基于X射线谱学和操作链分析的煤山遗址出土陶器综合研究

采用能量色散X射线荧光光谱(ED-XRF)技术结合考古学常用的陶器操作链研究模式,对河南汝州煤山遗址出土的陶器遗存开展制作工艺和文化传承关系的综合研究。煤山遗址位于河南省汝州市(原为临汝县)北刘庄村,是研究中原地区新石器时代向文明国家转变的代表性遗址,出土了龙山时代的王湾三期文化(BC2300—BC1900)和具备早期国家形态的二里头文化(BC1750—BC1500)两个重要阶段大量具有典型考古学文化特点的陶器遗存,可以据此较为深入理解距今4000年前后社会复杂化进程和国家起源等重大问题。因此,对该遗址出土陶器的多学科综合研究具有极高的学术价值和文化意义。对煤山遗址出土具有不同文化类型的陶器样本进行化学组成与物理性能分析,将分析结果与陶器操作链分析相结合,进行比对分析。针对煤山遗址陶器遗存,谱学分析结果显示,不同时期考古学文化在制陶原料的选择上差异不大,具有同源性,暗示虽然文化类型不同,但其对粘土的认识和选择具有高度一致性。陶器操作链分析结果显示,虽然新石器时代的王湾三期文化年代较早,但其陶器制作工艺却较晚期的二里头文化更先进,体现了中原地区文化演进过程中既连续又摇摆的发展特点。陶器操...     

基于LIBS技术和主成分分析的快速分类方法研究

将激光诱导击穿光谱（LIBS）技术与主成分分析（PCA）法相结合用于铝合金分类研究,对Al—Cu系、Al—Si系、Al—Mg—Si系、Al—Zn系四类13种铝合金标准样品进行了分类实验,实验结果证明LIBS-PCA方法可以实现铝合金的快速分类。通过使用LIBS技术激发130个铝合金标准样品得到130个光谱样本,再用主成分分析方法进行降维分析,计算出贡献率最大的三个主成分并计算各光谱的主成分得分绘制在三维空间中,发现光谱样本点按照铝合金的种类发生了明显的汇聚现象,由此确定了三个主成分和铝合金类型区域。用20个不同类型的铝合金进行实验对所得铝合金类型区域的准确性进行验证,发现所得20个光谱样本点全部落在其对应的标准样品类型区域内, 在一定程度上证明所得的铝合金标准样品类型区域的正确性,在此基础上可以进行未知类型铝合金的鉴别。实验结果表明基于LIBS光谱的PCA方法分类精度达到97.14%以上,能够有效的完成不同模式的区分,相比于常用的化学方法,LIBS技术可以原位快速地对待测样品进行检测,样品预处理简单,因此将激光诱导击穿光谱（LIBS）技术与主成分分析（PCA）法相结合用于质量检测和在线工业控制等领域,可以节约大量的时间及成本,提高检测效率。     

基于共焦LIBS技术结合机器学习的矿石分类识别方法

矿物分类与识别是地质研究领域的重要内容,对地质勘探和环境演化的研究具有重要意义。然而,传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定,主观性强,准确率低,激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、灵敏度高以及快速在线检测的特点,非常适合用于地质研究领域。利用共焦激光诱导击穿光谱技术与机器学习结合,提高了矿石分类识别的精准度,利用共焦LIBS系统获得8种天然矿石样品(金矿、铜矿、银辉矿、赤铁矿、铝矿、方铅石、磷灰石以及闪锌矿)的光谱数据,采用主成分分析方法(PCA)对数据进行降维处理,并对降维后的数据采用线性判别分析(LDA)、最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。首先,采用标准铜片作为样品,对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响,结果表明与非共焦LIBS系统相比,共焦LIBS系统的稳定性提升了63.75%,主成分累计贡献率提高了17.81%;然后,采用共焦LIBS系统获取上述8种矿石样品的光谱信息,并进行去噪等预处理,采用PCA对矿石特征数据进行提取,并保留累...     

西坡遗址出土器物的光谱学分析

目前,光谱学分析已经成为支撑科技考古发展的重要技术手段,在产地研究、呈色机理、测年分析等方面发挥了重要作用。河南省灵宝市西坡遗址以其丰富的仰韶文化遗存被确定为"中华文明探源工程"的首选遗址之一,灵宝地区是仰韶文化庙底沟类型的中心地带,可能与传说中的黄帝时代文化相对应。不少考古专家认为,对西坡遗址的勘探和发掘将有助于揭开中华五千年文明的起源之谜。西坡遗址出土器物也较为丰富,包括陶器、玉器、石器等,还有一些较为特殊的青绿色熔块,这些熔块比后世原始瓷釉的出现要早1 000多年。本研究综合运用电感耦合等离子体质谱/原子发射光谱分析(ICP-MS/AES)、电子探针(EPMA)、拉曼光谱(Raman)等光谱学分析技术,对河南灵宝西坡遗址出土50件陶器和1件熔块进行了分析。西坡遗址出土陶器以红陶、褐陶为主,同时也存在彩陶、红皮陶(带红色陶衣的陶器)、黄色陶、黑灰陶等。以往的研究主要将不同颜色的陶器归因为不同烧制气氛,并没有研究不同类别陶器的原料来源。该研究通过对泥质陶器中16种微量元素含量的测定及多元统计分析,探讨了不同种类陶器的原料特征,为研究陶器的生产和流通提供一定的科学依据。同时,研究了部分彩陶的显微结构和黑彩的物相组成,分析了遗址出土青绿色熔块的材料属性和组成结构特征。结果表明,大部分带红色陶衣的陶器,其所用胎泥原料中Ba含量相对较高,与其他陶器有一定的区别,可能具有特殊的原料来源;彩陶表面黑彩的着色矿物原料为磁铁矿;青绿色熔块化学组成除锰磷含量较低外,与原始瓷釉的化学组成比较接近,这些结果为了解仰韶文化时期制陶工艺以及社会生产状况提供了科学依据。研究表明,基于元素分析和结构分析的多种光谱学分析技术联用在考古材料的研究中效果显著。     

浙江小黄山与河南贾湖遗址出土新石器时代前期陶器化学组成的WDXRF分析研究

利用能量色散X射线荧光光谱法(energy disperse X-ray fluorescence,EDXRF)对浙江嵊州小黄山与河南舞阳贾湖两处新石器时代前期遗址出土陶器的主量元素化学组成进行了分析测定.结果显示,这两处遗址出土陶器的化学组成地域特征明显,与贾湖遗址相比,小黄山遗址陶器具有我国南方陶瓷器普遍存在的“高...     

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。     

激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究

激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段三种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。     

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。     

基于激光诱导击穿光谱技术的土壤快速分类方法研究

为实现不同种类土壤的快速分类鉴别,实验研究了基于激光诱导击穿光谱技术的土壤快速分类方法。由于不同类型的土壤在元素组成上会存在较大差异,所以利用激光诱导击穿光谱技术进行土壤分类具有可行性。不同土壤在相同实验条件下产生的等离子体温度会存在较大差异,可以作为分类的重要依据,所选择的7类土壤中,赤红壤的等离子体温度最高。选取土壤中6种常量元素Si,Fe,Al,Mg,Ca和Ti的光谱强度作为分类指标,利用主成分分析(principal component analysis,PCA)对7种土类的25个样品进行了分类,其中砖红壤和赤红壤分类出现了交叠,而不同高山草甸土样品之间元素差异较大,并没有实现较好的聚类。利用反向传播神经网络(back-propagation artificial neural network)结合土壤的LIBS光谱对土壤进行了分类,分类结果与PCA结果相近,赤红壤与砖红壤出现了识别错误。当用PCA分析获得三个主成分值作为BP神经网络的输入量时,获得了较好的分类结果,因为简化了输入量,降低了BP神经网络的误差,此时只有一个高山草甸土被识别成褐土,而高山草甸土的等离子体温度显著低于褐土,所以结合不同土壤类型的等离子体温度差异,能够实现不同土壤的分类识别。实验证明激光诱导击穿光谱技术可以应用于土壤分类,为土壤普查和合理利用提高了一种新的技术。     

激光诱导击穿光谱技术对烟草快速分类研究

不同类型的烟草在元素种类和元素含量上存在一定的差异,本文基于激光诱导击穿光谱(LIBS)技术,采集了不同种类烟草的原子发射光谱,并结合支持向量机方法,实现了烟草的快速分类鉴别。文章选取了市面上9种不同品牌的香烟,提取了其烟丝LIBS谱线的全部特征峰,通过对全谱进行窗口平滑去背景和峰位漂移的修正等预处理,再进行主成分分析降维,结合支持向量机方法(SVM),建立了分类模型,给出了9种品牌香烟烟草的分类结果,平均准确度达到97. 47%。实验结果表明:激光诱导击穿光谱技术在烟草防伪鉴定和现场快速识别分类等方面具有巨大的应用潜力。     

基于LIBS技术结合PCA-SVM机器学习对猪肉部位的识别研究

近年来,激光诱导击穿光谱（LIBS）与算法相结合分类、识别生物组织逐渐兴起。由于猪肉各部位组织光谱特性相似,仅通过分析光谱信息很难达到准确识别的效果,采用来自于同一个体、四个不同部位的猪肉进行研究,并将其进行切片、压平,应用LIBS技术对4种部位的组织（里脊,梅花,前腿,五花）进行了样品光谱的采集,每种样品采集100幅光谱进行分析,选取Ca,Na,K等6条谱线进行了初步光谱分析,观测谱线发现除脂肪含量较多的五花组织C-N以及C含量较其他组织高以外,其他组织很难区分,进一步对这6个成分进行主成分分析（PCA）,得到PC1,PC2,PC3累计贡献率达到95%,通过特征分数作为支持向量机（SVM）模型输入源,建立SVM分类模型,得到几种部位样品的混淆矩阵图,通过观察混淆矩阵可以清楚分辨出每个种类样品的分类整准确率,发现四种样品准确率分别为96%,98%,97%,100%,平均准确率达到了97%以上。研究证明LIBS结合PCA-SVM可作为一种快速鉴别猪肉不同组织部位的检测方法。     

一种时间分辨激光诱导击穿光谱的测量方法

激光诱导击穿光谱(LIBS)是一种动态光谱。时间分辨LIBS光谱测量是研究激光诱导等离子体演化和谱线自吸收的重要技术。结合激光诱导击穿光谱测量的时序特性,提出一种利用常规性能光谱探测设备获得微秒级时间分辨LIBS光谱的测量方法。通过控制毫秒级光谱探测设备的积分延迟时间,获得不同延时下的LIBS光谱信号,对所得光谱进行处理得到相应特征谱线拟合强度,将所测的特征谱线强度按照一定的时间间隔进行差分,得到差值即为差分间隔时间内特征谱线的积分强度。采用差分时间间隔应大于系统最差时序精度,同时优选无重叠干扰和背底连续的谱线信号进行分析。以等离子体产生后持续时间为横坐标,计算所得谱线差值强度为纵坐标,即可获得特征谱线的强度演化曲线。通过实验验证,使用积分时间为毫秒量级光谱仪和时序精度为0.021微秒控制系统,该方法可以实现微秒量级时间分辨LIBS光谱测量,可用于表征LIBS光谱特征谱线演化过程,降低了LIBS光谱时间分辨测量系统成本。     

基于PCA-SVM的飞机蒙皮激光分层除漆LIBS在线监测研究

飞机蒙皮激光除漆过程的在线监测,是实现分层可控除漆、满足适航维修要求的重要手段,也是推进激光除漆工程应用、飞机维修自动化的核心技术。激光诱导击穿等离子体光谱(LIBS)技术可通过激光材料作用过程中产生的等离子体发射光谱快速分析材料表面元素变化,实现激光清洗表面状态的在线监测。基于搭建的高频纳秒红外脉冲激光除漆LIBS在线监测平台,分别采集了不同激光功率下,面漆、底漆、铝合金基体去除过程中的3类LIBS光谱(各100幅)。分析了不同激光功率下,各类光谱示踪元素特征谱线的变化情况,初步筛选了12条特征谱线作为光谱识别的特征。进一步对这12个特征进行主成分分析(PCA),并将前3个主成分(PC1、 PC2、 PC3)构成的数据集作为支持向量机(SVM)识别模型的输入量,建立了3类光谱的识别模型。形成了多漆层结构激光分层可控清除过程的LIBS在线监测判定规则,并对该规则的有效性进行了实验验证。结果表明,与低频脉冲激光单点作用采集的针状LIBS光谱相比,基于该平台采集的LIBS光谱普遍存在较强的连续背景(大于5 000 a.u.)以及1.5 nm左右的半峰全宽;针对此类光谱设计了改进均值平滑滤波...     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

拉曼光谱在薛家岗古玉测试分析中的应用

无损分析一直是玉器研究所追求的目标,文章将拉曼光谱技术应用于薛家岗文化遗址出土古玉的研究中,在确定古玉的主体矿物、不同类型斑晶及内含包裹体的组成等方面取得了很好的效果。结果表明：拉曼光谱作为一种无损测试方法,能够快速、准确地探测古玉表层及内部的信息,对古玉的鉴定和探讨其矿料来源的地质特征具有重要的指示意义。     

激光诱导击穿光谱的油茶炭疽病检测

油茶产业具有良好的经济和生态效益,深受国家重视。目前,炭疽病侵害油茶树日益加重,严重地降低了产量,导致油茶产业的效益直接受损。所以找到一种快速、准确、方便的油茶炭疽病检测方法是非常必要的。激光诱导击穿光谱(LIBS)是一种低成本、微损伤、无残留的技术,能够对多种成分快速实时检测。采用LIBS结合化学计量学方法对油茶炭疽病的定性检测方法进行研究。实验样品采摘于油茶种植区,分别采集了100片健康油茶叶片和100片感染炭疽病的油茶叶片。将采集的叶片进行微处理,即首先进行反复冲洗去除叶片表面污渍,然后进行分类、装袋和标号,最后进行LIBS光谱采集实验。实验设备为海洋光学的MX2500+, LIBS实验参数设置为激光能量50 mJ,最优延迟时间2μs,每个叶片采集6条光谱数据,并求其平均。在油茶叶片LIBS光谱的波长251.432 nm处观察到Si的特征峰、分别在252.285, 259.837和385.991 nm处观察到Fe的特征峰、分别在260.568, 279.482和280.108 nm处观察到Mn的特征峰。实验结果:油茶叶片中的微量元素Si, Fe, Mn的LIBS信号与油茶叶片的健康程度有直接关系,健康油茶叶片中Si, Fe和Mn的特征峰强度明显高于感染炭疽病的油茶叶片中Si, Fe和Mn的特征峰强度;此外,利用LIBS技术结合MSC光谱预处理和PCA分类法,对油茶叶片的健康和感染炭疽病的两个状态进行分类处理。PC1, PC2和PC3的贡献率分别为80%, 12%和6%,建立三维模型分类,可以清晰地将油茶叶片的两种状态区分出来。同时,还利用PLS-DA建立模型,模型的识别率高达90%以上,可以对油茶叶片两种类别进行较好的分类。以上两种化学计量方法都可以区分油茶叶片的健康和染病两种状态。研究表明了利用LIBS技术检测油茶炭疽病是可行的。可以利用LIBS技术对油茶叶片的微量元素和营养元素进行定量检测,为定量检测提供了参考。提出了一种快速检测油茶炭疽病的新方法。     

基于激光诱导击穿光谱的洋葱在线原位检测

激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)是一种分析多元素的光学技术,可用于新鲜蔬菜的快速检测.以洋葱为例,采用LIBS对其含有的元素进行了在线原位检测.用乙酸铅溶液污染洋葱以模拟大气湿沉降的重金属污染现象,并进行重金属Pb元素检测.使用主成分分析(principal components analysis, PCA)和反向传播人工神经网络(back-propagating artificial neutral network, BP-ANN),以洋葱、大蒜、小葱为样品进行区分检测.洋葱光谱中的特征谱线包括Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K等元素,以及N、H、O的谱线和CN分子谱带.不同浓度梯度乙酸铅溶液污染的洋葱样品中都能检测出Pb元素,其相对强度与溶液浓度成比例.此外,PCA的结果表明洋葱、小葱、大蒜的区分效果明显,BP-ANN交叉验证的识别率为89.47%.结果证明LIBS在对元素进行快速分析时具有较好的识别能力,是检测新鲜蔬菜的有效手段.     

上机房营子遗址出土陶器的XRF分析研究

利用X射线荧光对上机房营子遗址出土陶器残片的成分进行分析,用社会科学用统计软件包(SPSS)对实验数据进行多元统计分析.结果表明,不同文化期的样品基本自成一类.本文还将上机房营子遗址与三座店遗址的出土陶片进行比较分析,发现夏家店下层文化晚期两地可能存在着文化交流.     

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。     

不同颗粒度铁屑LIBS光谱的基体效应及定量分析研究

激光诱导击穿光谱(LIBS)对固体进行检测时,受固体的表面物理形态和化学特性影响较大,因此,基体效应分析对LIBS在线检测研究有重要的意义。为了提高LIBS对表面凹凸不平样品成分在线检测的准确度,进行了LIBS对不同颗粒度铁屑样品的定量分析。实验所用的9种铁屑样品性状为松散的粉末、颗粒或长条状,为防止激光与样品相互作用时发生飞溅,将样品粘到双面胶上进行固定。采用的激发波长为1 064 nm、脉冲能量为35 mJ,探测器延时和积分门宽分别设置为1和10μs。为评估样品颗粒度不同导致的基体效应对LIBS光谱的影响,首先,利用主成分分析(PCA)对系列样品进行分类,结果显示,粉末状的四个样品被分出,即颗粒度不同导致的基体效应是样品光谱信号差异的主要原因。其次,以C3、 C5两个样品研磨前后的基体元素特征谱线FeⅠ330.635 nm为研究对象,通过对比谱线的强度和相对标准偏差(RSD)发现,颗粒度越小,谱线强度越大,稳定性越好。为校正LIBS光谱基体效应的干扰,采用了样品研磨预处理和光谱数据预处理两种方法。将细长条状的C3和C5两个样品进行研磨,研磨后谱线的强度和稳定性有较大提升;分别研究了强度归一化、多元散射校正(MSC)以及两者结合对光谱进行处理的效果,三种光谱预处理均使谱线的稳定性得到显著提高。通过支持向量机(SVM)对Cu元素的定量结果进行了评估和对比,结果发现,采用研磨样品并结合强度归一化与MSC预处理得到的校正效果最优,最终使S1和S2两个待测样品的Cu元素预测相对误差(RE)分别降为1.745%和1.857%,预测均方根误差(RMSEP)降为0.020。该研究可为表面凹凸不平样品的LIBS检测提供一定的方法依据和参考。