激光诱导击穿光谱技术实时检测蔷薇属植物北大核心CSCD

玫瑰、蔷薇和月季三种花同属于蔷薇属植物,这三种花外貌相似,极易混淆。蔷薇属植物具有重要的观赏价值、药用价值等,因此快速鉴别蔷薇属植物具有重要意义。利用激光诱导击穿光谱(LIBS)技术对三种花进行原位在线检测,可以识别三种花中的主要元素。通过植物中所含元素的差异以及同一元素对应谱线的相对强度的差异,可以辨别玫瑰、蔷薇和月季。此外,在蔷薇属植物光谱中还可以探测到CN自由基,利用LIFBASE软件模拟光谱中的CN,计算CN的振动温度和转动温度,得到的参数可以视为实验参数。在对比分析三种不同花的激光诱导击穿光谱后,选择强度差异显著的特征谱线作为变量,结合广义回归神经网络(GRNN)对花属进行预测,正确率可达93.3%。     

外电场对CO分子及离子性质的调制和降解

基于密度泛函理论(DFT)的B3LYP方法,在6-311G++基组水平上,计算研究外加电场下CO分子及离子物理性质,包括总能量、键长、电荷分布、能级分布和红外光谱,并根据势能曲线研究CO外加电场下的降解。随着外电场逐渐增大(- 0.015 a. u.~0.015 a. u.),CO的性质发生明显的变化, 电场增大到一定程度时可实现CO分子降解。同样,CO⁺离子的总能量随电场的增大逐渐减小,键长变长,偶极矩逐渐变大,分子能隙在Alpha轨道中逐渐减小,在Beta轨道中逐渐增大,红外光谱的强度相应逐渐增大。电场从0.0 a. u增大到0.150 a. u.时,势能曲线的变化同样表明CO⁺离子离解能减小。电场增大到一定程度时可实现CO⁺离子降解。     

基于激光诱导击穿光谱的果木炭燃烧对空气成分影响的研究

果木炭是一种常见的燃料,其燃烧过程中产生的气体和烟尘气溶胶会影响环境空气质量并损害人体健康,因此对果木炭燃烧过程中空气成分进行检测与分析具有重要意义。采用激光诱导击穿光谱(LIBS)技术对果木炭燃烧时的空气、烟尘气溶胶进行检测,同时检测果木炭及其燃烧灰烬作为辅助分析。对四种样品的谱线进行标定,发现果木炭燃烧时空气中碳浓度增大,生成的气溶胶中含有Ca、Mg、K、Si等元素。果木炭和灰烬的元素组成较为相似,均含有C、 Fe、 Mg、 Ca、 Sr、 K、 Na和Ba等元素,果木炭光谱中C、H元素谱线强度均高于灰烬。此外,结合机器学习算法对有无果木炭燃烧时的空气进行区分,选取C、CN分子特征谱线所在的波段作为聚类分析的原始特征。主成分分析(PCA)结果表明在有无果木炭燃烧两种条件下的空气能被较好地区分,证明LIBS结合PCA技术能有效地识别果木炭的燃烧并检测果木炭燃烧造成的空气污染。进一步利用LIBS结合机器学习算法对果木炭及其燃烧灰烬进行区分,发现区分效果良好,为果木炭燃烧后的回收利用提供了参考。     

激光诱导击穿光谱对农药气溶胶的在线监测

作为现代农业的重要工具,农药凭借其高效的灭病虫害能力在农业生产中应用广泛,然而其灭杀虫害的同时对大气环境和人体健康等方面也会造成危害。使用激光诱导击穿光谱（LIBS）技术对农药的气溶胶喷雾进行了在线探测,研究了使用LIBS技术对农药使用过程的实时监测。首先检测了清洁环境下的空气LIBS光谱,在空气的光谱中探测到大量的氮（N）、氧（O）原子发射谱,这个结果与空气成分是相吻合的;同时还观察到了氢（H）的两条巴尔默系原子谱线,这主要是来源于空气中的水蒸气。值得注意的是,在空气谱中还发现了两条氩（Ar）的原子谱线,这也表明LIBS技术在微量元素检测方面有着重大潜力。选用农药敌杀死作为研究对象,对其有效成分溴氰菊酯（C₂₂H₁₉Br₂NO₃,CAS: 52918-63-5）进行了LIBS检测。在溴氰菊酯的LIBS光谱中观察到了卤素元素溴（Br）的存在,标记出了两条Br的原子发射谱线（827.294和833.470 nm）。对农药样品进行探测时也发现了包括CN分子发射谱与C₂分子发射谱等大量空气光谱中没有检测到的特征谱线;同时还检测到了空气谱中没有观测到的元素纳（Na）以及钙（Ca）;尤其是Ca,农药中不仅仅检测出了Ca的存在,而且相比于溴氰菊酯光谱中Ca谱线的能量以及数量都有着非常明显的上升。最后,实验中对CN分子的温度进行了研究;拟合得到溴氰菊酯与农药的CN分子的振动温度分别为8 800和6 200 K,转动温度分别为8 600和5 500 K。以上结果表明了使用LIBS技术对农药的在线监测是可行的,是有发展前景的。     

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.