首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  免费   1篇
化学   5篇
综合类   1篇
物理学   10篇
  2018年   1篇
  2017年   4篇
  2016年   3篇
  2015年   2篇
  2014年   3篇
  2012年   3篇
排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
为了研究适合激光诱导击穿光谱(LIBS)检测猪肉中重金属铅(Pb)元素含量的光谱预处理方法,将配制的84个猪肉腿肌样品分为校正集和预测集,以相关系数(R)、内部交叉验证均方差(RMSECV)和预测均方根误差(RMSEP)作为评价指标,比较了5种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响.结果表明,多元散射校正(MSC)预处理效果最好,定标模型预测值与实验室分析元素检测值的相关系数(R)达到0.9908,RMSECV为0.302,RMSEP为0.282,主成分数为16,18个预测集样品的验证结果的平均相对预测误差(ARPE)为7.8%.说明MSC是LIBS检测猪肉Pb含量的有效光谱预处理方法,该研究为进一步实现食品中重金属快速定量分析提供了方法和数据参考.  相似文献   
2.
为了提高激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)实验装置检测赣南脐橙中重金属元素的检测灵敏度和稳定性,可对检测参数进行范围设定。在初次选定延迟时间参数值后,再在包含初定延迟时间的1.10~1.30μs范围内细分进行实验。实验得出:在该范围内,延迟时间与信背比和被测元素特征谱线强度的关系曲线上出现了多个峰值,并且这些峰值都比初次的要大,用统计学中的区间估计间接求出延迟时间的置信区间为[1.13,1.25],在置信区间内延迟时间由初定的1.20μs调至1.14μs时,相对标准偏差(RSD)由0.103降到0.025。由此表明:设定一个LIBS实验装置的参数范围,在对待测元素检测时可以在这一范围内进行自由调节来提高其检测的精度和灵敏度。  相似文献   
3.
农产品基体复杂,为了减弱水分和有机质对其痕量重金属元素LIBS检测能力的影响,以期提高目标元素LIBS分析灵敏度和预测精度。以实验室含Pb溶液污染处理的新鲜猪肉样品为例,对猪肉样品进行烘干、粉碎、压片处理,比较样品简单的物理方法前处理提高目标元素LIBS探测效果的可行性。通过采集猪肉鲜样和干样的LIBS谱线信息发现,鲜样受水分、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;对于10个浓度梯度的样品,目标元素特征谱线PbⅠ405.78的LIBS强度信息在鲜样中无明显的差异性,而在干样样品中差异明显并表现出一定的梯度关系。说明LIBS缺乏对鲜样样品低浓度Pb污染的探测能力,干燥处理削弱了水分的影响、浓缩了样品浓度范围,提高了LIBS的检测灵敏度。通过目标元素Pb的真实浓度与其特征谱线LIBS强度线性定量模型分析,干样样品的线性相关系数远大于鲜样样品,此时猪肉干样样品检测限为5.13mg·kg~(-1),说明干样样品具有一定的预测精度。整个工作证明猪肉等农产品在经过合适的、简单的物理方法前处理后,有望在LIBS分析灵敏度和检测精度方面发挥应有的潜力,且该物理方法前处理同样适用于其他肉类的LIBS检测分析。  相似文献   
4.
食品重金属污染日趋严重,常规的实验室化学分析方法难以满足现代农业发展的需求。激光诱导击穿光谱是一种新兴的快速无损检测新方法,但该技术存在检测稳定性、灵敏度和精确度不高的瓶颈问题。本工作以江西特色水果赣南脐橙中的Cu元素为研究对象,探讨采用LIBS技术检测的可行性问题。首先对脐橙样品进行实验室污染处理,再利用优化的试验参数(激光能量120mJ、光谱采集延迟时间1.14μs、采集积分时间2ms)采集样品表皮的LIBS光谱信息,然后利用AAS对激光击打部位果皮进行Cu元素真实含量检测。提取CuⅠ324.7nm与CuⅠ327.4nm作为Cu元素定量分析特征光谱,建立Cu元素真实浓度与CuⅠ324.7强度、CuⅠ327.4强度、CuⅠ324.7与CuⅠ327.4强度之和的关系模型,并对模型的灵敏度和预测准确度进行了分析。结果显示,三个关系模型的浓度预测相对误差均在7.01%以下,最小分别达到了0.02%,0.01%和0.02%,平均相对误差分别为2.33%,3.10%和2.63%。试验表明,寻找合适的特征变量能明显提高定量分析结果的精确度。此外,该研究有助于为重金属元素在果皮果肉中的传输规律提供理论依据。  相似文献   
5.
激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究   总被引:1,自引:0,他引:1  
利用激光诱导击穿光谱(LIBS)技术与常规化学分析方法获取28个浓度梯度含Cd元素的青菜样品的LIBS谱线信息以及Cd含量信息.对获取的光谱信息结合标准归一化处理(SNV)、一阶导数(FD)、二阶导数(SD)、中心化处理(Center)作为偏最小二乘法(PLS)模型的优选方法;再根据4种预处理方法的预测结果选取最佳方法,同时将该方法作为间隔偏最小二乘法(iPLS)与联合区间间隔偏最小二乘法(SiPLS)优选青菜LIBS谱线的最佳波长区间.结果表明:通过SiPLS优选的特征波长区间分别为214.72 ~ 215.82 nm,215.88~ 216.97 nm,225.08 ~ 226.35 nm,并且经过中心化预处理后建立的验证模型效果最好,结果显示交叉验证均方根误差(RMSECV)为1.487,验证均方根误差(RMSEP)为1.094,相关系数(R)为0.9942,平均相对误差(ARE)为11.60%.研究结果表明,所选优化方法适合青菜中重金属Cd元素的LIBS校正模型的建立,且具有较好的预测效果.  相似文献   
6.
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319~338nm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。  相似文献   
7.
选用60个果形相当的脐橙样品进行激光诱导击穿光谱(LIBS)试验,引入联合区间偏最小二乘法(siPLS)的分析方法,实现水果脐橙中重金属铜元素的LIBS定量分析。先对脐橙在320~340nm波段内激光诱导击穿光谱进行九点平滑处理,并提取特征光谱CuI324.75nm为分析线。采用siPLS方法将光谱划分为25个子区间,当选择其中5、14、16、22 4个子区间建立的模型时效果最佳,其校正集相关系数和均方根误差分别为0.988 3和5.61,预测集相关系数和均方根误差分别为0.979 2和8.62。研究表明,与偏最小二乘法(PLS)相比,改进的siPLS模型更能有效利用光谱中的信息,减少模型计算量,提高预测能力。为进一步实现水果中痕量重金属元素的快速定量分析提供了方法。  相似文献   
8.
激光击穿光谱检测赣南脐橙中铬元素的实验研究   总被引:2,自引:0,他引:2  
为评估激光诱导击穿光谱技术(LIBS)对水果样品中重金属元素的检测潜力,选用在不同浓度梯度重铬酸钾水溶液中浸泡了30个小时的赣南脐橙样品进行LIBS实验,采集铬元素的特征谱线与峰值强度信息。在激光照射部位称取3g左右的脐橙样品进行湿法消解,用原子分光光度计检测样品中的铬浓度。实验数据用Origin软件进行拟合后得到了谱线峰值强度和Cr浓度之间的关系曲线,即定标曲线,二者有线性关系,线性相关度0.981 66。由检测限公式计算得到铬浓度的检测限为11.68μg.g-1。采用该定标曲线即可对赣南脐橙中的铬元素进行定量检测。实验结果表明LIBS技术是一种检测、定量分析水果样品中重金属元素含量的有效手段。  相似文献   
9.
利用激光诱导击穿光谱(LIBS)对溶液中的重金属元素Cr进行分析,开发一种快速、实时、在线的原位检测技术。采用1064nm的Nd∶YAG脉冲激光发生器作为光源,在相同的实验条件下,对配制的5种浓度的K2Cr2O7溶液进行击穿以产生等离子体,选取Cr的425.43nm线作为特征谱线,利用光谱仪自带的CCD探测器对谱线的LIBS信号进行收集,获得了5种浓度下Cr元素的光谱强度,建立了Cr元素谱线强度与其浓度拟合曲线。结果表明,溶液中Cr元素的浓度与其LIBS谱线强度有很好的线性关系,线性拟合决定系数达到0.9822。实验所得的结果为LIBS技术探测水质中的微量有毒金属元素提供了可行性,同时也为LIBS技术检测水质中金属元素含量提供了依据。  相似文献   
10.
建立了激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)全光学诊断方法,对微生物种类进行快速鉴别。制取10种微生物样品,优选滤纸为富集载体,采集等离子体羽时间演变形貌图及LIBS光谱指纹图分析了鉴别微生物种类的可行性;运用九点平滑(Nine smooth,9SM)、多元散射校正(Multiple scatter correction,MSC)对波长范围200~420 nm和560~680 nm微生物LIBS全谱数据进行了预处理;分析比较了主成分分析(Principal component analysis,PCA)、随机森林结合主成分分析(Random forest combined with principal component analysis,PCA-RF)两种方法对微生物种类的鉴别结果。结果表明,运用一定的数据预处理方法,采用PCA-RF算法对10类微生物种类鉴别,训练集总准确率为99.6%,预测集总准确率为96.7%,说明选择合适的LIBS光谱预处理及模型构建方法,对微生物种类的快速准确鉴别具有可行性。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号