CN106198492A - 一种利用微藻libs信号检测水体重金属铅污染程度的方法 - Google Patents

一种利用微藻libs信号检测水体重金属铅污染程度的方法 Download PDF

Info

Publication number
CN106198492A
CN106198492A CN201610601975.9A CN201610601975A CN106198492A CN 106198492 A CN106198492 A CN 106198492A CN 201610601975 A CN201610601975 A CN 201610601975A CN 106198492 A CN106198492 A CN 106198492A
Authority
CN
China
Prior art keywords
heavy metal
libs
microalgae
signal detection
water
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.)
Pending
Application number
CN201610601975.9A
Other languages
English (en)
Inventor
邵咏妮
周宏�
何勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201610601975.9A priority Critical patent/CN106198492A/zh
Publication of CN106198492A publication Critical patent/CN106198492A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/62—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Plasma & Fusion (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了利用微藻LIBS信号检测水体重金属铅污染程度的方法，包括：1)采用激光诱导击穿光谱仪，获取不同重金属铅污染水体中的藻类样本的LIBS光谱图像，并使用变量标准化算法进行预处理，得到预处理后的LIBS光谱信息；2)根据水体中重金属的含量和所述预处理后的LIBS光谱信息，建立预测模型；3)取待测藻类样本，获得待测藻类样本的LIBS光谱信息，采用变量标准化对待测藻类样本的LIBS光谱信息依次进行处理，将处理后的LIBS光谱信息输入所述的预测模型，获得待测藻类样本所处重金属水体中的含量信息。本发明无需对水样进行复杂的前处理以及化学分析，大大简化了操作步骤，缩短了检测时间，提高了鉴别正确率。

Description

一种利用微藻LIBS信号检测水体重金属铅污染程度的方法
技术领域
本发明涉及藻类的水体检测技术领域，尤其涉及一种利用微藻LIBS信号检测水体重金属铅污染程度的方法。
背景技术
随着工业化进程的加快，重金属污染物的排放日益增多，有相当一部分的重金属污染物未经处理就直接排放进了水体。当水体中的重金属含量达到一定程度后就可能通过食物链对人类和其他动物的健康造成伤害，所以对重金属污染的监测和治理问题需引起足够的重视。由于水体中重金属分布的不均匀性，直接对水体中重金属含量进行测量具有一定难度。
由于微藻具有资源丰富、种类繁多、光合效率高、生长速度快、易无性繁殖和适应性强，并且具有很强的吸附能力的特点，因此可利用微藻进行水体重金属的检测和修复。
激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术是一种新兴的无损光谱技术，具有快速、非接触式、多元素同时测定等优点。LIBS的基本原理是利用一束高能短脉冲激光聚焦到被测样品上，产生等离子体，根据等离子体发光光谱来定量检测元素含量，可以用于各种元素(包括重金属)的含量检测。
如公开号为CN104730043A的专利文献提供了一种基于偏最小二乘的墨水中重金属测定的方法，包括步骤：(1)墨水样品通过吸附剂氧化锌进行吸附制样，利用激光诱导击穿光谱系统对11个样品的不同测量位点进行光谱采集，11个样品中10个为已知浓度样品，1个为待测样品；(2)将10个已知浓度样品的光谱数据作为校正模型的校正集，1个待测样品对应的光谱数据作为测试集；(3)利用校正集数据对PLS校正模型的参数-潜变量进行优化；(4)确定模型最优参数后利用校正集数据建立PLS校正模型；(5)利用建立的PLS模型预测未知样品墨水中重金属的含量；(6)将标定 曲线与PLS进行比较。
激光诱导击穿技术可以精确测量样本中重金属离子的含量，结合微藻对于污染水体中重金属离子的吸附，可以实现利用微藻LIBS信号检测水体重金属污染程度，实现水体重金属检测高效精确检测，并且在检测同时，微藻可以对重金属污染水体的净化。
发明内容
本发明提供了一种利用微藻LIBS信号检测水体重金属铅污染程度的方法，以微藻作为介质，通过LIBS信号变化来反映细胞中重金属的积累情况，从而反应水体中重金属的污染状况，解决了现有检测方法需要对水样进行复杂的化学处理，操作相对繁琐、耗时、耗力的问题。
一种利用微藻LIBS信号检测水体重金属铅污染程度的方法，包括以下步骤：
1)将微藻放置于培养液中扩大培养后，投放入重金属铅污染的水体中，用于对重金属铅污染水体污染程度的测量；
2)采用激光诱导击穿光谱仪，获取吸附过重金属铅的藻体样本的原位LIBS光谱图像，对光谱图像进行预处理，建立预测模型；
3)将处理后的激光诱导击穿光谱信息输入所述的预测模型，获得藻体样本对应的重金属浓度。
利用激光诱导击穿仪成像时，激光波长设置为1024nm，激光能量设置为60mJ，延迟时间为5μs，积分时间为0.1ms以及增益为1000。
采用蛋白核小球藻作为检测介质，通过检测其藻内元素含量的变化对重金属含量进行检测。由于蛋白核小球藻生命力顽强，自身繁殖速度极快，吸附力相对较强。
优选的，重金属铅的污染浓度设置为：0mg/L、1mg/L、5mg/L、10mg/L、50mg/L、80mg/L。
优选的，所述的培养液为BG11培养液，培养环境为：温度23～25℃、光暗时长比12h:12h。
本发明中，微藻投放至重金属铅污染水体中，对微藻样本的测量时间为：0h、12h、24h、48h、72h、96h、120h。
进一步优选的，将吸附过重金属离子的藻体用0.22μm的滤膜进行过滤分离后，烘干成藻粉，加入溴化钾研磨均匀，压片进行测量。利用加入的溴化钾，以增强压片后藻块的硬度，避免在做光谱检测时因样品过于松散而影响检测结果。
本发明中，在获得LIBS光谱信息后，铅离子在光谱中有多条光谱带，光谱带分别为于：217nm、220.353nm、283.31nm和405.8nm处。因此，作为进一步优选的，可分别选取217nm、220.353nm、283.31nm或405.8nm处的分析特征谱线作为建模变量进行建模。
在建立预测模型时，优选的，所述的模型为支持向量机分析(SVM)模型、聚类分析(CA)模型或高斯拟合(GF)模型。
由于初始的LIBS信号包含很多复杂的数据，会给数据分析带来很多困难，采用变量标准化算法对LIBS信号进行预处理，变量标准化算法用Unscrambler X 10.1软件实现；重金属离子LIBS数据的收集采用Andor Solis软件进行；重金属离子LIBS数据的处理通过Matlab和Unscrambler X 10.1软件进行。
与现有技术相比，本发明的有益效果为：
本发明实现了基于藻类LIBS信号的水体重金属含量检测方法，不需要对水样进行复杂的前处理以及化学分析，大大简化了操作步骤，缩短了检测时间，也避免了由于水体重金属污染分部的不均匀性和操作人员操作不熟练以及其他主观因素带来的测量结果不准确等后果。
具体实施方式
下面结合具体实施案例进一步阐释本发明。
在本实施例中选择5种重金属铅离子浓度，分别是1mg/L、5mg/L、10mg/L、50mg/L、80mg/L。设置六个实验组，五组被铅离子污染，剩下的一个为正常水样。相同浓度的藻类种植在六组水中。初始的四组藻浓度为5.5×109细胞/L。微藻培养平台的照明水平在2500lx到3500lx之间。
为了能较大程度地污染微藻，模拟其在污染环境中的生长状态，数据采集在测试的第0天、第1天、第2天、第3天、第4天、第5天进行。每组样本通过激光诱导击穿光谱仪获取光谱图像。对同一天的每一组水样 采集其30个样本，共获取180个样本的LIBS图像(30个0mg/L、30个1mg/L、30个5mg/L、30个10mg/L、30个50mg/L、30个80mg/L)。
利用激光诱导击穿光谱仪检测藻体内色素成分变化时，激光波长设置为1024nm，激光能量设置为60mJ，延迟时间为5μs，积分时间为0.1ms以及增益为1000。
对于每个样本的原始LIBS光谱信息，分别选择了217nm、220.353nm、283.31nm和405.8nm处的分析特征谱线进行建模。为了获得较高信噪比的光谱曲线，采用变量标准化算法对原始光谱进行预处理。
在建立预测模型时，比较支持向量机分析(SVM)模型、聚类分析(CA)模型、高斯拟合分析(GF)模型的预测结果。不同分析特征谱线结合建模方法的预测准确率如表1所示。
表1.不同分析谱线结合建模算法的预测准确率
分析特征谱线 SVM CA GF
217nm 83.3％ 90.0％ 80.0％
220.353nm 83.3％ 70.0％ 73.3％
283.31nm 73.3％ 80.0％ 73.3％
405.8nm 90.0％ 96.7％ 83.3％
由表1可知，选择405.8nm分析特征谱线结合CA模型，对于水体污染铅浓度的预测准确率达到96.7％，可以满足污染水体重金属铅浓度的检测要求。
以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，包括以下步骤：
1)将微藻放置于培养液中扩大培养后，投放入重金属铅污染的水体中，用于对重金属铅污染水体污染程度的检测；
2)采用激光诱导击穿光谱仪，获取吸附过重金属铅的藻体样本的原位LIBS光谱图像，对光谱图像进行预处理，建立预测模型；
3)将处理后的激光诱导击穿光谱信息输入所述的预测模型，获得藻体样本对应的重金属铅浓度。
2.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，采用蛋白核小球藻作为微藻介质，对被重金属铅污染的水体进行吸附和净化。
3.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，重金属铅的污染浓度设置为：0mg/L、1mg/L、5mg/L、10mg/L、50mg/L、80mg/L。
4.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，所述的培养液为BG11培养液；培养环境为：温度23～25℃、光暗时长比12h:12h。
5.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，微藻投放至重金属铅污染水体中，对微藻样本的测量时间为：0h、12h、24h、48h、72h、96h、120h。
6.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，在激光诱导击穿光谱仪内，激光波长设置为1024nm，激光能量设置为60mJ，延迟时间为5μs，积分时间为0.1ms以及增益为1000。
7.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，将吸附过重金属离子的藻体用0.22μm的滤膜进行过滤分离后，加入溴化钾研磨均匀后，压片进行测量。
8.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，所述预处理的方法为变量标准化算法。
9.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，在所述的原位LIBS光谱图像中，提取217nm、220.353nm、283.31nm或405.8nm处的分析特征谱线作为建模变量进行建模。
10.如权利要求1所述的利用微藻LIBS信号检测水体重金属铅污染程度的方法，其特征在于，所述的预测模型为支持向量机分析模型、聚类分析模型或高斯拟合分析模型。
CN201610601975.9A 2016-07-26 2016-07-26 一种利用微藻libs信号检测水体重金属铅污染程度的方法 Pending CN106198492A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610601975.9A CN106198492A (zh) 2016-07-26 2016-07-26 一种利用微藻libs信号检测水体重金属铅污染程度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610601975.9A CN106198492A (zh) 2016-07-26 2016-07-26 一种利用微藻libs信号检测水体重金属铅污染程度的方法

Publications (1)

Publication Number Publication Date
CN106198492A true CN106198492A (zh) 2016-12-07

Family

ID=57496678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610601975.9A Pending CN106198492A (zh) 2016-07-26 2016-07-26 一种利用微藻libs信号检测水体重金属铅污染程度的方法

Country Status (1)

Country Link
CN (1) CN106198492A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106596514A (zh) * 2017-01-24 2017-04-26 浙江大学 基于Ca元素比值校正含水率的叶片重金属含量检测方法
CN110836886A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 利用libs进行液体样品中铬元素价态分析的测量方法
CN110836797A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 基于螯合树脂来制备libs液体检测样品的方法
CN110836887A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 利用libs技术进行液体样品中铁元素价态测量的样品制备方法
CN110907430A (zh) * 2019-10-29 2020-03-24 温州大学 基于libs的单颗粒微塑料复合重金属污染的无损检测方法
CN111398255A (zh) * 2020-04-17 2020-07-10 浙江大学 一种水稻根系所含镉元素的定量检测方法和系统
CN111398256A (zh) * 2020-04-17 2020-07-10 浙江大学 一种茎秆重金属胁迫程度与重金属含量的检测方法
CN114252430A (zh) * 2020-09-21 2022-03-29 中国科学院沈阳自动化研究所 一种基于激光诱导击穿光谱技术的矿浆品位在线检测方法
CN114414519A (zh) * 2022-01-24 2022-04-29 上海理工大学 一种水体重金属种类及浓度检测的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279171A (zh) * 2011-07-22 2011-12-14 中国科学院安徽光学精密机械研究所 一种提高激光击穿光谱水体金属污染物探测灵敏度的方法
CN203908950U (zh) * 2014-06-26 2014-10-29 浙江师范大学 一种基于富集技术的激光诱导污水重金属检测装置
CN105717074A (zh) * 2016-01-22 2016-06-29 浙江大学 基于特征波长的激光诱导击穿光谱鉴别抹茶与绿茶粉的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279171A (zh) * 2011-07-22 2011-12-14 中国科学院安徽光学精密机械研究所 一种提高激光击穿光谱水体金属污染物探测灵敏度的方法
CN203908950U (zh) * 2014-06-26 2014-10-29 浙江师范大学 一种基于富集技术的激光诱导污水重金属检测装置
CN105717074A (zh) * 2016-01-22 2016-06-29 浙江大学 基于特征波长的激光诱导击穿光谱鉴别抹茶与绿茶粉的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M.GARCIMUNO等: "Laser-induced breakdown spectroscopy for quantitative analysis of copper in algae", 《OPTICS & LASER TECHNOLOGY》 *
王春龙等: "基于支持向量机回归的水体重金属激光诱导击穿光谱定量分析研究", 《光学学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106596514A (zh) * 2017-01-24 2017-04-26 浙江大学 基于Ca元素比值校正含水率的叶片重金属含量检测方法
CN106596514B (zh) * 2017-01-24 2019-07-16 浙江大学 基于Ca元素比值校正含水率的叶片重金属含量检测方法
CN110836886A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 利用libs进行液体样品中铬元素价态分析的测量方法
CN110836797A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 基于螯合树脂来制备libs液体检测样品的方法
CN110836887A (zh) * 2019-01-21 2020-02-25 重庆邮电大学 利用libs技术进行液体样品中铁元素价态测量的样品制备方法
CN110907430A (zh) * 2019-10-29 2020-03-24 温州大学 基于libs的单颗粒微塑料复合重金属污染的无损检测方法
CN111398255A (zh) * 2020-04-17 2020-07-10 浙江大学 一种水稻根系所含镉元素的定量检测方法和系统
CN111398256A (zh) * 2020-04-17 2020-07-10 浙江大学 一种茎秆重金属胁迫程度与重金属含量的检测方法
CN114252430A (zh) * 2020-09-21 2022-03-29 中国科学院沈阳自动化研究所 一种基于激光诱导击穿光谱技术的矿浆品位在线检测方法
CN114252430B (zh) * 2020-09-21 2024-02-02 中国科学院沈阳自动化研究所 一种基于激光诱导击穿光谱技术的矿浆品位在线检测方法
CN114414519A (zh) * 2022-01-24 2022-04-29 上海理工大学 一种水体重金属种类及浓度检测的方法
CN114414519B (zh) * 2022-01-24 2023-07-25 上海理工大学 一种水体重金属种类及浓度检测的方法

Similar Documents

Publication Publication Date Title
CN106198492A (zh) 一种利用微藻libs信号检测水体重金属铅污染程度的方法
Peng et al. Challenging applications for multi-element analysis by laser-induced breakdown spectroscopy in agriculture: A review
CN113916847B (zh) 一种基于光谱技术和线性支持向量算法的水质检测方法
SG145708A1 (en) Inspection method and apparatus, lithographic apparatus, lithographic processing cell and device manufacturing method
CN109187392B (zh) 一种基于分区建模的锌液痕量金属离子浓度预测方法
Liu et al. Quantitative analysis of cadmium in tobacco roots using laser-induced breakdown spectroscopy with variable index and chemometrics
CN108596085A (zh) 基于卷积神经网络的土壤重金属含量检测模型的建立方法
CN104034689A (zh) 基于压片法的土壤重金属含量的检测方法及装置
Ye et al. Real-time observation, early warning and forecasting phytoplankton blooms by integrating in situ automated online sondes and hybrid evolutionary algorithms
CN108287140A (zh) 一种用于污水处理厂实时在线监测的方法及装置
US20110299085A1 (en) Rapid Tissue Analysis Technique
CN103954604A (zh) 基于藻类拉曼信号的水体残留农药检测方法
CN106442474A (zh) 一种基于偏最小二乘法的水泥生料三率值测量方法
CN104297206A (zh) 一种液态牛奶品牌快速鉴别方法
Wang et al. Multielement Principal Component Analysis and Origin Traceability of Rice Based on ICP‐MS/MS
CN104181182A (zh) 一种x荧光光谱法对谷物中砷元素的快速测定方法
CN111398255B (zh) 一种水稻根系所含镉元素的定量检测方法和系统
Panebianco et al. XRF analysis searching for fingerprint elemental profile in south-eastern Sicily tomatoes
CN108254400A (zh) X射线荧光光谱的预处理方法及装置
CN104181183A (zh) 一种x荧光光谱法对谷物中铅元素的快速测定方法
Chen et al. Identification of blood species based on surface‐enhanced Raman scattering spectroscopy and convolutional neural network
JP6446457B2 (ja) ガスのシロキサン含有量を求めるための方法および装置
CN112949038A (zh) 一种计算海洋水体不同浮游植物种群比吸收系数的方法
Peng et al. Fast determination of copper content in tobacco (Nicotina tabacum L.) leaves using laser-induced breakdown spectroscopy with univariate and multivariate analysis
Wang et al. Identification study of soil types based on feature factors of XRF spectrum combining with machine learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207