基于激光诱导击穿光谱和拉曼光谱对四唑类化合物的快速识别和分类实验研究

为了实现对四唑类化合物的快速非接触识别和分类,本文搭建了激光诱导击穿光谱和拉曼光谱集成测试系统。首先采集了4种四唑类化合物在1 064 nm激发波长下的拉曼光谱,包括四氮唑、5-氨基四氮唑、1,5-二氨基四氮唑和1-甲基-5-氨基四氮唑。通过对特定官能团拉曼峰位的分析,成功地将它们鉴别出来。然后基于激光诱导击穿光谱(LIBS)技术,采集各个样本的等离子体辐射光谱。选取140组光谱数据进行训练,建立分类模型,剩余60组数据对所得的类型区域的准确性进行验证。本文基于主成分分析(PCA)与支持向量机(SVM)相结合的算法,建立了两个分类模型。一是将全谱进行主成分分析,选取前64个主成分,利用支持向量机(SVM)算法建立模型。二是通过对比光谱差异,选取10个特征波长进行主成分分析,选取前3个主成分建立模型。发现前者平均预测准确度只有88. 3%,而后者60个光谱样本点全部落在其对应的标准样品类型区域内,分类准确度达到100%。实验结果表明,将激光诱导击穿光谱和拉曼光谱联合使用,可以准确地鉴别四唑类化合物。     

基于激光诱导击穿光谱技术的土壤快速分类方法研究

为实现不同种类土壤的快速分类鉴别,实验研究了基于激光诱导击穿光谱技术的土壤快速分类方法。由于不同类型的土壤在元素组成上会存在较大差异,所以利用激光诱导击穿光谱技术进行土壤分类具有可行性。不同土壤在相同实验条件下产生的等离子体温度会存在较大差异,可以作为分类的重要依据,所选择的7类土壤中,赤红壤的等离子体温度最高。选取土壤中6种常量元素Si,Fe,Al,Mg,Ca和Ti的光谱强度作为分类指标,利用主成分分析(principal component analysis,PCA)对7种土类的25个样品进行了分类,其中砖红壤和赤红壤分类出现了交叠,而不同高山草甸土样品之间元素差异较大,并没有实现较好的聚类。利用反向传播神经网络(back-propagation artificial neural network)结合土壤的LIBS光谱对土壤进行了分类,分类结果与PCA结果相近,赤红壤与砖红壤出现了识别错误。当用PCA分析获得三个主成分值作为BP神经网络的输入量时,获得了较好的分类结果,因为简化了输入量,降低了BP神经网络的误差,此时只有一个高山草甸土被识别成褐土,而高山草甸土的等离子体温度显著低于褐土,所以结合不同土壤类型的等离子体温度差异,能够实现不同土壤的分类识别。实验证明激光诱导击穿光谱技术可以应用于土壤分类,为土壤普查和合理利用提高了一种新的技术。     

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。     

基于共焦LIBS技术结合机器学习的矿石分类识别方法

矿物分类与识别是地质研究领域的重要内容,对地质勘探和环境演化的研究具有重要意义。然而,传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定,主观性强,准确率低,激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、灵敏度高以及快速在线检测的特点,非常适合用于地质研究领域。利用共焦激光诱导击穿光谱技术与机器学习结合,提高了矿石分类识别的精准度,利用共焦LIBS系统获得8种天然矿石样品(金矿、铜矿、银辉矿、赤铁矿、铝矿、方铅石、磷灰石以及闪锌矿)的光谱数据,采用主成分分析方法(PCA)对数据进行降维处理,并对降维后的数据采用线性判别分析(LDA)、最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。首先,采用标准铜片作为样品,对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响,结果表明与非共焦LIBS系统相比,共焦LIBS系统的稳定性提升了63.75%,主成分累计贡献率提高了17.81%;然后,采用共焦LIBS系统获取上述8种矿石样品的光谱信息,并进行去噪等预处理,采用PCA对矿石特征数据进行提取,并保留累...     

基于LIBS技术结合PCA-SVM机器学习对猪肉部位的识别研究

近年来,激光诱导击穿光谱（LIBS）与算法相结合分类、识别生物组织逐渐兴起。由于猪肉各部位组织光谱特性相似,仅通过分析光谱信息很难达到准确识别的效果,采用来自于同一个体、四个不同部位的猪肉进行研究,并将其进行切片、压平,应用LIBS技术对4种部位的组织（里脊,梅花,前腿,五花）进行了样品光谱的采集,每种样品采集100幅光谱进行分析,选取Ca,Na,K等6条谱线进行了初步光谱分析,观测谱线发现除脂肪含量较多的五花组织C-N以及C含量较其他组织高以外,其他组织很难区分,进一步对这6个成分进行主成分分析（PCA）,得到PC1,PC2,PC3累计贡献率达到95%,通过特征分数作为支持向量机（SVM）模型输入源,建立SVM分类模型,得到几种部位样品的混淆矩阵图,通过观察混淆矩阵可以清楚分辨出每个种类样品的分类整准确率,发现四种样品准确率分别为96%,98%,97%,100%,平均准确率达到了97%以上。研究证明LIBS结合PCA-SVM可作为一种快速鉴别猪肉不同组织部位的检测方法。     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。     

基于激光诱导击穿光谱对长白山黑猪肉部位分类

猪肉内部结构成分复杂,各部位的成分相似,分辨较为困难。结合激光诱导击穿光谱技术,通过光谱分析的方式提高分类精度。以5种不同部位的长白山黑猪肉（里脊肉、梅花肉、后腿肉、前腿肉、五花肉）作为待测样品,通过冷藏、切片等预处理方法,探究激光诱导击穿光谱技术鉴别猪肉脂肪与肌肉及其不同部位的可行性。首先通过采集猪肉脂肪样品与肌肉样品的LIBS谱线信息发现,猪肉中Mg,K,Fe,Cu,Ca和Na等元素较为丰富,并在脂肪样品光谱中发现C-N键,与肌肉样品LIBS谱线信息相比,脂肪样品受其内部水分、有机质成分影响致使其谱线信息背景和噪声信号干扰较大,二者谱线信息存在一定差异,说明LIBS可对脂肪组织与肌肉组织进行鉴别。通过对目标元素Ca,Na,Mg,K和Al其LIBS特征谱线强度进行检测,计算Mg/Ca,Al/Ca,Na/Ca和K/Ca比值,发现与Al/Ca和Mg/Ca相比,Na/Ca和K/Ca各部位元素比值分布差异明显,在此基础上,根据Na/Ca和K/Ca比值,计算猪肉各部位元素分布决策阈值[（1-α）=90%]。发现与Al/Ca和Mg/Ca比值相比,Na/Ca和K/Ca更能明显的反应出各部位元素分布的不同。其比值分布阈值基本可对猪肉各部位进行区分。以前腿肉与后腿肉为例,前腿肉Na/Ca和K/Ca比值分别分布在1.29～1.58和0.31～0.42,后腿肉Na/Ca和K/Ca比值分别分布在0.98～1.18和0.15～0.23。其元素比值分布无明显重叠。最后,为提高LIBS技术对猪肉不同组织分类的可靠性,将光谱元素强度比值数据与主成分分析法相结合,基本可以实现对猪肉各部位的分类,说明元素特征谱线强度比值在对猪肉各部位分类时具有一定的预测精度。该工作证明,使用激光诱导击穿光谱技术对猪肉进行分类识别等定性分析时具有一定可行性,有望适用于其他生物组织检测分析。     

基于激光诱导击穿光谱的洋葱在线原位检测

激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)是一种分析多元素的光学技术,可用于新鲜蔬菜的快速检测.以洋葱为例,采用LIBS对其含有的元素进行了在线原位检测.用乙酸铅溶液污染洋葱以模拟大气湿沉降的重金属污染现象,并进行重金属Pb元素检测.使用主成分分析(principal components analysis, PCA)和反向传播人工神经网络(back-propagating artificial neutral network, BP-ANN),以洋葱、大蒜、小葱为样品进行区分检测.洋葱光谱中的特征谱线包括Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K等元素,以及N、H、O的谱线和CN分子谱带.不同浓度梯度乙酸铅溶液污染的洋葱样品中都能检测出Pb元素,其相对强度与溶液浓度成比例.此外,PCA的结果表明洋葱、小葱、大蒜的区分效果明显,BP-ANN交叉验证的识别率为89.47%.结果证明LIBS在对元素进行快速分析时具有较好的识别能力,是检测新鲜蔬菜的有效手段.     

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。     

凌家滩遗址出土陶器的LIBS-PCA分析

采用激光诱导击穿光谱(LIBS)技术结合主成分分析(PCA),对凌家滩遗址出土陶器进行快速检测和统计分类的研究。凌家滩遗址位于安徽马鞍山市含山县,是我国南方地区一处大型新石器时代晚期聚落,遗址出土大量精美玉器、石器和陶器等,年代处于中华文明起源关键节点上,是研究我国文明起源和发展问题的重要遗址,因此对其出土陶器的研究具有十分重要的文化历史意义。对凌家滩遗址出土具有不同类型羼和料的陶器样本,进行LIBS快速分析后,利用PCA对结果进行统计辨析。研究表明,不同羼和料的光谱敏感度有所不同,不同掺杂物质会产生光谱特征差异。另一方面,出于统计分析的考虑,有目的缩小了背景噪声等异常数据干扰,并进行了分类辨析,在元素谱线归属的基础上进行了特征谱线提取,实现了利用多元统计分析进行快速分类的目的。分析结果表明,与泥质陶相比,羼植物陶器和羼细砂类样品, LIBS光谱特征具有良好的辨识度,可以进行有效区分。其他类型羼和料根据实际情况不同,则需要配合其他手段进行综合判断。相关研究结果可对南方地区新石器时期陶器的快速鉴定和类型归属等工作,提供了科学支持和有益借鉴。     

激光诱导等离子体光谱法检测合金钢组分的实验研究

激光诱导击穿光谱技术(LIBS)具有无需样品制备,原位快速分析,可进行实时控制的特点使其在钢铁冶炼控制中具有巨大的实际应用价值。本文以波长为1 064 nm的Nd∶YAG调Q固体激光器为激发光源,CCD为探测器,高合金钢GBW01605—01609系列为样品,在建立的LIBS实验装置上研究激光与合金钢之间的相互作用。系统地研究了观测距离、激光能量对高合金钢样品中激光诱导击穿谱特性的影响,并分析了LIBS信号的时间分辨特性,确定了将LIBS用于合金钢微量元素定量分析时的最佳实验条件。     

金属表面碳涂层对激光等离子体辐射的影响

 阐述了激光诱导击穿光谱技术的基本原理,分析了金属材料表面光学性质与激光诱导等离子体辐射强度的关系,建立了空气中进行等离子辐射研究的试验装置,测量了不同厚度碳层下激光等离子体的发射光谱强度。实验结果表明：当一束近红外高能量脉冲激光（能量为5 J）作用于覆盖有约18 μm厚度碳层的标钢样品时,激光等离子体的发射光谱强度提高了16%～22%;证明了金属样品表面覆盖碳层能够提高激光等离子体辐射强度。     

基于共振激发的激光诱导击穿光谱技术研究进展

激光诱导击穿光谱技术是一种新型的原子光谱分析技术,具有实时快速、 多元素同时分析和样品预处理简单等特点,从一出现便受到研究人员的广泛关注,但分析灵敏度差一直是限制该技术发展的重要因素。基于共振激发的激光诱导击穿光谱技术将原子荧光光谱技术和激光诱导击穿光谱技术结合,对目标元素进行选择性激发,可以大幅提高激光诱导击穿光谱技术的分析灵敏度,极大地拓展了LIBS技术在痕量元素检测领域的应用。本文综述了基于共振激发的激光诱导击穿光谱技术的研究进展,介绍了激光诱导等离子体中荧光光谱的产生过程以及基于共振激发的激光诱导击穿光谱技术的基本类型和基础原理,详细分析了烧蚀激光能量、 共振激发激光能量和波长、 烧蚀激光和共振激发激光之间的延时以及光谱采集门宽对光谱增强效果的影响,阐述了其在冶金、 环境监测、 同位素检测等领域的应用现状和存在的问题,并对其未来发展前景进行了展望。     

真空环境熔融金属成分检测的激光诱导击穿光谱系统

激光诱导击穿光谱(LIBS)技术是应用于冶金在线分析最具前景的技术之一。为了研究真空和高温条件下LIBS光谱特性和物质成分定量分析方法,设计并搭建了可实现真空环境高温熔融金属LIBS光谱测量的实验系统。系统以调Q Nd: YAG脉冲激光器为光源,采用不同焦距透镜实现激光聚焦和信号光采集,并利用光谱仪进行光谱检测,真空获取和高温加热通过真空泵和中频感应电炉实现,感应加热线圈通过陶瓷封接引线法兰与真空系统进行整合。经过安装测试,搭建系统在未加热情况下真空度可达1×10-4Pa,加热温度可达到1 600 ℃,可实现真空环境下铁、铝等金属加热或熔融,并获得相应环境下的LIBS测量光谱。利用该系统进行真空和熔融条件下标准钢样品的LIBS实验,得到了固态钢样品LIBS光谱在不同真空度下的光谱对比,以及真空环境熔融态和固态钢样品光谱对比。通过对测得的LIBS光谱进行数据处理和理论分析,所得初步实验结果与现有研究结论相符合,表明该系统工作状况良好,可满足真空环境下的熔融金属成分分析研究的基本需求。     

激光诱导击穿光谱技术用于抹茶和绿茶粉的快速鉴别

研究利用激光诱导击穿光谱技术结合化学计量学方法快速鉴别抹茶和绿茶粉的可行性。抹茶与绿茶粉的主要区别在于茶树品种、栽培管理、生长时间和加工工艺。通过采集不同厂家生产的抹茶和不同杀青方式制成的绿茶粉在230～880nm的激光诱导击穿光谱并进行归一化预处理后,选用主成分分析(PCA),依据X-variables loadings获取用于鉴别抹茶和绿茶粉的特征波长,并基于特征波长建立线性判别式分析(LDA)模型。结果表明：基于特征波长建立的LDA模型能快速鉴别抹茶和绿茶粉,4个特征波长分别属于C(Ⅰ) 247.94 nm,Mg(Ⅱ) 279.60 nm,Ca(Ⅱ) 393.45 nm和Fe(Ⅱ) 766.68 nm;建模集和预测集的判别正确率均达到100%。采用激光诱导击穿光谱技术可以准确鉴别不同厂家生产的抹茶和不同杀青方式制成的绿茶粉。     

利用激光诱导击穿光谱对铝合金成分进行多元素同时定量分析

利用激光诱导击穿光谱定量分析了铝合金中多种元素的成分。采用Nd∶YAG脉冲激光器,在空气环境下烧蚀铝合金固体样品获得等离子体。利用多通道光栅光谱仪和CCD检测器对200～980 nm波长范围的光谱进行同时检测。研究了检测时延、激光脉冲能量、元素深度分布对光谱强度的影响,考虑这些因素之后对实验参数进行了优化。在优化的实验参数下对国家标准铝合金样品中的八种元素Si,Fe,Cu,Mn,Mg,Zn,Sn及Ni进行了定标,并利用定标曲线对一种铝合金样品进行了定量分析。实验结果表明,测量结果的相对标准偏差(RSD)最大为5.89%,相对误差在-20.99%～15%范围内,说明对铝合金样品成分进行定量分析,激光诱导击穿光谱是一种有效的光谱分析工具,但是分析结果的准确度仍需要提高。     

基于激光诱导击穿光谱和化学计量学的水体COD实时测量方法

光谱学传感技术测量水体COD是现代环境监测发展的趋势,相比于传统的化学分析方法具有在线连续检测的突出优势,适合对环境水体COD的实时监测。采集实际水样,利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型,对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果,校正集集R2为0.9958,预测集R2为0.975 3,RMSEC为4.438 7,RMSEP为9.733 9。通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

铝合金焊前激光清洗的等离子体光谱在线检测

铝合金焊接技术在工业生产、制造和维修等领域有广泛的应用,焊缝内存在气孔导致焊接质量降低是铝合金焊接技术的常见问题。由于铝合金表面金属氧化物是导致气孔生成的主要来源,对激光清洗过程进行在线检测,不但可以实时分析表面氧化物的清洗状态,而且可以避免基体表面因为过度清洗造成损伤或二次氧化。提出采用激光诱导等离子体光谱(LIBS)在线检测铝合金焊前激光清洗过程,表征清洗后铝合金基体的表面状态。LIBS技术可以对多元素成分同时检测,拥有较低的检出限和较高的准确性。搭建基于Andor Mechelle 5000光谱仪的铝合金焊前激光清洗在线检测系统,剔除空气环境对实验结果的影响,测试6061铝合金表面氧化物和铝合金基体的LIBS光谱,分析两者独特的元素特征谱线,采用X射线能谱(EDS)测试结果验证元素特征谱线的准确性,并探讨激光清洗过程LIBS技术在线检测的可行性。实验测试等离子体光谱谱线强度与激光能量密度之间的关系,获得单次脉冲激光去除铝合金表面氧化物的损伤阈值,结合X射线能谱的检测结果研究激光损伤阈值的成因及影响。研究激光清洗过程等离子体光谱特征谱线与脉冲次数之间的关系,提出基于O/Al特征谱线强度比值作为在线检测清洗效果及二次氧化损伤的评判依据。为验证该评判依据的准确性,将O/Al特征谱线强度比值随清洗次数的变化趋势与X射线能谱测试获得的氧元素原子百分比变化趋势进行对比。实验结果表明:采用200~700 nm范围内激光诱导等离子体谱线特征分析激光清洗状态,可以剔除空气环境的影响;氧元素和铝元素特征谱线准确反映出表面氧化膜与铝合金基体的成分差异;X射线能谱检测元素成分和含量表明氧元素含量随着激光清洗能量密度先减后增,单次清洗铝合金的二次氧化损伤的激光能量阈值为11.46 J·cm-2,小于损伤阈值的激光能量密度对铝合金基体的多次清洗未造成损伤,等离子体光谱特征谱线强度与表面清洗状态相关, 656.5 nm(OⅡ)/396.2 nm(AlⅠ)谱线强度比值≤1.5%为激光清洗干净的依据。研究结果有利于铝合金的激光清洗实时控制技术和焊接装置集成化。