远程激光诱导击穿光谱技术分析岩石元素成分

远程激光诱导击穿光谱技术是一种利用脉冲激光和聚焦光路对远距离目标烧蚀击穿,获取目标等离子体光谱,定性或定量分析物质元素组成的光谱探测技术。设计并搭建了一套远程激光诱导击穿光谱系统。该系统结合卡式望远镜光学结构,实现探测2～10 m距离的目标、并可自动变焦。基于该系统提出一种远程探测岩石主要元素含量方法。通过对比实验,研究了脉冲能量、采集延时、积分时间、探测点累计探测次数对光谱信号的影响,确定了岩石谱线获得的最佳条件。选择48块岩石标本和6种常见国标岩石样品(页岩、花岗岩、安山岩、玄武岩、片麻岩、伟晶岩)进行LIBS实验。以原子光谱数据库为参考,根据岩石的主要元素提取特征谱线(SiⅠ390.55 nm,AlⅠ394.40 nm,AlⅠ396.15 nm,CaⅡ396.85 nm,FeⅠ404. 60 nm,SiⅠ500.60 nm,MgⅠ518.36 nm,NaⅠ589.59 nm)。利用偏最小二乘算法(PLS)建立岩石成分定量分析模型,将48块岩石标本作为训练集进行求解,并用六种国标岩石对模型进行检测,预测岩石Si和Al元素含量,平均误差分别为9.4%和9.6%。     

一种基于激光诱导击穿光谱的塑料分类方法

传统的废旧塑料处理主要采用焚烧掩埋的方式,不仅污染环境,还造成了资源浪费,废旧塑料回收对于推行循环经济、促进可持续发展具有重要意义。传统的塑料分类装置存在精度较低,成本较高,分类结果易受样品颜色影响及对操作人员身体健康造成威胁的缺点。激光诱导击穿光谱技术(LIBS)具有多元素同时分析、无需样品预处理,检测速度快,对样品损害小,不受塑料颜色影响等优点。将其与基于化学计量学的样品分类方法相结合,应用到塑料样品检测领域,有利于提升塑料分类精度。但是,现有分类方法需要更改参数多、所构建模型普适性差。通过自主搭建的LIBS实验平台,研究激光器能量、延时时间、积分时间和光谱信号接收角度对光谱信号强度的影响,获取最佳的实验条件。并通过该平台分析11种塑料的2200个样品点,选用偏最小二乘算法(PLS)对谱图数据进行建模分析,研究最优的训练集和验证集比例及最佳的主成分数的选取方法,实现样品类别与样品数据的最大相关性,达到克服背景干扰、提高分类精度的目的。实验结果表明,不替换干扰谱图时,验证集样品的分类精度为99.80%,测试集样品的分类精度为99.09%;替换掉干扰谱图后,验证集和测试集的样品分类精度均达到100%,且分类时间减少。由此可见,激光诱导击穿光谱与偏最小二乘方法结合可以成功的用于塑料样品分类。     

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。     

水体COD激光诱导击穿光谱快速测量方法研究

水体化学需氧量（COD）是一个重要的水体质量指标,一般用来衡量有机物的污染程度。对COD的检测长期依赖采样后的实验室化学分析方法,目前应用最普遍的是重铬酸钾氧化法与酸性高锰酸钾氧化法。化学分析的方法操作复杂,耗时费力,且引入新的化学药剂,造成二次污染,因此,急需一种能够实现水体COD快速测量的检测技术。在前期研究基础上,对水体COD的激光诱导击穿光谱检测方法进行深入探索,重点是优化模型预测速度,目的是研究激光诱导击穿光谱技术用于对水体COD的快速测量方法。采集了不同COD浓度的99个水体样本,分为训练集和测试集两组,通过重铬酸钾氧化法测定各水样的COD值,作为真实值,利用实验室自建的激光诱导击穿光谱采集系统采集各水样波长在200～1 000 nm的光谱信息,利用偏最小二乘算法建立训练集水样COD的定量化测量模型,然后对测试集光谱数据进行预测,将预测结果与实验室化学方法测定的真实值进行对比,评估预测效果。通过对原始光谱建立的预测模型进行分析,发现在建模过程中,大量的激光诱导击穿光谱数据与COD浓度相关性很差,而这些无用数据参与计算,浪费了计算资源,延长了检测时间,造成系统负载过大,不利于便携式检测设备的开发。重点研究贡献度最大的前几个主成分,通过对COD测量原理和PLS模型载荷分析,找到LIBS光谱中与水样COD浓度相关性最高的主要特征峰,经过分析发现,主要为来源于水中有机物中的C,H,O,N以及水中一些还原性离子元素的特征峰,这些特征峰对COD的模型预测能力贡献最大,而COD的定义正是衡量水体中这些元素的多少,这与该研究分析结论相吻合。为了实现检测速度的提升,提取这些特征峰,对光谱数据进行降维,剔除大量无关或相关性较低的数据,经过多次筛选和降维,最终将原来参与计算的每条光谱的13 622个数据降到28个,大大降低系统的运算量,却依然能够保留不错的预测能力。筛选出的28个特征波长最能反映水体COD浓度,为水体COD便携式的多波段检测设备的研发,实现对COD的快速测量奠定了基础。     

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。     

一种针对激光诱导击穿光谱技术的基线校正方法

针对激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)数据中存在的周期性拱形突起问题,提出了一种改进的基线校正算法。该算法基于惩罚最小二乘方法,通过改变局部惩罚系数,使其在拟合周期性拱形突起的同时降低谱线强度对拟合基线的影响。与其他基线校正方法相比,该算法在拟合仿真基线时的均方根误差更小,并且基于该算法得到光谱数据绘制的定标曲线的相关系数达到了0.997 2。结果表明：该算法相较于现有的去基线方法,在拟合中阶梯光栅光谱仪采集激光诱导击穿光谱的基线时,能更好地保留光谱数据的有效信息。     

激光诱导击穿光谱结合XGBSFS特征优选的废钢分类识别方法

我国每年的钢铁生产与出口量位居世界前列,而在钢铁生产过程中产生的废钢是一种重要的资源。废钢的精准分类是电炉炼钢的关键环节,对于环境能源的可持续发展也具有重要意义。为了提高废钢回收利用的效率,提出了一种利用激光诱导击穿光谱结合XGBSFS特征优选的废钢牌号智能识别方法,与k最邻近算法(kNN)、支持向量机(SVM)分类算法联合建立了XGBSFS-SVM、 XGBSFS-kNN两种优化模型。首先通过Lapa-80型固体脉冲激光器采集3类共18种不同的废钢样品在170～400 nm范围内的激光诱导击穿光谱数据,通过k值校验剔除光谱数据中的粗大误差,并对剔除后剩余的数据进行平均,每个样品28组共得到504组平均光谱数据;然后对光谱数据进行基线校正、归一化等预处理,降低基体波动影响;最后将处理后的光谱数据从每类钢种中提取一个样品的数据作为模型的测试集,剩余数据作为模型的训练集,并提取光谱数据中Si, Cu和C等元素的16条特征谱线作为分类特征,用于模型的输入,经过基于XGBoost的XGBSFS特征选择算法对变量进行优化后,应用kNN、 SVM建立废钢智能识别模型。XGBSFS-SVM、 XGB...     

激光诱导击穿火焰等离子体光谱研究

采用PI-MAX-II型增强型电荷耦合器件, 用Nd:YAG纳秒脉冲激光器输出的1064 nm强光束击穿在一个大气压的空气中燃烧的酒精灯火焰, 对激光诱导击穿酒精灯火焰产生的等离子体光谱进行了初步研究. 根据美国国家标准与技术研究院原子发射谱线数据库, 对等离子体中的主要元素的特征谱线进行了标识和归属. 通过激光诱导击穿空气等离子体光谱、激光诱导击穿酒精灯火焰等离子体光谱、激光诱导酒精喷灯火焰等离子体光谱的对比分析, 发现不同燃烧状况下的光谱中各原子谱线的相对强度是不同的. 这些结果对于使用激光诱导击穿技术分析和研究碳氢燃料在空气中的燃烧特性具有重要的意义和参考价值, 同时也为将该技术应用于燃烧诊断提供了实验依据.     

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     

阻尼最小二乘法用于激光诱导击穿光谱重叠特征谱线分离提取

近年来,激光诱导击穿广谱技术发展迅速。作为一种用于物质成分探测的新技术,它具有简单、快速、无需复杂样品制备、多种元素同时检测等优点,可实现待测样品物质成分现场、在线的检测,在很多领域都极具应用前景。激光诱导击穿光谱特征谱线的分离拟合提取是光谱特征识别与后续元素浓度定量反演研究的基础。为实现激光诱导击穿光谱重叠特征谱线的有效分离拟合提取,采用阻尼最小二乘法,分析并确定了迭代前的初始拟合参数值,实现了在重叠特征谱线情况下对某火力发电厂粉煤灰中的铬元素特征谱线的分离提取。阻尼最小二乘法基于高斯-牛顿迭代,在迭代步长中引入阻尼因子,在迭代的过程中根据每一步迭代后所反馈的信息动态的调整迭代步长,从而有效防止了迭代的发散,保证了迭代的快速收敛,最终使得元素特征谱线拟合提取的效果更佳、所得到的特征谱线强度值更准确。分别采用阻尼最小二乘法和最小二乘法对不同浓度的样品中铬元素特征谱线进行分离拟合提取并给出特征谱线的强度值,作出特征谱线强度值关于元素浓度的定标曲线并对比两种方法所得结果的线性相关性。结果表明,阻尼最小二乘法所得结果的线性相关性更高,该方法稳定、可靠,适用于激光诱导击穿光谱重叠特征谱线的分离拟合提取。     

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。     

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。     

多次放电的激光诱导击穿光谱信号增强

激光诱导击穿光谱技术(LIBS)是一种广泛应用于科学和工程方面的元素分析技术。LIBS测量一些微量元素时存在探测极限高的不足,因此增强LIBS信号强度,降低元素探测极限,对扩展其应用范围有着重要的意义。为了实现LIBS光谱信号的增强,提出多次放电增强激光诱导击穿光谱方法,并以固体铝合金材料为例进行了光谱信号强度增强的研究。实验发现,激光作用在铝合金材料上烧蚀样品产生等离子体并溅射到样品上方高压放电电极所在区域,该区域在等离子体产生之后50 μs之内均可以诱导高压电极放电。因此采用高频脉冲电源可以实现一次LIBS产生的等离子体诱导电极多次放电。多次放电会对等离子体进行多次激发,同时多次放电对等离子的加热作用会延缓等离子体冷却速率从而延长等离子体的持续时间,两者共同作用可以增强LIBS光谱信号强度,进而降低LIBS对微量元素的探测极限。使用频率为100 kHz的高频直流脉冲电源,利用数字延迟脉冲发生器同步激光与高压电源,在激光过后3.6 μs触发高压放电,一次LIBS产生的等离子体可以诱导电极5次放电,即对等离子体进行5次激发和加热。利用光谱仪对5次放电等离子体光谱进行积分测量。实验结果表明：使用多次放电增强之后,等离子体持续时间得到大幅延长,光谱信号强度得到大幅增强,其中,Mg Ⅱ (~279 nm)的信号强度可以增强约48倍,Al Ⅱ (~358 nm)的信号强度可以增强约72倍,微量元素Mn Ⅰ (~403 nm)的信号强度增强约6.3倍,微量元素Cu Ⅰ (~403 nm) 的信号强度增强约8.3倍。Mn Ⅰ (~403 nm)和Cu Ⅰ (~403 nm) 的探测极限分别降低为LIBS单次放电的1/6和1/8。多次放电增强激光诱导击穿光谱方法很好地增强了LIBS的光谱信号强度,降低了对微量元素的探测极限,扩展了LIBS技术的应用范围。该方法有潜力应用到贵重物品、稀有材料及文物的鉴定之中。     

激光诱导击穿光谱的高铁车轮钢晶粒度等级研究

我国高速铁路运行距离长,服役环境多变,对车轮钢的性能要求较高。车轮钢的晶粒尺寸直接影响着车轮钢的力学性能,且晶粒的特征和测量对材料科学有着重要的作用,因此为了保证高速列车的安全运行,对高铁车轮的晶粒度等级进行检测是十分必要的。利用激光诱导击穿光谱(LIBS)实验平台对5个不同晶粒度等级的ER8高速列车车轮钢样品(经过不同热处理得到不同晶粒度等级)进行击穿获取光谱信息,比较了基体元素Fe和合金元素(Cr, Mo, Co)的谱线强度与5个不同晶粒度等级的样品之间的相关性,发现均与样品晶粒度等级存在不同程度的相关性。利用此关系建立以谱线强度为变量的偏最小二乘判别分析(PLS-DA)模型,在建立模型前分别采用标准正态变量变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑方法进行预处理。通过比较各种预处理方法,得出采用SNV预处理后建立的模型效果最佳,建模集误判个数为4个,准确率为95.7%,预测集误判个数为3个,准确率为90%。在SNV预处理方法的基础上,分别选择竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和CARS-SPA三种波长筛选方法进行波长筛选,...     

基于向量空间模型的岩屑LIBS光谱分类识别方法

向量空间模型最初用于文献检索,该模型是通过对文献内容进行特征文本提取后,将文献转换到文本向量空间,然后在文本向量空间中通过计算文献的特征文本向量与检索文本的特征文本向量的相似度,实现文献的检索,该方法基于模式识别中模板匹配的最近邻原则。针对光谱数据的特点和模式识别中模板匹配的基本原则,将向量空间模型引入基于样品光谱的分类识别。通过训练集中光谱数据获得各样品的光谱数据模板,提取训练集中各样品光谱数据模板特征峰的波长和相对强度信息,构建特征峰信息数据库,计算获得特征峰信息权值,将光谱数据转换到特征峰向量空间,获得各样品光谱数据模板的特征峰向量,构建样品特征峰向量数据库。同理获得预测集样品光谱的特征峰向量,在特征峰向量空间中通过计算预测集样品特征峰向量与样品特征峰向量数据库中各样品模板特征峰向量的余弦值,完成对预测集样品的分类识别。以岩屑样品的LIBS光谱为研究对象,将向量空间模型应用于LIBS光谱的分类识别。分类结果表明,该方法能够实现对岩屑样品LIBS全谱的快速分类识别,且在对预测集光谱数据进行平均处理后,分类准确率为100%。提出的基于向量空间模型的LIBS光谱分类方法可以拓展应用于其他光谱数据的分类识别。     

激光击穿光谱检测葡萄糖溶液的实验研究

利用Nd∶YAG 脉冲激光器波长为1.064 μm的光束诱导葡萄糖溶液产生等离子体,并用光谱仪和ICCD 来探测其光谱信号。选取碳（C：247.86 nm）作为葡萄糖的特征谱线,比较浓度为3%,6%,9%的葡萄糖溶液谱线强度的大小,得出谱线强度随浓度增大而增强的规律。在同一浓度下,通过改变ICCD 延时采样的时间,获得特征谱线的强度演化曲线,实验结果表明,特征谱线的衰减时间约为300 ns。改变溶液浓度,发现特征谱线的衰减过程不受溶液浓度的影响。     

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。     

激光诱导击穿光谱技术在气体检测中的研究综述

随着工业技术的发展,气体检测领域对在线检测仪器及检测技术的要求越来越高,气体成分在气体流动时会发生复杂变化,通常的检测手段傅里叶变换红外光谱技术(FTIR)、光腔衰荡技术(CRDS)、电化学传感等往往不能满足检测要求或仅对局部区域检测.激光诱导击穿光谱(LIBS)作为一种新兴的原子发射光谱分析技术,得到光谱分析领域研究...     

Analysis of Minerals and Rocks by Laser-Induced Breakdown Spectroscopy

Laser-induced breakdown spectroscopy (LIBS) technique was applied for rapid analysis of major and minor elements composing geological samples including minerals, rocks, and a soil sample. The plasma was produced in air at atmospheric pressure by focusing on the targets a pulsed infrared Nd:YAG laser in open-path configuration. The emitted light in the UV-Vis was analyzed by a compact LIBS system to measure spectral emission lines of Si, Al, Fe, Ca, Na, K, Mg, C, Cu, Mn, and Ti. The experimental issues relevant for the analysis of the different samples were investigated by taking into account their peculiar features: drilling through a weathered layer, roughness and grain-size considerations, statistical averaging, and accuracy of the measurements. In this approach, the characterization of the samples was achieved by studying the relative variations of the emission intensities of each element normalized with respect to an internal standard. The present study shows the usefulness of LIBS as a tool for reliable identification of field samples.     

Laser-Induced Breakdown Spectroscopy for Chemical Mapping of Materials

Abstract: Analytical techniques able to perform spatially resolved analysis are highly demanded in the surface analysis and material science fields. Compared to other analytical techniques usually employed, laser-induced breakdown spectroscopy (LIBS) offers several advantages, such as simplicity and robustness of instrumentation, which permit on-line and in situ measurements. No or minimal sample preparation is required, and the analysis of any sample without restrictions on the shape, size, or conductive nature can be performed under atmospheric conditions in a matter of seconds. In this work, a review of the different instrumental approaches employed in the generation of compositional maps as well as a detailed discussion of the different applications that involve the use of LIBS to obtain two-dimensional or even three-dimensional chemical maps is presented.