CN105008898B - 用于组合的libs和ir吸收光谱法研究的系统和方法 - Google Patents
用于组合的libs和ir吸收光谱法研究的系统和方法 Download PDFInfo
- Publication number
- CN105008898B CN105008898B CN201380074290.8A CN201380074290A CN105008898B CN 105008898 B CN105008898 B CN 105008898B CN 201380074290 A CN201380074290 A CN 201380074290A CN 105008898 B CN105008898 B CN 105008898B
- Authority
- CN
- China
- Prior art keywords
- data
- sample
- libs
- radiation
- predictions model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims description 22
- 238000004566 IR spectroscopy Methods 0.000 title description 5
- 238000011160 research Methods 0.000 title description 3
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000010521 absorption reaction Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 230000005855 radiation Effects 0.000 claims description 56
- 230000003287 optical effect Effects 0.000 claims description 20
- 239000002689 soil Substances 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 11
- 238000002679 ablation Methods 0.000 claims description 9
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000000608 laser ablation Methods 0.000 claims description 2
- 238000000862 absorption spectrum Methods 0.000 abstract description 4
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 4
- 241000894007 species Species 0.000 description 13
- 230000009102 absorption Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 239000004927 clay Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 5
- 238000004856 soil analysis Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000001069 Raman spectroscopy Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004876 x-ray fluorescence Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000003841 Raman measurement Methods 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013626 chemical specie Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000009841 combustion method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/443—Emission spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/02—Details
- G01J1/08—Arrangements of light sources specially adapted for photometry standard sources, also using luminescent or radioactive material
- G01J2001/083—Testing response of detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种用于测定样品(114)的特性的系统(102)，包含用于询问样品(114)的一个LIBS检测器(104，106)和一个红外吸收检测器(108，110)以便分别产生LIBS光谱数据和红外吸收光谱数据；以及一个被适配成用于应用至少一个化学计量预测模型的数据处理器(112)，每一个化学计量预测模型被构建成用于将LIBS和吸收光谱数据二者的特征与该样品的一个不同的特定特性、与衍生自该LIBS数据和该吸收数据二者的至少一部分的一个组合数据集相关联、优选定量地相关联，以便由此产生由那个模型关联的特定特性的测定、优选地定量测定。
Description
本发明涉及通过利用与红外(IR)吸收光谱法组合的激光诱导击穿光谱法(LIBS)来测定样品的特性。
LIBS是一种众所周知的技术，该技术能够以高灵敏度提供一种样品的元素‘指纹’。其在土壤分析中的用途也是众所周知的并且已经在例如V.S.Burakov等人，应用光谱学杂志(Journal Applied Spectroscopy)，2010年第77卷，第5期，第595-608页的‘激光诱导击穿光谱方法用于土壤分析的发展(综述)’(‘Development of a Laser-InducedBreakdown Spectroscopy Method for Soil Analysis(Review)’)中报道。
LIBS通过以下方式运行：将激光聚焦在该样品材料的表面处的一个小区域上，以便由此烧蚀非常小量的材料并且产生一个等离子体羽。该等离子体羽的经烧蚀的材料分解为受激离子和原子物种。可以在该等离子体羽的电磁波谱中观察到这些元素的特征原子发射谱线，该电磁波谱典型地使用一个光谱仪来记录并且在一个数据处理器中分析以便提供关于存在于该样品中的化学物种的相对含量的信息作为该样品的特性的量度。
已知的是将LIBS与其他光能测量技术结合以便提供一种改进的成分测定。例如，在Grodzins等人的US 6,801,595中披露了将X射线荧光测量与LIBS组合。典型地采用LIBS来获得关于相对较轻的元素的信息并且典型地提供关于样品基体中的元素的相对浓度的数据，而X射线荧光提供关于相对较重的元素的信息并且提供绝对浓度信息。根据US 6,801,595，将来自这两项技术的光谱组合并且将来自这两项技术的关于相同元素的信息用于从该LIBS数据和该X射线荧光数据二者的组合产生指示该样品基体中元素的绝对浓度的输出。
Beckstead等人在US 7,999,928中披露了拉曼散射检测和LIBS发射检测的组合。拉曼光谱基于通过分子振动的光散射并且所检测的是来自光源(典型地一个激光器)的由于光子与分子之间的非弹性碰撞的能量损失引发的光谱位移(反斯托克斯位移或斯托克斯位移)。这种组合的优点是测量的高相似性，这些测量都依靠由激光与物质相互作用引起的辐射探测，这样使得所披露的测量系统可使用许多相同的硬件部件用于LIBS和拉曼测量二者。此外，除了该硬件的互补使用之外，在US 7,999,928中还证明了该组合的光谱信息的随后PCA分析导致了比这两项技术中单独的任一项更好的分类，导致相对于单独任一项技术的误肯定测定的数量的降低以及一种用于样品中目标物种的鉴别(与定量不同)的改进的系统。
IR吸收光谱法是另一种众所周知的用于测定样品的组成特性的技术，比如食品和药物中的目标物种的识别和定量；或品质参数，比如小麦的硬度、面粉的烘培特性或酒的品质。由于该样品基质中的所关心的物种的IR吸收通常遵循朗伯-比尔定律(即，吸收与吸收物种的量之间的一个线性关系)，IR吸收的检测更易允许目标物种的定量测定。具体地，与复杂的化学计量数据处理组合的IR吸收数据可以用于提供关于许多类型的样品基体的这种定量信息。IR吸收技术从根本上与拉曼光谱法的不同之处在于后者依靠被研究的分子的极化率而前者依靠在振动过程中的偶极矩变化。因此，通过拉曼可检测的物种通常不是容易通过IR吸收可检测的，并且反之亦然。此外，拉曼光谱法趋向于比IR吸收光谱法更不敏感并且因此用于样品特性的定性而不是定量的测定中，比如目标物种的存在。
在使用IR、具体地近红外(‘NIR’)光谱法用于一种或多种目标物种的定量分析时的一个约束是其对于干扰在此波长范围内探测的弱的分子泛频峰的基体效应的灵敏度。在某种程度上此种灵敏度可以使用来自广泛范围的样品基体的一个大数据集来补偿，对这些样品基体进行选择以便涵盖与像PLS的化学计量数据分析方法结合的这些变化。然而，对于非常复杂的基体，这种途径有时证明是不够的。这就是当尝试使用NIR用于土壤分析时的情况，其中已经推断出仅仅可以实现关于来自相似的母体材料和气候影响的土壤的土壤参数的局部校准(‘土壤科学中的可见和近红外光谱法’(‘Visible and Near InfraredSpectroscopy in Soil Science’)，B.Stenberg等人，‘农学进展’(‘Advances inAgronomy’)，第107卷，2010，第163-215页)。
本发明的一个目的是缓解与已知的IR吸收光谱技术相关的问题中的至少一项并且提供能够允许一个复杂的样品基体中特性的定量测定的一种系统和一种方法，比如与例如土壤的目标物种或其物理品质特性相关的那些特性。
根据本发明的一个方面，提供了一种用于测定样品的特性的系统，该系统包含一个LIBS检测器，该LIBS检测器具有一个用于烧蚀该样品的一部分的激光器以及一个用于产生LIBS数据的光学分光光度计，该LIBS数据表示从该烧蚀的部分发射的光能中依赖于波长的强度变化；一个红外吸收检测器，该红外吸收检测器具有一个用于用红外能量照射该样品的至少一部分的红外能量源以及一个用于产生照射数据的光学分光光度计，该照射数据表示在该样品的红外能量的照射之后红外能量的依赖于波长的强度变化；至少一个化学计量预测模型，该至少一个化学计量预测模型被构建成用于将LIBS数据和照射数据二者的特征与该样品的一个不同的特定特性相关联并且可由一个数据处理器执行；以及一个数据处理器，该数据处理器被配置成用于接收该LIBS数据以及该照射数据；以便构建一个衍生自该LIBS数据的至少一部分和该照射数据的至少一部分的组合数据集并且将该至少一个化学计量预测模型应用于该构建的数据集以由此产生该特定特性的测定。已经发现，使用一个包含LIBS数据和照射数据的组合数据集预测的某些特性被更准确地预测并且具有比单独使用LIBS数据或照射数据预测的相同特性更好的可重复性。因此本发明提供了一种用于测定样品的特性的系统，该系统相对于单独采用这些单独技术中任一项的系统具有更好的性能。
在根据本发明的系统的一个实施例中，至少一个化学计量预测模型被构建成使得当在该数据处理器中应用时产生该特性的定量测定。
在该系统的另一个实施例中，提供了适配为移动、优选地旋转移动的一个样品台来实现样品的移动，从而暴露不同部分用于该激光的烧蚀以及该红外能量的照射，并且其中将该数据处理器配置成用于随着该样品移动接收来自多个部分的LIBS数据和照射数据；以便从该相应的接收的LIBS和照射数据产生一个平均LIBS数据集合和一个平均照射数据集；并且以便将该至少一个预测模型应用于衍生自来自该平均LIBS数据集和平均照射数据集二者的数据的组合数据集。然后通过利用衍生自由该样品的多个不同部分得到的LIBS和照射数据的一个数据集，可以减轻由于该样品的不均匀性而对于该数据的任何有害影响并且可以获得该样品的更具代表性的数据。
根据本发明的第二方面，提供了一种测定样品的特性的方法，包括以下步骤：将LIBS数据采集到一个数据处理器内，该LIBS数据对应于光辐射的依赖于波长的强度变化，该光辐射由于该样品的至少一部分的激光诱导烧蚀已经由该部分发射；将照射数据采集到该数据处理器内，该照射数据对应于在照射红外辐射与该样品的至少一部分的相互作用之后照射红外辐射的依赖于波长的强度变化；在该数据处理器中将至少一个化学计量预测模型应用到该LIBS数据和该照射数据二者的组合上以由此产生由该预测模型关联的该特定特性的测定，每一个化学计量预测模型被构建成用于将LIBS数据和照射数据二者的特征与该样品的一个特定特性相关联。
通过以下参照附图中的图所作的对本发明的实施例的说明性和非限制性的详细描述，本发明的这些以及附加目的、特征和优点将得到更好的理解，其中：
附图说明
图1示出了根据本发明的系统的一个实施例的示意性框图表示；
图2示出了展示一种建立预测模型的方法的流程图，该预测模型可以在图1的系统中采用；
图3示出了用于遵循图2中示出的方法和组合数据集而建立的用于土壤中黏土的预测模型的校准曲线；
图4示出了用于仅使用NIR吸收数据而建立的用于土壤中黏土的预测模型的校准曲线；
图5示出了用于仅使用LIBS发射数据而建立的用于土壤中黏土的预测模型的校准曲线；并且
图6示出了用于使用组合数据集和图2中示出的方法而建立的用于土壤中TOC的预测模型的一个校准曲线。
在图1中展示了根据本发明的系统102的一个非限制性的示例性的实施例。系统102包含一个LIBS检测器，该LIBS检测器包括一个用于烧蚀该样品的一个区域的激光源104以及一个光学分光光度计106；一个红外吸收检测器，该红外吸收检测器包括一个用于照射该样品的一个区域的红外(IR)能量源108和一个光学分光光度计110；以及一个数据处理器112，该数据处理器与光学分光光度计106，110二者的输出处于可操作连接。将由以下考虑认识到，尽管将数据处理器112示出为一个单一的单元，但本发明还可以使用一个包含多个物理上分开的元件的数据处理器来实现，这些元件用于执行归于本实施例的单一的数据处理器112的不同功能，并且这些元件可以在远离彼此的位置，并且例如借助一个电信链路来互连。
在本实施例中，将这些光学分光光度计106，110展示为分开的仪器但是这不是必要的，并且在其他实施例中可以将这些分光光度计组合为一个利用相同的光色散元件和/或检测安排的单一的分光光度计仪器。将每个分光光度计106，110(或可替代地该单一分光光度计)适配为用于产生一个输出，该输出表示用于输入到数据处理器112的来自样品114的输入光能量的依赖于波长的强度变化(在下文中当使用该LIBS检测器来产生时，称为‘LIBS数据’，并且当使用该红外吸收检测器来产生时，称为‘照射数据’)。如将认识到分光光度计106，110可以以各种各样已知的方式实现，但是仅作为举例，本实施例的每个分光光度计106，110包含一个波长色散装置106a，110a，该波长色散装置具有光能的输出以便在检测器106b，110b上提供光辐射，该检测器将光强转化为用于输出到数据处理器112上的对应的电信号。一个或两个分光光度计106，110的波长色散装置106a，110a可能包括一个可移动的色散元件(比如一个衍射光栅)，当移动(最典型地旋转)该可移动的色散组元时它扫描跨过出口孔并且到检测装置106b，110b的一个单一检测元件上的入射光辐射的波长。在一个对于物理振动较不敏感的安排中，一个或两个分光光度计106，110的波长色散装置106a，110a包括一个提供光输出的静态波长色散元件，该光输出按波长在空间上色散到检测装置106b，110b中的一个检测元件阵列，其中每个元件或者也许该阵列的元件的子组接收由这些色散装置106a，110a的固定色散元件分散的空间上分开的波长的一个分开的且单独可识别的部分，并且将这些转化成可单独识别的电信号，这些电信号对应于在这些分开的元件或元件子组处的辐射强度。
激光源104和IR能量源108各自被安排成产生用于入射在样品基体114上的输出，该样品基体可以是制备好的或未制备的并且位于一个样品台116上，例如并且不一定在一个容器118内。这种激光和IR能量输出的安排可以以许多方式实现，例如如本实施例所示出的，可以将激光源104和IR能量源108配置成用于提供彼此正交且交叉的输出。一个光学安排120，在这里呈半镀银镜的形式，被定位在这些输出的交叉点处并且以相对于每一个输出45°定向，可以被提供用于将这些入射输出引导朝向样品基体114。在另一个实施例中，光学安排120可以是一个用于将这些输出传输到样品基体114上的光纤安排。在一个另外的实施例中，激光源104和IR能量源108各自被安排成用于引导它们的输出以便在样品基体114处入射而不需要一个光学安排。无论如何实现，优选的但不是必要的：使来自激光器104和IR能量源108各自的输出入射到样品基体114的基本上相同的区域以便与样品基体114的基本上相同的材料相互作用。
可以提供收集光学器件122用于收集来自样品基体114的辐射，该辐射产生自这些源104，108的入射输出与样品基体114的材料之间的相互作用，并且用于提供这种辐射通过这些分光光度计106，110中的一个或两个进行检测，比如通过这些检测装置106b，110b。这些收集光学器件122可以以各种各样的方式实现，例如并且非限制性地这些收集光学器件可以包括(如在本实施例中示出的)一个拾取透镜122a，该拾取透镜收集并且聚焦来自样品基体114的辐射到光纤122b的一个输入端上。光纤122b将这种辐射传输到这些分光光度计106，110上并且在本实施例中光纤122b包含一个双叉输出端，即，到这些分光光度计106，110中的每一个上的一个双叉输出端。
在现在将说明的根据本发明的系统的一个示例性的操作方式中，仅仅通过举例，参照图1的系统102，一个样品基体114位于系统102中的一个测量位点，在该位点来自激光器104和IR能量源108的输出可以各自与样品114相互作用。本实施例中的测量位点由一个样品接收台116限定，该样品接收台可以有利地为可移动的、在此可旋转的，以便相对于来自激光器104和IR能量源108的输出的行进方向使尺寸开销最小化。通过实现样品基体114的相对运动，该LIBS数据和该照射数据可以由样品基体114的不同区域得到并且来自每个区域的数据可以组合以便为样品基体114的比用于提供任何一个数据集的那些区域更大的区域提供一个平均数据集。样品114在某些情况下可以置于一个样品保持器中，比如一个在图1中示出的样品杯118，然后将该样品保持器本身置于样品接收台116上(或更通常地，在该测量位点处)。在其他情况下可以将该样品未保持地置于样品接收台116上(或更通常地，在该测量位点处)。还可以使样品114在其使用LIBS 104，106和IR吸收108，110检测器的询问之前经受某些处理，例如当样品114是土壤或其他颗粒材料时，可以压制该样品材料以便消除该样品中的空隙。
在将样品114安置在该测量位点(样品接收台116)之后，运行激光器104和IR能量源108中每一个以便照射样品114的一个区域、优选地相同的区域。这些源104，108的运行可以同时或顺序地进行。同时运行可能引起如下问题：来自一个源的辐射产生对于结合另一个源的检测器而言的一个不想要的背景信号。优选地但不必要地顺序运行这两个源104，108，最优选地在IR能量源108之后运行激光器104这样使得照射数据和LIBS数据将基本上源自相同区域的相同材料。这将提供来自LIBS(104，106)和红外吸收(108，110)检测器的数据的更好的相关性，因为然后这两个数据集产生自基本上同一材料。IR能量源108被配置成用于产生IR能量，该IR能量至少延伸跨过预期被样品114所吸收的波长区域。IR能量源108可以是宽带或者被安排成以多个窄的、有可能地重叠或连贯的波长带来发射IR能量。在系统102的运行中，将IR能量源108通电并且将其IR能量输出入射在样品114的一个区域上，该区域依赖于样品114的组成吸收特定的波长。这种IR能量，在其与该样品的相互作用之后，由收集光学器件122收集，传送到该红外吸收检测器，在本实施例中传送到该检测器的分光光度计110，并且对应于该相互作用的IR能量的依赖于波长的强度变化(光学吸收光谱)产生输出。将这种输出作为照射数据传送到数据处理器112内，例如并且仅仅通过说明的方式该照射数据表示在多个(m个)离散波长下所测量的强度值。接下来，将IR能量源108断电并且将激光器104通电。使该激光束入射在样品114上并且将其一部分烧蚀以便形成等离子体。在该等离子体中的受激物种返回其较低能态(在该过程中发射特征光子)时产生的光学辐射由收集光学器件122收集，传送到该LIBS检测器，在本实施例中传送到该检测器的分光光度计106，并且对应于这些等离子体发射的依赖于波长的强度变化(光学发射光谱)产生输出并且该输出作为LIBS数据传送到数据处理器112内，例如并且仅仅通过说明的方式，该LIBS数据表示在相同的或不同的多个(n个)离散波长下所测量的强度值。
将数据处理器112配置为用于将该LIBS数据与该照射数据组合为一个单一的数据集(‘组合数据集’)。在本实施例中并且仅仅通过一个非限制性实例的方式，该组合数据集由m+n个数据点组成，这些数据点含有所有的照射和LIBS数据点。在这些点中的每一个处的强度值可以在数据处理器112中经受归一化或其他数据预处理。
描述了被构建成用于将LIBS数据与照射数据二者的特征与该样品的一个特性相关联的多变量化学计量预测模型的一个计算机可执行的算法可供用于该数据处理器112，例如来自与和数据处理器112的一个组件成一体的计算机存储器或数据存储装置或者来自一个远程存储装置(未示出)，该远程储存装置在某些实施例中是数据存储器112通过一个电信链路可访问的。将数据处理器112适配为用于运行以将该预测模型应用于该组合数据集以便由此产生由该预测模型关联的样品的特性的测定。可使一个或多个附加的预测模型由数据处理器112可访问，每个模型将一个不同的特性与组合的LIBS和照射数据相关联，并且该数据处理器被适配为用于将这些模型中的一个或多个应用于该组合的数据集以便得到通过每个对应的预测模型关联的特性的测定。此类测定中的每一个的结果可以作为一个输出124通过数据处理器112来提供，例如作为至屏幕、印刷机或呈其他人类可识别的格式的一个输出或者作为呈机器可读的格式的一个输出。
此类预测模型使用已知的化学计量技术建立，这些化学计量技术采用线性或非线性多变量统计分析，例如偏最小二乘法(PLS)；多元线性回归(MLR)；或人工神经网络(ANN)，以便产生一个数学关系式，衍生自LIBS和照射光谱数据的组合数据集可以通过该数学关系式与该样品的所关心的特性定量地相关。
在数据处理器112中采用的化学计量预测模型可以根据在图2中示出的流程图进行构建。在建立此类预测模型中的一个第一步骤202是数据库(或信息矩阵)的产生，其中每项记录表示来自一个校准样品的数据。在这个数据库中存储来自校准样品(即，具有与有待预测特性的样品相同基体的样品)的LIBS数据和照射数据，用从该相同的校准样品得到的识别一个物种的存在和/或更有用地数量的其他信息来索引这些数据，该存在和/或数量将在一个测试样品中测定。这种其他信息可以在每个校准样品上使用直接的组成分析方法来得到，比如说液体或气体色谱法。虽然此类其他分析方法可以提供存在于该样品基体中的所关心的物种的直接测定，但它们执行起来典型地是耗时的并且昂贵的。
在步骤204，使该数据库的内容经受多变量统计分析。在本实例中，这包括将来自步骤202的数据库划分成两个部分的步骤204a。使该第一部分在步骤204b处经受多变量统计分析。该第二部分在步骤204c处被用作一个独立的验证集。将认识到，该数据库的内容的精确的使用和划分可以变化。
在步骤206处建立了一个预测模型，通过该预测模型提供了在组合的输入LIBS和照射数据(该组合数据集)与一个样品特性(其定量指示有待预测)之间的数学关系式(一般关系式：特性＝函数{LIBS光谱数据，照射数据})。这种模型在数据处理器112中使用应用于LIBS和照射数据，该LIBS和照射数据组合以形成一个用于未知样品的组合的数据集。
将认识到，根据本发明的预测模型可以额外地使用其他数据来建立，比如关于这些校准样品的物理品质(比如硬度或质地)的评价的信息；关于温度、物理位置、样品预处理条件的信息。
实例：土壤的分析
将在该LIBS光谱和NIR吸收光谱中的组合信息用于开发数学预测模型，这些模型中的每一个对于土壤样品的一个不同特性的定量测定是有用的。使土壤样品均匀化并且使用一个简单的液压机将其压制成约40mm直径并且约5mm厚的小片。在本实例中，施加5吨持续30秒并且然后施加11吨持续另外30秒以便生成其中基本上去除所有气穴的小片。压制的小片证明了如与未压缩的样品相比，在它们的LIBS光谱中的小得多的波动。在从遍布北美洲的地点得到的一百零六个土壤样品上进行测量。土壤基体和用来产生有用的预测模型的有限数量的样品的所产生的多样性表明，根据本发明的本创造性的测量模式的组合有利地能够补偿两种测量方法都不能单独进行的复杂基体。使这些样品形成为如以上描述的小片，并且使用通常如关于图1的系统所描述的一个系统获得测量值以便产生LIBS和照射数据集。将从该LIBS和该照射数据集二者获得的组合的数据集用于通常根据关于图2中所描述的方法来产生一个或多个预测模型。
在黏土含量或‘质地’预测(典型地以百分比表示的定量预测)的具体实例中，采用了大约五十个校准土壤样品和一次重复以便建立该校准并且采用剩余的五十六个校准作为验证集。每一个具有其根据黏土含量而索引的组合数据集(LIBS数据+照射数据)，该黏土含量是使用沉降参考法的分离获得的。使用该组合数据集(图3)来构建一个PLS预测模型并且与仅使用照射数据(在此NIR吸收数据)(图4)和仅使用LIBS数据(图5)构建的模型比较。
从图3中示出的采用该组合数据集的曲线(直线)产生的PLS预测模型提供了一个具有4.12的预测精度和0.91的相关性的模型。如在这里使用的精度被定义为这些预测值距离参考测量值(该参考方法本身对于黏土具有3.5的精度)的平均值的标准偏差的量度，而相关性是在所绘制的变量与在-1与+1(+1表明最强的相关性)之间的范围之间的线性相关的量度。这可以与从图4中示出的仅采用该照射(NIR吸收)数据集的曲线产生的PLS预测模型相比较，该模型具有6.37的预测精度和0.76的相关性。从图5中示出的仅采用LIBS数据集的曲线产生的PLS预测模型同样比使用组合数据集产生的预测模型更糟糕，并且具有5.25的预测精度和0.89的相关性。
总有机碳(TOC)是土壤中定量的另一个重要参数，因为它表征该土壤的腐殖质含量以及因此固有的肥力。还按以上关于该黏土含量预测模型所述的方式构建了用于TOC的一个第二预测模型(一个典型地以百分比表示的定量预测)。校准TOC的参考方法是干烧法，其中监测加热的土壤样品所释放的CO2的量。在本实例中，使用通常关于图1的系统所描述的系统来测量相同的一百零六个校准土壤样品。再一次采用来自五十个样品的组合数据集来建立一个PLS预测模型并且采用来自剩余的五十六个样品的组合数据集作为验证集。
从图6中示出的采用组合数据集的曲线产生的PLS预测模型具有0.678的预测精度(如与0.7的参考精度相比)和0.79的相关性。
其他用于土壤特性的预测模型，比如阳离子交换能力或‘CEC’(一个以cmol(+)/kg表示的定量预测)、钙或钾含量(典型地以百万分率‘ppm’表示的定量预测)，可以按一种相似的方式构建并且它们中的一些或全部可供用于图1的数据处理器112以应用到组合的数据集上，该组合的数据集是对于未知的土壤样品使用根据本发明的系统(比如在图1中示出的那个)获得的。
因此，通过本实例，已经说明了可以在甚至一个高度复杂的样品基体上利用根据本发明的系统来进行定量测量。
将了解到，虽然根据本发明的系统和方法具有在土壤分析中的具体应用，但是本发明并不旨在限于此领域中的用途。确实，本发明可以在不同的领域中找到用途并且将其优点带给这些不同的领域，比如爆炸物或其他威胁检测；食品、饮料和饲料的监测和控制；以及生物流体的研究。还将了解，分析方法的选择不限于PLS，但是如在化学计量领域已知的，可以在考虑以下各项中的一项或多项之后进行选择：例如该数据集的线性、关于那个数据集的大小和多样性以及需要定量预测还是定性预测。
Claims (7)
1.一种用于测定样品的特性的系统(102)，该系统包含一个LIBS检测器，该LIBS检测器具有一个用于烧蚀该样品的一部分的激光器(104)以及一个用于产生LIBS数据的光学分光光度计(106)，该LIBS数据表示从烧蚀的部分发射的光能的依赖于波长的强度变化；一个红外吸收检测器，该红外吸收检测器具有一个用于用红外能量照射该样品的至少一部分的红外能量源(108)以及一个用于产生照射数据的光学分光光度计(110)，该照射数据表示在红外能量照射该样品之后红外能量的依赖于波长的强度变化；呈数据处理器(112)可使用的形式的至少一个化学计量预测模型并且每个化学计量预测模型被构建成用于将组合的LIBS数据和照射数据的特征与该样品的一个不同的特定特性相关联；以及一个数据处理器(112)，该数据处理器被配置成用于接收该LIBS数据以及该照射数据；以便构建一个衍生自该LIBS数据的至少一部分和该照射数据的至少一部分的组合数据集；并且以便将该至少一个化学计量预测模型应用到该组合数据集以由此产生该特定特性的测定。
2.如权利要求1所述的系统(102)，其中该至少一个化学计量预测模型被构建成使得当在该数据处理器(112)中应用时产生该特定特性的定量测定。
3.如权利要求2所述的系统(102)，其中该定量测定包括该样品内的一个目标物种的量的测定。
4.如权利要求1所述的系统(102)，其中该至少一个化学计量预测模型被构建成用于建立与土壤的一个特性的关联。
5.如权利要求1所述的系统(102)，其中该LIBS检测器的光学分光光度计(106)和该红外吸收检测器的光学分光光度计(110)是相同的。
6.一种测定样品的特性的方法，包括以下步骤：将LIBS数据采集到一个数据处理器内，该LIBS数据对应于光辐射的依赖于波长的强度变化，该光辐射由于该样品的至少一部分的激光诱导烧蚀已经由该部分发射；将照射数据采集到该数据处理器内，该照射数据对应于在照射红外辐射与该样品的至少一部分相互作用之后照射红外辐射的依赖于波长的强度变化；在该数据处理器中应用至少一个化学计量预测模型，每一个化学计量预测模型被构建成用于将LIBS数据和照射数据二者的特征与该样品的一个特定特性相关联，与衍生自该LIBS数据的至少一部分和该照射数据的至少一部分的一个组合数据集相关联以便由此产生由该至少一个化学计量预测模型关联的特定特性的测定。
7.如权利要求6所述的方法，其中应用该至少一个化学计量预测模型的步骤包括应用一个所产生的化学计量预测模型以提供该样品内的一个目标物种的定量测定。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2013/056091 WO2014146719A1 (en) | 2013-03-22 | 2013-03-22 | System for and method of combined libs and ir absorption spectroscopy investigations |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105008898A CN105008898A (zh) | 2015-10-28 |
| CN105008898B true CN105008898B (zh) | 2018-09-11 |
Family
ID=47915261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380074290.8A Active CN105008898B (zh) | 2013-03-22 | 2013-03-22 | 用于组合的libs和ir吸收光谱法研究的系统和方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9625376B2 (zh) |
| EP (1) | EP2976620B1 (zh) |
| CN (1) | CN105008898B (zh) |
| BR (1) | BR112015023894B1 (zh) |
| ES (1) | ES2638965T3 (zh) |
| RU (1) | RU2616777C1 (zh) |
| WO (1) | WO2014146719A1 (zh) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2013323430B2 (en) | 2012-09-26 | 2017-12-21 | Malvern Panalytical Inc. | Multi-sensor analysis of complex geologic materials |
| US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
| US11080798B2 (en) | 2014-09-12 | 2021-08-03 | The Climate Corporation | Methods and systems for managing crop harvesting activities |
| US11069005B2 (en) | 2014-09-12 | 2021-07-20 | The Climate Corporation | Methods and systems for determining agricultural revenue |
| US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
| US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| US11762125B2 (en) | 2014-09-12 | 2023-09-19 | Climate Llc | Forecasting national crop yield during the growing season |
| ES2532032B2 (es) * | 2014-10-05 | 2015-10-08 | Universidad Complutense De Madrid | Método de análisis de bebidas alcohólicas |
| US10113952B2 (en) * | 2015-06-01 | 2018-10-30 | Ingrain, Inc. | Combined vibrational spectroscopy and laser induced breakdown spectroscopy for improved mineralogical and geochemical characterization of petroleum source or reservoir rocks |
| AU2016294138C1 (en) | 2015-07-15 | 2022-02-24 | Climate Llc | Generating digital models of nutrients available to a crop over the course of the crop's development based on weather and soil data |
| DE102015122408A1 (de) * | 2015-12-21 | 2017-06-22 | Thyssenkrupp Ag | Verfahren und Anlage zur Analyse eines Probenmaterials |
| ES2799933T3 (es) * | 2016-03-31 | 2020-12-22 | Foss Analytical As | Sistema y método para realizar la espectroscopia de plasma inducido por láser |
| CN106226282A (zh) * | 2016-06-24 | 2016-12-14 | 北京华泰诺安探测技术有限公司 | 一种使用激光拉曼光谱仪进行采样的装置及方法 |
| US10429240B2 (en) | 2016-07-29 | 2019-10-01 | Viavi Solutions Inc. | Transfer of a calibration model using a sparse transfer set |
| CN106501237A (zh) * | 2016-10-31 | 2017-03-15 | 清华大学深圳研究生院 | 一种复合绝缘材料表面硬度测试方法 |
| US10677733B2 (en) * | 2017-04-07 | 2020-06-09 | Thermo Scientific Portable Analytical Instruments Inc. | Device for positioning and isolating a sample in a sealed environment |
| CA3063930C (en) * | 2017-05-19 | 2022-07-19 | National Research Council Of Canada | Characterization of a material using combined laser-based ir spectroscopy and laser-induced breakdown spectroscopy |
| JP6860090B2 (ja) * | 2018-01-16 | 2021-04-14 | 株式会社ニコン | 分光データ管理装置、測定装置および測定システム |
| AU2019337093A1 (en) * | 2018-09-07 | 2021-04-01 | Can Technologies, Inc. | Optimizing organic growth using spectrial measurement |
| US11774353B2 (en) * | 2018-10-30 | 2023-10-03 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Methods and apparatuses for biomimetic standoff detection of hazardous chemicals |
| US11156556B1 (en) | 2019-02-13 | 2021-10-26 | Creative LIBS Solutions LLC | Method and apparatus for detecting pathogens and chemicals in complex matrices using light emissions from a laser spark |
| IT201900004671A1 (it) * | 2019-03-28 | 2020-09-28 | De Tec Tor S R L | Apparato per controllo qualità in linee di produzione, corrispondente procedimento e prodotto informatico |
| CN110873709B (zh) * | 2019-11-11 | 2021-12-31 | 中国科学院上海技术物理研究所 | 一种libs主被动双模光谱探测方法 |
| CN110873708B (zh) * | 2019-11-11 | 2022-02-18 | 中国科学院上海技术物理研究所 | 一种libs主被动双模光谱探测系统 |
| US20210172800A1 (en) * | 2019-12-10 | 2021-06-10 | Perkinelmer Health Sciences Canada, Inc. | Systems and Methods for Analyzing Unknown Sample Compositions Using a Prediction Model Based On Optical Emission Spectra |
| CN113008872B (zh) * | 2019-12-20 | 2023-03-14 | 雄贝(上海)科技有限公司 | 一种基于矿物成分的岩屑岩性激光识别方法 |
| CN111272736B (zh) * | 2020-03-31 | 2024-05-10 | 河北大学 | 一种击穿光谱与吸收光谱组合测量系统及方法 |
| AU2021103159A4 (en) * | 2020-09-22 | 2021-07-22 | Foss Analytical A/S | Preparing a pellet for laser induced breakdown spectroscopy |
| CN112730383B (zh) * | 2020-12-28 | 2022-10-25 | 西安交通大学 | 一种用于在线检测的光纤阵列libs探测系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101443648A (zh) * | 2006-05-10 | 2009-05-27 | Abb瑞士有限公司 | 散装材料分析器系统 |
| WO2014031591A1 (en) * | 2012-08-22 | 2014-02-27 | Sackett Donald W | Dual source analyzer with single detector |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6801595B2 (en) | 2001-05-04 | 2004-10-05 | Niton Corporation | X-ray fluorescence combined with laser induced photon spectroscopy |
| US7945393B2 (en) * | 2002-01-10 | 2011-05-17 | Chemimage Corporation | Detection of pathogenic microorganisms using fused sensor data |
| US7092087B2 (en) * | 2003-09-16 | 2006-08-15 | Mississippi State University | Laser-induced breakdown spectroscopy for specimen analysis |
| US8582089B2 (en) * | 2006-06-09 | 2013-11-12 | Chemimage Corporation | System and method for combined raman, SWIR and LIBS detection |
| US8547540B2 (en) * | 2005-07-14 | 2013-10-01 | Chemimage Corporation | System and method for combined raman and LIBS detection with targeting |
| WO2007123555A2 (en) | 2005-07-14 | 2007-11-01 | Chemimage Corporation | Time and space resolved standoff hyperspectral ied explosives lidar detector |
| EP1977205A4 (en) | 2006-01-23 | 2010-06-09 | Chemimage Corp | RAMAN + LIBS COMBINED DETECTION METHOD AND SYSTEM |
| US8158957B2 (en) * | 2006-03-02 | 2012-04-17 | Chemimage Corporation | System and method for structured illumination and collection for improved optical confocality of raman fiber array spectral translator imaging and interactive raman probing |
| US20110237446A1 (en) * | 2006-06-09 | 2011-09-29 | Chemlmage Corporation | Detection of Pathogenic Microorganisms Using Fused Raman, SWIR and LIBS Sensor Data |
| US8553210B2 (en) * | 2007-01-23 | 2013-10-08 | Chemimage Corporation | System and method for combined Raman and LIBS detection with targeting |
| US8018647B2 (en) * | 2007-03-12 | 2011-09-13 | Northrop Grumman Systems Corporation | Imaging systems and methods |
| US8125627B2 (en) * | 2007-04-27 | 2012-02-28 | Alakai Defense Systems, Inc. | Laser spectroscopy system |
| WO2009137494A1 (en) * | 2008-05-05 | 2009-11-12 | Applied Spectra, Inc. | Laser ablation apparatus and method |
| KR101545419B1 (ko) * | 2011-02-10 | 2015-08-18 | 가부시키가이샤 히다치 하이테크놀로지즈 | 이물 검출 장치 및 이물 검출 방법 |
| US8830476B2 (en) * | 2012-03-19 | 2014-09-09 | The United States Of America As Represented By The Secretary Of The Army | Methods and apparatuses for contact-free holographic imaging of aerosol particles |
| US9970876B2 (en) * | 2012-07-17 | 2018-05-15 | Sciaps, Inc. | Dual source analyzer with single detector |
| US9285272B2 (en) * | 2012-07-17 | 2016-03-15 | Sciaps, Inc. | Dual source system and method |
-
2013
- 2013-03-22 RU RU2015142813A patent/RU2616777C1/ru active
- 2013-03-22 EP EP13711418.7A patent/EP2976620B1/en active Active
- 2013-03-22 WO PCT/EP2013/056091 patent/WO2014146719A1/en active Application Filing
- 2013-03-22 CN CN201380074290.8A patent/CN105008898B/zh active Active
- 2013-03-22 BR BR112015023894A patent/BR112015023894B1/pt active IP Right Grant
- 2013-03-22 US US14/772,555 patent/US9625376B2/en active Active
- 2013-03-22 ES ES13711418.7T patent/ES2638965T3/es active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101443648A (zh) * | 2006-05-10 | 2009-05-27 | Abb瑞士有限公司 | 散装材料分析器系统 |
| WO2014031591A1 (en) * | 2012-08-22 | 2014-02-27 | Sackett Donald W | Dual source analyzer with single detector |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2976620B1 (en) | 2017-08-09 |
| BR112015023894B1 (pt) | 2020-05-05 |
| ES2638965T3 (es) | 2017-10-24 |
| EP2976620A1 (en) | 2016-01-27 |
| US9625376B2 (en) | 2017-04-18 |
| WO2014146719A1 (en) | 2014-09-25 |
| BR112015023894A2 (pt) | 2017-07-18 |
| CN105008898A (zh) | 2015-10-28 |
| US20160018325A1 (en) | 2016-01-21 |
| RU2616777C1 (ru) | 2017-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105008898B (zh) | 用于组合的libs和ir吸收光谱法研究的系统和方法 | |
| Yang et al. | Toxic chemical compound detection by terahertz spectroscopy: a review | |
| CN101995395B (zh) | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 | |
| Agelet et al. | A tutorial on near infrared spectroscopy and its calibration | |
| Sindhu et al. | Nondestructive testing methods for pesticide residue in food commodities: A review | |
| JP5852097B2 (ja) | レーザ誘起ブレークダウン分光のための認識アルゴリズムを形成するための方法 | |
| US8993964B2 (en) | System and method for detecting contaminants in a sample using near-infrared spectroscopy | |
| KR20150037977A (ko) | 이중 분광계 | |
| Eliaerts et al. | Comparison of spectroscopic techniques combined with chemometrics for cocaine powder analysis | |
| Bian et al. | Multiple kinds of pesticides detection based on back-propagation neural network analysis of fluorescence spectra | |
| Ge et al. | Visible and near‐infrared reflectance spectroscopy analysis of soils | |
| Roberts et al. | Vibrational spectroscopy methods for agro-food product analysis | |
| Yu et al. | Response surface methodology for optimizing LIBS testing parameters: A case to conduct the elemental contents analysis in soil | |
| Roberts et al. | Wet or dry? The effect of sample characteristics on the determination of soil properties by near infrared spectroscopy | |
| Nguyen et al. | A method for non-destructive determination of cocoa bean fermentation levels based on terahertz hyperspectral imaging | |
| Chen et al. | Investigation of sample partitioning in quantitative near-infrared analysis of soil organic carbon based on parametric LS-SVR modeling | |
| Lopo et al. | Classification of Vineyard Soils Using Portable and Benchtop Near‐Infrared Spectrometers: A Comparative Study | |
| US20210396578A1 (en) | Spectral analysis device | |
| Bin et al. | Exploration on precision farming pollution detection using THz technology | |
| Moros et al. | Screening of humic and fulvic acids in estuarine sediments by near-infrared spectrometry | |
| Kim et al. | Accurate determination of polyethylene pellet density using transmission Raman spectroscopy | |
| Qin et al. | Introduction to Raman chemical imaging technology | |
| Sandak et al. | Using various infrared techniques for assessing timber structures | |
| Li et al. | Fast Quantitative Analysis of Hidden Dangerous Substances in Mail Based on Specific Interval PLS | |
| US20170299512A1 (en) | Differential Excitation Raman Spectroscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |