CN108333170A - 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 - Google Patents
一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 Download PDFInfo
- Publication number
- CN108333170A CN108333170A CN201810285618.5A CN201810285618A CN108333170A CN 108333170 A CN108333170 A CN 108333170A CN 201810285618 A CN201810285618 A CN 201810285618A CN 108333170 A CN108333170 A CN 108333170A
- Authority
- CN
- China
- Prior art keywords
- tealeaves
- lead
- signal
- quantitative analysis
- spectral
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medicinal Chemistry (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法,属于光谱分析领域。该方法通过LIBS设备对含不同铅浓度的茶叶进行初步分析,对照美国标准原子谱线库确定405.78nm处具有铅元素的谱线;然后将LIBS光谱信号数据置于随机共振双稳态系统中,建立随机共振系统方程;随后采用蚁群算法对参数进行优化,采用四阶龙格‑库塔算法对优化后的随机共振系统方程进行数值仿真,并使用Voigt函数对光谱进行拟合,获取随机共振放大后的信号谱线;最后构建茶叶中铅浓度与信号谱线之间的定标曲线,从而实现实际茶叶样品中铅元素的定量分析。本发明具有判别准确度高,简单快速等优点,为茶叶重金属含量分析提供一种参考方法。
Description
技术领域
本发明属于光谱分析领域,尤其是涉及一种基于激光诱导击穿光谱技术结合随机共振算法实现茶叶中重金属元素铅定量分析的方法。
背景技术
茶作为全球三大天然饮料之一,具有丰富营养价值和保健功能。茶叶中富含氨基酸、茶多酚、咖啡碱等化学成分及多种微量元素,对人体是有益的。随着人们生活质量的提升,人们对茶叶质量也越来越关注。目前影响茶叶质量安全的危害元素主要有:重金属超标、农药残留及有机微生物污染等。其中目前我国环境恶化影响,会导致有害重金属离子污染茶叶,出现茶叶产品的重金属含量超标现象,严重影响茶叶质量安全性,影响茶叶出口国际市场。茶叶中的重金属已成为制约茶叶质量安全的关键性因素。
激光诱导击穿光谱技术(LIBS)是一种光谱分析技术,在对样品组成及含量分析领域具有广泛的应用。LIBS技术是利用激光照射被测物体表面产生等离子体来获取物质成分(定性分析)、浓度(定量分析)和物质识别的分析技术。 LIBS相比于传统的光谱分析方法,具有实时、快速、无损或微损检测等特点。
基于随机共振方法实现的微弱信号放大的方法是通过构建双稳态系统,通过蚁群算法优化系统参数a和b确保系统输出信噪比最大。
Voigt拟合方法对系统光谱信号进行拟合和修正,建立茶叶光谱强度与铅元素浓度定标曲线,实现对茶叶重金属铅元素含量检测。
发明内容
针对目前茶叶中重金属铅元素信号微弱导致检测准确度低,检测效率低等缺点,本申请提供了一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法。
本发明的技术方案:
一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法,包括以下步骤:
(1)茶叶样品制备及光谱信号获取:
将同品种、等质量茶叶分别放入不同浓度的硝酸铅溶液中,进行铅污染处理,将污染后的茶叶干燥、研磨成均匀粉末并制成不同铅浓度茶叶的压片状样品;采用激光诱导击穿光谱检测方法获取压片状样品的光谱信号,并对压片状样品的光谱信号数据以碳元素为参考进行数据归一化处理;
(2)将归一化处理后的数据置于随机共振双稳态系统中,得到随机共振系统方程;使用蚁群算法对随机共振系统方程中的参数进行优化,并采用四阶龙格-库塔算法对优化后的随机共振系统方程进行数值仿真,获取经过随机共振后的放大信号;
(3)Voigt光谱修正:使用Voigt函数对放大信号进行拟合,获取随机共振放大后的信号谱线;
(4)建立定量分析模型:构建茶叶样品中铅浓度与信号谱线之间的定标曲线;并根据定标曲线定量分析实际茶叶样本中铅元素的含量。
所述步骤(2)中随机共振系统方程为:
<G(t)>=0,<G(t),G(t-τ)>=2Dδ(t)
V(x)=-ax2/2+bx4/4
其中,s(t)为模拟信号,V(x)为非线性双稳态系统的势函数,G(t)表示强度为 D、均值为0的高斯白噪声,δ(t)为冲激函数,<G(t),G(t-τ)>表示G(t)自相关函数,τ为时间延迟,a和b为大于0系统参数。
所述步骤(2)中采用四阶龙格-库塔算法进行数值仿真的表达式为:
k2=h×(a×(pn+k1/2)-b×(pn+k1/2)3+In)
k3=h×(a×(pn+k2/2)-b×(pn+k2/2)3+In+1)
k4=h×(a×(pn+k3)-b×(pn+k3)3+In+1)
其中,M为输入信号长度,h为积分步长,h=1/fs,fs为采样频率,In为双稳态输入信号,I0设置为0,pn为双稳态输出信号,k1代表pn点处斜率,k2代表利用k1求得pn+k1/2处的斜率,k3代表利用k2求得pn+k2/2
处斜率,k4代表利用k3求得pn+k3点处的斜率。
所述步骤(3)中所述Voigt函数为:
其中,其中HG代表高斯展宽,HL代表洛伦兹展宽,k为线性轮廓比例因子。
本发明的有益效果:茶叶中铅元素含量低导致其光谱信号微弱导致检测困难,随机共振方法是一种有效的强噪声背景下微弱信号检测方法,该方法使得噪声能量转化为信号能量,从而提高信噪比,实现微弱信号的放大;本方法具有简单、高效、准确定量分析茶叶中重金属铅元素含量的优点,可以对茶叶中重金属元素铅等微弱信号进行快速准确定量分析,提高茶叶中铅元素检测能力与效率,有效保证茶叶的质量与安全。
附图说明
图1为建立茶叶重金属元素铅定量模型流程图。
图2(a)为不同硝酸铅浓度茶叶铅元素与碳元素谱线强度比值。
图2(b)为Voigt修正后不同硝酸铅浓度茶叶铅元素与碳元素谱线强度比值。
图3(a)为随机共振后不同硝酸铅浓度茶叶铅元素与碳元素谱线强度比值。
图3(b)为随机共振结合Voigt修正后不同硝酸铅浓度茶叶铅元素与碳元素谱线强度比值
图4(a)为铅元素与碳元素光谱强度比值与铅浓度的定标曲线。
图4(b)为Voigt修正后铅元素与碳元素光谱强比值与铅浓度的定标曲线。
图5(a)为随机共振后铅元素与碳元素光谱强度比值与铅浓度的定标曲线。
图5(b)为随机共振结合Voigt修正后铅元素与碳元素光谱强度比值与铅浓度的定标曲线。
具体实施方式
下面参照附图具体说明发明的一个实施例。
一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法:包括以下步骤:
(1)本实验采用龙井茶叶进行分析,首先将等质量龙井茶叶分别浸泡在不同浓度的硝酸铅溶液中35小时,将污染茶叶进行干燥,在70摄氏度下干燥约5 个小时,然后研磨成均匀粉末,使用机械压片机对茶叶粉末施加30Mpa压力,持续3分钟制成直径15mm、厚3mm、重0.8g的片状样品,得到含不同质量分数硝酸铅(0.1%,0.3%,0.5%,0.7%,0.9%)的茶叶样品。
通过一系列预实验,调节影响LIBS光谱分析设备ICCD探测延时时间、门宽和激光能量等参数进行优化。最佳实验条件下获取LIBS光谱数据。以碳元素作为参考,对铅元素(405.78nm)谱峰进行定量分析。原始的光谱及修正后光谱如图2(a)和图2(b)所示。
(2)将归一化处理后320nm-340nm的光谱信号数据置于双稳态随机共振系统,得到随机共振系统方程;使用蚁群算法对随机共振系统进行参数a和b优化,使信号的输出信噪比最大。采用四阶龙格-库塔算法对不同铅浓度茶叶LIBS 光谱经过随机共振后输出信号进行数值仿真,获取经过随机共振后的放大信号。
(3)使用Voigt函数对放大信号进行拟合,获取随机共振放大后的信号谱线;如图3(a)和图3(b)所示。
(4)建立定量分析模型:构建茶叶样品中铅浓度和随机共振放大信号谱线之间的定标曲线。原始光谱信号建立定标曲线如图4(a)和图4(b)所示,随机共振后信号建立定标曲线如图5(a)和图5(b)所示。比较表明随机共振后茶叶定标曲线稳定性和准确性有所提升,定标曲线线性相关性为0.9983,相对均方根误差0.011%。
Claims (5)
1.一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法,其特征在于,包括以下步骤:
(1)茶叶样品制备及光谱信号获取:
将同品种、等质量茶叶分别放入不同浓度的硝酸铅溶液中,进行铅污染处理,将污染后的茶叶干燥、研磨成均匀粉末并制成不同铅浓度茶叶的压片状样品;采用激光诱导击穿光谱检测方法获取压片状样品的光谱信号,并对压片状样品的光谱信号数据以碳元素为参考进行数据归一化处理;
(2)将归一化处理后的数据置于随机共振双稳态系统中,得到随机共振系统方程;使用蚁群算法对随机共振系统方程中的参数进行优化,并采用四阶龙格-库塔算法对优化后的随机共振系统方程进行数值仿真,获取经过随机共振后的放大信号;
(3)Voigt光谱修正:使用Voigt函数对放大的信号进行拟合,获取随机共振放大后的信号谱线;
(4)建立定量分析模型:构建茶叶样品中铅浓度与信号谱线之间的定标曲线;并根据定标曲线定量分析实际茶叶样本中铅元素的含量。
2.根据权利要求1所述的方法,其特征在于,所述步骤(2)中随机共振系统方程为:
<G(t)>=0,<G(t),G(t-τ)>=2Dδ(t)
V(x)=-ax2/2+bx4/4
其中,s(t)为模拟信号,V(x)为非线性双稳态系统的势函数,G(t)表示强度为D、均值为0的高斯白噪声,δ(t)为冲激函数,<G(t),G(t-τ)>表示G(t)自相关函数,τ为时间延迟,a和b为大于0系统参数。
3.根据权利要求1或2所述的方法,其特征在于,所述步骤(2)中采用四阶龙格-库塔算法进行数值仿真的表达式为:
k2=h×(a×(pn+k1/2)-b×(pn+k1/2)3+In)
k3=h×(a×(pn+k2/2)-b×(pn+k2/2)3+In+1)
k4=h×(a×(pn+k3)-b×(pn+k3)3+In+1)
其中,M为输入信号长度,h为积分步长,h=1/fs,fs为采样频率,In为双稳态输入信号,I0设置为0,pn为双稳态输出信号,k1代表pn点处斜率,k2代表利用k1求得pn+k1/2处的斜率,k3代表利用k2求得pn+k2/2处斜率,k4代表利用k3求得pn+k3点处的斜率。
4.根据权利要求1或2所述的方法,其特征在于,所述步骤(3)中所述Voigt函数为:
其中,HG代表高斯展宽,HL代表洛伦兹展宽,k为线性轮廓比例因子。
5.根据权利要求3所述的方法,其特征在于,所述步骤(3)中所述Voigt函数为:
其中,HG代表高斯展宽,HL代表洛伦兹展宽,k为线性轮廓比例因子。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810285618.5A CN108333170A (zh) | 2018-03-27 | 2018-03-27 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
PCT/CN2019/077390 WO2019184678A1 (zh) | 2018-03-27 | 2019-03-08 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810285618.5A CN108333170A (zh) | 2018-03-27 | 2018-03-27 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108333170A true CN108333170A (zh) | 2018-07-27 |
Family
ID=62931855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810285618.5A Pending CN108333170A (zh) | 2018-03-27 | 2018-03-27 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108333170A (zh) |
WO (1) | WO2019184678A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813702A (zh) * | 2019-01-21 | 2019-05-28 | 柳州职业技术学院 | 一种基于激光诱导击穿光谱技术定量分析茶叶中Cr元素的方法 |
WO2019184678A1 (zh) * | 2018-03-27 | 2019-10-03 | 江南大学 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
CN111624194A (zh) * | 2020-06-05 | 2020-09-04 | 中国科学院合肥物质科学研究院 | 基于激光诱导击穿光谱的叶片元素无损测量方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705128A (zh) * | 2019-10-25 | 2020-01-17 | 陕西师范大学 | 一种可调参数的随机共振模拟系统 |
CN111751353A (zh) * | 2020-06-16 | 2020-10-09 | 贵州省分析测试研究院 | 一种去除作物中来源于大气沉降的重金属的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106596513A (zh) * | 2017-01-19 | 2017-04-26 | 江南大学 | 一种基于激光诱导击穿光谱茶叶品种识别方法 |
CN106770189A (zh) * | 2016-11-24 | 2017-05-31 | 浙江大学 | 一种基于激光诱导击穿光谱的烟叶铜元素快速检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217404A (zh) * | 2013-03-30 | 2013-07-24 | 中国科学院安徽光学精密机械研究所 | 一种激光诱导击穿光谱元素谱线归属识别方法 |
CN107764799A (zh) * | 2017-11-21 | 2018-03-06 | 江西农业大学 | 基于共振激发激光诱导击穿光谱快速检测茶叶重金属的装置 |
CN108333170A (zh) * | 2018-03-27 | 2018-07-27 | 江南大学 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
-
2018
- 2018-03-27 CN CN201810285618.5A patent/CN108333170A/zh active Pending
-
2019
- 2019-03-08 WO PCT/CN2019/077390 patent/WO2019184678A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106770189A (zh) * | 2016-11-24 | 2017-05-31 | 浙江大学 | 一种基于激光诱导击穿光谱的烟叶铜元素快速检测方法 |
CN106596513A (zh) * | 2017-01-19 | 2017-04-26 | 江南大学 | 一种基于激光诱导击穿光谱茶叶品种识别方法 |
Non-Patent Citations (6)
Title |
---|
李文宏 等: "土壤中铜的单脉冲LIBS定标方法研究", 《激光与光电子学进展》 * |
杨保国 等: "双稳态随机共振系统参数选择快速算法及应用", 《哈尔滨工程大学学报》 * |
罗毅: "自适应二阶双稳态随机共振的微弱特征增强检测方法研究", 《中国测试》 * |
郑振环 等: "《X射线多晶衍射数据Rietveld精修及GSAS软件入门》", 30 June 2016 * |
陈添兵 等: "脐橙含铅量的激光诱导击穿光谱检测实验研究", 《激光与光电子学进展》 * |
饶刚福 等: "基于激光诱导击穿光谱的茶叶品种识别模型对比", 《激光与光电子学进展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019184678A1 (zh) * | 2018-03-27 | 2019-10-03 | 江南大学 | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 |
CN109813702A (zh) * | 2019-01-21 | 2019-05-28 | 柳州职业技术学院 | 一种基于激光诱导击穿光谱技术定量分析茶叶中Cr元素的方法 |
CN111624194A (zh) * | 2020-06-05 | 2020-09-04 | 中国科学院合肥物质科学研究院 | 基于激光诱导击穿光谱的叶片元素无损测量方法 |
CN111624194B (zh) * | 2020-06-05 | 2023-04-28 | 中国科学院合肥物质科学研究院 | 基于激光诱导击穿光谱的叶片元素无损测量方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019184678A1 (zh) | 2019-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108333170A (zh) | 一种基于激光诱导击穿光谱技术定量分析茶叶中铅元素的方法 | |
Wang et al. | Classification of Chinese herbal medicine by laser-induced breakdown spectroscopy with principal component analysis and artificial neural network | |
Li et al. | Analytical-performance improvement of laser-induced breakdown spectroscopy for steel using multi-spectral-line calibration with an artificial neural network | |
CN102313731B (zh) | 一种未知物组成元素含量在线检测方法 | |
CN104034689A (zh) | 基于压片法的土壤重金属含量的检测方法及装置 | |
Yang et al. | Comparison of dry ashing, wet ashing and microwave digestion for determination of trace elements in periostracum serpentis and periostracum cicadae by ICP-AES | |
Yao et al. | Assessment of feasibility in determining of Cr in Gannan Navel Orange treated in controlled conditions by laser induced breakdown spectroscopy | |
Li et al. | Detection of heavy metals in water samples by laser-induced breakdown spectroscopy combined with annular groove graphite flakes | |
Zhu et al. | Lead of detection in rhododendron leaves using laser-induced breakdown spectroscopy assisted by laser-induced fluorescence | |
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 | |
CN104062255A (zh) | 基于样品盒法的土壤重金属含量的检测方法及装置 | |
Yu et al. | Challenges and opportunities in quantitative analyses of lead, cadmium, and hexavalent chromium in plant materials by laser-induced breakdown spectroscopy: A review | |
Liu et al. | Quantitative analysis of cadmium in tobacco roots using laser-induced breakdown spectroscopy with variable index and chemometrics | |
Yongcheng et al. | Quantitative analysis of magnesium in soil by laser-induced breakdown spectroscopy coupled with nonlinear multivariate calibration | |
Nasr et al. | Detection of hazardous pollutants in chrome-tanned leather using locally developed laser-induced breakdown spectrometer | |
Li et al. | Use of surface-enhanced Raman spectroscopy for the test of residuals of prohibited and restricted drugs in fish muscle | |
Gondal et al. | Determination of trace elements in volcanic rock samples collected from cenozoic lava eruption sites using LIBS | |
Yin et al. | Rapid analysis of heavy metals in the coal ash with laser-induced breakdown spectroscopy | |
Wang et al. | Comparative study of magnesium and calcium in Codonopsis pilosula samples detected by CF-LIBS and LCGD-AES | |
CN109030467B (zh) | 一种用于激光击穿光谱的自吸收效应修正方法 | |
Shao et al. | Determination of phosphorus in water using iron hydroxide assisted laser-induced breakdown spectroscopy | |
CN104316511B (zh) | 火花源原子发射光谱分析中谱线干扰的校正方法 | |
CN103792214A (zh) | 一种提高钢铁中碳元素含量测量精度的方法 | |
Martin et al. | Elemental analysis of environmental and biological samples using laser‐induced breakdown spectroscopy and pulsed Raman spectroscopy | |
Raitzsch et al. | Single-shell δ 11 B analysis of Cibicidoides wuellerstorfi using femtosecond laser ablation MC-ICPMS and secondary ion mass spectrometry |
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 |
Application publication date: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |