激光诱导击穿光谱技术结合偏最小二乘回归快速预测废钢中8种元素的含量北大核心CSCD

基于激光诱导击穿光谱(LIBS)技术,结合偏最小二乘回归(PLSR),建立了废钢中铬、镍、铜、硅、锰、钒、碳、钛等8种元素的定量分析模型。采用便携激光诱导击穿光谱废钢成分检测仪对12个钢铁标准样品进行扫描,对光谱数据进行剔除、平均、基线校正、归一化等预处理,以美国国家标准与技术研究院发射谱线数据库为参考依据,以筛选出的各元素建模波段的光谱数据作为模型输入,采用十折交叉验证方法,确定铬、镍、铜、硅、锰、钒、碳、钛的潜变量数分别为16,24,18,22,25,14,9,22,在优化的参数下分别对8种元素进行建模。结果显示:8种元素模型的相关决定系数为0.9571~0.9996,均方根误差为0.0034~0.0706,平均百分比误差为6.6764~75.645,残差平方和为0.0020~0.6532;除碳元素外,其余7种元素测定值的相对标准偏差(n=5)均不大于7.0%;模型用于预测实际废钢样品中锰、硅、铜元素的含量,所得结果与火花直读光谱法的基本一致。     

激光诱导击穿光谱对U元素的定量分析

铀矿是核领域最重要的矿产资源之一,快速、有效勘探铀矿资源能促进核领域平稳、健康发展。激光诱导击穿光谱(LIBS)技术具备多目标元素现场快速检测的优点,能实现铀矿资源准确、快速的现场分析。本工作基于LIBS技术对铀矿中U元素进行了定量分析,对比了偏最小二乘(PLS)和随机森林(RF)两种机器学习算法的定量效果。结果显示,RF模型的定量线性相关系数为0.996,对三个验证集的相对误差分别是22.33%、12.79%和12.04%;PLS模型的定量线性相关系数为0.997,对三个验证集的相对误差分别是4.33%、6.63%和6.85%。对比结果表明,本研究中的PLS模型定量准确度更高,同RF算法相比,PLS算法更适用于铀矿中U的LIBS定量分析。     

激光诱导击穿光谱定量分析全血中的锂元素

锂（Li）盐作为一种精神科药物常被用于治疗重性抑郁障碍,然而长期服用Li盐会产生高中毒风险,及时监测患者血液中Li元素的浓度,对确保用药安全和临床治疗效果非常重要。激光诱导击穿光谱（Laser-induced breakdown spectroscopy, LIBS）作为一种快速分析技术,被广泛应用于实际场景下复杂基质的元素分析。本研究采用LIBS技术结合偏最小二乘法（Partial least squares, PLS）对血液基质中的Li元素进行定量分析。采用45组临床血液样品,分别构建血浆和全血基质下Li元素的定量分析模型,通过五折交叉验证方法对PLS算法中的潜变量数进行优化。结果表明,基于血浆基质构建的PLS定量分析模型预测决定系数（R2）为0.992,预测均方根误差（RMSEP）为0.204μg/mL,相对标准偏差（RSD）为2.14%;基于全血基质构建的PLS定量分析模型R2为0.984, RMSEP为0.728μg/mL, RSD为3.45%,因此,基于血浆定标值所建立的LIBS模型定量分析全血中锂元素的效果更佳。LIBS技术为临床血锂的快速检测评估提供了一种新的选择,具有...     

双脉冲激光诱导击穿光谱结合多元定标法定量分析大豆油中的铅

应用双脉冲激光诱导击穿光谱(DP-LIBS)对大豆油中的铅(Pb)含量进行检测。配制9个大豆油样品,采用一定规格圆柱形桐木对样品中Pb进行富集,然后通过Ava-Spec二通道高精度光谱仪采集其LIBS光谱信号。根据样品的LIBS谱线图和美国国家标准技术研究所(NIST)原子光谱数据库,确定选用CaⅡ393.284 nm,CaⅡ396.752 nm,NⅡ399.399 nm和PbⅠ405.685 nm的特征谱线强度作为自变量,得到Pb含量的多元线性回归定量分析模型,并通过方差分析和t检验验证分析模型的可行性。结果表明,采用Pb元素直接定标法得到的平均相对误差约为16%,拟合度R2为0.981 8;采用多元线性回归模型得到的平均相对误差为7.25%,拟合度R2为0.997 1,3个检验样品的相对误差均在合理范围内。采用多元校正分析模型可以充分利用光谱中的有效信息,降低基体效应的影响,从而提高LIBS分析的准确性。     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。     

基于多光谱特征融合技术的面粉掺杂定量分析方法

提出了一种基于拉曼光谱技术(Raman)和激光诱导击穿光谱技术(LIBS)的多光谱特征融合技术(MFFT),利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,采用自适应小波变换(AWT)-竞争性自适应加权(CARS)-偏最小二乘回归(PLS)建模技术,获取了面粉体系更为全面的特征信息。在多光谱特征融合技术中,首先采用AWT-CARS方法分别提取拉曼光谱和激光诱导击穿光谱中的特征变量,然后将两者的特征变量融合为一个向量,采用PLS方法构建MFFT模型,实现了面粉掺杂物的定量分析。通过对二氧化钛、硫酸铝钾等面粉掺杂体系建模分析,考察MFFT模型的有效性。结果表明,与单一拉曼光谱技术或激光诱导击穿光谱技术建立的预测模型相比,MFFT模型显著提升了模型的预测性能,二氧化钛和硫酸铝钾预测模型的线性相关系数分别从相对较差的Raman模型的0.884、0.877提升到0.981、0.980,其预测均方根误差分别从相对较差的Raman模型的0.151、0.154降低到0.069、0.068。表明多光谱特征融合技术可以准确提取Raman光谱中的分子信息和LIBS光谱中的元素信息,使其互为补充、互为校正,进而有效克服面粉基质对掺杂组分定量分析的干扰,显著提高模型的预测精度。     

基于激光诱导击穿光谱技术结合随机森林算法快速定量分析土壤中重金属元素

土壤中重金属的检测对土壤污染分析及监控具有重要意义.本研究建立了一种基于激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)技术结合随机森林(Random forest,RF)算法快速定量分析土壤中重金属元素的方法.采用激光诱导击穿光谱仪对22组土壤样品的LIBS光谱进...     

LIBS结合图像筛选方法提高钢铁中Cu、Cr、Mn元素检测稳定性研究

优质特种钢材和低端粗钢之间的性能差异主要受其构成元素种类及其成分含量的影响,因此,如何快速准确地对物质成分进行定性及定量分析对钢铁产品的质量评估至关重要。针对传统方法难以实现对钢铁合金成分的快速准确检测的难题,采用激光诱导击穿光谱(LIBS)结合等离子体图像信息的方法,通过快速地对不同元素的特征光谱强度与激发生成的等离子体图像进行采集,分析两者之间的相关性,并通过提取的图像特征信息的异常值剔除了部分无效光谱数据,进而实现了对钢铁成分的高精度分析。通过分析延迟时间和激光能量等不同实验条件对元素特征光谱强度及其对应等离子体图像的影响规律,不仅证明了等离子体图像与光谱之间存在相关性,还利用等离子体图像特征信息的局部最优值确定了最优延迟时间、激光能量分别为1 000 ns与50 mJ,并根据图像特征的平均阈值来筛选无效光谱数据。结果表明,图像筛选优化数据后,各元素谱线校准模型的决定系数(R²)分别从原始数据的0.978、0.986、0.957、0.935提升至0.995、0.997、0.968、0.957,且其定标曲线对未知样品元素的预测浓度相对标准偏差(RSD)下降为原...     

光谱滤波法提高激光诱导击穿光谱对蔬菜中元素Pb的检测精度

激光诱导击穿光谱(Laser induced breakdown spectroscopy, LIBS)原始光谱中包含较多噪声信号, 为探究不同滤波方法对LIBS光谱预处理的影响, 本研究以实验室Pb污染处理的蔬菜为研究对象, 采集波长范围在400.45~410.98 nm的LIBS谱线信息, 分别利用相邻平均(Adjacent averaging)、Savitzky-Golay(S-G)滤波器、快速傅里叶变换(Fast Fourier transformation, FFT)对采集的LIBS光谱进行平滑、去噪, 并结合偏最小二乘法(PLS)定量分析模型对光谱处理效果进行评价.结果表明, S-G平滑效果最优, 当S-G滤波器窗口宽度为15, 拟合阶次为3时, PLS定量模型效果最佳, 其验证集均方根误差(RMSEP)为0.26、平均相对误差(ARE)为3.7%.结果表明, 选择适合的滤波方法有助于提高LIBS光谱质量以及检测模型的精度.     

基于激光诱导击穿光谱对钛元素自吸收效应的分析

为了减小谱线自吸收效应对样品物质中元素定量分析带来的干扰,提高激光诱导击穿光谱技术(LIBS)对钢铁中微量元素的检测准确度和精度,以攀钢生铁标准样品作为研究对象,选取Fe(Ⅰ)438.4 nm、Fe(Ⅰ)347.6 nm作为内标线,以原子线Ti(Ⅰ)506.5 nm、离子线Ti(Ⅱ)334.9 nm作为分析线,对Ti元素谱线的自吸收效应进行校正,分别建立内定标曲线,并建立了相应的量化模型。先通过指数函数拟合定标曲线来表征自吸收效应,然后对自吸收效应进行校正。自吸收校正后,Ti两组定标曲线的决定系数R²分别从0.882增加到0.994、0.881增加到0.917,分别提高了12.7%和4.0%。定量分析时,2^#和5^#样品用于验证,结果显示两验证样品中Ti预测浓度的相对误差都降低到了10%以内,预测浓度的相对误差分别减少了72.01%、97.10%,测量精度得到明显提高,并且自吸收校正后的预测浓度近似于等于标准浓度。实验表明,通过指数函数拟合定标曲线的方式来量化自吸收效应,并对其进行校正的方法可以提升对Ti的分析精度,方法为...     

激光诱导击穿光谱技术/多元二次非线性回归分析土壤中的铬元素

利用激光诱导击穿光谱(LIBS)技术对土壤中铬元素的含量进行了定量分析研究.由于土壤成分复杂,光谱谱线存在较严重的重叠干扰,若采用一元回归方法分析常得不到理想结果.为了更充分有效地利用光谱中信息,以土壤中Cr Ⅰ 425.43 nm和Fe Ⅰ 425.07 nm谱线的积分强度为自变量,Cr元素浓度为因变量,建立交叉降维近似多元非线性回归、多元二次非线性回归和平方降维近似多元非线性回归模型.对比分析表明,当添加Cr和Fe元素特征谱线强度交叉项影响时,所建立的多元二次非线性回归模型效果最佳,预测浓度与实际参考浓度之间线性关系达到0.9943,预测4个验证样品的相对误差分别为3.57％,0.76％,7.66％和2.24％.     

激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究

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.     

飞秒-纳秒双脉冲激光诱导击穿光谱(LIBS)技术对合金的定量分析

激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)技术几乎不受聚变环境中的强磁场影响,是一种最有希望实现托卡马克装置中面向等离子体材料(Plasma facing materials, PFMs)原位在线诊断的技术,已被用于多个托卡马克PFMs壁诊断。然而,LIBS技术对PFMs表面元素的探测限、定量分析以及PFMs的服役状态判定依旧面临很大挑战。采用同轴飞秒-纳秒激光协同技术,建立了飞秒-纳秒双脉冲激光诱导击穿光谱(fs-ns-DP-LIBS)技术,通过高峰值功率、低激光能量的飞秒激光诱导等离子体,再用纳秒激光增强常规单脉冲LIBS技术信号发射强度,进而提升常规单脉冲LIBS的探测灵敏度,同时结合6种合金标准样品,采用fs-ns-DP-LIBS技术对样品中的主要元素进行了定量分析,并进一步结合机器学习方法对6种合金进行种类判别。结果显示：在纳秒单脉冲和飞秒单脉冲LIBS检测中,Ni、Fe和Mo在400～800 nm波段没有观察到明显特征峰,仅观察到Cr的特征峰;在飞秒-纳秒脉冲间2μs延时,NiⅠ498.02 nm、FeⅠ517....     

激光诱导击穿光谱(LIBS)结合机器学习算法快速测定石油焦中微量元素

石油焦中微量元素对其作为预焙阳极的性能起着决定性的作用。首先,通过基于LIBS光谱构建用于石油焦中铁(Fe)和铜(Cu)定量分析的PLS校正模型。然后,考察了不同光谱预处理(归一化、多元散射校正、标准正态变换、一阶导数和二阶导数)以及变量选择算法(粒子群优化算法和变量重要性投影)对PLS校正模型预测性能的影响。建立了一种基于激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)结合偏最小二乘(Partial least squares, PLS)的石油焦中微量元素定量分析方法。结果显示,与其他PLS校正模型相比,基于二阶导数和变量重要性投影的PLS模型对Fe的预测性能最优,最优的交叉验证相关系数(R-squared cross validation,R²cv)为0.966 7,均方根误差(Root mean squared error cross validation, RMSEcv)为10.282 1 mg/kg,预测集的相关系数(R-squared prediction,R²p)为0.86...     

便携式远程激光诱导击穿光谱系统及其定量分析性能

因高温、辐射等极端环境限制,核领域亟需具备在线快速检测特性的分析仪器。基于小型风冷脉冲激光器与小型光纤光谱仪实现了远程激光诱导击穿光谱技术（LIBS）装置的小型化,对该便携式远程LIBS系统的定量分析性能进行了研究,实现了5 m外样品的元素遥测。在单脉冲激光能量100 mJ,脉冲延时1.0 μs的分析条件下,实现了白水晶、陶瓷及铝合金样品中Mn、Si、Al、Na、Ba、Ca及Cr元素的激发,验证了LIBS技术对材料组分和物料成分的远程探测能力,对铝合金样品的定量分析结果显示,该远程遥测系统对铝合金样品定量测量结果的最大相对平均偏差为12%,具备执行核领域快速分析场景下的半定量检测能力。     

电化学富集-激光诱导击穿光谱（LIBS）法测定水中铀元素

为改善激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy, LIBS)检测液体样品时遇到的液体飞溅、等离子体猝灭和稳定性差的问题,结合电化学富集方法,以KCl为电解质,石墨棒为阴极,开展了水中铀(U)元素的LIBS检测研究。选择UⅡ367.007 nm、UⅡ409.013 nm作为分析对象进行定量分析,着重研究了富集电压、KCl质量浓度、激光脉冲能量、激发方式等对铀元素特征谱线强度的影响规律,并通过扫描电子显微镜(SEM)及能谱分析(EDS)对石墨棒表面吸附元素的空间分布进行了分析。结果表明,最佳富集电压为1.6 V,适当的电解质KCl质量浓度可以提高铀元素的富集效率和富集均匀性,提高激光脉冲能量与采用光电双脉冲激发方式能增强铀元素特征谱线的强度并提高信噪比。在光电双脉冲激发下,对水中铀元素进行了定量分析,获得UⅡ367.007 nm、UⅡ409.013 nm的检测下限分别为25.89和15.00μg/L,相关系数均大于0.98。方法可为水体中放射性核素含量调查、生活饮用水铀污染现状以及核工业含铀废水监测等场景提供技术支持。     

基于粒子群算法-支持向量机-激光诱导击穿光谱技术对稻壳中铬元素的定量分析模型

为了对稻壳中重金属铬(Cr)含量进行快速测定,利用激光诱导击穿光谱技术(LIBS)获取了江西省鄱阳湖周边24组水田污染区稻壳中Cr元素的等离子体信号光谱数据。通过在422.04～445.94 nm波段范围内构建光谱九点平滑和归一化数据预处理,选择18组数据作为训练样本,另外6组作为测试样本,提出了基于粒子群算法(PSO)的支持向量机(SVM)参数调节优化方法。建立了PSO-SVM智能算法对Cr含量的LIBS定量分析模型,得到测试集均方根误差(RMSE)为7.83μg/g,平均绝对误差百分比(MAPE)为4.10%,预测值与测定值之间的相关系数为0.9948。在同等条件下,采用联合区间偏最小二乘法(siPLS)预测6组样本浓度,其RMSE为22.58μg/g,MAPE为6.17%,相关系数为0.9840。结果表明,PSO-SVM回归定量方法可用于LIBS农产品的成分分析,其分析效果优于siPLS。     

基于Voigt峰的未知成分光谱拟合算法及其在甲醇汽油定量分析中的应用

提出了一种基于Voigt函数的未知成分拉曼光谱拟合算法,利用Voigt峰函数的叠加形式对样本中未知成分所产生的背景光谱进行拟合。在扣除背景光谱影响后,利用被测成分的光谱贡献权值与成分浓度之间建立线性关系模型。实验在3种成分不同的基础汽油中加入不同体积比例(2.5%~80.0%)的甲醇溶液,利用本方法对成分未知的基础汽油所产生的背景光谱进行拟合,扣除拟合光谱后,剩余光谱即可视为甲醇的光谱贡献。基于4个训练样本建立了甲醇光谱贡献权值与浓度之间的线性定量分析模型,模型的预测均方误差(RMSEP)为1.86%,复相关系数(R2)达到0.987。结果表明,此方法可有效解决混合物中光谱重叠问题,具有训练样本少、外推性强的优点。     

不同光谱预处理对激光诱导击穿光谱检测猪肉中铅含量的影响

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.