CN106546575A - 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 - Google Patents
一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 Download PDFInfo
- Publication number
- CN106546575A CN106546575A CN201610915261.5A CN201610915261A CN106546575A CN 106546575 A CN106546575 A CN 106546575A CN 201610915261 A CN201610915261 A CN 201610915261A CN 106546575 A CN106546575 A CN 106546575A
- Authority
- CN
- China
- Prior art keywords
- copper
- rice
- sample
- detection method
- libs
- 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
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
-
- 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
- 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
- G01N21/3103—Atomic absorption analysis
-
- 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
- G01N33/02—Food
- G01N33/10—Starch-containing substances, e.g. dough
-
- 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
- G01N2001/2866—Grinding or homogeneising
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于激光诱导击穿光谱技术的大米中铜含量检测方法,包括:1)配置含不同铜元素浓度梯度的一系列溶液,以铜元素含量作为梯度,将在所述溶液内浸泡后的大米样本研磨、过筛、压片作为检测样本;2)获取各个检测样本的激光诱导击穿光谱数据X;3)选择火焰‑原子吸收光谱法测量各浓度样本中铜元素的真实含量,记为Y;4)根据波长与元素之间的对应关系,在原始LIBS光谱数据中找到所有铜元素对应波峰所在的波长,记为X1;5)将X1中的数据剔除异常点后,获得数据X2;6)利用线性拟合,以X2为输入,为输出Y,建立线性回归模型;7)利用所述的线性回归模型对一定量样本中的铜含量进行定量分析,验证模型的准确性。
Description
技术领域
本发明涉及农产品重金属含量检测技术,尤其涉及一种基于激光诱导击穿光谱技术的大米中铜含量检测方法。
背景技术
大米是人体获取能量和矿物元素的重要途径之一,特别是对于中国人,是日常生活中不可或缺的重要食物之一。铜(Cu)是大米中的一种微量矿物元素,同时也是人体必须的一种微量元素。然而,由于环境受到金属污染,导致大米中的Cu含量累积,对人体健康存在潜在毒害作用。有研究表明,长期使用Cu含量超标的食物可能会增加癌症患病率。因此,如何快速精确检测大米中铜的含量,对农产品的重金属检测和食品安全问题都有着重要的意义。
例如,GB/T 5009.13-2003中阐述的一种用原子吸收光谱法对食品中铜的检测方法:(1)配置铜标准溶液,及相关试验试剂;(2)对待测样本处理,并制备试剂空白试验;(3)用铜标准溶液配置一系列浓度梯度的标准溶液;(4)以铜标准溶液系列含量和对应吸光度值,绘制标准曲线或计算直线回归方程;(5)测量样品的吸光度值,与标准曲线对照或带入方程求得含量。
目前,食品铜含量的检测仍以实验室化学分析方法为主,如原子吸收光谱法(包括火焰法和石墨炉法)、二乙基二硫代氨基甲酸钠法、分光光度法等。这些传统的检测方法虽然具有检测精度高、稳定性好等优点,但存在着一些明显的缺陷——需要对样品进行复杂的化学预处理,单次检测时间长,易造成二次污染,对操作人员的熟练程度和技能要求高,仪器昂贵等。现代食品安全要求绿色、快速地对食品中有害物质进行检测,所以急需发展一种便捷、快速的检测方法用于大米中铜含量的检测。
发明内容
为克服现有检测方法的不足,本发明提供基于激光诱导击穿光谱技术的大米中铜含量检测方法,具体技术方案如下:
为使该方法可用于测量不同种类大米中铜元素的含量,选用常见市售大米作为测试样本。成品大米铜含量的检测方法,包括:
1)配置含不同铜元素浓度梯度的一系列溶液,以铜元素含量作为梯度,将在所述溶液内浸泡后的大米样本研磨、过筛、压片作为检测样本;
2)获取各个检测样本的激光诱导击穿光谱数据X;
3)选择火焰-原子吸收光谱法测量各浓度样本中铜元素的真实含量,记为Y;
4)根据波长与元素之间的对应关系,在原始LIBS光谱数据中找到所有铜元素对应波峰所在的波长,记为X1;
5)将X1中的数据剔除异常点后,获得数据X2;
6)利用线性拟合,以X2为输入,为输出Y,建立线性回归模型:
Y=0.0447X2-17.5341
其中,Y为样本中铜元素的含量,X2为327.396nm处的峰值信号强度;
7)利用所述的线性回归模型对一定量样本中的铜含量进行定量分析,验证模型的准确性。
在步骤1)中,在环境温度为0~4℃时,将大米浸泡在铜溶液中36~60h,然后超纯水冲洗3次,样本在室温干燥后,经研磨、过筛,利用压片机压成片状,作为检测样本。进一步优选为4℃,浸泡48h,以获得不同Cu含量的大米样本。
作为优选,步骤1)中溶液铜含量共9个梯度,每个梯度铜含量依次为0,25ppm,50ppm,100ppm,200ppm,400ppm,600ppm,800ppm,1000ppm;每个梯度制备5片样本,3~5种大米共135片样本。由于样本的基体效应会对LIBS检测产生较大影响,从而影响模型的准确性和稳定性。该方法适用于成品大米,因此选择多个品种的大米能使模型更具有普遍意义,提高了模型的适用性。
作为优选,步骤2)中室温干燥能有效避免大米表面晶体析出,影响样本的Cu含量的检测。
作为优选,步骤2)中样本磨碎后需进行过筛处理,本发明选用的是200目的筛子,使大米粉颗粒大小控制在一个较小的范围内。大米粉颗粒大小的差异会直接影响压片性状,从而影响光谱数据的准确性和稳定性。而过筛处理能有效减少这一因素的影响。
作为优选,步骤2)中制备样本称量每样质量为0.5g,且压制压片的压强和时间固定,以此保证每个圆形压片直径和厚度在误差范围内相等。大米压片的微观结构也是影响压片性状的因素之一,从而影响光谱数据的准确性和稳定性。该操作能有效减少因压片微观结构差异而带来的影响。
作为优选,步骤3)中获取样本LIBS光谱的激光诱导击穿光谱仪参数事先经预实验获得,具体参数为:延时3μs,积分时间10ms,增益1500,能量60mJ,焦深2mm。在该参数条件下,获取到的Cu元素信背比最大,检测Cu元素含量的灵敏性较佳。
作为优选,步骤3)中将样本放置在位移平台,通过移动位移平台采集光谱信号。为尽可能多的获取数据,每片样本选择16个点位采集光谱信号。每个点位累积采集5次光谱信号,以减少因仪器、环境等因素而产生的误差。
作为优选,步骤5)中选用Cu I 327.396nm处所对应的峰值信号作为X1。在LIBS中,常用的Cu元素特征波长为Cu I 324.754nm和Cu I 327.396nm。实验中发现,Cu I327.396nm处的数据拥有较好的稳定性,且建模后线性拟合结果较佳。
作为优选,根据步骤5)中的所选择的数据,发现当样本中Cu浓度大于1000ppm时,有明显的自吸收现象,严重影响了峰值信号的准确性,应予以剔除。
作为优选,所述步骤6)中用于建模的样本量和步骤7)中用于验证的样本量按2:1随机分配。本次实验中,样本量较为充足,因此样本量按2:1进行划分后,既能建立较为准确的回归模型,又能对该模型进行充分验证。
与现有技术相比,本发明具有以下优点:
(1)样本预处理较为简便;
(2)每次检测所需样本量较少;
(3)仪器操作简单;
(4)可实现大米中铜元素的快速、大批量检测。
附图说明
图1为预测分析的结果图。
具体实施方式
本实施例中,成品大米中铜元素含量的检测方法,具体步骤如下:
(1)制备测试样本,以不同铜含量的3个品种的市售大米(普通大米、江苏大米和丝苗米),经研磨、过筛后压片,作为检测对象,每个样本质量为0.5g;
配置9个浓度梯度的铜溶液,按照铜含量从0到1000ppm分别编号1、2、3、……、9。在4℃的环境下,分别浸泡大米样本48h,然后用超纯水冲洗3次,室温干燥后,经研磨、过筛(200目),称量0.5g,用压片机压制成片作为样本。每个浓度平行压制5个压片,3个品种的大米,共获得样本数量135个;
(2)采集各个测试样本的LIBS光谱(X);
按照延时3μs,积分时间10ms,增益1500,能量60mJ,焦深2mm设定好LIBS仪器的参数,将每个样本放在移动位移平台上,打开激光器,通过设定程序移动位移平台,使激光打在每个样本表面16个不同点位,每个点位累积采集5次光谱信号。
(3)选择火焰-原子吸收光谱测量各样本中铜元素的真实含量。
用干法消解对样本进行前处理,定容到25mL的容量瓶后,用火焰-原子吸收光谱法测量其吸光度,根据换算公式计算出各样本中铜元素的含量,记为Y。
(4)根据获得原始信号得到的波形图,找到Cu元素在327.369nm处的峰值信号,记为X1。
(5)当样本铜元素含量大于1000ppm时,光谱有明显的自吸收现象,在没有进行数据矫正的情况下,这些数据不能用于数学建模或进行浓度预测,予以剔除。剔除异常样本后的数据记为X2。
(6)利用线性拟合,随机选择170个样本,以其X2为输入,Y为输出,根据建模集数据建立铜元素对应波长强度―样本铜元素含量线性回归模型:
Y=0.0447X2-17.5341
模型的决定系数R2为0.9797,模型其他参数如下表所示。
R2 | RMSED | Slope | Intercept | Bias | |
建模 | 0.9797 | 31.8364 | 0.9799 | 4.7859 | 6.5997×10-5 |
预测 | 0.9993 | 20.4018 | 0.9997 | 2.0626 | 2.2041 |
(7)利用步骤(6)中的线性回归模型,剩余的84个样本输入回归模型,对预测集样本进行铜含量的检测。
本实施例中,预测决定系数R2为0.9993,预测分析结果如图1所示;预测结果其他参数如上表所示。
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 (8)
1.一种基于激光诱导击穿光谱技术的大米中铜含量检测方法,其特征在于,包括:
1)配置含不同铜元素浓度梯度的一系列溶液,以铜元素含量作为梯度,将在所述溶液内浸泡后的大米样本研磨、过筛、压片作为检测样本;
2)获取各个检测样本的激光诱导击穿光谱数据X;
3)选择火焰-原子吸收光谱法测量各浓度样本中铜元素的真实含量,记为Y;
4)根据波长与元素之间的对应关系,在原始LIBS光谱数据中找到所有铜元素对应波峰所在的波长,记为X1;
5)将X1中的数据剔除异常点后,获得数据X2;
6)利用线性拟合,以X2为输入,为输出Y,建立线性回归模型:
Y=0.0447X2-17.5341
其中,Y为样本中铜元素的含量,X2为327.396nm处的峰值信号强度;
7)利用所述的线性回归模型对一定量样本中的铜含量进行定量分析,验证模型的准确性。
2.如权利要求1所述的大米中铜含量检测方法,其特征在于,各检测样本的质量相同,且压制压片的压强和时间也相同。
3.如权利要求1所述的大米中铜含量检测方法,其特征在于,在所述的步骤1)中,选用3~5种不同品种的市售大米。
4.如权利要求1所述的大米中铜含量检测方法,其特征在于,在所述的步骤1)中,配置9个浓度梯度的铜溶液,每个梯度铜含量依次为0、25ppm、50ppm、100ppm、200ppm、400ppm、600ppm、800ppm和1000ppm。
5.如权利要求1或4所述的大米中铜含量检测方法,其特征在于,在所述的步骤1)中,要求对研磨后的大米利用200目筛子进行过筛。
6.如权利要求1所述的大米中铜含量检测方法,其特征在于,所述步骤2)中获取样本LIBS光谱的激光诱导击穿光谱仪参数为:延时3μs,积分时间10ms,增益1500,能量60mJ,焦深2mm。
7.如权利要求6所述的大米中铜含量检测方法,其特征在于,在所述的步骤2)中,采集各检测样本16个点位的光谱信号,且每个点位累积采集5次。
8.如权利要求1所述的大米中铜含量检测方法,其特征在于,在步骤5)中,剔除样本中铜浓度大于1000ppm得到的光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610915261.5A CN106546575A (zh) | 2016-10-20 | 2016-10-20 | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610915261.5A CN106546575A (zh) | 2016-10-20 | 2016-10-20 | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106546575A true CN106546575A (zh) | 2017-03-29 |
Family
ID=58391969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610915261.5A Pending CN106546575A (zh) | 2016-10-20 | 2016-10-20 | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546575A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398252A (zh) * | 2020-03-17 | 2020-07-10 | 浙江大学 | 一种水稻叶片中镉元素定量检测方法及系统 |
CN111595834A (zh) * | 2020-05-27 | 2020-08-28 | 浙江大学 | 一种桑叶中重金属元素铜的快速定量检测模型的构建方法 |
WO2022057174A1 (zh) * | 2020-09-16 | 2022-03-24 | 江苏天瑞仪器股份有限公司 | 一种用于光谱仪的线阵cmos数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374752A (zh) * | 2014-11-17 | 2015-02-25 | 浙江大学 | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 |
CN105044050A (zh) * | 2015-07-07 | 2015-11-11 | 中国农业大学 | 农作物秸秆中金属元素快速定量分析方法 |
-
2016
- 2016-10-20 CN CN201610915261.5A patent/CN106546575A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374752A (zh) * | 2014-11-17 | 2015-02-25 | 浙江大学 | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 |
CN105044050A (zh) * | 2015-07-07 | 2015-11-11 | 中国农业大学 | 农作物秸秆中金属元素快速定量分析方法 |
Non-Patent Citations (3)
Title |
---|
中华人民共和国卫生部中国国家标准化管理委员会: "《中华人民共和国国家标准》", 11 August 2003, 中国标准出版社 * |
何秀文 等: "激光诱导击穿光谱对大米中镉元素的检测分析", 《应用激光》 * |
黎文兵 等: "特征变量提取方法对脐橙皮中Cu元素LIBS检测精度的影响", 《光谱学与光谱分析》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398252A (zh) * | 2020-03-17 | 2020-07-10 | 浙江大学 | 一种水稻叶片中镉元素定量检测方法及系统 |
CN111595834A (zh) * | 2020-05-27 | 2020-08-28 | 浙江大学 | 一种桑叶中重金属元素铜的快速定量检测模型的构建方法 |
CN111595834B (zh) * | 2020-05-27 | 2021-05-04 | 浙江大学 | 一种桑叶中重金属元素铜的快速定量检测模型的构建方法 |
WO2022057174A1 (zh) * | 2020-09-16 | 2022-03-24 | 江苏天瑞仪器股份有限公司 | 一种用于光谱仪的线阵cmos数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107478580B (zh) | 基于高光谱遥感的土壤重金属含量估算方法及装置 | |
CN105319198B (zh) | 基于拉曼光谱解析技术的汽油苯含量预测方法 | |
CN1982872B (zh) | 快速检测滴丸剂水分含量的近红外漫反射光谱法 | |
CN106501236A (zh) | 基于单脉冲激光诱导击穿光谱技术的大米中铜含量检测方法 | |
CN106918567B (zh) | 一种测量痕量金属离子浓度的方法和装置 | |
CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
CN108872129A (zh) | 一种基于偏最小二乘法的绝缘纸近红外光谱解析方法 | |
CN106546575A (zh) | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 | |
CN105717066B (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
CN106680241A (zh) | 一种新型光谱多元分析分类与识别方法及其用途 | |
CN108051410A (zh) | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 | |
CN106770189A (zh) | 一种基于激光诱导击穿光谱的烟叶铜元素快速检测方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN1982874A (zh) | 快速检测滴丸剂有效成分含量的近红外漫反射光谱法 | |
CN107064057A (zh) | 一种低含水率油田污泥含油量的快速测试方法 | |
CN102128805A (zh) | 果品近红外光谱波长选择和快速定量分析方法及装置 | |
CN107655918B (zh) | 土壤重金属能谱范围确定方法及装置 | |
CN106442474A (zh) | 一种基于偏最小二乘法的水泥生料三率值测量方法 | |
CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
CN105510305A (zh) | 一种土豆淀粉铝含量的检测方法 | |
CN103134770A (zh) | 消除水分对近红外光谱检测土壤全氮含量影响的方法 | |
CN1982873B (zh) | 快速检测滴丸剂外观质量的近红外漫反射光谱法 | |
CN102706811A (zh) | 一种应用近红外光谱分析技术鉴别卷烟糖料质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170329 |