陳添兵，黃 林，姚明印，黎文兵，劉木華

(江西農(nóng)業(yè)大學(xué) 工學(xué)院生物光電及應(yīng)用重點(diǎn)實(shí)驗(yàn)室，江西 南昌 330045)

0 引言

贛南臍橙是江西特色農(nóng)產(chǎn)品。目前，江西省贛州市已經(jīng)成為臍橙種植面積世界第一、年產(chǎn)量世界第三、全國(guó)最大的臍橙主產(chǎn)區(qū)。然而隨著各地的工業(yè)迅速發(fā)展，部分臍橙種植地遭受了重金屬的污染，土壤、大氣、水中殘留的重金屬都有可能通過(guò)植物吸收轉(zhuǎn)移到臍橙果中，造成農(nóng)產(chǎn)品重金屬含量超標(biāo)。常規(guī)的農(nóng)產(chǎn)品重金屬檢測(cè)一般是采用電感耦合等離子體質(zhì)譜法、火焰原子吸收法等化學(xué)方法，這些方法雖然檢測(cè)精度高，但需要復(fù)雜的預(yù)處理過(guò)程，而且檢測(cè)周期長(zhǎng)，不是滿足實(shí)時(shí)快速檢測(cè)的要求。因此，急需發(fā)展一種多元素實(shí)時(shí)快速檢測(cè)技術(shù)，對(duì)檢測(cè)農(nóng)產(chǎn)品中有害元素有著重大的意義。

激光誘導(dǎo)擊穿光譜技術(shù)(LIBS)是一種利用脈沖激光作為能量源對(duì)化學(xué)元素定性和定量分析的發(fā)射光譜分析技術(shù)，它具有直接快速、無(wú)需制樣、多種元素同時(shí)測(cè)量等特點(diǎn)。隨著激光技術(shù)、光譜分析技術(shù)的發(fā)展，激光誘導(dǎo)擊穿光譜技術(shù)已廣泛應(yīng)用合金、塑料識(shí)別、甘蔗、牛奶、臍橙等檢測(cè)領(lǐng)域［1-6］。魯翠萍等［7］應(yīng)用LIBS技術(shù)分析了土壤中銅，確定了銅元素的最佳延遲時(shí)間為1.1 μs，并得到銅元素的檢測(cè)限為13.6 μg/g。姚順春等［8］利用LIBS技術(shù)分析了粉煤灰樣品中的未燃碳，結(jié)果表明，通過(guò)對(duì)光譜探測(cè)系統(tǒng)進(jìn)行深紫外增強(qiáng)鍍膜處理，選用短焦距準(zhǔn)直透鏡和抗紫外光纖，可以探測(cè)到明顯的C 193.03 nm譜線。鄭榮兒等［9］采用LIBS技術(shù)定量分析鋼鐵合金中痕量Mo元素，利用Mo的三條譜線的峰高值之和進(jìn)行分析獲得的Mo元素質(zhì)量分?jǐn)?shù)為2.271%，與標(biāo)定值相對(duì)誤差為7.58%，結(jié)果優(yōu)于三條譜線分別定標(biāo)結(jié)果的平均值。

由于LIBS技術(shù)容易受激光能量、延遲時(shí)間、樣品特性等因素的影響，選用傳統(tǒng)的特征譜線強(qiáng)度作為定標(biāo)曲線特征變量的方法結(jié)果精度一般不高，使得LIBS技術(shù)應(yīng)用于痕量元素檢測(cè)受限。近些年來(lái)，國(guó)內(nèi)外很多學(xué)者引用偏最小二乘法(PLS)應(yīng)用于LIBS技術(shù)分析，PLS回歸是一種多因變量對(duì)多自變量的回歸建模方法，能利用多元素的分析信息進(jìn)行定標(biāo)，以達(dá)到降低基體效應(yīng)影響的作用。因此，PLS方法的應(yīng)用越來(lái)越受到LIBS研究者的關(guān)注，如清華大學(xué)王哲教授［10］基于PLS的非線性多變量主導(dǎo)因素模型對(duì)黃銅合金成分進(jìn)行了定量分析，相關(guān)系數(shù)達(dá)到0.99。Cristoforetti等［11］利用LIBS技術(shù)通過(guò)傳統(tǒng)的單變量校準(zhǔn)和PLS兩種方式對(duì)黃銅樣品進(jìn)行定量分析，其研究結(jié)果顯示LIBS技術(shù)結(jié)合PLS算法能夠快速有效地定量分析復(fù)雜樣品的元素組成。中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所孫蘭香等［12］闡述了LIBS數(shù)據(jù)定量分析中PLS方法的優(yōu)勢(shì)，研究表明，PLS方法在激光誘導(dǎo)擊穿光譜合金成分分析中適合用于C等微量元素的定量分析。Nunes［13］優(yōu)化和驗(yàn)證了LIBS技術(shù)結(jié)合PLSR和iPLS模型檢測(cè)甘蔗葉中元素的可行性。

本文以臍橙中銅元素為例，對(duì)比研究偏最小二乘法(PLS)、區(qū)間偏最小二乘法(iPLS)和聯(lián)合區(qū)間偏最小二乘法(siPLS)在LIBS檢測(cè)臍橙中銅含量的預(yù)測(cè)效果。

1 材料與方法

1.1 試驗(yàn)裝置

用于檢測(cè)臍橙中銅元素的LIBS系統(tǒng)原理圖如圖1所示，Nd:YAG激光器(Nimma-200型，中國(guó)北京鐳寶光電技術(shù)公司)中心波長(zhǎng)為1 064 nm，脈寬為8 ns，重復(fù)頻率為1～10 kHz，單脈沖最高能量為200 mJ。激光束經(jīng)過(guò)1 064 nm的反射鏡垂直穿過(guò)穿孔反射鏡(鍍鋁膜面)，再經(jīng)K9聚焦透鏡L1(焦距為100 mm)作用于樣品表面瞬間產(chǎn)生等離子體羽，產(chǎn)生的激光等離子體信號(hào)通過(guò)穿孔反射鏡反射到石英聚焦透鏡L2(焦距為100 mm)耦合到光纖探測(cè)器，再通過(guò)光纖傳入帶有CCD的八通道光纖光譜儀(AvaSpec-2048型，荷蘭愛(ài)萬(wàn)提斯公司)，光譜響應(yīng)范圍為200～1 050 nm，其分辨率為0.06～0.13 nm。脈沖延時(shí)發(fā)生器(DG535，斯坦福研究系統(tǒng)公司)為激光器和光譜儀提供精準(zhǔn)的觸發(fā)信號(hào)。臍橙樣品置于旋轉(zhuǎn)平臺(tái)(SC300-1A，卓立漢光公司)勻速旋轉(zhuǎn)使激光束作用于樣品表面的不同點(diǎn)，保證實(shí)驗(yàn)的均勻性。

圖1 LIBS系統(tǒng)裝置圖Fig.1 Schematic diagram of LIBS

圖2 臍橙樣品的激光誘導(dǎo)擊穿光譜圖(320～340 nm)Fig.2 LIBS spectrum of Navel Orange(320～340 nm)

1.2 樣品測(cè)量

1.2.1 LIBS光譜測(cè)量 為了更有效探測(cè)LIBS技術(shù)檢測(cè)臍橙中重金屬銅元素的可行性，需要對(duì)臍橙樣品進(jìn)行實(shí)驗(yàn)室污染處理。為了使得各個(gè)臍橙中含銅量有一定的梯度差異，選取60個(gè)采摘于贛南地區(qū)果形相當(dāng)?shù)哪毘?，先用去離子水清洗臍橙表面去除雜質(zhì)，采用CuSO4·5H2O(廣東汕頭市西隴化工廠，純度大于99%)配置濃度范圍在100～4 000 μg/mL不同階梯的60個(gè)銅溶液，在每個(gè)溶液中放置一個(gè)臍橙進(jìn)行浸泡并進(jìn)行編號(hào)，48 h后將其取出并用去離子水重復(fù)沖洗3次，以消除樣品表面殘留的硫酸銅溶液對(duì)銅含量的檢測(cè)影響，待2 d后樣品自然風(fēng)干進(jìn)行LIBS檢測(cè)實(shí)驗(yàn)。LIBS檢測(cè)時(shí)激光能量為110 mJ，延遲時(shí)間為1.4 μs，重復(fù)頻率為2 Hz，每個(gè)實(shí)驗(yàn)樣本采集5副激光等離子體光譜，每幅光譜均為累計(jì)掃描40次的平均結(jié)果。采集的臍橙樣品在320～340 nm波長(zhǎng)內(nèi)的LIBS光譜圖如圖2所示，根據(jù)美國(guó)NIST數(shù)據(jù)庫(kù)可知，銅元素在324.75 nm處具有較大的譜線發(fā)射強(qiáng)度(1∶10 000)，并且從圖2可以看出CuI 324.75 nm特征譜線清晰、干擾小。因此，本文選擇譜線CuI 324.75 nm為分析線。

表1 臍橙樣品中Cu實(shí)際含量Tab.1 The Cu content in the navel orange samples

1.2.2 實(shí)際濃度測(cè)量 采用國(guó)家標(biāo)準(zhǔn)規(guī)定的濕法消解法對(duì)LIBS檢測(cè)后的臍橙進(jìn)行消解，消解過(guò)程中，取2 g臍橙果皮(LIBS擊打部位)并剪碎置于100 mL的錐形瓶中，并加入20～30 mL的優(yōu)級(jí)純硝酸。然后將樣品置于電熱板上加熱消解，至消解液呈淡黃色或無(wú)色時(shí)，加入1～2 mL高氯酸，蒸發(fā)至冒白煙即可取下制冷，用少量的去離子水多次沖洗瓶壁，將消解液移入容量瓶中定容、搖勻備用。用原子吸收光譜法(AAS)對(duì)消解液檢測(cè)。表1是1～60號(hào)樣品AAS測(cè)量銅含量3次所得的平均值。

2 數(shù)據(jù)處理與分析

本文是應(yīng)用LIBS技術(shù)結(jié)合PLS方法測(cè)定臍橙中銅元素的含量，隨機(jī)抽取3/4的樣本作為校正集建立模型;1/4的樣本作為預(yù)測(cè)集，用于對(duì)模型的外部驗(yàn)證。然后應(yīng)用PLS、iPLS和siPLS分別進(jìn)行交互驗(yàn)證建模對(duì)比分析。對(duì)于建立的模型，采用交互驗(yàn)證均方根(RMSE)、預(yù)測(cè)均方根誤差(RMSEP)和相關(guān)系數(shù)(r)作為評(píng)價(jià)模型優(yōu)劣的指標(biāo)。RMSEC和RMSEP值越小越好，r值越大模型質(zhì)量越好。為了減少激光能量、樣品表面不平整性、基體效應(yīng)等因素對(duì)LIBS技術(shù)的影響，先對(duì)臍橙LIBS原始光譜進(jìn)行標(biāo)準(zhǔn)正態(tài)變換(SNV)處理。

2.1 偏最小二乘法(PLS)模型

選擇全光譜范圍320～340 nm數(shù)據(jù)進(jìn)行偏最小二乘法建模，如圖3是校正集PLS模型預(yù)測(cè)值與AAS實(shí)際值的關(guān)系圖。校正模型RMSEC為32.3 μg/g，相關(guān)系數(shù)r為0.429 3。模型效果不好，其主要原因是全波長(zhǎng)建模涵蓋多種元素信息，不能有效提取其中有效信息，對(duì)銅元素定量分析有影響。

圖3 校正集PLS模型預(yù)測(cè)值與實(shí)測(cè)值Fig.3 Predicted vs.actual in calibration model(PLS)

圖4 校正集iPLS模型預(yù)測(cè)值與實(shí)測(cè)值Fig.4 Predicted vs.actual in calibration model(iPLS)

2.2 區(qū)間偏最小二乘法(iPLS)模型

iPLS先將整個(gè)光譜劃分為n個(gè)等寬的子區(qū)間，之后在每個(gè)區(qū)間上分別進(jìn)行偏最小二乘回歸，得到n個(gè)局部回歸模型，通過(guò)比較各局部模型的精度，以RMSEC值最小的子區(qū)間作為待測(cè)樣品建模區(qū)間。將SNV預(yù)處理后的臍橙光譜320～340 nm劃分為n(n=10，15，20)個(gè)子區(qū)間，分別對(duì)各個(gè)子區(qū)間進(jìn)行iPLS建模。通過(guò)比較各個(gè)模型的RMSEC值，當(dāng)劃分為15個(gè)區(qū)間時(shí)，第15個(gè)子區(qū)間模型RMSEC值最小為13.7 μg/g，校正集相關(guān)系數(shù)為0.924 5，校正集iPLS模型預(yù)測(cè)值與實(shí)測(cè)值的散點(diǎn)圖如圖4所示。

表2 不同光譜區(qū)域的siPLS模型的統(tǒng)計(jì)結(jié)果Tab.2 Results of siPLS calibration model with different spectral regions

2.3 聯(lián)合區(qū)間偏最小二乘法(siPLS)模型

siPLS是Norgaard［14］于2000年提出的一種波長(zhǎng)篩選法的改進(jìn)，是iPLS的一個(gè)擴(kuò)展，該法主要用于篩選PLS建模的波長(zhǎng)區(qū)域。以RMSEC值為模型精度的評(píng)價(jià)標(biāo)準(zhǔn)，選擇RMSEC值最小的區(qū)間組合建立模型。本文研究是將 SNV處理后的臍橙光譜320～340 nm劃分為n=10，15，20，25，30個(gè)區(qū)間，建立各組合之間的siPLS模型，獲得最佳區(qū)間組合，結(jié)果如表2所示。由表2可知，當(dāng)n=25，選擇其中5、14、16、22四個(gè)子區(qū)間組合建模時(shí)RMSEC值最小，RMSEC為5.61 μg/g，效果最佳。與PLS和iPLS建模相比，采用聯(lián)合區(qū)間所建立的siPLS模型明顯有所改善，RMSEC值為5.61 μg/g，相關(guān)系數(shù)r為0.988 3。預(yù)測(cè)集siPLS模型預(yù)測(cè)值與實(shí)測(cè)值的散點(diǎn)圖如圖6所示，其預(yù)測(cè)集相關(guān)系數(shù)r和RMSEP值分別為0.979 2和8.62 μg/g。所建的模型質(zhì)量明顯優(yōu)于PLS和iPLS。

圖5 校正集siPLS模型預(yù)測(cè)值與實(shí)測(cè)值Fig.5 Predicted vs.actual in calibration model(siPLS)

圖6 預(yù)測(cè)集siPLS模型預(yù)測(cè)值與實(shí)測(cè)值Fig.6 Predicted vs.actual in prediction model(siPLS)

3 結(jié)論

本文建立了LIBS技術(shù)檢測(cè)臍橙中銅含量的全波長(zhǎng)偏最小二乘法(PLS)、區(qū)間偏最小二乘法(iPLS)和聯(lián)合區(qū)間偏最小二乘法(siPLS)分析模型，以臍橙中銅元素為例進(jìn)行了回歸測(cè)試和對(duì)比分析，研究表明:當(dāng)光譜劃分為25個(gè)子區(qū)間，選擇其中5、14、16、22四個(gè)子區(qū)間建立的siPLS模型效果最佳，校正集相關(guān)系數(shù)r和RMSEC分別為0.988 3和5.61 μg/g，其預(yù)測(cè)集相關(guān)系數(shù) r和 RMSEP分別為0.979 2和8.62 μg/g，預(yù)測(cè)值與AAS實(shí)測(cè)值吻合較好，效果明顯高于另外兩種方法。說(shuō)明siPLS方法更能有效優(yōu)化光譜區(qū)域，充分利用光譜中有效信息，提高模型預(yù)測(cè)精度。

［1］楊雪嬌，彭飛飛，李潤(rùn)華.用激光誘導(dǎo)擊穿光譜測(cè)量鋁合金的激光燒蝕閾值［J］.強(qiáng)激光與粒子束，2013(3):557-560.

［2］王茜蒨，黃志文，劉凱，等.基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的激光誘導(dǎo)擊穿光譜塑料分類(lèi)識(shí)別方法研究［J］.光譜學(xué)與光譜分析，2012(12):3179-3182.

［3］Nunes L C，Batista Braga J W，Trevizan L C，et al.Optimization and validation of a LIBS method for the determination of macro and micronutrients in sugar cane leaves［J］.Journal of Analytical Atomic Spectrometry，2010，25:1453-1460.

［4］徐媛，姚明印，劉木華.激光誘導(dǎo)擊穿光譜檢測(cè)牛奶中的Na元素［J］.光電子·激光，2013(5):1032-1036.

［5］陸運(yùn)章，汪家升，李威霖，等.用激光誘導(dǎo)擊穿光譜技術(shù)定量分析礦石樣品中Si和Mg［J］.中國(guó)激光，2009(8):2109-2114.

［6］陳添兵，姚明印，劉木華，等.基于多元定標(biāo)法的臍橙Pb元素激光誘導(dǎo)擊穿光譜定量分析［J］.物理學(xué)報(bào)，2014，10:203-208.

［7］魯翠萍，劉文清，趙南京，等.土壤中銅元素的激光誘導(dǎo)擊穿光譜測(cè)量分析［J］.光譜學(xué)與光譜分析，2010(11):3132-3135.

［8］姚順春，陸繼東，潘圣華，等.粉煤灰未燃碳的深紫外激光誘導(dǎo)擊穿光譜分析［J］.中國(guó)激光，2010(4):1114-1117.

［9］王振南，李穎，張慶玉，等.激光誘導(dǎo)擊穿光譜技術(shù)定量分析鋼鐵合金中痕量Mo元素實(shí)驗(yàn)研究［J］.光譜學(xué)與光譜分析，2011(6):1697-1701.

［10］Wang Z，F(xiàn)eng J，Li L，et al.A non-linearized PLS model based on multivariate dominant factor for laser-induced breakdown spectroscopy measurements［J］.Journal of Analytical Atomic Spectrometry，2011，26(11):2175-2182.

［11］Gabriele C，Stefano L，Giulia L，et al.Classical Univariate Calibration and Partial Least Squares for Quantitative Analysis of Brass Samples by Laser Induced Breakdown Spectroscopy［J］.Spectrochimica Acta Part B，2010，40:410-424.

［12］叢智博，孫蘭香，辛勇，等.基于激光誘導(dǎo)擊穿光譜的合金鋼組分偏最小二乘法定量分析［J］.光譜學(xué)與光譜分析，2014，2:542-547.

［13］Nunes L C，Braga J W B，Trevizan L C，et al.Optimization and validation of a LIBS method for the determination of macro and micronutrients in sugar cane leaves［J］.Journal of Analytical Atomic Spectrometry，2010，25(9):1453-1460.

［14］Norgaard L，Saudland A，Wagner J，et al.Interval partial least-squares regression(iPLS):a comparative chemometric study with an example from near-infrared spectroscopy［J］.Applied Spectroscopy，2000，54(3):413-419.