支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究

基于支持向量机 (support vector machines, SVM) 算法采用激光诱导击穿光谱技术对11种塑料进行了识别. 每种塑料各采集100个光谱, 其中50个光谱作为训练集, 用于建立支持向量机模型, 剩下的50 个光谱作为测试集, 用于测试所建立支持向量机模型的识别精度. 结果表明测试集550个光谱中有543个光谱识别正确,算术平均识别精度达到了98.73%. 其中有6个聚氨酯 (PU) 光谱被误判为有机玻璃 (PMMA), 原因主要是受空气中氮气的影响, 使得有机玻璃和聚氨酯两种塑料在氮元素含量上的差异不能通过N I 746.87 nm, C-N(0,0) 388.3 nm两条谱线的强度准确表征. 本结果为LIBS技术塑料分类提供了方法和数据参考. 关键词： 支持向量机 激光诱导击穿光谱 塑料识别     

主成分分析结合支持向量机辅助激光诱导击穿光谱对塑料快速分类识别

大量废弃的塑料制品给生态环境造成严重破坏,当务之急是要对塑料进行分类回收.传统的分类方法普遍存在成本高,效率低,操作复杂等问题,不能满足工业生产的需要.激光诱导击穿光谱技术由于具备简单灵活,快速灵敏等优点,在物质鉴别领域有广泛应用.采用激光诱导击穿光谱技术结合主成分分析(PCA)和支持向量机(SVM)算法对20种塑料进...     

激光诱导击穿光谱和人工神经网络的青白色软玉产地溯源

建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型,以促进人工神经网络技术在宝石产地溯源方面的应用。以我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉为样品,利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。使用数据筛选原则对数据进行了筛选和Al的归一化处理之后,以因子分析和线性回归分析讨论了数据间的共线性,在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。结果表明,所选取的每个变量的VIF值小于5,数据间不存在明显的多重共线性,因子分析的KMO值小于0.6,表明变量间无明显关系。同时利用软玉t-SNE图对数据进行降维和可视化处理,t-SNE图显示大部分数据点都重叠在一起,表明对此数据进行简单聚类和相关分析是无法区分产地的,因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。经人工神经网络模型迭代判别之后,模型对我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933,其中韩国软玉的数据判别结果精度最高,达到0.995,误差为0.028,青海软玉的数据判别结果最低为0...     

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...     

基于BP神经网络和激光诱导击穿光谱的燃煤热值快速测量方法研究

作为煤质评价的重要指标之一,热值的快速、准确测量对电厂燃煤锅炉的优化燃烧和经济运行至关重要。采用激光诱导击穿光谱(LIBS)技术结合BP神经网络定量分析模型和聚类分析,以35个煤粉样品作为研究对象进行热值的定量分析。基体效应对LIBS光谱数据的显著影响,针对基于某类煤粉样品所建立的定标曲线不能直接用于不同煤种的定量分析,采用K-means聚类方法根据热值、灰分、挥发分把样品分为三类对训练集和预测集样品进行优化选择。通过谱线强度和热值变量相关性分析,同时考虑特征谱线的物理意义,最终提取12条元素谱线的峰值强度作为输入参数,建立BP神经网络模型对燃煤热值进行预测。定标结果表明,建立的神经网络模型具有良好的定量分析能力,定标曲线拟合度R2为0.996,热值预测值的相对误差低于3.42%,多次重复测量的相对标准偏差在4.23%以内。对聚类分析中3类样品具有不同的预测能力,采用峰值强度作为输入参数时,能够在一定程度上减弱试验参数波动和基体效应造成的影响。定量分析结果的重复性和准确性可以通过对不同类别的煤种分别建立BP神经网络模型来进一步改善。LIBS技术结合BP神经网络可以对煤粉热值进行定量分析,在现场在线/快速检测领域具有很好的应用价值和潜力。     

钛合金的激光诱导击穿光谱快速分类

利用激光诱导击穿光谱技术快捷、实时、原位、微损、多元素同步分析的优势,对相同牌号下不同国标编号的钛合金进行分析,以实现对钛合金快速精确的分类识别.用激光诱导击穿光谱技术采集钛合金于各激光强度与延时下的光谱,通过对比6个特征处的峰值强度与信噪比获得最优条件.结合K最邻近算法,对最优条件下采集的TC4钛合金数据进行处理,并...     

远程激光诱导击穿光谱技术进展

远程激光诱导击穿光谱技术(Remote LIBS)是一种利用高能激光和聚焦手段实现远距离分析物质元素组成的光谱探测技术,是远程探测的一种重要手段。本文对远程LIBS的三种探测方式(开放路径式、光纤光路式和便携式探针式)及相应的系统结构做了总结和分析。传统的开放路径式对激光器、光学系统和检测系统的性能和规格要求严格,一直是远程LIBS的研究热点;光纤光路LIBS优点主要体现在系统光学聚焦结构的简化和等离子体光的有效接收。本文综述了远程LIBS新技术的研究进展,着重分析了飞秒成丝远程LIBS技术及与Raman光谱探测相结合等远程LIBS新技术的特点和优势。新技术大大提高了探测距离,增强了物质识别能力,为扩大远程LIBS的应用做出巨大的贡献。同时,论文详细介绍了远程LIBS技术在深空探测、危害物质检测、工业冶金、文物检测修复等领域的研究现状和应用新进展。远程LIBS技术随着激光技术和光谱检测技术的发展以及对LIBS定标反演的研究,探测距离和应用范围不断扩大,检测精度和准确度也在提升。     

激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba

提出了一种基于人工神经网络的激光诱导击穿光谱技术实现元素成分高准确度定量分析的方法.采用基于动量和自适应学习速率梯度下降算法的反向传播神经网络,结合激光诱导击穿光谱技术的方法测定土壤中Cr和Ba元素的含量,得到了Cr和Ba的含量以及多次重复预测的相对标准偏差,并与采用传统的内标法得到的检测结果相比较.研究结果表明:基于动量和自适应学习速率梯度下降算法的反向传播神经网络分析方法,与激光诱导击穿光谱技术相结合能更好地实现对土壤样品中Cr和Ba元素的定量检测.相对内标法,神经网络分析方法与激光诱导击穿光谱技术相结合可以很明显地提高检测准确度和精密度,对采用激光诱导击穿光谱技术定量检测土壤重金属污染具有很好的应用价值.     

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。     

Laser-induced breakdown spectroscopy applied to the characterization of rock by support vector machine combined with principal component analysis

Laser-induced breakdown spectroscopy(LIBS) is a versatile tool for both qualitative and quantitative analysis.In this paper,LIBS combined with principal component analysis(PCA) and support vector machine(SVM) is applied to rock analysis.Fourteen emission lines including Fe,Mg,Ca,Al,Si,and Ti are selected as analysis lines.A good accuracy(91.38% for the real rock) is achieved by using SVM to analyze the spectroscopic peak area data which are processed by PCA.It can not only reduce the noise and dimensionality which contributes to improving the efficiency of the program,but also solve the problem of linear inseparability by combining PCA and SVM.By this method,the ability of LIBS to classify rock is validated.     

Effect of the target positions on the rapid identification of aluminum alloys by using filament-induced breakdown spectroscopy combined with machine learning

Filament-induced breakdown spectroscopy (FIBS) combined with machine learning algorithms was used to identify five aluminum alloys. To study the effect of the distance between focusing lens and target surface on the identification accuracy of aluminum alloys, principal component analysis (PCA) combined with support vector machine (SVM) and K-nearest neighbor (KNN) was used. The intensity and intensity ratio of fifteen lines of six elements (Fe, Si, Mg, Cu, Zn, and Mn) in the FIBS spectrum were selected. The distances between the focusing lens and the target surface in the pre-filament, filament, and post-filament were 958 mm, 976 mm, and 1000 mm, respectively. The source data set was fifteen spectral line intensity ratios, and the cumulative interpretation rates of PC1, PC2, and PC3 were 97.22%, 98.17%, and 95.31%, respectively. The first three PCs obtained by PCA were the input variables of SVM and KNN. The identification accuracy of the different positions of focusing lens and target surface was obtained, and the identification accuracy of SVM and KNN in the filament was 100% and 90%, respectively. The source data set of the filament was obtained by PCA for the first three PCs, which were randomly selected as the training set and test set of SVM and KNN in 3:2. The identification accuracy of SVM and KNN was 97.5% and 92.5%, respectively. The research results can provide a reference for the identification of aluminum alloys by FIBS.     

水体重金属激光诱导击穿光谱定量分析方法对比研究

建立了适用于激光诱导击穿光谱探测的多元线性回归、神经网络回归和支持向量机回归三种定量反演算法模型, 以水体重金属Ni为例进行了回归实验测试和对比分析. 多元线性回归、神经网络回归和支持向量机回归的平均相对标准偏差分别为7.60%, 4.86%, 2.35%; 最大相对标准偏差分别为23.35%, 15.20%, 8.29%; 平均相对误差分别为25.98%, 10.58%, 2.72%, 最大相对误差分别为116.47%, 47.38%, 9.89%. 研究为进一步实现水中痕量金属元素的快速定量分析提供了方法和数据参考. 关键词： 光谱学 激光诱导击穿光谱 支持向量机回归 重金属     

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     

Quantitative analysis of cement powder by laser induced breakdown spectroscopy

Determination of elemental composition of cement powder plays an important role in the cement and construction industries. In the present paper, Laser induced breakdown spectroscopy (LIBS) is used for measuring the concentration of cement ingredient. Cement powder samples are pressed into pellets. Laser pulses are focused on the surface of pellets. A microplasma is formed in the front of samples. The plasma emission contains information about the elemental composition of the samples. By assumption of local thermodynamic equilibrium (LTE) and using several standard cement samples, a calibration curve is prepared for each element. The major and minor elements of cement such as Ca, Si, K, Mg, Al, Na, Ti, Mn and Sr are qualitatively and quantitatively determined. For verification of LTE conditions, plasma parameters such as plasma electron temperature and electron density are computed. According to the obtained results, the LIBS technique could be a suitable method for determination of elemental composition in the cement production industries.     

用激光感生击穿光谱技术测量燃煤含碳量

研究了应用激光感生击穿光谱技术对燃煤进行元素快速定量分析的可行性。介绍了用于激光感生击穿光谱技术定量分析的定标曲线方法，并以5种煤样作为实验对象，选取激光击穿煤粉时碳元素505.2nm原子发射谱线为分析谱线，定量分析了延迟时间分别为0.8μs，1.2μs，1.6μs，2.0μs和2.4μs时煤粉中的含碳量，将测量结果与元素分析仪测量结果比较，延迟时间为1.6μs时测量误差最小。根据等离子体发射机制分析了延迟时间对定量分析的影响。实验结果表明：激光感生击穿光谱技术的分析精度较高，可望用于煤质特性快速检测。     

复混肥中钾含量的激光诱导击穿光谱分析

将激光诱导击穿光谱技术(LIBS)应用于复混肥中的主要营养元素之一钾（K）元素的含量检测。样品中K养分的浓度较高,在等离子体形成过程中容易发生自吸收。通过分析谱线的激发能级、跃迁几率以及自吸收程度,确定最佳分析谱线为钾的原子线404.40 nm。同时为了提高LIBS分析复合肥样品的测量精度,分析了光谱测量稳定性随谱线信号平均次数的变化规律。结果显示,在本实验条件下,一次测量平均100个脉冲所得的光谱信号,其相对标准偏差较小。实验总共分析了9个复合肥样品,其中7个作为定标样品,建立K养分浓度的定标曲线,另外2个作为未知样品,用以检验LIBS分析K养分浓度的测量精确度。研究结果表明,定标曲线的线性拟合度为0.989,检验样品的绝对误差小于0.3%,体现了激光诱导击穿光谱技术快速分析复混肥中钾养分的潜力。     

复混肥中钾含量的激光诱导击穿光谱分析

将激光诱导击穿光谱技术(LIBS)应用于复混肥中的主要营养元素之一钾(K)元素的含量检测.样品中K养分的浓度较高,在等离子体形成过程中容易发生自吸收.通过分析谱线的激发能级、跃迁几率以及自吸收程度,确定最佳分析谱线为钾的原子线404.40 nm.同时为了提高LIBS分析复合肥样品的测量精度,分析了光谱测量稳定性随谱线信号平均次数的变化规律.结果显示,在本实验条件下,一次测量平均100个脉冲所得的光谱信号,其相对标准偏差较小.实验总共分析了9个复合肥样品,其中7个作为定标样品,建立K养分浓度的定标曲线,另外2个作为未知样品,用以检验LIBS分析K养分浓度的测量精确度.研究结果表明,定标曲线的线性拟合度为0.989,检验样品的绝对误差小于0.3%,体现了激光诱导击穿光谱技术快速分析复混肥中钾养分的潜力.     

双脉冲激光诱导土壤中Pb和Ba光谱增强研究

为获得共线双脉冲激发方式对土壤中Pb和Ba元素的谱线增强效果,研究了1064 nm单脉冲和(355 nm+ 1064 nm),(1064 nm+355 nm)共线双脉冲三种激发方式下,谱线强度随采集延迟时间的变化规律和谱线增强倍数随双脉冲时间间隔的变化规律。研究发现,与单脉冲激发方式相比,在双脉冲激发方式下,谱线Pb I 405.78 nm和Ba I 553.55 nm强度的最大增强倍数分别为5和8。该研究结果为检测土壤中重金属元素提供了参考。