基于荧光三维光谱的多环芳烃定量分析中泽尼克矩的应用

《Analytical Methods》：Application of Zernike moments for the quantitative analysis of polycyclic aromatic hydrocarbons based on fluorescence three-dimensional spectra

　　三维荧光光谱结合Zernike矩和GRNN实现多环芳烃快速定量分析，通过将光谱数据转换为灰度图像并提取Zernike矩特征，构建GRNN模型简化预处理步骤。在八种测试样本中，acentaphthene和naphthalene的平均相对误差分别为5.62%和5.70%，验证了图像特征提取与荧光分析的有效融合。

　　

本文提出了一种新颖的方法，该方法结合了三维荧光光谱技术、泽尼克矩（Zernike moments）和广义回归神经网络（GRNN），用于混合物样品中多环芳烃（PAHs）（如苊和萘）的定量分析。该方法直接将三维荧光光谱数据转换为灰度图像，并从中提取泽尼克矩作为特征描述符。这些特征描述符被作为输入数据输入到基于GRNN的定量模型中，从而无需进行复杂的预处理步骤。通过评估不同阶数的泽尼克矩，最终确定了一组最优的泽尼克矩组合，在八个测试样本中，苊的平均相对误差为5.62%，萘的平均相对误差为5.70%。这一策略展示了将基于图像的特征提取方法有效应用于荧光分析中的可行性，为复杂环境样品中成分的快速定量分析提供了一种有前景的工具。