腔体约束LIBS结合机器学习对土壤重金属元素的定量分析

土壤重金属元素含量检测及防治,对我国农业、生态环境修复具有重大意义。利用外加腔体约束结合激光诱导击穿光谱技术（LIBS）获得土壤光谱数据,采用机器学习对土壤中重金属元素Ni和Ba含量进行分析。实验设置延迟时间为0.5～5 μs,选择Ni Ⅱ 221.648 nm和Ba Ⅱ 495.709 nm作为目标研究特征谱线,计算两种LIBS条件下延迟时间对信噪比、光谱强度及增强因子的影响。结果表明,腔体约束LIBS（CC-LIBS）可以增大光谱强度及目标元素信噪比,同时随着采集延迟时间增长,等离子体数目变少,光谱强度及信噪比逐渐减小并趋于稳定;当延迟时间设置为1 μs时,CC-LIBS条件下Ni和Ba元素特征谱线信噪比达到最优,确定此时为LIBS最优实验条件。通过最优条件获取9种含Ni和Ba元素土壤样品的光谱数据,由于采集到的每组光谱信息有12 248个数据点,利用主成分分析（PCA）对CC-LIBS条件下的光谱数据降维,在保留95%以上的土壤原始信息后,选择9个主成分作为定量分析模型的输入变量,以提高模型的运算速度。采用机器学习中的Lasso,AdaBoost和Random Forest模型,对PCA降维后的光谱数据进行建模及预测,实现土壤重金属元素Ni和Ba的定量分析。结果表明,与Lasso和AdaBoost模型相比,Random Forest模型在训练集和测试集中表现出的预测性能最优。Random Forest模型下Ni元素在测试集中的R2为0.937,RMSEP为3.037;Ba元素在测试集中的相关系数R2为0.886,均方根误差RMSEP为90.515。基于腔体约束LIBS技术结合机器学习,为土壤重金属元素的高精度检测提供了技术指导。     

金纳米与磁场作用下LIBS检测灵敏度改善研究

针对激光诱导击穿光谱技术（LIBS）中等离子体的发射光谱增强问题,提出一种磁场增强LIBS与纳米颗粒增强LIBS（NELIBS）相结合的方法。采用热蒸发法在样品表面沉积一层直径20 nm的金纳米颗粒。利用波长为1 064 nm,最大能量为200 mJ的Nd∶YAG脉冲激光器在室温,一个标准大气压下对纯铜和黄铜进行诱导击穿。调整激光能量为30~110 mJ,分别使用传统LIBS、磁场增强LIBS、NELIBS以及两种方法结合对纯铜进行激光诱导击穿,得到特征谱线(Cu Ⅰ 521.8 nm)的强度增强因子和信噪比,并对其增强机理进行分析。在相同环境下使用四种方式对黄铜和纯铜进行诱导击穿以探测样品中的微量元素。当在样品表面沉淀金纳米颗粒或者将沉淀有金纳米颗粒的样品放在磁场中进行诱导击穿时,发现纯铜样品的光谱中存在Mg元素的特征谱线Mg Ⅱ 279.569 nm,黄铜样品的光谱中存在Si元素的特征谱线 Si Ⅰ 251.611 nm。实验结果表明：单独施加磁场约束或增加纳米金颗粒均可以有效增强等离子体光谱强度,但增强效果弱于两种方法结合,磁场约束对光谱的增强效果弱于NELIBS的增强效果。当结合NELIBS与磁场约束LIBS时,谱线增强因子最高可达14.3(Cu Ⅰ 521.8 nm),相比于磁场增强LIBS和NELIBS,最大增强因子分别提高了28%和59%。四种情况中当激光脉冲能量逐渐增大时,等离子体向外膨胀的强度增大,磁场产生的洛伦兹力束缚等离子的能力相对减弱,同时纳米金颗粒对等离子体发射光谱的增强作用被削弱,谱线强度降低,等离子体的增强因子逐渐减小后趋于稳定。通过NELIBS与磁场约束LIBS结合方式,不仅可以有效提高等离子体的发射谱线强度,改善光谱信号信噪比,而且传统LIBS方法中由于谱线强度低、背景噪声大而无法探测的微量元素可以被探测到,LIBS技术对微量元素的探测能力得到显著提高,微量元素的探测下限变得更低。NELIBS与磁场约束LIBS结合的方法具有更高的灵敏度和准确度,为激光诱导击穿光谱技术的谱线增强方法提供了新的思路,在该领域具有广阔的应用前景。