8290614285

Rysunek 6 Fluorescencyjny obraz próbki piwa, zarejestrowany w zakresie emisyjnym od 320 nm do 700 nm, A = 2 nm, dla fal wzbudzenia w zakresie od 300 nm do 600 nm, A = 10 nm a) przed i po usunięciu pików rozproszenia promieniowania elektromagnetycznego różnymi metodami: b) wstawiając brakujące elementy, c) wstawiając zera oraz d) stosując triangulację Delaunaya.

Często piki rozproszenia charakteryzują się wysoką intensywnością w porównaniu z intensywnością pików charakteryzujących fluorofory zawarte w badanej próbce. Usunięcie fragmentu widma repezentującego zjawisko rozproszenia sprawia, iż informacje

0 fluoroforach zawarte w widmie stają się wyraźniejsze i łatwiejsze do interpretacji.

Korekcja sygnałów fluorescencyjnych ze względu na piki rozproszenia Rayleigha i/lub Ramana była niezbędna podczas interpretacji chemicznej informacji zawartej w sygnałach wykorzystanych do weryfikacji hipotez badawczych postawionych w pięciu publikacjach z cyklu prezentowanego w niniejszej pracy.

W publikacji I, poruszającej zagadnienia oceny jakości cukru ze względu na zabarwienie

1 zwartość popiołu, w miejsce występowania pików rozproszenia Rayleigha wstawiłam zera, co umożliwiło efektywną kalibrację widm.

W publikacjach II i III, w których oceniałam jakość oleju napędowego ze względu na ilościową zawartości komponentów akcyzowych (publikacja II) oraz identyfikowałam nielegalny proceder jego odbarwiania (publikacja III), zastosowałam metodę korekcji sygnałów zaproponowaną przez Zeppa i współpracowników [16]. Przedstawiony w publikacji algorytm (zapisany w środowisku programowania Matlab) do korekcji pojedynczego dwuwymiarowego sygnału dostosowałam do pracy z sygnałami zestawionymi w trójwymiarowy tensor. Następnie wybrałam parametry szerokości i lokalizacji pików rozproszenia tak, aby zapewniały one optymalny sposób korekcji sygnałów, tzn. jak najmniejsze naruszenie pików fluoroforów zawartych w widmach. Efektywność działania tego algorytmu (optymalna interpolacja naruszonego sygnału oraz szybkość matematycznych