CN109001186A - 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法 - Google Patents

基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法 Download PDF

Info

Publication number
CN109001186A
CN109001186A CN201811013880.0A CN201811013880A CN109001186A CN 109001186 A CN109001186 A CN 109001186A CN 201811013880 A CN201811013880 A CN 201811013880A CN 109001186 A CN109001186 A CN 109001186A
Authority
CN
China
Prior art keywords
soil
manganese
manganese element
sample
pulse laser
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
CN201811013880.0A
Other languages
English (en)
Inventor
何勇
刘小丹
刘飞
申婷婷
王唯
赵懿滢
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 CN201811013880.0A priority Critical patent/CN109001186A/zh
Publication of CN109001186A publication Critical patent/CN109001186A/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 Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，包括：将多种标准土壤及其两两等比混合的办法制备含有N个锰浓度的土壤样本；然后对双脉冲LIBS系统的仪器参数进行优化，并采集土壤压片样本的LIBS谱线；对光谱数据经过预处理后，选择Mn I 279.48nm、Mn I 404.14nm处的信号作为输入值，样本中锰元素浓度作为输出值，建立土壤样本锰含量预测的多元回归分析模型，预测决定系数R2达到0.974。本发明实现了土壤中锰元素含量的快速检测，具有操作简单，成本低等特点；同时由于共线双脉冲的信号增强作用，本方法的检测精度较高，可以为开发便携式的土壤锰元素含量检测仪器提供参考。

Description

基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测 方法
技术领域
本发明涉及土壤营养元素检测技术，尤其涉及一种基于共线双脉冲的激光诱导击穿光谱的土壤锰元素的快速检测方法。
背景技术
土壤营养元素能够反映土壤的肥力，影响作物产量及品质。其中，锰元素作为影响光合作用最主要的微量元素之一，不仅参与作物光合作用中的电子传递，还与作物叶绿素的合成密切相关。土壤中锰元素含量过低会导致作物产量和品质降低，但土壤锰含量过高会造成土壤环境污染，导致土壤营养分布失衡。因此，对土壤中锰元素的定量检测对于作物生长及土壤污染治理有着重要的意义。目前，土壤中锰元素的主要检测方法有原子吸收法，电感耦合等离子体质谱法，电感耦合等离子体原子发射光谱法等化学检测方法，这些方法虽然检准确度高，但需要消耗化学试剂对样品进行消解处理，对操作人员的专业程度要求高，检测过程复杂、周期较长，无法实现土壤锰元素的高效、准确、实时检测。
激光诱导击穿光谱仪(Laser-Induced Breakdown Spectroscopy,LIBS)利用脉冲激光烧蚀样本产生等离子体发射特定的光谱信号，通过光谱仪获取的等离子体发射的光谱，可以实现样本中元素组成及含量的分析。但是元素检测限较高一直是LIBS技术的难题。因此，LIBS信号增强技术成为国内外学者的关注焦点。基于共线双脉冲的LIBS信号增强技术是目前效果较好，应用较多的信号增强技术之一。应用共线双脉冲激光诱导击穿光谱技术能快速准确的获取土壤锰含量，有利于作物生长及环境监测。
发明内容
本发明公开了一种土壤营养元素的快速检测方法，实现了基于共线双脉冲激光诱导击穿光谱对土壤锰元素的快速检测，具有操作简单，检测成本低，准确度高等特点。
本发明的具体技术方案如下：
一种基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，包括步骤：
1)制得N个梯度的含锰土壤样本，并制成压片样品，样本中锰元素浓度记为Y；
2)采用双脉冲激光采集含锰土壤样本的LIBS光谱数据记为X；
3)根据LIBS光谱数据X数据曲线，结合波长与元素一一对应的关系，找出锰元素对应的波长；
4)对LIBS光谱数据X进行预处理，预处理后的数据为X1，在X1中提取出与步骤3)中锰元素波长对应的光谱数据X2；采用X-Y共生矩阵法将所得光谱数据(X2,Y)按2:1的比例划分为建模集和预测集；
5)分别以建模集中的X2作为输入，Y为输出,建立土壤样本中锰元素浓度与对应LIBS谱线强度的多元线性回归分析模型：
Y＝0.0001X1+0.0003X2+0.1329
其中，Y为样本中锰元素的实际含量，X1、X2分别为与锰元素对应的279.48nm、404.14nm的信号强度；
将预测集中的X2带入建立的定量分析模型，得到样本中锰元素的预测浓度。
在步骤1)中，采用不同土壤等重量混合制备所述含锰土壤样本，土壤中锰元素浓度分别为：0.53mg·g-1、0.88mg·g-1、0.71mg·g-1、0.63mg·g-1、0.56mg·g-1、0.96mg·g-1。
本技术方案中，制备含锰土壤样本的六种土壤分别为内蒙古杭锦后旗盐碱土(GBW07447)、浙江省象山东海滩涂沉积物(GBW7452)、广东省阳江市南海滩沉积物(GBW7453)、陕西省洛川黄土(GBW7454)、安徽五河淮河沉积物(GBW7455)、江苏省张家港澄江沉积物(GBW7456)。
在步骤1)中，将含锰土壤样本制成等规格的方形压片样品，每片质量为0.5g，每个梯度制备3个压片样本。
在步骤2)中，对激光诱导击穿光谱仪的参数进行优化，得到的最优参数为：第一束激光能量为25mJ；第二束激光能量为75mJ；激光波长为532nm；延时时间为6us；积分时间为10us，脉冲间隔为1.2us。最优参数条件下，样本中锰元素2条谱线单脉冲信号的平均信噪比(信号与噪声的比值)最低达到了26.83，双脉冲信号的平均信噪比最低达到了37.72，信号与噪声能够明显区分。
在步骤4)中，采用小波变换方法进行降噪处理，小波奇函数为db4，层数设为3。
在步骤4)中，采用SPXY方法(X-Y共生矩阵法)对样本进行划分。具体方法时先把所有的样本都看作建模集候选样本，然后采用迭代的方法选择欧氏距离最远的两个向量对进入建模集，直到选出所要求的样本数目。其距离公式如下：
其中，dxy(m,n)为欧式距离，dx(m,n)为光谱距离，dy(m,n)为理化性质特征距离。
本发明采用SPXY方法在样本划分时，同时考虑样本的光谱特征及理化性质特征，能提高模型的预测能力。
在步骤5)中，根据美国NIST原子光谱数据库和试验系统标定的特征波长，用于建立模型的锰元素的主要特征谱线为：Mn I 279.48nm、MnI 404.14nm。
相对于现有技术，本发明具有的有益效果是：
(1)实现了土壤锰元素的定量检测。
(2)利用基于共线双脉冲的LIBS技术进行土壤锰元素检测，具有操作简单，成本低、快速高效准确等特点。有效克服了传统检测方法程序复杂，成本较高，对样品破坏大等缺点。
(3)选择了具有代表性的锰元素波长，有利于便携式传感仪器的开发。
附图说明
图1为土壤样本锰元素浓度的多元回归分析模型预测结果。
具体实施方式
下面结合具体实施案例和附图说明对本发明作进一步说明。
一种基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，包括：
(1)样本制备。本研究采用的土壤样品购买于中国计量学院的标准土壤样品，六种土壤分别为内蒙古杭锦后旗盐碱土(GBW07447)、浙江省象山东海滩涂沉积物(GBW7452)、广东省阳江市南海滩沉积物(GBW7453)、陕西省洛川黄土(GBW7454)、安徽五河淮河沉积物(GBW7455)、江苏省张家港澄江沉积物(GBW7456)。为了利用现有的六种土壤得到更多的浓度梯度，采用六种及六种土壤样品等量两两混合得到含有21个浓度梯度的锰元素土壤样本。6种标准土壤样品中锰元素的浓度分别为：0.53mg·g-1、0.88mg·g-1、0.71mg·g-1、0.63mg·g-1、0.56mg·g-1、0.96mg·g-1。使用压片机(10MPa压强持续30s)制作成规格为10mm×10mm×2mm的方形样品，每片质量为0.5g。每个浓度制备3个样本，共得到63个土壤压片样本用于实验。
(2)采集样本的LIBS光谱信号。实验前将实验仪器预热30min使其达到稳定状态。按照第一束激光能量25mJ，第二束激光能量75mJ，激光波长532nm，延时时间6us，积分时间10us，脉冲间隔1.2us对仪器参数进行设置。将样本置于位移平台，调整程序设定位移平台的移动路径，打开激光器，调出两束激光，保证两束激光的击打位置一致的条件下使激光击打样本的16个不同点位，每个点位累积采集5次光谱信号。
(3)根据原始LIBS光谱数据(X)曲线，结合美国NIST原子光谱数据库和试验系统标定的特征波长，找出锰元素的主要特征谱线为：Mn I279.48nm、Mn I 404.14nm。
(4)对原始LIBS光谱数据(X)进行小波变换降噪、求平均预处理，经过预处理后的数据记为X1，在X1中提取出与3)中锰元素波长对应的光谱数据，记为X2。采用SPXY方法按照2:1的比例对样本进行划分，得到建模集样本42个，预测集样本21个。
(5)根据建模集X2中的锰元素谱线的峰值强度与样品中锰元素的含量建立多元回归分析模型：Y＝0.0001X1+0.0003X2+0.1329
其中，Y为样本中锰元素的实际含量，X1、X2分别为与锰元素对应的279.48nm、404.14nm的信号强度；
将预测集中锰元素谱线的峰值强度带入回归分析模型得到预测的锰元素浓度，如图1所示。结果表明，锰元素含量和对应的共线双脉冲LIBS谱线强度线性相关性较好，预测集的拟合决定系数R2达到了0.974。上述结果表明，本发明的方法能够实现土壤中锰的快速定量检测，能够为作物生长及环境监测提供参考，具有良好的应用前景。

Claims (7)

1.一种基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，包括步骤：
1)制得N个梯度的含锰土壤样本，并制成压片样品，样本中锰元素浓度记为Y；
2)采用双脉冲激光采集含锰土壤样本的LIBS光谱数据记为X；
3)根据LIBS光谱数据X数据曲线，结合波长与元素一一对应的关系，找出锰元素对应的波长；
4)对LIBS光谱数据X进行预处理，预处理后的数据为X1，在X1中提取出与步骤3)中锰元素波长对应的光谱数据X2；采用X-Y共生矩阵法将所得光谱数据(X2,Y)按2:1的比例划分为建模集和预测集；
5)分别以建模集中的X2作为输入，Y为输出；建立土壤样本中锰元素浓度与对应LIBS谱线强度的多元线性回归分析模型：
Y＝0.0001X1+0.0003X2+0.1329
其中，Y为样本中锰元素的实际含量，X1、X2分别为与锰元素对应的279.48nm、404.14nm的信号强度；
将预测集中的X2带入建立的定量分析模型，得到样本中锰元素的预测浓度。
2.如权利要求1所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤1)中，采用不同土壤等重量混合制备所述含锰土壤样本，土壤中锰元素浓度分别为：0.53mg·g-1、0.88mg·g-1、0.71mg·g-1、0.63mg·g-1、0.56mg·g-1、0.96mg·g-1。
3.如权利要求2所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤1)中，将含锰土壤样本制成等规格的方形压片样品，每片质量为0.5g，每个梯度制备3个压片样本。
4.如权利要求1所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤2)中，对激光诱导击穿光谱仪的参数进行优化，得到的最优参数为：第一束激光能量为25mJ；第二束激光能量为75mJ；激光波长为532nm；延时时间为6us；积分时间为10us，脉冲间隔为1.2us。
5.如权利要求1所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤4)中，采用小波变换方法进行降噪处理，小波奇函数为db4，层数设为3。
6.如权利要求1所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤4)中，采用X-Y共生矩阵法对样本进行划分时，将所有的含锰土壤样本都看作建模集候选样本，然后采用迭代的方法选择欧氏距离最远的两个向量对进入建模集，直到选出所要求的样本数目；其距离公式如下：
其中，dxy(m,n)为欧式距离，dx(m,n)为光谱距离，dy(m,n)为理化性质特征距离。
7.如权利要求1所述的基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法，其特征在于，在步骤5)中，根据美国NIST原子光谱数据库和试验系统标定的特征波长，用于建立模型的锰元素的主要特征谱线为：Mn I 279.48nm、Mn I 404.14nm。
CN201811013880.0A 2018-08-31 2018-08-31 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法 Pending CN109001186A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811013880.0A CN109001186A (zh) 2018-08-31 2018-08-31 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811013880.0A CN109001186A (zh) 2018-08-31 2018-08-31 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法

Publications (1)

Publication Number Publication Date
CN109001186A true CN109001186A (zh) 2018-12-14

Family

ID=64590775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811013880.0A Pending CN109001186A (zh) 2018-08-31 2018-08-31 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法

Country Status (1)

Country Link
CN (1) CN109001186A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945938A (zh) * 2021-03-23 2021-06-11 浙江大学山东(临沂)现代农业研究院 一种基于双脉冲信号增强技术的水稻铬定量检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020143A (zh) * 2014-06-09 2014-09-03 江西农业大学 基于共线双脉冲libs技术快速检测食用油中苯并芘含量的方法
US20140368819A1 (en) * 2013-06-12 2014-12-18 Applied Research Associates, Inc. Methods for Detecting Parasites, Viruses, Bacteria and Drugs in Human and Animal Blood and Cerebral Spinal Fluid, Using Laser-Induced Breakdown Spectroscopy
CN105092540A (zh) * 2015-06-16 2015-11-25 江西农业大学 一种食用油中重金属铅含量的快速高精度检测方法及装置
CN106290309A (zh) * 2016-09-16 2017-01-04 天津大学 基于libs便携式可变深度土壤重金属含量检测装置
CN107966430A (zh) * 2017-10-18 2018-04-27 深圳市芭田生态工程股份有限公司 一种用于快速检测肥料养分含量的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140368819A1 (en) * 2013-06-12 2014-12-18 Applied Research Associates, Inc. Methods for Detecting Parasites, Viruses, Bacteria and Drugs in Human and Animal Blood and Cerebral Spinal Fluid, Using Laser-Induced Breakdown Spectroscopy
CN104020143A (zh) * 2014-06-09 2014-09-03 江西农业大学 基于共线双脉冲libs技术快速检测食用油中苯并芘含量的方法
CN105092540A (zh) * 2015-06-16 2015-11-25 江西农业大学 一种食用油中重金属铅含量的快速高精度检测方法及装置
CN106290309A (zh) * 2016-09-16 2017-01-04 天津大学 基于libs便携式可变深度土壤重金属含量检测装置
CN107966430A (zh) * 2017-10-18 2018-04-27 深圳市芭田生态工程股份有限公司 一种用于快速检测肥料养分含量的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吕阳阳: "共线双脉冲及单脉冲激光诱导击穿光谱技术对土壤中营养元素检测对比研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945938A (zh) * 2021-03-23 2021-06-11 浙江大学山东(临沂)现代农业研究院 一种基于双脉冲信号增强技术的水稻铬定量检测方法

Similar Documents

Publication Publication Date Title
CN105675562B (zh) 一种基于二维荧光相关谱的水中多环芳烃的检测方法
CN108872198A (zh) 基于氩气环境的激光诱导击穿光谱的土壤重金属元素镉检测方法
CN109030428A (zh) 基于共线双脉冲激光诱导击穿光谱的土壤钾元素的快速检测方法
CN103674789A (zh) 一种基于单颗粒质谱的大气颗粒物实时源解析方法
CN103808695B (zh) 一种基于激光诱导击穿光谱技术检测铁矿石全铁的方法
CN103983617A (zh) 一种基于小波变换改进激光探针定量分析的方法
CN105044050A (zh) 农作物秸秆中金属元素快速定量分析方法
CN104596957A (zh) 基于可见光近红外光谱技术的土壤铜含量估算方法
CN102928396B (zh) 基于拉曼光谱的尿素同位素丰度的快速检测方法
CN102980905B (zh) 基于x射线荧光能谱检测光伏玻璃中铁含量的方法
CN101836561B (zh) 一种海滨盐土蓖麻产量预测模型及其构建方法和应用
CN104730042A (zh) 一种遗传算法结合激光诱导击穿光谱提高自由定标分析精度的方法
CN102830096A (zh) 基于人工神经网络的元素浓度测量误差修正方法
CN109187498A (zh) 基于共线双脉冲激光诱导击穿光谱的土壤钙元素的快速检测方法
Limoges et al. Long-term hydrological changes in the northeastern Gulf of Mexico (ODP-625B) during the Holocene and late Pleistocene inferred from organic-walled dinoflagellate cysts
CN107655918B (zh) 土壤重金属能谱范围确定方法及装置
CN112304997A (zh) 基于空间耦合模型的土壤重金属含量检测系统及检测方法
CN106841170B (zh) 一种基于小波神经网络算法的煤灰种类识别方法
CN109001186A (zh) 基于共线双脉冲激光诱导击穿光谱的土壤锰元素的快速检测方法
CN106126879B (zh) 一种基于稀疏表示技术的土壤近红外光谱分析预测方法
CN108872199A (zh) 基于共线双脉冲激光诱导击穿光谱的土壤镁元素的快速检测方法
CN113588597A (zh) 一种提升炉渣分析精度的方法
JP2009036689A (ja) 環境水中の微量Ｓｅの簡易分析方法
CN201788146U (zh) 脉冲氙灯式土壤养分测试仪
CN105277531A (zh) 一种基于分档的煤质特性测量方法

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

Application publication date: 20181214

RJ01 Rejection of invention patent application after publication