激光诱导击穿光谱结合间隔偏最小二乘法检测土壤中的Pb

为了提高激光诱导击穿光谱(LIBS)技术检测自然土壤中Pb的检测精度,提出采用间隔偏最小二乘法(IPLS)定量预测模型。对土壤在400~417nm波段的特征光谱进行平滑预处理后,建立偏最小二乘法(PLS)定量模型,得到训练集的相关系数为0.974 2,且斜率为0.983。建立IPLS模型时,把所选波段均分成了25个子区间,得到第八个子区间包含了Pb的特征光谱405.78nm,且交叉验证均方根误差最小,选择该区间建立模型得到训练集相关系数为0.985 3,斜率为1.121。预测集中,土壤样品Pb的真实浓度与预测浓度之间的相对误差在13%以内,平均相对误差为7.00%。研究表明IPLS法应用于LIBS定量检测土壤中的Pb是可行的,且该定量模型预测效果优于PLS法。     

混合水溶液中金属元素的偏最小二乘法激光诱导击穿光谱北大核心CSCD

为提高激光诱导击穿光谱技术(LIBS)对水中重金属元素含量的检测精确度,将LIBS技术分别与单变量定标(SVCC)和偏最小二乘法(PLS)分析方法相结合,对Cr、Mn、Ca混合水溶液中的金属元素进行了定量分析。利用PLS-LIBS技术研究了样品中共存元素对分析元素的影响,研究结果表明分析元素的检测精确度受共存元素的影响较大,将共存元素与分析元素的分析线强度同时作为PLS模型的输入变量,得到的分析元素浓度总预测相对误差明显减小。利用SVCC-LIBS方法检测Cr、Mn、Ca元素的浓度总预测相对误差分别为14.3%、8.46%、6.35%,而利用PLS-LIBS方法各相对误差分别改善至2.30%、0.74%、0.03%,其中Mn元素的浓度预测相关曲线线性度R 2由SVCC-LIBS方法的0.985改善至0.999,表明PLS-LIBS技术能有效提高混合水溶液中微量金属元素的检测精确度。     

激光拉曼光谱结合偏最小二乘法快速测定植物油碘值

为探讨应用激光拉曼(Raman)光谱结合偏最小二乘 法(PLS)建模无损、快速及无试剂测定植物油碘值 的可行性,实验以大豆油、橄榄油、花生油、芝麻油及其调和油为样品,采集了其拉曼光谱 , 采集波数范围为250cm－1～2400cm －1, 并对其信号进行了归属,考察了各种实验条件对拉曼光谱的 影响,并以传统韦氏法测定得到的碘值作为对比,结合化学计量学方法建立了植物油碘值拉 曼 光谱定量模型。实验结果表明,大豆油、橄榄油、花生油及其调和油的拉曼光谱峰形及位移 具有一定的相似性,芝麻油拉曼光谱有较强的荧光干扰,峰强度与其他植物油存在着明显的 差异。所建立的碘值校正模型的决定系数R²为97.49 ,交叉验证校正标准差(RMSECV)为 1.15;检验集预测标准差(RMSEP)为1.57, 决定系数R²为96.47。结果表明,应用拉曼光 谱技术结合化学计量学实现植物油碘值快速检测是可行的。     

基于激光诱导击穿光谱技术的煤灰分特征研究

灰分是衡量煤炭质量优劣的关键指标,是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题,本文基于粒子群优化算法(PSO)和BP神经网络,提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量,为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品,1～140号样本数据用于训练集,141～180号样本数据作为测试集。应用PSO BP模型对煤炭灰分特性进行了研究,仿真结果表明:优化后的6维BP神经网络模型,决定系数R2为088501越接近1,表明建立的PSO BP模型具有较好的预测性能,灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度,提升了模型的泛化能力和预测精度,为后续的LIBS术应用于煤炭检测提供一定的理论依据。     

基于激光诱导击穿光谱的塑料鉴别研究

不同种类塑料所含元素及含量不同,通过激光诱导击穿光谱技术结合机器学习算法以塑料基体元素(C、H、O、N)的原子及分子光谱峰值强度对7种塑料进行区分,避免了光谱中大量背景噪声及无关元素的干扰,分类时间较短并取得了较好的识别率,同时又以谱线积分强度对塑料进行鉴别,减弱了光谱波动和谱线线型等对分类的影响。实验结果表明利用谱线积分强度对塑料进行区分的识别正确率较谱线峰值强度有所提升。     

基于偏最小二乘法的多光谱降维算法

在光谱色彩管理色域映射中,针对查找表建立过程中高维光谱数据计算的一系列问题,提出了一种非线性的高维光谱降维方法。对同色异谱黑进行偏最小二乘分析,提取潜在成分,获得了KMN向量,将其与Lab向量组合成6维向量,并作为中间转换空间LabKMN,实现高维光谱数据与低维基向量组合之间的相互转换。LabPQR空间的前3个维度是在特定光照条件下的CIELAB值,后3个维度(PQR)用于描述同色异谱黑的光谱重建维度。对两种方法在光谱精度和色度精度两方面进行比较,基于1600个孟塞尔样本数据的实验计算表明,与LabPQR方法相比,LabKMN的方均根误差均值由0.0164降低到0.0139,光谱精度提高了15.24%,色度重建误差由2.8706降低到1.8138,平均色差降低了36.81%。LabKMN方法降维后的重建精度大幅提高,能够较好地实现更高精度的原始色彩光谱空间的描述。     

激光诱导击穿光谱结合GA-BP-ANN检测炉渣中

以激光诱导击穿光谱技术为基础,通过击穿炉渣中等离子体来获取炉渣光谱图,将遗传算法与BP神经网络进行结合,通过遗传算法对神经网络的权值和阈值进行优化建立基于遗传神经网络模型,对炉渣元素光谱图中的Ca元素含量进行定量检测,测得5种Ca元素#1、#2、#3、#4、#5的质量分数为29.4 %、40.37 %、37.13 %、43.88 %、38.68 %,并计算检验样本相对误差分别为4.7 %、5.2 %、5.8 %、4.1 %、3.3 %,相对误差均在6 %以下,检测精度明显优于BP-ANN方法和光谱分析中常用的自由定标法,表明基于遗传神经网络对炉渣进行定量分析具有更好的检测效果。     

区间偏最小二乘法结合拉曼光谱测定猪肉皮下脂肪的碘值

碘值是评价脂肪酸品质的重要指标,为探究拉曼光谱技术结合化学计量学方法对完整脂肪样本中脂肪酸不饱和程度测定的可行性,以猪肉皮下脂肪为研究对象,利用实验室自主搭建的拉曼光谱检测系统,获取其300~2000cm-1波段的光谱,进而利用该光谱进行预处理方法的优化研究和碘值相关变量的优选研究,并以传统韦氏滴定法测定得到的碘值为参考值,采用偏最小二乘法建立了完整脂肪样本中碘值的校正模型。结果表明:8次多项式拟合基线校正为最优预处理方法;经区间偏最小二乘法筛选得到的优选变量为1106~1470cm-1;结合最优预处理方法和优选变量建立碘值预测模型,其预测集相关系数Rp和预测均方根误差(RMSEP)分别为0.9463和2.5391×10-2。研究结果证明,优选的拉曼光谱变量可用于完整脂肪中碘值的快速无损测定,为基于拉曼光谱的猪胴体脂肪酸不饱和程度的在线、快速、无损检测提供了理论依据。     

基于激光诱导击穿光谱和神经网络的蛋壳研究

为了研究残缺蛋壳的分类方法以及某些蛋制品中存在的食品安全问题,采用激光诱导击穿光谱技术(LIBS)和反向传播神经网络(BPNN)相结合的方法开展了对于蛋壳元素的探究、不同种类蛋壳的甄别以及蛋壳中污染元素的检测工作。结果表明,鸭蛋壳中含有Si,Cu,Ca,Mg,C,Na和Al等元素;采用LIBS测量并标定污染的皮蛋壳中的元素组成,成功探测到了明显的铅元素特征峰;对鸡蛋壳、鸭蛋壳和鹌鹑蛋壳进行快速的甄别,得到了94.167%的准确率;对鸭蛋壳和皮蛋壳进行不同制作方法的蛋壳分类,获得了97.5%的准确率。LIBS与BPNN的结合为蛋壳的分类与甄别提供了一个新的思路与研究方法。     

激光诱导击穿光谱技术研究的新进展

激光诱导击穿光谱技术（LIBS）是一种基于原子发射光谱学的物质组分分析技术。随着激光技术和光学检测技术的发展,激光诱导击穿光谱技术已经成为光谱学领域的研究热点。尤其是近几年,LIBS技术发展迅速,涌现出多种LIBS的激发和探测新技术。在光谱激发方面,出现了如飞秒激光及飞秒激光大气中长距离成丝诱导击穿光谱技术,双脉冲激光诱导击穿光谱技术等。在光谱探测方面,出现了时间分辨激光诱导击穿光谱技术,偏振分辨激光诱导击穿光谱技术等。本文将对这几种LIBS中所出现的新技术进行介绍并给出LIBS技术的发展趋势。     

云台山地质的激光诱导击穿光谱研究

利用高能量Nd:YAG脉冲激光器1064nm光束聚焦待测样品表面产生等离子体,并用光谱仪和ICCD来探测其光谱信号.采用激光击穿光谱(LIBS)技术对云台山的泉水、岩石和土壤进行了定性研究.对比分析泉水和纯净水的光谱图,得出泉水中含有Ca和Mg元素.通过比较茱萸峰岩石和潭瀑峡岩石的实验结果,可知两种岩石的成分存在较大差异,潭瀑峡岩石所含成分相对较多.同时还对云台山茱萸峰土壤和中南民族大学附近的土壤进行了对比分析,发现中南民族大学电信学院附近的土壤中含有Zn、Cu、Hg,而在茱萸峰的土壤中发现一种植物生长必需的微量矿质元素Ni.     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

氯化钾溶液的激光诱导击穿光谱研究

利用脉冲Nd:YAG激光器、光谱仪I、CCD等设备设计了一套激光诱导击穿光谱测试实验装置,并采用该装置对氯化钾溶液的全谱进行了测量,得到了含量为1mg/l的镁(Mg),3mg/l的钙(Ca),20mg/l的钠(Na)的线状谱线。实验结果表明,对氯化钾溶液做定性分析时,延时是一个非常重要的参数。合理地选取延时,利用激光诱导击穿光谱方法可以快速准确地同时检测到多种微量金属元素。同时定性分析也证明了利用激光诱导击穿光谱方法探测废水中的微量有毒金属的可行性。     

基于激光诱导击穿光谱的燃煤热值定量分析

煤的热值是影响燃煤锅炉运行最重要的煤质特性之一。燃煤热值在线分析能够为实时优化调整锅炉运行提供重要依据。采用激光诱导击穿光谱技术对烟煤样品热值进行了定量分析。实验用Nd:YAG固体激光器1 064 nm激光脉冲在空气环境下烧蚀烟煤样品表面而形成等离子体。采用偏最小二乘法和基于主导因素的偏最小二乘法提高煤热值定量分析的准确性。对于基于主导因素的偏最小二乘法,利用碳双原子分子（C2）和碳氮双原子分子（CN）的谱线强度建立主导因素模型。采用偏最小二乘法建立的定标曲线拟合优度和预测均方根误差分别为0.94和1.46 MJ/kg;采用基于主导因素的偏最小二乘法建立的定标曲线拟合优度和预测均方根误差分别为0.99和1.18 MJ/kg。结果表明:激光诱导击穿光谱技术对燃煤热值在线分析具有很大的应用潜力。     

机器学习结合激光诱导击穿光谱技术铁矿石分类方法

铁矿石是非常重要的矿产资源,它的开发利用对钢铁产业的发展有很大的影响,铁矿石的选检与分类是冶金行业必不可少的环节,不同种类的铁矿石及其品质会直接影响与其他物质的配比,因此对铁矿石的选检分类研究在冶金行业具有重要意义。激光诱导击穿光谱技术(LIBS)是近年来发展起来的一项成分检测技术,具有无损、快速、原位在线检测等优点,在化学成分检测及样品分类领域有一定的优势。为了提高铁矿石的分类精度,提出将激光诱导击穿光谱技术与机器学习相结合对赤铁矿、褐铁矿、菱铁矿、云母赤铁矿、磁铁矿、磁赤铁矿、鲕状赤铁矿、黄铁矿、钴磁铁矿、磁黄铁矿等10种天然铁矿石进行分类研究。在研究中,首先通过激光诱导击穿光谱技术烧蚀10种天然铁矿石样品获得其对应的光谱数据;然后通过设定阈值的方法选定最大光谱强度对应的10个光谱特征;最后通过KNN、RF、SVM机器学习模型对选定的特征光谱进行分类训练及测试。结果表明:KNN、RF、SVM三种机器学习模型的分类准确度分别为83.0%、80.7%、90.3%。从分类准确度可以看出,激光诱导击穿光谱技术与机器学习相结合可以实现对铁矿石的快速、精确分类,这将为冶金行业的铁矿石选检分类提供一种全新的方法。     

激光诱导击穿光谱结合PLS检测土壤中的铅

利用波长1064 nm的Nd∶YAG脉冲激光器获取国家标准土壤中铅元素的诱导击穿等离子体,并用八通道光纤光谱仪采集了样品等离子体光谱。应用多种光谱预处理方法对光谱进行信息提取和分析,比较了光谱的预处理方法对偏最小二乘(PLS)模型定量预测能力的影响。结果表明,采用9点光谱平滑处理和多元散射校正(MSC)预处理的模型质量较好,校正集和预测集的相关系数R分别为0.9981和0.9948,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为12和17;元素Pb浓度分析测量的结果与标准值的相对偏差在10.5%以内,实验表明LIBS结合PLS建模能满足土壤中微量重金属快速检测的要求。     

基于激光诱导击穿光谱积分信号的水稻种子鉴别研究

基于LIBS技术结合BP神经网络技术,对6类水稻种子进行类型鉴别研究.对水稻种子的LIBS全谱和分段光谱进行积分,再输入BP神经网络,得到:全谱积分前的识别率为81.02％,积分后识别率为93.40％,识别率提高12.38％;分段光谱积分后识别效果较好的是中心波长为405 nm、570 nm、810 nm的光谱,将这三...