激光诱导击穿光谱结合偏最小二乘法直接检测皮蛋壳中的Cu含量

运用激光诱导击穿光谱(LIBS)技术对皮蛋壳中Cu元素直接进行检测,获得样本中Cu元素的特征谱线信息,采用湿法消解结合原子吸收分光光度计(AAS)测量样品中Cu元素的真实含量。由于LIBS检测的精度和准确度受到样品基体复杂,环境噪声,系统噪声,激光能量稳定性等一系列因素的影响,采用传统的单变量赛伯-罗马金拟合方式对样品的LIBS相对强度和浓度进行线性拟合不能满足定性分析的要求,因此,采用一种多变量的分析-偏最小二乘(PLS)对LIBS光谱数据进行了处理,比较分析了不同点数平滑处理和五种预处理方法对PLS建模精度和准确度的影响。分析得出采用11点平滑结合多元散射校正(MSC)预处理能有效地提高PLS建立的模型的相关系数,降低均方根误差和平均相对误差,有效提高了模型的准确性。研究结果表明,激光诱导击穿光谱技术能够准确地直接检测皮蛋壳中重金属Cu的含量,下一步的工作将对皮蛋进行批量试验,寻找出蛋壳与蛋清、蛋黄中重金属Cu的数量关系,实现通过LIBS检测皮蛋壳便可知蛋清、蛋黄中重金属含量的目标,为农产品质量安全提供新的快速无损检测技术方法。     

激光诱导击穿光谱结合偏最小二乘法定量分析脐橙中Cd含量

基于激光诱导击穿光谱(LIBS)技术对赣南脐橙中Cd元素进行定量分析. 利用LIBS获取样品中Cd元素的特征谱线信息, 并结合原子吸收分光光度计测量样品中Cd元素的真实含量.采用五点平滑法和中心化法对样品光谱数据进行预处理, 基于偏最小二乘法(PLS)对其中的39个样品建立Cd元素的定量分析模型, 在该模型的基础上预测另外13个样品的Cd含量, 并对PLS模型进行对比验证. PLS模型中拟合曲线的相关系数为0.9806, 12个样品的验证结果的相对误差为10.94%.研究结果表明, 激光诱导击穿光谱技术能够准确的检测农产品中重金属含量, 为农产品的安全检测提供技术方法. 关键词： 激光诱导击穿光谱 Cd 定量分析 偏最小二乘法     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338 nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。     

基于LIBS技术的钢铁合金中元素多变量定量分析方法研究

针对钢铁合金样品元素组成相对复杂,基体效应较严重的问题,利用激光诱导击穿(LIBS)光谱技术对钢铁合金中的元素进行了定量分析。以Nd∶YAG脉冲激光器基频1 064 nm波长激光作为激发光源,采用中阶梯光栅光谱仪和ICCD分光探测钢铁合金样品的LIBS光谱。通过优化实验确定最佳探测延时为1.5 μs,最佳探测门宽为2 μs,激光聚焦点位置在实验样品靶面以下1.5 mm。采用单变量定量分析、多变量线性回归和偏最小二乘(PLS)三种方法分析钢铁合金中Cr元素和Ni元素的含量。结果表明,采用单变量定标方法定标曲线相关系数不高,对待测样的预测误差相对较大,难以有效地定量分析基体元素复杂的钢铁合金中金属元素的含量;采用多变量线性回归分析方法能有效提高定量分析的精度;采用PLS方法得到的Cr和Ni元素的拟合曲线相关系数r分别为0.981和0.995,对两个待测样品中Cr元素和Ni元素的预测相对误差在6.4%和7.1%以内,分析结果优于多变量线性回归方法。可见,采用多变量校正的PLS方法能更有效地校正基体效应对定量分析的影响,提高定量分析的精度。     

不同颗粒度铁屑LIBS光谱的基体效应及定量分析研究

激光诱导击穿光谱(LIBS)对固体进行检测时,受固体的表面物理形态和化学特性影响较大,因此,基体效应分析对LIBS在线检测研究有重要的意义。为了提高LIBS对表面凹凸不平样品成分在线检测的准确度,进行了LIBS对不同颗粒度铁屑样品的定量分析。实验所用的9种铁屑样品性状为松散的粉末、颗粒或长条状,为防止激光与样品相互作用时发生飞溅,将样品粘到双面胶上进行固定。采用的激发波长为1 064 nm、脉冲能量为35 mJ,探测器延时和积分门宽分别设置为1和10μs。为评估样品颗粒度不同导致的基体效应对LIBS光谱的影响,首先,利用主成分分析(PCA)对系列样品进行分类,结果显示,粉末状的四个样品被分出,即颗粒度不同导致的基体效应是样品光谱信号差异的主要原因。其次,以C3、 C5两个样品研磨前后的基体元素特征谱线FeⅠ330.635 nm为研究对象,通过对比谱线的强度和相对标准偏差(RSD)发现,颗粒度越小,谱线强度越大,稳定性越好。为校正LIBS光谱基体效应的干扰,采用了样品研磨预处理和光谱数据预处理两种方法。将细长条状的C3和C5两个样品进行研磨,研磨后谱线的强度和稳定性有较大提升;分别研究了强度归一化、多元散射校正(MSC)以及两者结合对光谱进行处理的效果,三种光谱预处理均使谱线的稳定性得到显著提高。通过支持向量机(SVM)对Cu元素的定量结果进行了评估和对比,结果发现,采用研磨样品并结合强度归一化与MSC预处理得到的校正效果最优,最终使S1和S2两个待测样品的Cu元素预测相对误差(RE)分别降为1.745%和1.857%,预测均方根误差(RMSEP)降为0.020。该研究可为表面凹凸不平样品的LIBS检测提供一定的方法依据和参考。     

基于激光诱导击穿光谱的合金钢组分偏最小二乘法定量分析

在炼钢中合金浓度的检测和控制对产品质量影响很大,激光诱导击穿光谱(laser induced breakdown spectroscopy, LIBS)技术具有快速、非接触、无需制样等特点,非常适合应用于合金成分的在线分析。但是由于合金中的C, S, P元素的成分含量都很低,其原子发射谱线极易淹没在复杂的铁元素特征谱线之中,造成这些重要元素在线定量分析困难。以合金钢标准光谱样品为研究对象,获取激光诱导击穿光谱数据,采用定标曲线法(calibration curve, CC)和偏最小二乘法(partial least squares, PLS),对合金钢样品的主量和微量元素进行定量分析。比较两种方法的定标结果得出：对于主量元素,PLS方法的定量分析水平优于传统的CC法;更重要的是对于微量元素,由于特征谱线极弱,CC法无法得出定量结果,而PLS法仍然具有良好的定量分析能力。同时,将PLS法回归模型特征谱线处的回归系数与原始有背景干扰的光谱强度数据进行比较,阐述了LIBS数据定量分析中PLS方法的优势。结果表明,在激光诱导击穿光谱合金成分分析中,PLS方法适合用于C等微量元素的定量分析。     

共线双脉冲LIBS结合变量筛选定量检测腐霉利含量

腐霉利（Procymidone）作为一种新型的农产品杀菌剂,具有防止农产品受病虫害的作用,但其在施药过程中容易使用不当危害环境和人的健康。为加强对腐霉利农药的检测,本研究应用共轴双脉冲激光诱导击穿光谱技术（LIBS）对溶液中的腐霉利含量进行定量检测研究。为配置不同浓度的腐霉利样品,将有效成分含量为98%腐霉利粉末与二甲苯按照不同比例混合并完全溶解。由于液体样品在激光击打的过程中容易将液体溅出,具有一定的危险性。因此,实验将液体样品转化为固体样品,利用石墨吸附腐霉利溶液,然后采用八通道高精度光谱仪采集样品的LIBS光谱,并利用不同预处理方法对光谱数据进行预处理。为提高腐霉利的检测精度,选择氯元素信号最强的两通道（744.555~935.843,893.107~1 057.058 nm）光谱数据,分别采用归一化函数（normalization）、基线校正（baseline correction）、标准正态变量变换（SNV）、多元散射校正（MSC）方法进行光谱预处理,并应用PLS方法建模。通过比较各预处理方法数据后,综合考虑,选择Baseline方法为最佳预处理方法。在baseline预处理方法的基础上使用无信息变量消除算法(UVE) 联合竞争性自适应重加权采样(CARS)算法剔除无信息的波长变量,筛选与腐霉利相关的重要波长变量,最后应用偏最小二乘回归建立溶液中腐霉利含量的定量预测模型。建模结果表明：经光谱预处理和UVE-CARS方法优选后,可将原4096个波长变量个数减少至13个,变量压缩率为99.68%;经UVE-CARS变量优选后建立的PLS模型的校正集的决定系数和均方根误差分别为0.990 5和0.66,预测集的决定系数和均方根误差分别为0.990 3和0.67,其模型性能优于原始光谱建立的PLS模型。结果表明,利用共轴双脉冲LIBS技术定量检测溶液中的腐霉利含量具有一定的可行性,经UVE和CARS方法筛选后可以有效提取腐霉利的特征变量及相关影响变量,剔除冗余及噪声影响变量,简化定量分析模型且提高了定量分析模型的稳定性。     

激光诱导击穿光谱(LIBS)光谱诊断与元素分析及激光功率、入射角度以及测试足巨离的改变对结果影响

激光诱导击穿光谱法(LIBS)在精准识别该样品元素的组成成分和含量的同时,也可以得到该特征元素等离子体的电子温度、粒子旋转温度等相关光谱诊断参数.该方法非接触式、低损伤阈值,借助高速高分辨率响应的CCD探测元件更可以实现实时动态测量.文章基于LIBS的相关原理,对一块事先标定好元素成分的合金进行光谱诊断的同时,发现在改...     

激光诱导击穿光谱应用于三种水果样品微量元素的分析

激光诱导击穿光谱(LIBS)在植物样品上面的应用是一个较新的课题. 为将LIBS技术能实际应用于与食品安全相关的领域,实验中对三种真空冻干水果样品进行了初步LIBS实验研究,鉴别了其LIBS光谱,并选取典型光谱线,运用统计学方法分析比较了三种水果中Ca,Na,K,Fe,Al,Mg六种元素含量的差别. 实验结果表明,苹果中Na的含量最高,Ca的含量最低,三种水果样品中的K,Fe,Mg等元素含量也都有差异. 实验结果还表明LIBS技术是一种检测、对比植物样品中微量元素含量的有效手段. 关键词： 激光诱导击穿光谱 等离子体 植物样品 微量元素     

用激光诱导击穿光谱技术比较土豆和百合中的微量元素

激光诱导击穿光谱(LIBS)已成功地运用于固体、液体、气体样品中微量元素的测量以及微生物、细菌等的鉴别分析上,而在植物样品上面的应用则是一个较新的课题。该实验用纳秒Nd∶YAG激光器击穿真空冻干的土豆、百合样品,用光纤光谱仪测量了其LIBS光谱。通过鉴别、分析LIBS光谱,得到了这两种样品中微量元素的成分。并且对土豆干和百合干中Ca,Na,K,Fe,Al,Mg六种金属元素典型谱线的强度进行了统计分析,并由此得到了样品中这六种微量元素含量的对比情况。实验结果表明土豆干中的Ca和Na等含量都明显高于百合干,而百合干中Mg的含量较高。实验结果还表明用LIBS技术检测、对比冻干植物样品中微量元素含量是一种快速、有效的分析方法。     

水泥中金属元素的激光诱导击穿光谱实验条件研究

激光诱导击穿光谱技术(LIBS)是一种被广泛使用的物质元素检测技术。由于它的探测结果受多种因素的影响,因此,分析比较不同实验条件对LIBS光谱测量的影响对LIBS检测有着重要的意义。通过采用四川省北川县中联水泥有限公司生产的42.5普通硅酸盐水泥制成的水泥压片,利用八通道光纤光谱仪AvaSpec-2048-USB2-RM、延时触发器DG645进行了LIBS检测。针对影响水泥几种重要技术指标的金属元素Mg,Al,Na,K进行了分析。主要对比了激光频率、同一点测量次数对不同金属元素光谱信号强度的影响,得出在本实验条件下的最佳实验参数：10 Hz为最佳激光频率,激光频率为10 Hz时元素Mg,Al,Na,K所得到的光谱强度比8 Hz时分别提高了67.66%,47.88%,84.59%,43.36%。由于压片样品在放置过程中,表面会有少量的氧化、潮解, 在以测量10次求一次平均所得结果进行记录的条件下,以第三、四次记录结果为最佳。     

基于激光诱导击穿光谱技术的咖啡豆中咖啡因含量快速检测方法

应用激光诱导击穿光谱(LIBS)技术研究了快速检测咖啡豆中咖啡因含量的可行性。将咖啡豆磨粉压成片状作为采集LIBS光谱数据的样本,应用原子吸收分光光度计测量每个样本中咖啡因的含量。应用基线校正,小波变换和归一化等数据预处理方法;针对基于全部变量的偏最小二乘(PLS)模型会出现过拟合,分别应用回归系数和主成分分析(PCA)选择特征变量,并建立了基于特征变量的PLS和BP神经网络模型。结果表明：基于回归系数所选特征变量的PLS模型中,建模集相关系数R_c=0.96,预测集R_p=0.91;基于PCA提取特征变量的PLS模型中,R_c=0.94,R_p=0.90;基于PCA所选特征变量的BP神经网络模型中,R_c=0.96,R_p=0.96。两种方法所提取特征变量均对应C,H,O,N,Na,Mn,Mg,Ca和Fe,且基于上述两种方法所选特征变量的PLS模型均对预测集样本有较好的预测结果,说明上述元素与咖啡因含量存在联系,应用回归系数和PCA选择的特征变量是有效的,但是咖啡豆内C,H,O,N,Na,Mn,Mg,Ca,Fe与咖啡因含量的确切关系需要进一步研究。基于PCA所选特征变量的BP神经网络模型有更优的预测结果,说明所选特征变量适用于不同的建模方法。研究表明LIBS技术结合化学计量学方法可以实现咖啡豆中咖啡因含量的快速检测。     

激光诱导击穿光谱定量分析锂矿石中锂元素

锂元素具有优良的物理和化学性能,因而在军事、电池、特种合金、受控热核反应等领域具有重要作用。现有的锂矿石分析主要是基于酸分解的原子吸收光谱、电感耦合等离子体质谱或原子发射光谱等离线方法。激光诱导击穿光谱(LIBS)是一种无需样品制备、适用于低原子序数元素(包括锂)的原子发射光谱方法。采用LIBS技术,实验采集了11种锂矿石成分分析标准物质的等离子体发射光谱,分别在610.35和670.78 nm附近观测到了Li的特征峰,但由于谱线的重叠,无法应用单变量线性回归进行建模。在全谱积分强度标准化基础上,分别使用偏最小二乘回归(PLSR)和基于主成份分析的支持向量回归(PCA+SVR)对锂矿石标准物质中的锂含量进行建模。校准模型的相关参数通过留一组交叉验证均方根误差(RMSECV)来确定。结果表明,相较于PCA+SVR校准模型,PLSR的决定系数(R2)更大,校准均方根误差(RMSEC)更小,但预测均方根误差(RMSEP)远大于RMSEC,存在过拟合现象。另一方面,PCA+SVR计算得到的RMSEP和平均相对误差(MRE)相对于PLSR更小,因此认为PCA+SVR模型拥有更好适应度。从而证明,LIBS技术可以实现锂矿石中Li含量的分析,有望应用于位于传送带上锂矿石的原位在线定量分析。     

基于激光诱导击穿光谱的大米Cr元素检测

激光诱导击穿光谱(LIBS)是一种元素快速分析的光学检测技术.在工业化发展进程中,重金属污染时刻威胁着大米等粮食作物生产地的安全性.以四川地区常见的Cr元素污染为例,采用双脉冲LIBS技术对市面上购买的五种地区大米中的Cr元素进行定量分析,并与电感耦合等离子体质谱法(ICP-MS)检测结果进行对比.结果显示LIBS测量误差满足相对误差标准,证明了LIBS方法具有对元素进行快速定量分析的能力,是检测大米重金属元素含量的一种有效手段.     

准东煤中碱金属含量的LIBS激光测量

电站锅炉燃用准东煤后存在的严重结渣、积灰等问题跟煤中高含量的碱金属(Na,K)有关。采用化学方法对准东煤进行处理以制取一定碱金属含量范围的煤样本,采用激光诱导击穿光谱(LIBS)技术对准东煤的Na,K含量进行定标与预测。结果表明:LIBS技术对Na,K元素的测量具有较高的灵敏度、较低的检测极限和较小的预测误差均方根(RMSEP)。尽管元素含量较低时,LIBS测量数据的相对标准偏差(RSD)较大,但当元素含量达到一定值后,其RSD趋于稳定,通过大量的重复测量可以保证测量的正确性。由于LIBS技术本身有快速同位测量的优点,因此LIBS可以作为在线测量煤中碱金属含量的一种手段。     

基于LLE-SVR的鸡蛋新鲜度可见/近红外光谱无损检测方法

鸡蛋新鲜度是反映鸡蛋内部品质的一个重要指标。为了能够实现鸡蛋新鲜度的快速无损检测,利用微型光纤光谱仪采集鸡蛋550～950 nm的透射率光谱曲线,与鸡蛋的哈夫单位值进行了定量分析。通过不同的预处理方式分别结合偏最小二乘回归(partial least squares regression, PLSR)与支持向量回归(support vector regression, SVR)建立模型,比较了不同模型的预测结果,发现一阶微分结合SVR能够实现较好地预测,且利用SVR建模要优于PLSR。为了提高运算效率,减少无用信息对建模的不良影响,分别利用线性降维主成分分析法(principal component analysis, PCA)与非线性降维局部线性嵌入(locally linear embedding, LLE)对一阶微分后的光谱数据降维,比较两种降维方法的预测效果,得出了LLE降维要优于PCA降维,其训练集和预测集的相关系数与均方根误差分别为92.2%,7.21和91.1%,8.80,训练集交叉验证的均方根误差相比减少了0.79。实验结果表明,利用局部线性嵌入结合支持向量回归进行非线性建模,能够提高鸡蛋新鲜度的预测能力,表明该方法对鸡蛋新鲜度的可见/近红外光谱检测可行。     

水泥生料品质激光在线检测设备研制

水泥质量的优劣直接影响到建筑工程的安全,使用品质合格的水泥材料是保证工程结构质量的必要前提,因此快速检测水泥生料成份对于及时指导调整原料配比和保障水泥产品品质具有重要意义。传统的生料检测需要经过取样、制样、化验等环节,检测结果严重滞后于生产。我们通过产学研协同攻关,研制了一套基于激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)技术的水泥生料品质在线检测设备,该设备由LIBS光学检测系统和气动取送样系统两部分组成,实现了对水泥生产线上水泥生料品质的实时连续测量,避免了传统的取制样环节,从而大大缩短了化验时间,所测水泥生料成分的实时数据能够及时指导调整水泥原料的配比,保证水泥质量的合格。我们利用该LIBS水泥品质在线检测设备对水泥生产线上生料中的主成分Al₂O₃,CaO,Fe₂O₃,MgO和SiO₂进行了定量分析,利用全谱归一化和支持向量机(support vector machine,SVM)对水泥生料建立定标模型,对水泥生料中Al₂O₃,CaO,Fe₂O₃,MgO和SiO₂测量的最大误差分别是0.34%,0.35%,0.07%,0.14%和0.55%。现场实验结果表明,本水泥生料品质激光在线检测设备的测量结果与传统化验法的结果相吻合,测量精度与X射线荧光光谱法(XRF)相接近,从而证实了LIBS可以作为水泥在线检测的一种有前景的方法。     

基于激光诱导击穿光谱的化验室水泥质量检测设备研制

研制了一套基于激光诱导击穿光谱(LIBS)的化验室水泥质量检测设备,可对水泥生熟料成分及率值进行快速检测。对该设备的总体结构、光学系统、样本制备、光谱处理方法等几方面进行了介绍。通过内标法建立定标模型,将LIBS测量结果与X射线荧光光谱分析(XRF)结果进行了对比分析,该套LIBS设备对水泥生熟料中CaO,SiO₂,Al₂O₃和Fe₂O₃测量的平均绝对误差分别为0.46%,0.25%,0.13%和0.05%,对水泥熟料率值KH,SM,IM测量的平均绝对误差分别为0.02,0.05和0.04;通过计算激发产生的等离子体温度和电子密度,验证了激光诱导水泥等离子体处于局部热平衡(LTE)态。     

LIBS结合单变量定标法对土壤中铅元素含量检测

重金属污染一直影响着人们的健康生活,如镉,铅和铜等的污染,故而土壤重金属的快速检测和如何预防,一直受各国学者关注和研究。传统土壤重金属检测方法（如原子吸收光谱法、X荧光光谱法等）样品预处理复杂,分析成本较高,易形成样品的二次污染,不能满足快速分析的要求。激光诱导击穿光谱（LIBS）是一种典型的原子发射光谱,它是基于分析物质中原子和离子受激发而发射的特征谱线信息,进而研究物质成分的分析方法。LIBS技术能够快速检测任何状态（固、液和气态）物质元素的成分和含量,被看作是未来化学检测和快速绿色分析领域的新兴技术。LIBS技术具有对样本简单预处理（或不需要处理）、多元素同步分析、远距离测量、适用性广等优势,被广泛用于生活生产的各个领域,已成为近年来国内外学者广泛关注和研究的热点之一。在农业信息快速感知的大背景下,以激光诱导击穿光谱技术为技术手段,以土壤重金属铅元素为研究对象,运用理论分析和数学建模相结合,建立了多种基于单变量定标曲线的土壤重金属铅检测模型,并进行了模型验证。自制15个已知的铅元素浓度梯度的谱线土壤样本,在获取了土壤LIBS数据之后,对其进行预处理对比,建立了基于谱峰强度、谱峰积分、洛伦兹拟合强度三种定标曲线模型,对土壤中铅元素含量进行定量分析,得出基于三种定标曲线模型对土壤中铅元素含量的预测决定系数R2分别为0.918 0,0.910 1和0.914 3,三种定标曲线分析方法的预测结果都较好,说明了LIBS结合单变量定标曲线法对土壤中铅含量的检测可靠性高。最后选取部分样本数据进行验证,结果较好。研究结果为研发便携式农田土壤污染物检测技术与装备提供技术支撑,也为农田精准管理和科学施肥奠定基础。