采用激光诱导击穿光谱技术测定合金钢中锰和硅的含量

基于激光诱导击穿光谱(LIBS)技术定量分析多品种合金钢中锰(Mn)和硅(Si)的浓度,采用的校正方法为多元二次非线性函数定标方法。分析的钢种有普通合金钢、不锈钢、碳素工具钢等。由于不同钢种在基体组成上存在较大差异,而且钢的光谱还存在复杂的谱线重叠干扰,所以受基体效应影响严重。因此,对钢这类复杂化学体系物质的定量分析,若采用单谱线信息的校正方法会造成很多有用信息的丢失,而采用多变量的定标法会更充分利用光谱中的信息,更有效校正多基体组分的基体效应,进而提高LIBS定量分析的重复性和准确性。相比线性标准定标曲线法,测量结果的相对标准差从20%以上降低到10%以下,Mn元素测量结果的准确度提高了5倍多,Si元素提高了6倍多。     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。     

应用激光诱导击穿光谱对土壤中多元素同时定量分析

土壤元素的丰缺是对土壤养分检测、农业按需种植和科学施肥的依据,是精准农业农情信息感知技术检测的关键点,更为农业生态、高效和优质生产提供理论指导。该研究运用激光诱导击穿光谱(LIBS)技术结合定标曲线法和偏最小二乘回归(PLSR)方法对土壤中的Al,Fe,Mg,Ca,Na和K多种元素同时进行定量分析。利用LIBS检测仪获取了五种标准土壤样品(国家编号： GBW07446,GBW07447,GBW07454,GBW07455和GBW07456)的LIBS数据之后,将每种土壤的多条谱线平均处理来消除试验误差。通过分析所获取的土壤LIBS谱线信息,选取了Al,Fe,Mg,Ca,Na和K元素的特征分析谱线和分析光谱区间,并利用谱线的峰值信息和分析光谱区间内的单个或多个谱峰的积分信息(峰面积)与对应元素浓度拟合并建立定标曲线。结果表明,基于谱峰的峰面积建立的定标曲线的线性关系优于利用峰值信息建立的定标曲线(Fe除外)。同时,针对所选的分析光谱区间和元素的浓度信息,运用PLSR建立定量分析模型,其结果明显要优于定标曲线的分析精度,这也表明LIBS技术结合化学计量学分析在未来光谱化学分析领域有很大应用前景。研究的结果不仅为现代农业的土壤养分空间分布检测和农田精准施肥技术的应用起指导作用,还为田间使用的便携式LIBS土壤检测仪的开发奠定了理论基础。     

显微激光诱导击穿光谱技术对低合金钢中Mn的定量检测

采用显微激光诱导击穿光谱技术对低合金钢标准样品进行定量分析,空间分辨率达到20 μm,单脉冲检测极限(LoD)为0.10%。根据谱线强度和元素浓度的关系获得Mn元素的基本定标曲线,定标曲线的拟合度系数R2为0.97,采用去一交互验证法预测了样品中Mn元素的浓度,七个样品的平均预测误差为12.91%,去一交互验证均方根误差为0.11%。采用内标法时定标曲线的拟合度系数R2为0.99,七个样品的平均预测误差为7.25%,去一交互验证均方根误差为0.07%。实验结果表明显微激光诱导击穿光谱技术能有效应用于物质微区元素的高精度定性、定量分析。     

盐酸左西替利嗪片的近红外漫反射光谱定量分析

利用近红外光谱结合偏最小二乘法实现对不同品牌盐酸左西替利嗪片剂有效成分的定量分析。经内部交叉验证,确定最佳波数范围和光谱预处理方法,以及最佳主成分数,建立最优PLS校正模型。对验证集样品浓度进行预测,得到均方根误差RMSECV、决定系数R2分别为0.276和0.974。该方法能够用于不同厂家盐酸左西替利嗪片的快速定量分析,是一种有效的药品快速检验技术。     

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.     

缅甸翡翠中铁元素的激光诱导击穿光谱定量检测

采用激光诱导击穿光谱(LIBS)技术定量分析缅甸翡翠中Fe元素的浓度。选择Fe元素的275.57 nm光谱线作为定量分析谱线,选取Si元素的288.17 nm光谱线作为内标谱线,选取12个缅甸翡翠样品作为研究对象,以其中9个样品绘制了传统定标法和内定标法的Fe元素定标曲线,并将定标曲线用于3个检验样品的Fe含量的实际预测。实验结果表明,采用传统定标方法时,定标样品光谱强度的相对标准偏差(RSD)在1.4%～8.3%之间,所建立的Fe元素浓度含量定标曲线的拟合相关系数R2为0.979,使用该方法建立的定标曲线对3个检验样品中Fe元素含量进行测定,最大相对误差为10.6%;而采用内定标法时,定标样品光谱强度的比值(I_Fe/I_Si)的相对标准偏差(RSD)在0.9%～5.7%之间,Fe的拟合相关系数R2达到0.989,样品中Fe元素的测定相对误差均可降低到7%以下。结果证明,利用内定标法定量分析翡翠中Fe的含量比传统定标法相对误差更小,采用LIBS技术结合内定标法更适于缅甸翡翠样品中Fe元素定量分析。     

激光击穿光谱检测赣南脐橙中铬元素的实验研究

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3 g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11.68 μg·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。     

应用激光诱导击穿光谱检测污水溶液中的砷

工业冶炼过程中产生的废水中含有As等重金属元素,对环境造成污染并对人类身体健康形成危害,有必要对其进行实时、在线的监测。激光诱导击穿光谱(LIBS)是一种新型的元素测量技术,具有快速检测等优点。文章作者搭建了一套激光诱导击穿光谱实验装置,采用Nd∶YAG激光器产生的脉冲激光击穿样品产生等离子体,其发射的光谱被中阶梯光栅光谱仪分光,并用ICCD进行光电探测。对从现场采集的含砷工业废水开展了LIBS探测实验,并定性分析出了As元素的特征谱线。根据一系列含As浓度不同的污水样品的LIBS实验结果,获得元素浓度与谱线强度的关系曲线(定标曲线)。采用定标曲线可以对未知含As浓度的工业废水进行定量分析。结果表明,采用LIBS方法能够实现对污水溶液中的As元素的快速检测,具有广泛的应用前景。     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

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319~338 nm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。     

LIBS技术在污染土壤重金属含量分布测量中的应用

诱导击穿光谱技术(LIBS)具有实时快速、多元素同时探测的优势,并且无需样品预处理,检测成本低,是土壤重金属定量分析检测的一种重要分析手段。将LIBS技术应用于冶炼厂区周围土壤中重金属的含量分布分析研究,利用Cu,Pb和Cr三种元素的特征谱线强度分析了冶炼厂区周围土壤中Cu,Pb和Cr三种元素的含量分布。实验结果表明冶炼厂区土壤LIBS光谱中Cu和Pb两种元素的特征谱线强度分布与实际含量分布呈较好的线性关系,而Cr元素的特征谱线强度分布与实际含量分布相关性较差。为了提高Cr元素含量分布分析的准确性,利用CF-LIBS结合Saha方程应用于土壤Cr元素的含量分布分析中。实验结果表明基于CF-LIBS计算的Cr和Si两种元素含量比值分布与土壤Cr元素的实际含量分布之间具有良好的一致性。相比于其他的化学分析方法,LIBS技术结合CF-LIBS可以快速的对区域土壤重金属元素的含量分布进行检测,因此将LIBS技术与CF-LIBS相结合用于土壤重金属的含量分布检测中,为污染区域的重金属防治提供方向。     

基于K-CV参数优化支持向量机的LIBS燃煤热值定量分析

热值是煤质特性的重要参数之一,很大程度上影响着燃煤锅炉的运行。为了克服传统检测方法所存在的问题,将激光诱导击穿光谱(LIBS)应用于燃煤热值的定量分析。煤的结构复杂,所含的元素种类众多,包括了主量元素、次量元素和痕量元素,致使煤的LIBS光谱信息复杂。如何有效提取LIBS光谱信息,实现准确的定量化测量是LIBS在煤特性检测中发挥作用的前提和基础。近年来,随着人工智能技术的发展,相关的分析技术也开始应用于煤的工业指标分析和热值预测中。为实现煤样品中LIBS光谱信息的有效提取,同时为克服常规的分析方法易出现的过渡拟合、收敛性不好等问题,提出采用结合K-fold Cross Validation(K-CV)参数优化的支持向量机(SVM)回归方法,实现LIBS定量分析煤中的热值。SVM方法是结构风险最小化的近似实现,可用于模式分类和非线性回归。为了得到有效的LIBS分析模型,实验选用44种电厂常用的热值含量不同的煤样作为实验对象,选择其中33个作为训练集,剩余11个为测试集。利用搭建的LIBS实验系统获取所选煤样品的等离子体发射光谱数据,首先分析了SVM热值回归模型的参数-惩罚因子C、核函数参数g与模型精度的关联,确定C和g最佳取值范围,然后分别建立了基于LIBS全谱和某些元素(非金属元素和金属元素)特征光谱的SVM回归模型。利用训练集光谱数据,结合K-CV法得到热值SVM回归模型的最优参数C和g的值,建立基于SVM最优参数的煤热值定量分析模型。然后将测试集的光谱数据作为输入量用于测试所建立模型的可靠性,得到分别采用全谱、非金属元素特征光谱、非金属与金属元素特征谱相结合的热值定量分析模型,其决定系数R2均达到0.99以上,均方误差分别为0.12,0.17和0.06 (MJ·kg-1)2,预测平均相对偏差分别为1.2%,1.23%和0.69%。结果表明：基于K-CV参数优化SVM回归方法可用于LIBS技术实现燃煤热值的定量分析,且可得到较高的分析精确度和准确度;同时通过对比选用不同的光谱特征的定量分析模型可知,采用非金属与金属元素的特征光谱所建立的基于K-CV参数优化SVM的热值定量模型,能够有效提高LIBS应用于快速检测煤热值的精度和准确度,实现煤热值的准确预测。     

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。     

双脉冲激光诱导光谱结合多变量GA-BP-ANN检测合金钢中C元素

在合金钢众多成分中碳(C)属于微量非金属元素,其含量决定了合金钢的主要力学性能,准确、实时掌握C元素的含量,对合金钢的生产及分类起到关键作用。双脉冲激光诱导击穿光谱(DP-LIBS)是一种可用于在线快速分析合金钢中元素的有效手段,不仅具有实时、样品预处理简单等优点,还能够增强物质的烧蚀度和信号强度,从而提高LIBS技术的检测灵敏度。为了减小基体效应影响,进一步提高LIBS技术对合金钢中微量C元素定量分析的精确性,采用多元素多谱线的修正方法,通过DP-LIBS结合反向传播人工神经网络(BP-ANN),建立多变量GA-BP-ANN定标法。首先在氩气环境对合金钢样品进行DP-LIBS采集,目标C元素选择了谱线强度变化能够体现其含量变化的C 193.09 nm处的原子谱线,同时选取共存元素Fe,Cr,Mn和Si对应的特征谱线,以提供更多的光谱信息,提高C元素定量分析的准确度,共选择15条特征分析谱线,其中Fe元素含量丰富且相对稳定,作为内标元素引入以减小谱线波动;之后通过遗传算法(GA)寻优,对C/Fe,Cr/Fe,Mn/Fe和Si/Fe的谱线强度比进行优化选择;最后将GA选择的多谱线强度比作为BP-ANN网络的输入,输出为目标C元素浓度值,建立多变量GA-BP-ANN定标方法。为比较该方法预测结果的精确性,同时建立传统定标曲线法与以C/Fe为输入的单变量BP-ANN定标方法。利用标准合金钢样品,通过留一法交叉预测C元素含量值,与内标法和单变量BP-ANN定标方法相比,预测样品的平均相对误差分别由14.78%和14.75%减小到8.29%,预测值与真实值之间的决定系数R2分别由0.967 4和0.974 4提升至0.989 3。结果说明了多变量GA-BP-ANN定标法预测的C元素含量更接近于真实含量,证明了该方法用于LIBS检测合金钢中C元素含量的可行性。     

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。     

普铝中Fe,Si元素的激光诱导击穿光谱测试条件及定量分析研究

为推广LIBS技术在电解铝行业中的应用，充分发挥其快速、免制样、多元素同时检测的优势。利用激光诱导击穿光谱技术首次对铝电解生产得到的普铝中Fe和Si元素进行测试研究，探索了合理的实验参数条件，在合理的实验条件基础上建立定标曲线并对普铝中Fe和Si元素进行定量分析，结合国标GB/T 7999-2015《铝及铝合金光电直读发射光谱分析方法》考察LIBS测试结果的准确性。以Nd∶YAG脉冲激光器基频1 064 nm激光作为光源激发等离子体，采用多通道光栅光谱仪和ICCD检测器检测、记录光谱信息。首先探测了LIBS光谱谱线，并对谱线进行了归属；综合分析，选取AlⅠ 266.04 nm，SiⅠ 288.15 nm与FeⅠ 259.92 nm作为分析谱线用于定量分析研究。分别研究了触发延迟时间、1Q延迟时间、激光器设定电压对光谱信号强度及信噪比SNR的影响。实验结果表明，触发延迟时间4 μs、1Q延迟时间170～190 μs、激光器设定电压560 V对于Si与Fe元素定量测试分析而言是较为合理的实验参数。根据谱线强度与元素浓度的关系，采用内标法建立了定标曲线，Si与Fe元素定标曲线中相关系数分别为0.919 72与0.952 11，其相对标准偏差（RSD）分别为7.25%与6.34%，说明谱线强度与元素浓度具有良好的线性关系，并基于此模型对12个样品进行了定量测试分析。将测试结果与光电直读发射光谱测得的结果进行比对，结果表明，Fe含量的相对误差绝对值在0~17.3%之间，Si含量相对误差绝对值在0~14.3%之间。依照国标GB/T 7999-2015《铝及铝合金光电直读发射光谱分析方法》中规定的实验室之间分析结果相对误差≤17%的规定，12个测试样品中，试样Si含量测试100%符合允许差要求，试样Fe含量测试91.7%符合允许差要求。该实验结果表明，LIBS技术在电解铝普铝Fe和Si元素检测中具有一定的推广利用价值。     

基于EEMD-MRA方法的LIBS信号处理研究

LIBS技术优点众多,但由于光谱噪声干扰和基体效应等因素,影响了分析的准确度^[1]; EEMD方法能清晰的将LIBS信号中的不同特征成分自适应的分解开来。MRA方法能够补偿元素信号之间的互干扰,可进一步提高LIBS信号的准确性。通过自行搭建的测试系统获得了标准样品的原始信号,使用EEMD-MRA方法进行处理后,元素浓度曲线的决定系数R²得到了极大的提高,大大的提高数据的准确性,为LIBS信号的处理提供了一种全新的方式。     

多元线性回归提高激光诱导荧光辅助激光诱导击穿光谱技术的准确度

冶金、核工业、污染检测和环境监测等领域对元素分析的需求是必不可少.激光诱导击穿光谱技术作为一种新型的原子光谱分析技术,具有实时快速、对样品几乎无损、可多元素同时分析等特点,因此一直受到广泛的关注.但其分析灵敏度较差的缺点一直限制着该技术的发展.激光诱导荧光辅助激光诱导激光光谱技术能够通过激光共振激发提高分析灵敏度并高效...     

激光诱导击穿光谱技术在土壤元素检测中的应用

激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)是一种原子发射光谱,具有对样本简单(或不需要)预处理,多元素同步、远距离测量,适用性广等独特优势。因此,LIBS分析技术被看作是未来化学分析和快速绿色分析技术领域的新兴技术。目前,土壤污染(重金属、有机污染等)检测与防治已成为现代农业和农业可持续发展关注和研究的热点问题。介绍了常见LIBS系统的结构组成以及工作原理,综述了LIBS技术对土壤中大量营养元素,重金属元素和土壤相关其他物质的研究现状和主要进展,提出了LIBS检测技术在土壤元素等方面的研究方向和发展趋势。     

基于LIBS的山药饮片产地溯源研究

山药为薯蓣科植物薯蓣的根茎,其中的多糖、多酚、皂苷、黏蛋白和维生素C等成分使山药具有抗肿瘤、抗氧化、抗炎症、降血糖和降血脂等作用。不同产地的山药由于生长条件存在差异,致使药用成分含量显著不同,结合独特的炮制工艺,进而导致市场价格差别大,所以山药饮片的产地识别至关重要。为对山药饮片进行产地溯源,本文基于激光诱导击穿光谱(LIBS)技术提出多元散射矫正-改进遗传算法-支持向量机(MSC-IGA-SVM)模型对山药产地进行精确识别。使用八个不同产地的山药饮片进行LIBS实验,八种产地的山药饮片磨粉过筛后制成粉末压片,通过采集山药饮片的LIBS光谱,分别使用单一分类器与使用光谱预处理、特征提取及模式识别算法的模型对光谱的识别结果进行对比。将光谱信号按2∶1的比例划分为训练集和测试集,使用5次交叉验证K-邻近算法(KNN)模型的测试集准确率作为预处理参数优化的评价指标。各类药材的平均光谱整体趋势一致,所含谱峰基本相同,但因产地不同导致峰值强度各不相同,道地山药对一些金属元素(K, Na, Ca, Mg, Al)的富集能力大于非道地产区山药,其中,K元素特征谱线(769.90 nm)的峰值最高,即...