相关向量机结合主成分分析应用于LIBS技术定量分析

采用相关向量机(RVM)结合主成分分析(PCA)建立了激光诱导击穿光谱(LIBS)技术检测土壤中Cr元素含量的定量分析模型。配制了14个不同Cr元素浓度的土壤样品，选取其中10个作为训练样品集用于构建模型，另外4个作为测试样品集用于模型性能评估。结果表明，对于土壤中Cr元素含量的测量，PCA-RVM模型的预测精度明显优于RVM模型，整体预测均方根误差由RVM模型的8.00%减小到PCA-RVM模型的3.21%，预测精度提高了59.9%。对测试样品集中全部4个待测样品，PCA-RVM模型多次重复预测结果的相对标准偏差相较于RVM模型都显著减小，且均小于1.89%，表明其预测结果具有更好的稳定性。     

LIBS结合ANN对不同类型土壤中的Cu的定量检测

不同种类土壤的Cu浓度与其激光诱导击穿光谱(LI BS)强度之间存在不同的规律,本文利用LIBS结合人工神经网络(ANN)对土壤中的Cu进行 了定量分析,以实现不同种类土壤中Cu的定量检测。分别研究了单一类型土壤和3种土壤 类型基体下神经网络的应用情况。结果表明,在单一土壤基体情况下,应用反向传播(BP)神 经网络可以对土壤中 的Cu进行准确的检测,检测误差最大为10.17%;而在3种土壤基体下 ,BP神经网络的预 测准确度降低,检测误差不大于16%,并且线性神经网络对Cu浓度较 高的土壤样品预测准 确度较高,两种方法的检测准确度均高于内标法,BP神经网络能够更准确的描述单一土壤 类型的基体效应。LIBS结合ANN能有效解决土壤间存在的基体效应,LIBS结合ANN能有效解决 土壤间存在的基体效应,实现不同类型土壤中Cu元素的定量检测。     

基于元素粒子比的土壤重金属元素快速分析方法研究

由于自由定标法-激光诱导击穿光谱(CF-LIBS)需要元素归一化,多元素同时参与计算,土壤中微量元素谱线较弱,计算Saha-Boltzmann斜线困难,因而采用元素粒子比方法对多种国家标准土壤样品和实地采集的土壤样品中Cr的含量进行了预测。通过Saha-Boltzmann方程计算了等离子体中Cr、Si、Fe 3种元素的等离子体温度,以Al I 309.284 nm特征谱线的Stark展宽计算了等离子体电子密度,验证了实验条件下等离子体处于局部热平衡(LTE)状态。结合Saha-Boltzmann方程和Saha方程,计算土壤样品等离子体中Cr、Si元素的粒子比,从而计算出Cr元素在土壤样品中的含量。实验对国家标准土壤样品中Cr的预测相对误差在7%以内,对实地采集土壤样品中Cr的预测相对误差最大值为16.438%。研究结果表明元素粒子比方法可以用于土壤中Cr含量的快速分析,提高了LIBS技术用于土壤元素含量快速探测的优势。     

激光诱导击穿光谱检测牛奶中的Na元素

采用激光诱导击穿光谱(LIBS)技术,检测了牛奶样品中的Na元素含量。实验共分析了15个 牛奶样品,其中9个已知样品作为定标样品,采用偏最小二乘法(PLS )建立Na元素定量分析的回归模型;使用另外6个作为待测样品,用以检验模型的定量分析结 果。检测出了6个待测样品中的Na元素含量,其中检验样品中参 考含量和预测含量之间的线性相关度达到0.993,相对误差均在15%以下。检测结果表明,LIBS技术能快速准确地检测牛奶中的Na含 量,表现出较好的应用潜力。     

基于热红外特征光谱的土壤重金属含量估算模型研究

利用光谱分析方法探究了北京地区农业土壤中8种重金属(Cr、Ni、Cu、Zn、As,Cd、Pb、Hg)含量与热红外发射率(8μm～13μm)的关系,分析了土壤重金属的特征光谱,并模拟预测了重金属含量的回归模型,为基于遥感光谱的土壤重金属含量监测奠定了基础.相关分析结果表明,发射率标准化比值与重金属含量的相关关系最好,可用来获取土壤中的重金属元素信息.建立了土壤重金属含量的对数值与发射率标准化比值的线性回归模型,并对回归方程的显著性进行了检验.结果表明回归方程显著,这说明发射率变量与土壤重金属含量之间存在相关关系,因此热红外发射率可以用来预测土壤的重金属含量.     

基于省域尺度的农田土壤重金属高光谱预测

利用浙江省36个县市的643个农田耕层土样的可见-近红外反射率数据以及重金属与有机质含量数据,分析了Ni、Cu、As、Hg、Zn、Cr、Cd、Pb含量与有机质含量的相关性,对比了不同重金属元素与有机质敏感波段的位置,并建立了各重金属元素含量的偏最小二乘回归(PLSR)模型.研究结果表明,Ni、Cr与有机质的相关性最优,As最差,相关系数分别为0.54、0.59、0.20,各重金属元素与有机质的相关系数与它在前三个主成份载荷图中与有机质的距离成反比;不同的重金属元素与有机质高光谱敏感波段的重叠度、回归系数的正负一致性具有明显差异,与有机质相关性越高的元素,其重叠度也越高、正负一致性也越好;在所有8种重金属元素的PLSR预测模型中,Ni、Cr的建模与预测效果较好,RPD值分别为1.94、1.80,模型具有一般的定量预测能力,其余6种重金属元素预测模型的RPD值均在1.00和1.40之间,模型只具备区别高值和低值的预测能力.该研究结果为大尺度区域土壤重金属污染的高光谱遥感监测提供了一定的理论依据与参考.     

AOTF-NIR光谱仪在液态奶快速检测中的研究

采用中国电科26所研制的声光可调滤光器(AOTF)-近红外(NIR)光谱仪建立液态纯牛奶快速无损检测方法。用自编的光谱实时采集分析软件,采集112个牛奶光谱并建立聚类分析、主成分分析(PCA)定性判别模型和偏最小二乘法(PLS)定量分析模型。结果表明,定性分析模型能有效分类;定量分析模型的相关系数Rc为0.968 5,预测均方根误差(RMSEP)为0.072 4。     

复合肥氮磷钾元素含量的激光诱导击穿光谱同步测量

将激光诱导击穿光谱(LIBS)技术应用于复合肥样品中N,P和K元素含量的同步测量。选用10个已知样品作为定标样品,使用偏最小二乘法(PLS)分别建立各个元素定量分析的回归模型;然后使用5个待测样品检验这些模型的定量分析结果,并将预测结果与电感耦合等离子体发射光谱法测得的参考含量作对比。结果表明,激光诱导击穿光谱技术能够同时检测出5个待测样品的N,P和K元素的含量,待测结果的平均相对误差(REP)小于8%质量分数,平均相对标准偏差小于7%质量分数,检测极限值分别为0.16%,0.21%和0.50%质量分数。实验验证了LIBS技术同步快速准确测量复合肥中三大营养元素的能力。     

玻璃粉中硼,钾,钠的ICP—AES测定

玻璃粉是一种重要的半导体材料。本文采用电感耦合等离子体发射光谱仪对玻璃粉中的硼、钾、钠的定量分析做了研究，研究了样品的溶解、氢氟酸对待测元素的影响，然后进行了内标元素的补偿，在此基础上做了回收实验，并测定了实际样品。     

玻璃粉中硼、钾、钠的ICP－AES测定

玻璃粉是一种重要的半导体材料。本文采用电感耦合等离子体发射光谱仪对玻璃粉中的硼、钾、钠的定量分析做了研究，研究了样品的溶解、氢氟酸对待测元素的影响，然后进行了内标元素的补偿，在此基础上做了回收实验，并测定了实际样品。     

LIBS检测钢液Mn元素的实验条件优化

激光诱导击穿光谱(UBS)技术作为一种快速分析元素组成技术,在冶金分析领域具有广阔的应用前景。实验参数对LIBS检测钢液元素有较大影响,为提高LIBS技术检测的灵敏度需要对系统关键参数激光脉冲能量和ICCD门延时进行优化。本实验以钢液中Mn元素的分析线为研究对象,在激光等离子体满足局部热平衡和光学薄条件下,用Mn元素最大信噪比(SNR)来筛选优化结果。结果表明,通过优化这些实验参数,得到高光谱强度和信噪比的UBS信号,确定了最佳实验条件,这为LIBS钢液元素定量分析打下了坚实的实验数据基础。     

激光诱导击穿谱土壤重金属污染检测方法研究

设计并建立了一套用于土壤中重金属污染元素检测的激光诱导击穿光谱(LIBS)检测系统。利用该系统对含多种重金属元素的样品以及土壤样品进行了实验与分析,检测出了Cd,Cu,Pb,Cr,Zn,Ni等重金属元素的主要分析谱线。对配制的含微量Cu、Cr元素的土壤样品进行了实验分析,检测结果达到国家土壤环境质量标准规定的三级土壤中Cu、Cr的含量要求,表明该系统可以进行土壤重金属污染的快速检测。     

基于PLS的飞机CFRP激光除漆LIBS监测判据研究

激光分层除漆的可靠性与可控性依赖于有效的在线监测技术,采用激光诱导击穿光谱(LIBS)技术能有效监控激光除漆过程。本文采用激光去除飞机碳纤维复合材料(CFRP)表面漆层,并基于高重频激光除漆LIBS在线监测平台,在线采集除漆过程所激发的面漆和底漆2类光谱共60组。分别建立了基于主成分分析(PCA)和偏最小二乘法(PLS)的判别和预测模型,研究了激光分层除漆过程中LIBS光谱的分类判别。PCA模型前两个主成分累计贡献率达到了79.2%,PLS-DA模型前两个主成分累计贡献率达到了85.5%。PLS回归模型校正标准差(RMSEE)为0.142923,均方根误差(RMSEcv)为0.152053,模型的预测标准差(RMSEP)为0.142421,对20组激光清洗面漆和底漆的混合数据集进行预测,预测准确率达100%。结果表明PLS判别模型比PCA模型分类判别效果更好,PLS预测模型实时评估和自动分类漆层具有较好的预测精度。本研究可为LIBS在线监测激光除漆过程,实现自动化、智能化的激光除漆提供技术支持。     

基于PCA和ICA的人脸识别

提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。     

基于遗传神经网络的激光诱导击穿光谱元素定量分析技术

提出了一种基于遗传神经网络定量分析模型的激光诱导击穿光谱(LIBS)分析技术。采用误差反向传播(BP)算法构造三层神经网络(ANN)结构,通过遗传算法对神经网络权值和阈值进行优化,并将该定量分析模型与LIBS技术有机结合,实现了元素含量的高精度检测。对土壤中的Ba和Ni元素进行定量检测,平均相对误差分别为4.15%和6.06%,相关系数分别为0.983和0.990,检测精度明显优于BP-ANN方法和光谱分析中常用的内标法。研究表明遗传神经网络建模方法具有很好的预测效果,为LIBS技术进行元素高精度检测提供了一种新的建模方法。     

激光诱导击穿光谱对水系沉积物的分类及铬元素测定的研究

基于激光诱导击穿光谱技术对水系沉积物中铬元素进行快速定量检测为目的,利用激光诱导击穿光谱仪对标样和样品进行了分析,建立了标样中铬元素浓度与其激光诱导击穿光谱强度间的定标曲线,线性相关系数达到0.992,得到了样品中的铬含量。同时利用主成分分析方法对样品进行了分析,结果表明LIBS技术可用于水系沉积物的分类和鉴定的研究。     

一种自动选择特征的激光诱导击穿光谱定量分析方法

本文针对激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,LIBS)定量分析中的特征选择问题,提出一种基 于Pearson相关系数的排序、主成分分析和L1正则项相结合的自动选择特征的定量分析方 法,建立了土壤中Co元素的定量分析模型。该模型训练集和测试集的R²(决 定系数)分 别为0.995和0.991, 均方根误差(root mean square error, RMSE) 分别 为4.634mg/kg和6.078 mg/kg, 平均绝对误差(mean absolute error, MAE) 分别为6.100%和6.441%,特征个数由原始数据的42870个降至5个 ,耗时仅 0.97 s。结果表明:采用该方法可降低特征子集维度并提高模型的泛 化性和精确度,为LIBS技术定量分析的特征选择提供一种高效的方法。     

激光诱导击穿光谱物质辨识与定量分析

综述了激光诱导击穿光谱分析技术(LIBS)在不同对象领域应用中的谱图分析方法.随着激光诱导击穿光谱应用对象的不断扩展与分析要求的变化,其定量分析方法已不局限于传统标样定标曲线分析模型,发展出了自由定标模型、各类内标法模型、自相关定量模型、神经网络分析模型等新的激光诱导击穿光谱分析方法.对每种方法的定量分析原理、分析能力水平与适用对象范围进行了详细的分析比较.