纳米颗粒物和微塑料表征中的应用潜力获得了业内广泛关注。协同交流，技术探讨作为国产ICP质谱技术研发应用的代表性企业之一，谱育科技针对ICP-MS在单颗粒及微塑料领域的应用也开展了深入研究。应中国科学院生态环境研究中心谭志强老师研究员团队邀请，谱育科技无机质谱售前产品经理高尔乐博士与应用研究副经理吴智威博士携团队，就ICP-MSMS、ICP-Q-TOF在单颗粒分析、纳微塑料领域系列解决方案，通过线上线下多次与谭志强研究员团队人员及相关受邀专家学者展开深入交流。谱育科技ICP质谱团队与中国科学院生态环境研究中心谭志强研究员团队交流现场会议上，吴智威博士就ICP-Q-MS、ICP-MS/MS、ICP-Q-TOF-MS在单颗粒、微塑料领域中的技术优势与应用潜力进行了详细的介绍，并展示了最新的应用案例示范。双方就相关应用以及前处理、分析方法等展开了充分交流。谭志强老师指出，针对SP-ICP-MS技术中颗粒响应阈值判断方式、离散信号处理技术、连续颗粒信号判别与处理方法，谱育科技所进行的针对性研究让人印象深刻，希望日后可以进一步合作。目前，谭志强老师团队已使用谱育科技 SUPEC 7000型ICP-MS开展自然水体、植物组织、土壤提取液等样品中的金属/非金属及其氧化物细颗粒的精确表征，从而研究金属/非金属及其氧化物细颗粒在土壤-作物系统中的迁移转化；同时也将其与自行搭建的中空纤维流场流分离装置/电场流分离装置联用，进行准确的细颗粒识别表征。▲ 吴智威博士与同学们展开深入探讨谱育科技ICP-MS分析应用通常ICP-MS可以对单颗粒及微塑料的粒径及浓度进行表征，但进行数据处理时，业内较常使用单一的传输效率（如只使用颗粒粒径传输效率或颗粒浓度传输效率）对测试数据同时进行颗粒粒径与颗粒数量的数据校正处理，而最新研究表明这种数据处理方式容易引入额外的误差。对此谱育科技提供了全新的颗粒粒径与颗粒数量独立的二维校准方法，可彻底避免由于传输效率不一致带来的系统误差。此外，谱育科技SP-ICP-MS技术具备单次样品采集事件≥30min (1800万数据量)的功能，还特别开放了高斯、泊松、自定义等多种颗粒信号筛选算法，并提供包括颗粒事件长度、颗粒间隔系数等新兴校正系数的处理功能，分析化学家可根据应用研究需求，选择最为合适的算法处理参数与颗粒校正方法，从而得到可靠、精准的分析结果。▲ 颗粒粒径与颗粒数量独立的二维校准方法SUPEC 7000系列ICP质谱分析不同粒径、不同浓度的单颗粒结果如下：▲ 不同粒径Au-Nano的信号(左)/粒径（右）-频次分布图厚积薄发，技术引领谱育科技深耕质谱领域超15年，先后发布多款质谱产品。其中可应用于单颗粒与微塑料领域的ICP质谱，包括以下三款系列产品：单四极杆ICP-MS可满足一般基质下的单颗粒及微塑料的表征分析；三重四极杆ICP-MS/MS使得超痕量元素分析的方法开发不再单纯地高度依赖仪器硬件的绝对性能（如灵敏度、质量分辨能力、丰度灵敏度等），而是可依赖分析化学科学家的科研思维，以严谨可控的化学分辨的方式，优雅、巧妙地完成分析方法学的研究与开发，有效解决如Si、Ti、S等存在诸多质谱干扰的单颗粒表征分析；四极杆飞行时间串联质谱ICP-Q-TOF-MS不同于四极杆“顺序扫描”，其可在几微秒或者几十微秒就可记录一个完整的质谱，这使得分析工作者们不再局限于单次只能获得单颗粒或微塑料中1~2种元素信息，而是可单次获得所有元素信息，以此进行更为全面、深入的研究，如标记不同稀土元素的塑料，探究其在土壤环境的迁移，转化，相互作用；多元素指纹更精准地识别微塑料以及追溯污染来源等。

基于电子鼻的不同去势猪肉风味品质评价《肉类研究》王曼  王振宇  马长伟 中国农业大学食品科学与营养工程学院,北京,100083摘要‍：实验分别对免疫去势公猪肉,手术去势公猪肉和完全公猪肉进行电子鼻检测,并采用主成分分析、线性判别式分析和交互验证判别分析分别对电子鼻15s、30s和60s响应值进行统计处理.结果表明,主成分分析效果不好,三个处理组几乎完全重叠 线性判别式分析结果显示,采用15s响应值其区分效果及聚类效果好,完全公猪组的气味显著地区别于免疫去势和手术去势组,且免疫去势组的气味与手术去势组相似 对15s、30s和60s响应值进行交互验证判别分析,总体正确率依次为90.0%、83.3%、66.7%.由各组的正确率可知,完全公猪组的正确率最高,正确率稍低的30s和60s响应值的分析结果显示,手术去势组和免疫去势组较易混淆,说明这两组气味相似.综上所述,电子鼻的检测结果显示,手术去势组和免疫去势组的气味相似,且均与完全公猪组有较大差异。关键词：猪肉风味  电子鼻  主成分分析  线性判别式分析  交互验证判别分析 基于电子鼻技术的金华火腿鉴别与分级姚璐 丁亚明 马晓钟 郭如斌 尹中 王震 沈立荣 裘正军 浙江大学生物系统工程与食品科学学院,浙江杭州,310058金华市质量技术监督检测院,浙江金华,321001金华市汉邦食品有限公司,浙江金华,321071摘要： 研制一套适合金华火腿品质的电子鼻分级系统,对3个等级的金华火腿样品进行了检测,获得了电子鼻传感器的响应值.再利用线性判别式分析(LDA)、主成分分析(PCA)和偏最小二乘法(PLS)等多元统计方法进行了数据处理,其中LDA用来鉴别,PCA用来降维,PLS用来预测.结果表明电子鼻能够很好地区分不同品质等级的金华火腿,并验证了预测金华火腿等级的实际效果.该研究所提出的品质分级检测新方法将为金华火腿标准的修订和完善提供科学依据。关键词：电子鼻  金华火腿  鉴别  分级 基于逐步判别分析和BP神经网络的电子鼻猪肉储藏时间预测《传 感 技 术 学 报》洪雪珍  王俊 浙江大学生物系统工程系,杭州,310029‍摘要：旨在探讨一种快速检测猪肉储藏时间的电子鼻方法.本研究采用德国Airsense公司的PEN 2型便携式电子鼻对不同储藏时间(0～7 d)的猪肉样品进行检测,每天检测42个样品,每个样品质量为10 g,密封时间为5 min.提取第60 s数据进行线性判别分析,结果显示电子鼻能较好的区分不同储藏天数的猪肉样品.同时用逐步判别分析和BP神经网络对猪肉储藏时间进行预测,训练集的准确率,前者为100%,后者为94.17%,而预测集的准确率,前者为97.92%,后者为93.75%.研究表明电子鼻技术有望在猪肉新鲜度快速检测上得到广泛的应用.关键词：电子鼻  检测  逐步判别分析  BP神经网络  猪肉

【德国AIRSENSE电子鼻】作为一种新型的仿生检测设备，对气味的客观评估弥补了人类感官描述的模糊性、主观性、不精确性以及色谱的繁杂性等缺点，特别是在中药材基源鉴别、中药材质量检测以及中药材炮制品等方面得到了应用运用。电子鼻建立中药气味指纹图谱，以建立不同药材产地、不同品种药材、储藏期的中药电子鼻识别模型，进行质量评价，为中药材鉴别及中药材品质的保证提供了有效的方法。1 基于电子鼻和电子舌技术分析紫菀药材的气味特征亳州职业技术学院药学院，安徽省中医药科学院亳州中医药研究所，安徽中医药大学目的：基于电子鼻和电子舌技术分析紫菀药材的气味特征。方法通过电子鼻和电子舌检测出样品的响应值和味觉值，利用主成分分析法、线性判别分析、Loading等分析法对数据进行分析。结果：电子鼻技术能把不同药用部位区分开，电子舌结果显示安国紫菀鲜味大于亳州，苦味、甜味、涩味、丰富度小于亳州紫菀；无硫紫菀鲜味大于有硫紫菀，苦味、涩味、甜味小于有硫紫菀，丰富度相似；亳州紫菀根的甜味大于根茎，亳州紫菀根的苦味小于根茎；根占比例越大甜味、苦味、涩味越大，根茎占比例越大丰富度越大，根和根茎都含有鲜味。结论：基于电子鼻和电子舌技术能够快速、客观、简便地区分紫菀不同产地、不同加工方法及不同部位的气味特征，可为紫菀药材规格鉴别提供的新方法。 2 电子束辐照对川麦冬品质及抗氧化活性的影响西南科技大学生命科学与工程学院，四川省原子能研究院，辐照保藏四川省重点实验室为探讨高能电子束辐照对麦冬的影响，以川产道地药材麦冬为研究对象，研究不同剂量0（CK）、2、4、6 kGy电子束辐照对其微生物数量、感官品质、理化品质、活性成分含量及抗氧化活性的影响。结果表明，电子束辐照能明显降低麦冬中需氧菌、酵母及霉菌总数；此外，所有样品中均未检出大肠埃希氏菌(Escherichia coli)、金黄色葡萄球菌(Staphylococcus aureus)及沙门氏菌(Salmonella)。电子束辐照有利于提高麦冬总皂苷含量，对水分、总灰分、水溶性浸出物、总黄酮、总多糖、总酚含量及抗氧化活性均无显著影响(P0.05)。电子束辐照后麦冬颜色变暗，主要表现为a*值增加。主成分分析(PCA)及线性判别分析(LDA)结果表明，2 kGy电子束辐照剂量对麦冬风味影响较小。综上，2 kGy辐照处理能有效降低麦冬中微生物数量，对其活性成分含量及抗氧化活性无显著影响，能保持麦冬的色泽及风味品质。本研究为电子束辐照技术在麦冬及其制剂的加工应用提供了一定的理论依据。3 基于电子鼻与多元统计分析判别三七品质西北民族大学生命科学与工程学院，云南中医药大学中药学院，西北民族大学生物医学研究中心中国-马来西亚国家联合实验室，甘南牦牛乳研究院目的：基于电子鼻与多元统计分析判别三七Panax notoginseng(Burk.)F.H.Chen的品质。方法：在优化电子鼻检测条件基础上，对传感器响应信号进行多元统计与神经网络分析。结果：电子鼻检测三七较佳条件为样品量1.5 g；顶空生成时间15 min；顶空体积250 mL；载气体积流量400 mL/min。多元统计表明主成分分析和典则判别分析均能区分三七主根与支根，但后者效果优于前者；利用三七主根和支根气味信息结合典则判别分析，可实现对三七产地的定性判别，其中主根气味信息的判别效果更好。多层感知器神经网络分析可以实现对三七主根、支根及产地的定量判别，主根与支根分类准确率达99.49%；主根产地判别准确率为99.49%；支根产地判别准确率为95.95%。结论：电子鼻结合多元统计与神经网络分析可以实现对三七品质的判别，且该方法高效快速可用于实际生产。 4 基于电子鼻技术分析生、制九香虫药材“气"特征辽宁中医药大学药学院目的：基于电子鼻技术，对九香虫生品和炮制品药材"气"特征进行分析与表征，为九香虫生品和炮制品的质量控制提供实验依据。方法：九香虫样品生品13批、炮制品14批，采用PEN3电子鼻系统，分析九香虫样品的"气"特征，并将所得数据分别进行Loadings、PCA及LDA等统计学分析。结果：在所选的10个传感器中，有5个传感器对九香虫生品及炮制品的"气"特征具有较好的响应，分别为有机硫类、芳香成分、甲烷等短链烃类、小分子氮氧化物类、醇醚醛酮类成分；其中对九香虫生品敏感性较强的为6号传感器，即甲烷等短链烃类成分；对九香虫制品敏感性较强的为9号传感器，即芳香类成分。结论：电子鼻技术可用来解析九香虫药材生制品中"气"特征；九香虫生品与制品的共性成分为机硫化合物，可能为其功效的主要物质；九香虫生品"气"的标志性成分为甲烷等短链烃类成分，九香虫制品"气"的标志性成分为芳香类成分；为揭示九香虫生品和制品"气"的科学内涵及其药材质量控制提供了实验依据。 5 电子鼻技术应用于川贝母真伪及规格辨识的可行性分析河南中医药大学，河南中医药大学第一附属医院中药饮片临床应用现代化工程研究中心目的：基于电子鼻技术，建立一种快速而准确的川贝母真伪及规格辨识新方法，并探讨该技术用于中药饮片鉴定的可行性。方法：以川贝母为研究对象，收集80批待测样品，以电子鼻嗅觉感官数据为自变量X，以2020年版《中华人民共和国药典》所载方法结果为主，并参考传统经验辨识结果作为标杆辨识信息Y，利用判别分析(DA)，最小二乘支持向量机(LSSVM)，主成分分析-判别分析(PCA-DA)，偏最小二乘法-判别分析(PLS-DA)4种化学计量学方法分别建立川贝母饮片真伪及商品规格辨识模型Y=F(X)；以辨识准确率、耗时为指标，对结果进行探讨。结果：经留一法交互验证，在真伪辨识中，上述4种模型正确率分别为93.75%，91.25%，95.00%和95.00%，以PCA-DA与PLS-DA辨识模型为最优；在规格辨识中，4种模型辨识正确率分别为86.67%，88.00%，89.33%和68.00%，以PCA-DA辨识模型为最优。电子鼻辨识真伪及规格模型的准确率均较高,耗时相对较短。结论：电子鼻技术可准确、快速地对川贝母进行鉴别，在时效性和正判率方面均具有显著优势。 随着这一技术的不断发展，电子鼻在中药气味掩盖效果评价和辅助中药安慰剂制备等方面也得到进一步的应用。同时电子鼻与气质联用也会在中药药理药效研究、中药制剂研究、生产与质量控制等方面更加广泛的应用。