CN114894782A - 一种libs定量分析方法、系统及电子设备 - Google Patents
一种libs定量分析方法、系统及电子设备 Download PDFInfo
- Publication number
- CN114894782A CN114894782A CN202210822925.9A CN202210822925A CN114894782A CN 114894782 A CN114894782 A CN 114894782A CN 202210822925 A CN202210822925 A CN 202210822925A CN 114894782 A CN114894782 A CN 114894782A
- Authority
- CN
- China
- Prior art keywords
- elements
- spectral data
- regression equation
- characteristic peak
- 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.)
- Granted
Links
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Algebra (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种LIBS定量分析方法、系统及电子设备,其中分析方法包括步骤:利用LIBS获取多个样品的光谱数据;提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合;以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin‑Scherbe公式,建立待测元素与校正元素关联的多个回归方程;根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程,作为定量分析函数。本发明利用多元素谱线校正待测元素谱线的多元非线性模型,以提高定量分析的稳定性与准确性。
Description
技术领域
本发明属于光谱分析领域,特别涉及一种LIBS定量分析方法、系统及电子设备。
背景技术
激光诱导击穿光谱技术(LIBS)是采用一定功率密度的激光束通过各种透镜后聚焦到样品表面,样品表面就会蒸发、气化、电离,最终形成等离子体,并利用光谱仪收集等离子体的发射光谱,通过分析所采集的光谱数据进行定量和定性分析,由于LIBS几乎无须样品制备,可快速有效的直接原位分析样品,且可同时分析所有元素,并且可以分析各种基态(固体、熔体、气体等)样品被著名化学家James D. Winefordner喻为“未来检测之星”。
在利用激光诱导击穿光谱技术定量分析的时候,受能量稳定性,基体体效应以及自吸收等因素干扰,导致LIBS的光谱稳定性较差,单纯通过一条谱线建立的回归方程其稳定性以及准确性都较差。
发明内容
针对上述问题,本发明采用的技术方案是:一种LIBS定量分析方法,包括以下步骤:
利用LIBS获取多个样品的光谱数据;
提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合;
以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程;
根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程,作为定量分析函数。
可选地,在所述的获取多个样品的光谱数据步骤之后,还包括以下步骤:
对所述光谱数据进行扣除背底预处理。
可选地,在所述的提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合步骤中,包括:
利用寻峰算法提取所述光谱数据的所有特征峰;
利用洛伦兹函数对所述特征峰进行拟合;
提取特征峰拟合面积和特征峰中心波长;
将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素的特征峰集合。
可选地,在所述的建立待测元素与校正元素关联的回归方程的步骤中,包括:
根据Lomakin-Scherbe公式忽略自吸收影响后,采用多元素谱线进行校正,得到以下公式:
设定待测元素的占比为C1,则:
近似得到:
式中,Cj代表编号为j的元素占比,j是元素标号,Ii代表编号为i的元素光谱强度,k为元素的回归方程系数,kS为元素的回归方程拟合系数,IS代表编号为s的元素的光谱强度,s,i是编号,用于区分元素种类的。
可选地,所述方法还包括以下步骤:
将多个样品的光谱数据的特征峰集合划分成训练集、测试集和验证集。
可选地,在所述的根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程的步骤中,包括:
利用训练集的光谱数据对所述回归方程进行拟合;
利用测试集的光谱数据筛选出最优组合的回归方程。
可选地,所述方法还包括以下步骤:
利用验证集的光谱数据对筛选出的最优组合的回归方程进行验证。
以及,一种LIBS定量分析系统,包括:
数据获取模块:用于获取多个样品的光谱数据;
特征峰提取模块:用于提取所述数据获取模块中光谱数据的特征峰,得到光谱数据中各元素的特征峰集合;
定量分析函数确定模块:用于以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程;还用于根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程作为定量分析函数。
可选地,分析系统还包括:预处理模块,所述预处理模块用于对所述光谱数据进行扣除背底预处理。
可选地,所述特征峰提取模块具体用于:
利用寻峰算法提取所述光谱数据的所有特征峰;
利用洛伦兹函数对所述特征峰进行拟合;
提取特征峰拟合面积和特征峰中心波长;
将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素的特征峰集合。
可选地,所述定量分析函数确定模块在建立待测元素与校正元素关联的回归方程时,具体为:
根据Lomakin-Scherbe公式忽略自吸收影响后,采用多元素谱线进行校正,得到以下公式:
设定待测元素的占比为C1,则:
近似得到:
式中,Cj代表编号为j的元素占比,j是元素标号,Ii代表编号为i的元素光谱强度,k为元素的回归方程系数,kS为元素的回归方程拟合系数,IS代表编号为s的元素的光谱强度,s,i是编号,用于区分元素种类的。
以及,一种电子设备,包括:
存储器,存储有计算机可执行指令;
处理器,配置为运行所述计算机可执行指令;其中,所述计算机可执行指令被所述处理器运行时实现上述的LIBS定量分析方法。
本发明由于采用上述技术方案,使其具有以下有益效果:利用多元素谱线校正待测元素谱线的多元非线性模型,以提高定量分析的稳定性与准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据现有内标法验证集验证最优模型的泛化能力结果示意图;
图2示出了根据本发明实施例验证集验证最优模型的泛化能力结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例的LIBS定量分析方法,包括以下步骤:
S1、利用LIBS设备获取多个样品的光谱数据,并将多个样品的光谱数据的特征峰集合划分成训练集、测试集和验证集;
例如,选用135个铜炉渣样品,并将135个样品中的81个样品做为训练集,27个样品做为测试集,剩余的27个样品做为验证集,当前光谱数据的维度为M维。
S2、对光谱数据进行预处理;
在本实施例中,预处理包括对所述光谱数据进行扣除背底处理和剔除异常数据处理。
其中,扣除背底处理为背景光扣除处理,由于光谱仪采集到的光谱是元素的光谱以及连续背景信号的叠加,需要扣除其中的连续背景信号,以得到元素的净光谱。连续背景信号并不是噪声,而是由于激光诱导等离子体中的黑体辐射、韧致辐射和复合辐射特性所导致的一种强度相对稳定的背景干扰,因此可通过数学方法进行处理,常用的方法为分段拟合法、小波变换法等。
S3、提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合;具体如下:
利用寻峰算法提取所述光谱数据的所有特征峰;
利用洛伦兹函数对所述特征峰进行拟合;
提取特征峰拟合面积和特征峰中心波长,将光谱数据的维度从M降维N维;
将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素(包括Cu、Fe、Si等元素)的特征峰集合。
S4、以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程;具体如下:
根据Lomakin-Scherbe公式忽略自吸收影响后,由于采用内标法在实际应用过程中可能不存在浓度变化较小的内标元素,因此采用多元素谱线进行校正,得到以下公式:
设定待测元素的占比为C1,则:
近似可得:
式中,Cj代表编号为j的元素占比,j是元素标号,Ii代表编号为i的元素光谱强度,k为元素的回归方程系数,kS为元素的回归方程拟合系数,IS代表编号为s的元素的光谱强度,s,i是编号,用于区分元素种类的。
S5、根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程,作为定量分析函数;具体如下:
利用训练集对所述回归方程进行拟合,计算出各元素的回归方程拟合系数k;
利用测试集筛选出最优组合的回归方程。
其中,较佳的,还可结合评价系数R2进行筛选。
S6:利用验证集对筛选出的最优组合的回归方程进行验证,即对最后得到的定量分析函数进行验证。
本发明实施例还提供一种LIBS定量分析系统,包括:
数据获取模块:用于获取多个样品的光谱数据。
预处理模块,用于对所述光谱数据进行扣除背底处理和剔除异常数据处理。
特征峰提取模块:用于提取所述数据获取模块中光谱数据的特征峰,得到光谱数据中各元素的特征峰集合;其中,特征峰提取模块在得到特征峰集合时,具体为:先利用寻峰算法提取所述光谱数据的所有特征峰,再利用洛伦兹函数对所述特征峰进行拟合,提取特征峰拟合面积和特征峰中心波长,最后将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素的特征峰集合。
定量分析函数确定模块:用于以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程,根据光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程作为定量分析函数。定量分析函数确定模块在得到定量分析函数时,具体实现步骤与上述本发明实施例的LIBS定量分析方法的步骤S4对应,因此不做赘述。在获取定量分析函数后,便可利用该函数对待测品的元素进行预测计算。
通过本实施例计算得出的定量分析函数和现有技术内标法对待测元素进行预测时,如图1所示根据现有内标法验证集验证最优模型的泛化能力结果示意图,以及图2所示的根据本发明实施例验证集验证最优模型的泛化能力结果示意图。
此外,通过评价系数对本发明实施例和现有技术内标法的评价系数结果如下表1所示:
表1
方法 | MAE | R2 |
内标法 | 0.077 | 0.49 |
多元素校正法 | 0.054 | 0.77 |
其中,平均绝对误差MAE用于衡量预测值与真实值之间的平均绝对误差,MAE越小表示模型越好;决定系数R2反映因变量的全部变异能通过回归关系被自变量解释的比例,R2越大表示模型越好;其定义如下:
可见,通过多元素谱线校正待测元素,相对传统定标方法,提升了结果的稳定性以及准确性。
本发明实施例还提供一种电子设备,包括:存储器,存储有计算机可执行指令;处理器,配置为运行所述计算机可执行指令。其中,所述计算机可执行指令被所述处理器运行时实现上述的LIBS定量分析方法。
以上所述仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (12)
1.一种LIBS定量分析方法,其特征在于,包括以下步骤:
利用LIBS获取多个样品的光谱数据;
提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合;
以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程;
根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程,作为定量分析函数。
2.如权利要求1所述的LIBS定量分析方法,其特征在于,在所述的获取多个样品的光谱数据步骤之后,还包括以下步骤:
对所述光谱数据进行扣除背底预处理。
3.如权利要求1所述的LIBS定量分析方法,其特征在于,在所述的提取所述光谱数据的特征峰,得到所述光谱数据中各元素的特征峰集合步骤中,包括:
利用寻峰算法提取所述光谱数据的所有特征峰;
利用洛伦兹函数对所述特征峰进行拟合;
提取特征峰拟合面积和特征峰中心波长;
将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素的特征峰集合。
5.如权利要求1所述的LIBS定量分析方法,其特征在于,所述方法还包括以下步骤:
将多个样品的光谱数据的特征峰集合划分成训练集、测试集和验证集。
6.如权利要求5所述的LIBS定量分析方法,其特征在于,在所述的根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程的步骤中,包括:
利用训练集的光谱数据对所述回归方程进行拟合;
利用测试集的光谱数据筛选出最优组合的回归方程。
7.如权利要求5所述的LIBS定量分析方法,其特征在于,所述方法还包括以下步骤:
利用验证集的光谱数据对筛选出的最优组合的回归方程进行验证。
8.一种LIBS定量分析系统,其特征在于,包括:
数据获取模块:用于获取多个样品的光谱数据;
特征峰提取模块:用于提取所述数据获取模块中光谱数据的特征峰,得到光谱数据中各元素的特征峰集合;
定量分析函数确定模块:用于以样品中除待测元素以外的元素作为校正元素,将所述校正元素在不同波段的特征峰进行排列组合,并结合Lomakin-Scherbe公式,建立待测元素与校正元素关联的多个回归方程;还用于根据所述光谱数据对所述回归方程进行拟合,并筛选出最优组合的回归方程作为定量分析函数。
9.如权利要求8所述的LIBS定量分析系统,其特征在于,还包括:
预处理模块,所述预处理模块用于对所述光谱数据进行扣除背底预处理。
10.如权利要求8所述的LIBS定量分析系统,其特征在于,所述特征峰提取模块具体用于:
利用寻峰算法提取所述光谱数据的所有特征峰;
利用洛伦兹函数对所述特征峰进行拟合;
提取特征峰拟合面积和特征峰中心波长;
将所述特征峰拟合面积、所述特征峰中心波长与光谱数据库进行比对,确定特征峰对应的元素,得到所述光谱数据中各元素的特征峰集合。
12.一种电子设备,其特征在于,包括:
存储器,存储有计算机可执行指令;
处理器,配置为运行所述计算机可执行指令;其中,所述计算机可执行指令被所述处理器运行时实现权利要求1-7任一项所述的LIBS定量分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822925.9A CN114894782B (zh) | 2022-07-14 | 2022-07-14 | 一种libs定量分析方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822925.9A CN114894782B (zh) | 2022-07-14 | 2022-07-14 | 一种libs定量分析方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114894782A true CN114894782A (zh) | 2022-08-12 |
CN114894782B CN114894782B (zh) | 2022-12-23 |
Family
ID=82730026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210822925.9A Active CN114894782B (zh) | 2022-07-14 | 2022-07-14 | 一种libs定量分析方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114894782B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5087123A (en) * | 1988-04-09 | 1992-02-11 | Bodenseewerk Perkin Elmer Gmbh | Atomic emission spectrometer with background compensation |
WO2010046595A1 (fr) * | 2008-10-21 | 2010-04-29 | Institut National De L'environnement Industriel Et Des Risques | Methode et systeme d'analyse de la stoechiometrie de particules; procede de fabrication de particules avec controle de stoechiometrie |
CN106525818A (zh) * | 2016-10-13 | 2017-03-22 | 中国科学院上海技术物理研究所 | 基于多数据库支撑及多环节修正的libs火星物质分析方法 |
CN106814061A (zh) * | 2016-12-13 | 2017-06-09 | 华中科技大学 | 一种提高激光诱导击穿光谱重叠峰定量分析精度的方法 |
CN108444980A (zh) * | 2018-01-30 | 2018-08-24 | 中国科学院上海技术物理研究所 | 基于代数重建关联向量求解的libs定量分析方法 |
CN109781711A (zh) * | 2019-02-21 | 2019-05-21 | 华中科技大学 | 一种基于单标样定标的激光诱导击穿光谱定量分析方法 |
JP2019174443A (ja) * | 2018-03-26 | 2019-10-10 | 一般財団法人電力中央研究所 | コンクリートの塩化物イオン濃度の定量方法、定量装置、及び定量プログラム |
CN110987903A (zh) * | 2019-12-11 | 2020-04-10 | 华中科技大学 | 一种libs基体效应校正方法及其应用 |
CN112595707A (zh) * | 2021-01-06 | 2021-04-02 | 华南理工大学 | 一种基于激光诱导击穿光谱测量固体样品的测量方法 |
CN113624746A (zh) * | 2021-08-05 | 2021-11-09 | 合肥金星机电科技发展有限公司 | 一种libs光谱漂移在线校正方法及系统 |
US20220205840A1 (en) * | 2019-06-03 | 2022-06-30 | University Of Central Florida Research Foundation, Inc. | Method for fabricating an optical source for calibrating an optical system |
-
2022
- 2022-07-14 CN CN202210822925.9A patent/CN114894782B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5087123A (en) * | 1988-04-09 | 1992-02-11 | Bodenseewerk Perkin Elmer Gmbh | Atomic emission spectrometer with background compensation |
WO2010046595A1 (fr) * | 2008-10-21 | 2010-04-29 | Institut National De L'environnement Industriel Et Des Risques | Methode et systeme d'analyse de la stoechiometrie de particules; procede de fabrication de particules avec controle de stoechiometrie |
CN106525818A (zh) * | 2016-10-13 | 2017-03-22 | 中国科学院上海技术物理研究所 | 基于多数据库支撑及多环节修正的libs火星物质分析方法 |
CN106814061A (zh) * | 2016-12-13 | 2017-06-09 | 华中科技大学 | 一种提高激光诱导击穿光谱重叠峰定量分析精度的方法 |
CN108444980A (zh) * | 2018-01-30 | 2018-08-24 | 中国科学院上海技术物理研究所 | 基于代数重建关联向量求解的libs定量分析方法 |
JP2019174443A (ja) * | 2018-03-26 | 2019-10-10 | 一般財団法人電力中央研究所 | コンクリートの塩化物イオン濃度の定量方法、定量装置、及び定量プログラム |
CN109781711A (zh) * | 2019-02-21 | 2019-05-21 | 华中科技大学 | 一种基于单标样定标的激光诱导击穿光谱定量分析方法 |
US20220205840A1 (en) * | 2019-06-03 | 2022-06-30 | University Of Central Florida Research Foundation, Inc. | Method for fabricating an optical source for calibrating an optical system |
CN110987903A (zh) * | 2019-12-11 | 2020-04-10 | 华中科技大学 | 一种libs基体效应校正方法及其应用 |
CN112595707A (zh) * | 2021-01-06 | 2021-04-02 | 华南理工大学 | 一种基于激光诱导击穿光谱测量固体样品的测量方法 |
CN113624746A (zh) * | 2021-08-05 | 2021-11-09 | 合肥金星机电科技发展有限公司 | 一种libs光谱漂移在线校正方法及系统 |
Non-Patent Citations (3)
Title |
---|
MOHANMMAD A ET AL.: "Determination of uranium content in phosphate ores using different measurement techniques", 《JOURNAL OF KING SAUD UNIVERSITY-ENGINEERING SCIENCE》 * |
谷艳红 等: "LIBS技术结合多元校正定标检测土壤中的Cr", 《光谱学与光谱分析》 * |
赵南京 等: "激光诱导击穿光谱技术研究进展", 《大气与环境光学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114894782B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107037012B (zh) | 用于激光诱导击穿光谱采集的阶梯光谱仪动态校正方法 | |
CN110763660B (zh) | 基于集成学习的libs定量分析方法 | |
CN108169213A (zh) | 一种激光诱导击穿光谱谱峰元素自动识别方法 | |
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 | |
CN113340874B (zh) | 一种基于结合岭回归和递归特征消除的定量分析方法 | |
CN108956583A (zh) | 用于激光诱导击穿光谱分析的特征谱线自动选择方法 | |
CN106918567A (zh) | 一种测量痕量金属离子浓度的方法和装置 | |
CN113624746A (zh) | 一种libs光谱漂移在线校正方法及系统 | |
CN112504983A (zh) | 一种基于浊度色度补偿的硝酸盐浓度预测方法 | |
CN114894782B (zh) | 一种libs定量分析方法、系统及电子设备 | |
Chen et al. | Correction of moisture interference in laser-induced breakdown spectroscopy detection of coal by combining neural networks and random spectral attenuation | |
CN114611582A (zh) | 一种基于近红外光谱技术分析物质浓度的方法及系统 | |
CN115728289B (zh) | 等离子体图像-光谱融合校正libs光谱波动性的方法及应用 | |
CN117629971A (zh) | 一种提高激光诱导击穿光谱测量页岩中碳元素精度的方法 | |
CN109521002B (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
CN114397244B (zh) | 一种金属增材制造制件缺陷的识别方法及相关设备 | |
CN114235785B (zh) | 一种激光诱导击穿光谱质量确定方法及系统 | |
CN113092447B (zh) | 一种基于循环变量筛选非线性pls的libs定量分析方法 | |
CN113406037B (zh) | 一种基于序列前向选择的红外光谱在线快速识别分析方法 | |
CN116026808A (zh) | 一种拉曼光谱判别方法和系统 | |
Zhang et al. | A deep spectral prediction network to quantitatively determine heavy metal elements in soil by X-ray fluorescence | |
CN111504908A (zh) | 一种基于光声光谱的岩石类型识别方法及系统 | |
Lin et al. | A feature domain space transfer method for improving identification of maize haploid seed based on near-infrared spectroscopy | |
CN116660207B (zh) | 一种油品快检中特征谱段确定方法和辛烷含量检测系统 | |
CN116503648A (zh) | 电气设备多光谱状态检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |