激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究

激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段三种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。     

基于XGBoost的铝合金LIBS光谱分类识别方法

铝合金作为重要的金属材料,广泛应用于各领域,但大量的铝合金废料却难以进行分类回收。二次资源的回收利用是我国工业绿色、可持续发展的助推器,如何快速、简便地对铝合金废料进行识别分类则成为了铝合金废料回收利用的先决条件。激光诱导击穿光谱（LIBS）是近年来发展快速的一种分析技术,具有快速、全元素分析、实时、原位、远距离检测等优点,已广泛应用于塑料、土壤、肉类、钢铁等识别研究,大多采用最小二乘判别分析法、簇类独立软模式、人工神经网络、支持向量机、随机森林等算法来建立模型。基于迭代型树的XGBoost算法具有正则化、并行处理运算、内置交叉验证和高度的算法灵活性等优势,其模型结构相对简单、运算量较小,且准确率较高,成为近年来机器学习中极受欢迎的算法,因而被广泛应用。基于六种铝合金样品的600组光谱数据,根据NIST原子发射光谱数据库进行光谱特征提取,确定光谱特征谱线的分类依据。利用XGBoost算法进行自动分类及排序,将处理后的光谱数据随机划分为训练集和测试集,通过训练集构建算法模型,提取其分类特征;利用测试集检验模型的稳定性和可用性,防止出现过拟合。XGBoost在固定参数下得到的模型具有一定的自适应性,较少受数据集的影响,总体准确率可达96.67%。其分类特征与已知的元素含量信息相吻合,证明了基于光谱的特征谱线数据,可为分类识别提供参考;同时还可根据XGBoost生成的特征评分来对光谱谱线特征的重要性进行排序。实验结果表明,LIBS可用于不同种类铝合金的快速识别,为废弃金属的分类回收提供了一种新的技术。     

基于PCA-SVM的飞机蒙皮激光分层除漆LIBS在线监测研究

飞机蒙皮激光除漆过程的在线监测,是实现分层可控除漆、满足适航维修要求的重要手段,也是推进激光除漆工程应用、飞机维修自动化的核心技术。激光诱导击穿等离子体光谱(LIBS)技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化,实现激光清洗表面状态的在线监测。基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台,分别采集了不同激光功率下,面漆、底漆、铝合金基体去除过程中的3类LIBS光谱(各100幅)。分析了不同激光功率下,各类光谱示踪元素特征谱线的变化情况,初步筛选了12条特征谱线作为光谱识别的特征。进一步对这12个特征进行主成分分析(PCA),并将前3个主成分(PC1、 PC2、 PC3)构成的数据集作为支持向量机(SVM)识别模型的输入量,建立了3类光谱的识别模型。形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则,并对该规则的有效性进行了实验验证。结果表明,与低频脉冲激光单点作用采集的针状LIBS光谱相比,基于该平台采集的LIBS光谱普遍存在较强的连续背景(大于5 000 a.u.)以及1.5 nm左右的半峰全宽;针对此类光谱设计了改进均值平滑滤波...     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

共识模型用于激光诱导击穿光谱检测泥蚶重金属铜的含量

为快速检测贝类重金属的污染,采用激光诱导击穿光谱(LIBS)结合多模型共识策略来预测泥蚶重金属铜的含量.分析铜元素的LIBS特征谱线,提取铜元素的特征峰强度、面积、峰强比等变量,分别构建多元线性回归模型,以及基于铜特征光谱区域信息构建偏最小二乘模型.在这些校正的成员模型预测残差向量间,通过拉格朗日乘数法优化各成员模型的线性组合,使共识模型的均方误差和最小,从而获得各成员模型的最优权系数.经外部预测集的验证,共识模型的预测结果优于任一成员模型,预测均方根误差为20.641mg/kg,相关系数为0.835,且预测偏差仅为-0.473,表明LIBS技术结合共识模型能用于重金属的定量检测.     

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。     

支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究

基于支持向量机 (support vector machines, SVM) 算法采用激光诱导击穿光谱技术对11种塑料进行了识别. 每种塑料各采集100个光谱, 其中50个光谱作为训练集, 用于建立支持向量机模型, 剩下的50 个光谱作为测试集, 用于测试所建立支持向量机模型的识别精度. 结果表明测试集550个光谱中有543个光谱识别正确,算术平均识别精度达到了98.73%. 其中有6个聚氨酯 (PU) 光谱被误判为有机玻璃 (PMMA), 原因主要是受空气中氮气的影响, 使得有机玻璃和聚氨酯两种塑料在氮元素含量上的差异不能通过N I 746.87 nm, C-N(0,0) 388.3 nm两条谱线的强度准确表征. 本结果为LIBS技术塑料分类提供了方法和数据参考. 关键词： 支持向量机 激光诱导击穿光谱 塑料识别     

基于激光诱导击穿光谱的岩屑识别方法研究

石油钻井过程中的岩屑录井无论对油气勘探开发还是钻井工程都是极为关键的技术,而岩屑描述工作是岩屑录井过程中的一个重要的环节。利用激光诱导击穿光谱(LIBS)技术结合判别偏最小二乘法(PLS-DA)对来自录井现场的粉砂岩、石英砂岩、青绿色泥岩、黑色泥岩四种岩屑样品进行识别。在获取LIBS光谱数据后分别建立了全谱模型和特征模型,其中特征模型的识别正确率为86.7%,略低于全谱模型的88.3%,但通过特征提取使得模型中变量数由24 041个减少到27个,极大缩减了数据量,提高了运算效率,更加符合岩屑录井现场快速分析的要求。结果表明LIBS技术结合一定的化学计量方法能够对不同种类的岩屑进行快速、有效的识别,在岩屑录井现场中有很大的应用潜力。     

手持式LIBS结合随机森林用于鱼产品的快速鉴别分析

中国是水产品生产和消费大国。由于不同鱼产品的品质和价格差距悬殊,近缘鱼类外观质地相似等特点,鱼产品掺假和错贴标签的现象频发,直接损害了消费者的消费和健康权益,因此实现鱼产品品种品质的快速检测具有重要的现实意义。激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体,通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析,具有无需（或少量）样品预处理、多元素同时检测,分析速度快的优势,在食品快速检测分析方面具有很大的应用潜力。将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。首先对6种鱼肉样品进行压片处理,采用手持式LIBS分析仪采集其光谱数据,可探测到清晰的C、Mg、CN、Ca、Na、H、K、O等元素组分的特征谱线。将原始光谱数据进行归一化预处理,采用主成分分析方法（PCA）进行聚类,发现海水鱼和淡水鱼样品可以区分,而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分,说明PCA方法对鱼肉LIBS光谱分类能力有限。之后采用非线性的随机森林算法建立分类模型,经过优化RF模型的决策树个数与决策深度,得到鱼肉样品的整体识别正确率为90%。为进一步提高模型识别精度和分析效率,通过RF模型输出的变量重要性进行光谱特征提取,识别正确率提高到94.44%,且模型输入变量由23 431个减少到597个,模型运算时间显著降低。表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、对分类贡献大的弱信号提取出来,有效剔除了谱线噪声、背景、以及其他不相关变量的干扰,提高模型的识别精度和分析效率。也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。     

基于LIBS的山药饮片产地溯源研究

山药为薯蓣科植物薯蓣的根茎,其中的多糖、多酚、皂苷、黏蛋白和维生素C等成分使山药具有抗肿瘤、抗氧化、抗炎症、降血糖和降血脂等作用。不同产地的山药由于生长条件存在差异,致使药用成分含量显著不同,结合独特的炮制工艺,进而导致市场价格差别大,所以山药饮片的产地识别至关重要。为对山药饮片进行产地溯源,本文基于激光诱导击穿光谱(LIBS)技术提出多元散射矫正-改进遗传算法-支持向量机(MSC-IGA-SVM)模型对山药产地进行精确识别。使用八个不同产地的山药饮片进行LIBS实验,八种产地的山药饮片磨粉过筛后制成粉末压片,通过采集山药饮片的LIBS光谱,分别使用单一分类器与使用光谱预处理、特征提取及模式识别算法的模型对光谱的识别结果进行对比。将光谱信号按2∶1的比例划分为训练集和测试集,使用5次交叉验证K-邻近算法(KNN)模型的测试集准确率作为预处理参数优化的评价指标。各类药材的平均光谱整体趋势一致,所含谱峰基本相同,但因产地不同导致峰值强度各不相同,道地山药对一些金属元素(K, Na, Ca, Mg, Al)的富集能力大于非道地产区山药,其中,K元素特征谱线(769.90 nm)的峰值最高,即...     

激光诱导击穿光谱技术结合神经网络和支持向量机算法的人参产地快速识别研究

利用激光诱导击穿光谱技术结合机器学习算法,对东北5个产地(大兴安岭、集安、恒仁、石柱、抚松)的人参进行产地识别,建立了主成分分析算法分别结合反向传播(BP)神经网络和支持向量机算法的人参产地识别模型.实验采集了5个产地人参共657组在200-975 nm的激光诱导击穿光谱,经光谱数据预处理后,对C,Mg,Ca,Fe,H,N,O等元素的8条特征谱线进行主成分分析,原光谱数据的前3个主成分累积贡献率达到92.50%,且样品在主成分空间中呈现良好的聚集分类.降维后的前3个主成分以2∶1进行随机抽取,分别作为分类算法的训练集和测试集.实验结果表明主成分分析结合BP神经网络及支持向量机的平均识别率分别为99.08%和99.5%.发生误判的原因是集安和石柱两地地理环境的接近而导致的H,O两元素在Ca元素离子发射谱线下的归一化强度相似.本研究为激光诱导击穿光谱技术在人参产地的快速识别提供了方法和参考.     

塑料激光诱导击穿光谱技术快速分类应用研究

在大气环境中,采用激光诱导击穿光谱技术与支持向量机算法相结合,对来自不同厂家不同颜色的20种工业塑料进行分类研究。首先对分类结果有影响的实验参数进行优化,在最佳的实验参数条件下进行光谱采集,采用6条非金属元素特征谱线,有效缩短了训练支持向量机分类模型所需时间,从而提高了塑料的分类效率。实验结果表明,利用碳、氢、氧、氮等主量非金属元素对这些工业塑料样品进行分类,测试集1 000个光谱数据中有996个识别正确,算术平均识别精度达到99.6%。在选取较少的主量非金属特征谱线的情况下,结合采用支持向量机算法,可以实现激光诱导击穿光谱技术对更多类型的塑料制品快速、高精度分类,为激光诱导击穿光谱技术在实现塑料分类方面提供了数据参考。     

基于LabVIEW的激光诱导击穿光谱谱线识别软件研究

介绍了自主开发的LIBS谱线识别软件,基于LabVIEW虚拟仪器开发平台,利用二次微商和阈值判定对LIBS谱数据进行降噪、寻峰,并通过参考NIST原子光谱数据库,确定了多种常见元素的特征波长,可以自动识别元素谱线,实现了对样品所含元素种类的定性分析。该软件系统定性分析元素简单、快捷,具有一定的实用性及推广价值。     

基于脉冲耦合神经网络的拉曼光谱定性分析

通过对脉冲耦合神经网络(pulse coupled neural network,PCNN)和拉曼光谱定性分析的研究,提出了基于PCNN的拉曼光谱定性分析方法.首先,利用PCNN神经元的疲劳与不应期特性将拉曼光谱数据进行编码;然后,基于改进的Horspool算法将检测样品对应编码与基码数据库中的所有基码逐一匹配,并得到各对应的匹配相似度,进而判定样品类别.相关实验和数据分析证明了该文方法的准确性和有效性.同时,该文方法避免了目前基于谱模版定性分析方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗余度高等不足,且对存储空间的要求仅为后者的5.8%.     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

应用激光诱导击穿光谱对土壤中多元素同时定量分析

土壤元素的丰缺是对土壤养分检测、农业按需种植和科学施肥的依据,是精准农业农情信息感知技术检测的关键点,更为农业生态、高效和优质生产提供理论指导。该研究运用激光诱导击穿光谱(LIBS)技术结合定标曲线法和偏最小二乘回归(PLSR)方法对土壤中的Al,Fe,Mg,Ca,Na和K多种元素同时进行定量分析。利用LIBS检测仪获取了五种标准土壤样品(国家编号： GBW07446,GBW07447,GBW07454,GBW07455和GBW07456)的LIBS数据之后,将每种土壤的多条谱线平均处理来消除试验误差。通过分析所获取的土壤LIBS谱线信息,选取了Al,Fe,Mg,Ca,Na和K元素的特征分析谱线和分析光谱区间,并利用谱线的峰值信息和分析光谱区间内的单个或多个谱峰的积分信息(峰面积)与对应元素浓度拟合并建立定标曲线。结果表明,基于谱峰的峰面积建立的定标曲线的线性关系优于利用峰值信息建立的定标曲线(Fe除外)。同时,针对所选的分析光谱区间和元素的浓度信息,运用PLSR建立定量分析模型,其结果明显要优于定标曲线的分析精度,这也表明LIBS技术结合化学计量学分析在未来光谱化学分析领域有很大应用前景。研究的结果不仅为现代农业的土壤养分空间分布检测和农田精准施肥技术的应用起指导作用,还为田间使用的便携式LIBS土壤检测仪的开发奠定了理论基础。     

基于PLS的水体重金属LIBS特征变量筛选方法研究

在水体重金属激光诱导等离子体光谱定量分析中,一般提取光谱的多个特征变量进行浓度反演,但变量之间所包含的光谱信息可能存在重叠,回归模型的复杂程度也随之增大。为提取有效特征变量,研究了基于偏最小二乘法(PLS)的变量筛选方法。该方法以待测元素浓度为因变量,多个与待测元素浓度相关的LIBS光谱特征值为自变量,进行PLS建模;依据各原始变量的投影重要性指标值进行变量筛选,提取最优变量子集。结果表明湖库水体中Pb元素的最优变量子集为Pb Ⅰ 405.78 nm峰值及峰值前相邻点光谱值、内标校正值和信背比值,训练集的复相关系数R2_m=0.912。以优化变量组合进行PLS回归分析,测试集预测结果的RSD和RE分别为10.2%和7.9%,显著优于内标法的预测结果。结果还表明,变量筛选结果对于不同元素和不同水样具有一定适用性。研究结果为水体重金属LIBS定量分析提供了优质特征数据,研究方法为其他涉及变量筛选的定量分析提供了参考。     

林药复合种植滇龙胆红外光谱鉴别研究

林药复合种植是一种缓解中药资源减少及提高土地利用率的方法。采用傅里叶变换红外光谱法对70份不同种植模式的滇龙胆进行研究,通过Omnic8.0软件对原始光谱进行基线校正、归一化、二阶导数光谱预处理;对样品与龙胆苦苷标准品的二阶导数光谱进行分析;利用各类样品的平均光谱建立两个光谱数据库Lib1和Lib2,其中Lib1在1 800~600 cm~(-1)光谱范围内进行专家检索,Lib2在全谱范围内进行相关性和平方微分差检索。结果表明,样品的红外光谱较为相似,难以直观分析鉴别;样品与龙胆苦苷标准品具有多个共有峰,其中1 611和1 076 cm~(-1)为标准品的特征峰,各样品在1 076 cm~(-1)处峰形差异较小,通过对1 611 cm~(-1)处峰面积的比较,种植于核桃林下的样品龙胆苦苷含量最高,荒坡种植及与木瓜复合种植的样品有效成分含量最低;不同种植模式样品中有效成分的不同表现为光谱匹配值之间的差异,与核桃树、旱冬瓜、桉树、茶树、杉树复合种植的样品间匹配值的差异小于与木瓜复合种植及荒坡种植的样品,专家检索法对样品的误判数为11,相关性检索和平方微分差检索法对样品的误判数分别为4和9,即在全谱范围内相关性检索法对样品鉴别效果最佳,正确识别率为94.29%。红外光谱法结合二阶导数光谱、光谱检索对不同复合种植模式滇龙胆的鉴别效果较好,为不同复合种植中药药源鉴别提供理论依据。     

基于K-CV参数优化支持向量机的LIBS燃煤热值定量分析

热值是煤质特性的重要参数之一,很大程度上影响着燃煤锅炉的运行。为了克服传统检测方法所存在的问题,将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。煤的结构复杂,所含的元素种类众多,包括了主量元素、次量元素和痕量元素,致使煤的LIBS光谱信息复杂。如何有效提取LIBS光谱信息,实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。近年来,随着人工智能技术的发展,相关的分析技术也开始应用于煤的工业指标分析和热值预测中。为实现煤样品中LIBS光谱信息的有效提取,同时为克服常规的分析方法易出现的过渡拟合、收敛性不好等问题,提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法,实现LIBS定量分析煤中的热值。SVM方法是结构风险最小化的近似实现,可用于模式分类和非线性回归。为了得到有效的LIBS分析模型,实验选用44种电厂常用的热值含量不同的煤样作为实验对象,选择其中33个作为训练集,剩余11个为测试集。利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据,首先分析了SVM热值回归模型的参数-惩罚因子C、核函数参数g与模型精度的关联,确定C和g最佳取值范围,然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。利用训练集光谱数据,结合K-CV法得到热值SVM回归模型的最优参数C和g的值,建立基于SVM最优参数的煤热值定量分析模型。然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性,得到分别采用全谱、非金属元素特征光谱、非金属与金属元素特征谱相结合的热值定量分析模型,其决定系数R2均达到0.99以上,均方误差分别为0.12,0.17和0.06 (MJ·kg-1)2,预测平均相对偏差分别为1.2%,1.23%和0.69%。结果表明：基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析,且可得到较高的分析精确度和准确度;同时通过对比选用不同的光谱特征的定量分析模型可知,采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型,能够有效提高LIBS应用于快速检测煤热值的精度和准确度,实现煤热值的准确预测。