论文部分内容阅读
拉曼光谱作为一种新兴的技术检测手段，凭借准确、高效、绿色、实时的性能，越来越收到科研工作者的重视，峰强、峰宽、峰位置包含着丰富的分子信息。贵金属纳米材料合成技术的发展更加成熟，使得表面增强拉曼光谱技术克服了传统拉曼光谱信号微弱的缺点，有效地提高了拉曼信号的强度，化学计量学方法对拉曼光谱数据进行深入的分析，能够挖掘内部所含的深层次信息，使实验检测不仅能达到定性水平，而且还能进行定量分析。本论文主要围绕大米检测问题和禽类病毒检测问题，利用激光拉曼光谱技术、数据处理技术和模式识别算法建立快速有效的检测方法，实现实验样品准确分类，研究结果如下: 1、组装便携式拉曼光谱测试系统进行实验的测量，设计和优化去除拉曼背景噪声的算法，在光谱前处理过程中实现对拉曼光谱的荧光背景去除，平滑，归一化等处理的功能，获取了真实的拉曼信号。测试东北大米、清远大米、糯米三种实验材料的拉曼光谱峰并进行比较，分析拉曼峰所对应的化学键或官能团，在差谱图中分析直链淀粉和支链淀粉含量的差别，用主成分分析法和线性判别分析法对三种大米进行分类，结果显示用前两个主成分在二维图中对大米进行分类时，分类准确率达到93.8％，使用前三个主成分在三维图中进行分类时准确率达到97.9％，结果表明拉曼光谱技术结合化学计量学方法对于大米的分类非常有效。 2、利用金属溶胶法制备纳米银、纳米金棒、纳米星星、纳米海胆、纳米芯片，选用增强效果最好的纳米银作为增强基底，对GM（高明）禽类病毒、H5N6型AIV禽流感病毒以及BLANK（空白病毒尿囊液）进行拉曼光谱的增强，利用上述的背景去除算法获取表面增强拉曼光谱信号，分析氨基酸、脂质、酰胺等生物分子对光谱的影响，选取方差贡献率大而且具有显著性差异(p＜0.05)的主成分，利用主成分分析法和线性判别分析法对三者进行分类，结果如下，GM和AIV，AIV和BLANK，GM和BLANK之间的分类准确率分别是100％，100％和83.3％，相对于其他检测方法来说，该方法大大提高了检测速度，因此表面增强拉曼光谱技术结合PCA-LDA算法能很好地用于禽流感病毒的分类。