吳宜青，歐陽靜怡，孫　通，莫欣欣，劉　津，劉木華

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

?

雙脈沖激光誘導(dǎo)擊穿光譜結(jié)合多元定標(biāo)法定量分析大豆油中的鉛

吳宜青，歐陽靜怡，孫通*，莫欣欣，劉津，劉木華

(江西農(nóng)業(yè)大學(xué)生物光電技術(shù)及應(yīng)用重點(diǎn)實(shí)驗(yàn)室，江西南昌330045)

應(yīng)用雙脈沖激光誘導(dǎo)擊穿光譜(DP-LIBS) 對大豆油中的鉛(Pb) 含量進(jìn)行檢測。配制9個(gè)大豆油樣品，采用一定規(guī)格圓柱形桐木對樣品中Pb進(jìn)行富集，然后通過Ava-Spec二通道高精度光譜儀采集其LIBS光譜信號。根據(jù)樣品的LIBS譜線圖和美國國家標(biāo)準(zhǔn)技術(shù)研究所(NIST) 原子光譜數(shù)據(jù)庫，確定選用Ca Ⅱ 393.284 nm，Ca Ⅱ 396.752 nm，N Ⅱ 399.399 nm和Pb Ⅰ 405.685 nm的特征譜線強(qiáng)度作為自變量，得到Pb含量的多元線性回歸定量分析模型，并通過方差分析和t檢驗(yàn)驗(yàn)證分析模型的可行性。結(jié)果表明，采用Pb元素直接定標(biāo)法得到的平均相對誤差約為16%，擬合度R2為0.981 8；采用多元線性回歸模型得到的平均相對誤差為7.25%，擬合度R2為0.997 1，3個(gè)檢驗(yàn)樣品的相對誤差均在合理范圍內(nèi)。采用多元校正分析模型可以充分利用光譜中的有效信息，降低基體效應(yīng)的影響，從而提高LIBS分析的準(zhǔn)確性。

雙脈沖激光誘導(dǎo)擊穿光譜(DP-LIBS)；多元定標(biāo)；定量分析；大豆油；鉛

鉛(Pb) 是一種常見的重金屬元素，鉛及其化合物對人體有毒，在人體中積累后不易排出，鉛中毒主要損害人體的神經(jīng)系統(tǒng)、造血系統(tǒng)、骨骼系統(tǒng)和腎臟[1-2]。隨著工業(yè)的不斷發(fā)展，許多工廠“三廢”排放達(dá)不到國家標(biāo)準(zhǔn)，致使一些重金屬對食用油原料(花生、玉米、大豆、菜籽等) 生長所需的土壤、水和空氣造成污染[3]；含重金屬農(nóng)藥和化肥的使用，也會(huì)使農(nóng)作物積蓄一定量的重金屬。另外，食用油在加工、貯藏及運(yùn)輸過程也可能受到重金屬的污染。食用油是人們生活的日常用品，為了保護(hù)人體健康，對其重金屬Pb含量的監(jiān)測具有十分重大的意義。

激光誘導(dǎo)擊穿光譜(Laser-induced breakdown spectroscopy,LIBS) 是一種通過對光譜波長進(jìn)行分析，獲得待測樣品中元素種類及其含量信息的激光燒灼分析技術(shù)?；驹硎菍⒓す饩劢褂诖郎y樣品表面，當(dāng)脈沖的能量密度大于擊穿閾值時(shí)，產(chǎn)生高溫等離子體，等離子體降溫后發(fā)射出樣品組分信息的光譜，最后利用光電探測器及光譜儀對其進(jìn)行采集。LIBS技術(shù)具有檢測周期短、樣品處理簡單、可同時(shí)進(jìn)行多元檢測等優(yōu)點(diǎn)，目前已被廣泛用于礦業(yè)[4]、冶金[5]、醫(yī)藥[6]、煤燃燒[7]、水和土壤污染[8-10]等領(lǐng)域。

由于LIBS實(shí)際應(yīng)用中易受基體效應(yīng)的影響，導(dǎo)致其直接分析結(jié)果的精確度不高。因而，越來越多的化學(xué)計(jì)量學(xué)方法被用于處理LIBS分析時(shí)產(chǎn)生的大量數(shù)據(jù)。沈沁梅等[11]基于遺傳神經(jīng)網(wǎng)絡(luò)回歸模型，對土壤進(jìn)行定量分析，得到Ba和Ni的相關(guān)系數(shù)分別為0.983和0.990，平均相對誤差分別為4.15%和6.06%，檢測精度優(yōu)于人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)和常用的內(nèi)標(biāo)法。董美蓉等[12]對煤中的碳元素采用多元校正的分析方法，得到回歸分析模型預(yù)測值與真實(shí)值之間的誤差在5%之內(nèi)，表明多變量校正法可得到較高的分析精度。Wang等[13]應(yīng)用偏最小二乘法(PLS)模型對煤樣中的碳進(jìn)行定量分析，得到樣品在空氣和氬氣中碳元素的平均相對誤差分別為4.96%和2.98%，預(yù)測精度良好。鄒孝恒等[14]基于遺傳算法(GA) 和偏最小二乘法的回歸模型對土壤成分進(jìn)行定量分析，GA-PLS能夠顯著改善傳統(tǒng)PLS模型的預(yù)測能力。賀文干等[15]利用3種非線性定標(biāo)方法對爐渣中Ca和Mg含量進(jìn)行定量分析，得到徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)模型中Ca和Mg的平均相對誤差為2.61%和5.94%，預(yù)測精度較多元二次函數(shù)和BP神經(jīng)網(wǎng)絡(luò)定標(biāo)法得到了提高。楊友良等[16]利用粒子群優(yōu)化支持向量機(jī)回歸對鋼液中的Mn進(jìn)行定量分析，相關(guān)系數(shù)為0.997，相對標(biāo)準(zhǔn)偏差(RSD)為8.26%，分析性能較傳統(tǒng)定標(biāo)法有一定提高。上述研究表明，選擇合適的化學(xué)計(jì)量學(xué)方法可以有效地降低LIBS定量分析時(shí)帶來的誤差，提高預(yù)測精度。

多元回歸方法是一種簡便而實(shí)用的定量分析方法，具有計(jì)算簡單快捷、允許樣品容量小、統(tǒng)計(jì)特性良好及可充分利用光譜數(shù)據(jù)中的有效信息等優(yōu)點(diǎn)，在LIBS檢測領(lǐng)域得到應(yīng)用。如余洋等[17]采用單變量和多變量分析方法對污染土壤中的Cr進(jìn)行了定量分析。陳添兵[18]、姚順春[19]等分別采用多元線性回歸對臍橙中的Pb以及未燃碳含量進(jìn)行了定量分析。本實(shí)驗(yàn)以大豆油樣品中的Pb為研究對象，以一定規(guī)格圓柱形桐木對樣品中的Pb進(jìn)行富集，并在相同實(shí)驗(yàn)條件下對大豆油樣品進(jìn)行雙脈沖激光誘導(dǎo)擊穿光譜實(shí)驗(yàn)，然后采用直接定標(biāo)法和多元定標(biāo)法對樣品中的Pb進(jìn)行定量分析。

1　實(shí)驗(yàn)部分

1.1實(shí)驗(yàn)裝置

LIBS檢測系統(tǒng)示意圖如圖1所示。主要部件為：波長為1 064 nm，脈沖寬度為8 ns，頻率為2 Hz，最高激光能量值為300 mJ的調(diào)Q納秒Nd:YAG共軸雙脈沖激光器(Vlite-200型，北京Beamtech公司)。AvaSpec雙通道高精度光譜儀(Avantes公司，荷蘭),一通道和二通道波段范圍分別為206.28～331.41 nm以及321.46～481.77 nm，每個(gè)通道有2 048個(gè)數(shù)據(jù)點(diǎn)。SC300-1A型二維旋轉(zhuǎn)載物臺(卓立漢光，北京) 、DG645數(shù)字脈沖信號發(fā)生器(Stanford Research Systems,USA) 以及各種光學(xué)鏡片等。

1.2實(shí)驗(yàn)材料及樣品制備

實(shí)驗(yàn)所用五湖大豆油樣品購于南昌沃爾瑪超市，產(chǎn)地為江西省九江市，原始大豆油按國標(biāo)GB 5009.12-2010未檢出Pb。甲苯(分析純)由上海潤捷化學(xué)試劑有限公司制造，純度為99.5%。異辛酸鉛(純度95.0%，西亞試劑網(wǎng))。圓柱形桐木(曹縣黑森木業(yè)有限公司)。

將異辛酸鉛溶于甲苯，配制成濃度為1.01×104μg/g的溶液，然后加入甲苯和大豆油稀釋，得到1#～9#大豆油樣品中Pb含量分別為17.63，27.84，48.57，100.38，203.36，383.56，481.13，579.33，770.73 μg/g。為克服LIBS技術(shù)直接分析液體樣品時(shí)靈敏度低和穩(wěn)定性差等缺點(diǎn)，實(shí)驗(yàn)采用一種圓柱形桐木對Pb進(jìn)行富集，將木片浸泡于大豆油樣品中一段時(shí)間后，取出放置于恒溫烘箱內(nèi)烘干，對其進(jìn)行LIBS光譜采集。

選取1#，3#，5#，6#，8# 和9#大豆油樣品作為模型建立的定標(biāo)樣品，2#，4# 和7#大豆油樣品作為驗(yàn)證樣品，用于檢驗(yàn)定標(biāo)模型的性能。

1.3LIBS光譜采集

將樣品置于二維旋轉(zhuǎn)載物臺上，波長為1 064 nm的激光光束經(jīng)過角度為45°的反射鏡反射穿過穿孔反射鏡，再垂直穿過焦距為100 mm的水平透鏡，最后入射到樣品表面；產(chǎn)生的激光誘導(dǎo)等離子體信號經(jīng)水平透鏡匯聚，通過穿孔反射鏡的反射，經(jīng)垂直透鏡匯聚到光纖探頭然后進(jìn)入二通道高精度光譜儀，從而獲得樣品的LIBS光譜。

為提高LIBS對樣品檢測的穩(wěn)定性和精確度，對兩束激光脈沖能量、采集延遲時(shí)間和兩束激光相對延時(shí)等參數(shù)進(jìn)行了優(yōu)化。優(yōu)化后的實(shí)驗(yàn)參數(shù)如下：激光單束脈沖能量值為120 mJ，兩束激光相對延時(shí)為40 ns，采集延時(shí)為1.8 μs，積分時(shí)間為2 ms，激光頻率為2 Hz。實(shí)驗(yàn)每次采集10幅光譜圖，每幅光譜圖為平均擊打5次所得的實(shí)驗(yàn)結(jié)果，同一樣品重復(fù)測量2次，因此，后續(xù)處理的每幅光譜圖是激光作用于樣品表面100個(gè)不同點(diǎn)的平均結(jié)果。

2　結(jié)果與討論

2.1特征譜線的確定

在上述實(shí)驗(yàn)條件下，對4#大豆油樣品進(jìn)行LIBS實(shí)驗(yàn)。圖2為4#大豆油樣品在391～407 nm波長范圍內(nèi)的激光誘導(dǎo)擊穿光譜。

由圖2可知，波長393.284，396.752，399.399，405.685 nm處獨(dú)立的光譜清晰可見，根據(jù)美國國家標(biāo)準(zhǔn)技術(shù)研究所(NIST)原子光譜數(shù)據(jù)庫，對上述特征譜線進(jìn)行了標(biāo)識和比對(見表1，其中Aki為自發(fā)躍遷幾率)，確定了上述譜線所對應(yīng)的元素，實(shí)驗(yàn)元素的激發(fā)波長與美國原子數(shù)據(jù)庫的波長有一定的偏差。

表1　Ca，N和Pb的發(fā)射譜線Table 1　Spectral lines of Ca,N and Pb

2.2Pb元素直接定標(biāo)

將Pb Ⅰ 405.685 nm譜線的強(qiáng)度與其真實(shí)含量進(jìn)行關(guān)聯(lián)，建立Pb的直接定標(biāo)曲線，得到定標(biāo)曲線方程為y=5.686x+429.34，擬合度R2=0.981 8，Pb的直接定標(biāo)曲線擬合效果一般，部分?jǐn)?shù)據(jù)點(diǎn)與定標(biāo)曲線有較大的偏離。Pb的預(yù)測結(jié)果見表2，可以看出，直接定標(biāo)模型的預(yù)測值與真實(shí)值之間的相對誤差嚴(yán)重偏大，Pb含量較低的1# 定標(biāo)樣品和2# 檢驗(yàn)樣品的相對誤差高達(dá)30%多，定標(biāo)樣品和檢驗(yàn)樣品的平均相對誤差也在16%以上，預(yù)測結(jié)果的精確度不理想。由此說明，單因素建立的模型預(yù)測準(zhǔn)確性較低，對低濃度樣品的預(yù)測效果更差，這是由于樣品中Pb的有效光譜信息未得到充分利用所致。

表2　直接定標(biāo)法Pb的相對誤差Table 2　Relative error of Pb in direct calibration method

2.3Pb元素多元線性回歸

分析元素特征譜線除了與自身濃度變化有關(guān)外，還受到樣品中其它基體元素的影響，可認(rèn)為分析元素k的濃度Ck是樣品中某些元素特征光譜強(qiáng)度的函數(shù)，表示為[20]:

Ck=f(I1，I2，I3，…，In)

(1)

而對于一個(gè)多元共存的復(fù)雜體系，某一信息的測量結(jié)果往往與多個(gè)因素有關(guān)，假設(shè)因變量為y，自變量為x1，x2，x3，…，xm，yi為某一測量值，則可用公式表示為[12]：

yi=b0+b1×xi1+b2×xi2+b3×xi3+…+bm×xim+§i(i=1，2，…，n)

(2)

式中，b0為常數(shù)項(xiàng)，bm稱為yi對xi的偏回歸系數(shù)，i為第i次測量，m為變量個(gè)數(shù)，§i為殘差或剩余。

由表2結(jié)果可知，單因素建立模型的預(yù)測效果不佳。造成這種結(jié)果的原因可能是基體元素N,Ca與Pb的分析譜線相鄰，并且Ca的譜線峰值強(qiáng)度較高(見圖2)，存在此消彼漲的情況，嚴(yán)重影響了Pb的峰值強(qiáng)度。因此本文選擇Ca，N以及Pb的譜線強(qiáng)度作為多元回歸的自變量，結(jié)合公式(1) 和(2) 得到Pb定量分析的定標(biāo)模型如下：

CPb=b0+b1×ICa Ⅱ 393.284+b2×ICa Ⅱ 396.752+b3×IN Ⅱ 399.399+b4×IPb I 405.685

(3)

將LIBS實(shí)驗(yàn)數(shù)據(jù)代入公式(3) 進(jìn)行回歸分析，得到回歸模型的定標(biāo)系數(shù)依次為 {-60.435，0.103，-0.147，0.057，0.270} 。為檢驗(yàn)回歸模型的可靠性，對回歸模型進(jìn)行方差分析和t檢驗(yàn)，其結(jié)果見表3～4。

表3　回歸模型的方差分析結(jié)果Table 3　Variance analysis results of regression model

由表3可知，F(xiàn)?F0.05(4,4)，回歸方程的顯著性F統(tǒng)計(jì)量的P值為0.020 2，小于顯著性水平α=0.05，回歸相關(guān)系數(shù)R=0.998，說明回歸方程高度顯著；由表4可知，ICa Ⅱ 393.284，ICa Ⅱ 396.752，IN Ⅱ 399.399，IPb I 405.685的系數(shù)t檢驗(yàn)顯著性統(tǒng)計(jì)量的P值分別為0.010，0.009，0.019，0.005，均在0.05以內(nèi)，說明各個(gè)系數(shù)的顯著性水平較高，影響Pb元素分析的顯著性大小關(guān)系依次為IPb I 405.685>ICa Ⅱ 396.752>ICa Ⅱ 393.284>IN Ⅱ 399.399。綜上可知，依據(jù)上述確定的影響因素所建立的回歸模型可行，最終得到回歸方程為：

CPb=-60.435+0.103×ICa Ⅱ 393.284-0.147×ICa Ⅱ 396.752+0.057×IN Ⅱ 399.399+0.270×IPb I 405.685

表4　回歸系數(shù)的t檢驗(yàn)結(jié)果Table 4　t-test results of regression coefficient

根據(jù)上述回歸方程對6個(gè)定標(biāo)樣品及3個(gè)檢驗(yàn)樣品中的Pb含量進(jìn)行回歸預(yù)測，得到樣品的預(yù)測值與真實(shí)值之間的關(guān)系如表5所示。其中1# 和3# 樣品的相對誤差較高，分別為13.08%和15.84%，其它樣品的相對誤差均在可接受范圍內(nèi)，平均相對誤差為7.25%，較直接定標(biāo)法減小2倍多，并且定標(biāo)樣品真實(shí)值與預(yù)測值之間的擬合效果好，擬合度R2= 0.997 1，擬合方程為y=0.992x+8.238，式中x,y分別為定標(biāo)樣品中Pb含量的真實(shí)值與預(yù)測值。另外，3個(gè)檢驗(yàn)樣品的預(yù)測相對誤差分別為5.05%，5.75%，0.13%，均在合理范圍內(nèi)，皆優(yōu)于直接定標(biāo)模型的預(yù)測值。由上述結(jié)果可知，多元回歸校正模型的實(shí)驗(yàn)結(jié)果優(yōu)于直接定標(biāo)模型，表明采用多元線性回歸的定量方法能有效地減弱Ca和N元素對Pb元素分析的影響，提高樣品的預(yù)測精度，多元變量分析方法可用于復(fù)雜基體樣品的LIBS檢測。

表5　多元回歸預(yù)測值與真實(shí)值之間的相對誤差Table 5　Relative error of predicted value and true value in multiple regression

3　結(jié)　論

本文利用雙脈沖LIBS技術(shù)對大豆油中的Pb含量進(jìn)行檢測，并以桐木為基體對樣品中的Pb進(jìn)行富集，然后建立Pb的直接定標(biāo)模型和多元定標(biāo)模型。Pb的直接定標(biāo)模型得到的平均相對誤差為16%左右，定標(biāo)曲線的擬合度R2為0.981 8；采用多元線性回歸模型得到的平均相對誤差為7.25%，回歸方程的擬合度R2為0.997 1，3個(gè)檢驗(yàn)樣品的相對誤差在合理范圍內(nèi)。由此說明，采用多元校正分析模型可以充分降低基體效應(yīng)的影響，提高LIBS分析的準(zhǔn)確性。本研究結(jié)果為大豆油中金屬元素的檢測提供了一定的理論依據(jù)。

[1]Yao Z Q.StudiesofTraceElementsandHealth(姚智卿.微量元素與健康研究),2011,28(5):67-68.

[2]Yang T,Wang W R.WordLatestMedicineInformation(楊田,王文瑞.世界最新醫(yī)學(xué)信息文摘),2014,14(7):44-46.

[3]Zhang T,Cai W T,Liu J W,Cao Y T.J.Instrum.Anal.(張濤,蔡五田,劉金巍,曹月婷.分析測試學(xué)報(bào))，2013,32(11):1384-1387.

[4]Chen X L,Dong F Z,Tao G Q,Li Y J,She M J,Fu H B,Ni Z B,Wang J G,He W G,Tang Y Q,Rao R Z.Chin.J.Lasers(陳興龍,董鳳忠,陶國強(qiáng),李油建,佘明軍,付洪波,倪志波,王靜鴿,賀文干,湯玉泉,饒瑞中.中國激光),2013,40(12):243-248.

[5]Cabalín L M,González A,Lazic V,Laserna J.Appl.Spectrosc.,2011,65(7):797-805.

[6]Li Z F,Wang R W,Deng H,Shang L P.Chin.J.Lumin.(李占鋒,王芮雯，鄧琥,尚麗平.發(fā)光學(xué)報(bào)),2016,37(1):100-105.

[7]Yao S C,Lu J D,Pan S H,Jiang M C,Li P,Xie C L,Li J.Chin.J.Lasers(姚順春,陸繼東,潘圣華,蔣梅城,李娉,謝承利,李捷.中國激光),2010,37(4):1114-1117.

[8]Lee Y,Oh S W,Han S H.Appl.Spectrosc.,2012,66(12):1385-1396.

[9]Li Y,Lu J D,Lin Z X,Xie C L,Li J,Li P Y.J.Appl.Optics(李勇,陸繼東,林兆祥,謝承利,李捷,李鵬艷.應(yīng)用光學(xué)),2008,29(5):789-792.

[10]Zhang X,Huang L,Yao M Y,Liu M H.ActaAgric.Univ.Jiangxiensis(張旭,黃樂,姚明印,劉木華.江西農(nóng)業(yè)大學(xué)學(xué)報(bào)),2013,35(3):631-634.

[11]Shen Q M,Zhou W D,Li K X.Chin.J.Lasers(沈沁梅,周衛(wèi)東,李科學(xué).中國激光),2011,38(3):247-252.

[12]Dong M R,Lu J D,Yao S C,Chen K,Li J,Li J Y.J.Eng.Thermophys.(董美蓉,陸繼東,姚順春,陳凱,李軍,李俊彥.工程熱物理學(xué)報(bào)),2012,33(1):175-179.

[13]Wang Z,Yuan T B,Lui S L,Hou Z Y,Li X W,Li Z,Ni W D.Front.Phys.,2012,7(6):708-713.

[14]Zou X H,Hao Z Q,Yi R X,Guo L B,Shen M,Li X Y,Wang Z M,Zeng X Y,Lu Y F.Chin.J.Anal.Chem.(鄒孝恒,郝中騏,易榮興,郭連波,沈萌,李祥友,王澤敏,曾曉雁,陸永楓.分析化學(xué)),2015,43(2):181-186.[15]He W G,Dong F Z,Chen X L,Yu R H,Fu H B,Ni Z B,Wang J G,Tang Y Q.Chin.J.QuantumElectron.(賀文干,董鳳忠,陳興龍,余嶸華,付洪波,倪志波,王靜鴿,湯玉泉.量子電子學(xué)報(bào)),2014,31(2):213-221.[16]Yang Y L,Wang P,Ma C H.LaserOptoelectron.Prog.(楊友良,王鵬,馬翠紅.激光與光電子學(xué)進(jìn)展),2015,52(7):289-294.

[17]Yu Y,Zhao N J,Wang Y,Fang L,Meng S D,Hu L,Gu Y H,Wang Y Y,Ma M J,Liu J G,Liu W Q.LaserOptoelectron.Prog.(余洋,趙南京,王寅,方麗,孟碩德,胡麗,谷艷紅,王園園,馬明俊,劉建國,劉文清.激光與光電子學(xué)進(jìn)展),2015,52(9):321-326.

[18]Chen T B,Yao M Y,Liu M H,Lin Y Z,Li W B,Zheng M L,Zhou H M.ActaPhys.Sin.(陳添兵,姚明印,劉木華,林永增,黎文兵,鄭美蘭,周華茂.物理學(xué)報(bào)),2014,63(10):203-208.

[19]Yao S C.TheApplicationofLaserInducedBreakdownSpectroscopyforDiagnosisofPowerStation.Guangzhou:South China University of Technology(姚順春.激光誘導(dǎo)擊穿光譜技術(shù)在電站運(yùn)行診斷中的應(yīng)用研究.廣州：華南理工大學(xué)),2011：49-56.

[20]Li Y.QuantitativeAnalysisofMetalElementsUsingLIBSandItsRelevantImpactFactors.Qingdao:Ocean University of China(李穎.LIBS在金屬元素定量分析中的應(yīng)用及其影響因素研究.青島：中國海洋大學(xué) ),2011:15-19.

Quantitative Analysis of Lead in Soybean Oil by Double Pulse Laser-induced Breakdown Spectroscopy and Multivariate Calibration Method

WU Yi-qing，OUYANG Jing-yi，SUN Tong*，MO Xin-xin，LIU Jin，LIU Mu-hua

(Key Laboratory of Biological Optics-Electric Technique and Application,Jiangxi Agricultural University,Nanchang330045,China)

Double pulse laser-induced breakdown spectroscopy(DP-LIBS) was used to detect lead(Pb) content in soybean oil.For nine prepared soybean oil samples in the experiment,cylindrical paulownia wood with a certain size was used to enrich Pb in samples,and LIBS spectrum was collected by an Ava-Spec two-channel high precision spectrometer.According to LIBS spectrum of the sample and the National Institute of Standards and Technology(NIST) atomic spectrum database,the characteristic spectral line intensties of Ca Ⅱ 393.284 nm,Ca Ⅱ 396.752 nm,N Ⅱ 399.399 nm and Pb Ⅰ 405.685 nm were selected as independent variables,and multivariate linear regression was used to develop a quantitative analysis model for Pb content.The methods of variance analysis andt-test were used to verify the feasibility of analysis model.The results indicated that the average relative error of Pb was about 16%,and the fitting degreeR2was 0.981 8 in the direct calibration method.While in the multiple linear regression model,the average relative error of Pb was 7.25%,and the fitting degreeR2was 0.997 1,the relative errors of three validated samples were within a reasonable range.It is showed that the multivariate calibration analysis model could make full use of the effective information in the spectrum and reduce the influence of matrix effect,thereby improving the accuracy of LIBS analysis.

double pulse LIBS；multivariate calibration；quantitative analysis；soybean oil；lead

2016-03-17；

2016-04-22

國家自然科學(xué)青年基金(31401278)；江西省自然科學(xué)基金(20132BAB214010)

孫通，博士，副教授，研究方向：農(nóng)產(chǎn)品、食品質(zhì)量光學(xué)無損檢測,Tel:0791-83813184,E-mail：suntong980@163.com

10.3969/j.issn.1004-4957.2016.08.015

O657.72；O614.433

A

1004-4957(2016)08-1015-06