楊暉　黃林　劉木華　陳添兵　王彩虹　姚明印

摘要利用激光誘導(dǎo)擊穿光譜（LIBS）技術(shù)與常規(guī)化學(xué)分析方法獲取28個(gè)濃度梯度含Cd元素的青菜樣品的LIBS譜線信息以及Cd含量信息。對獲取的光譜信息結(jié)合標(biāo)準(zhǔn)歸一化處理（SNV）、一階導(dǎo)數(shù)（FD）、二階導(dǎo)數(shù)（SD）、中心化處理（Center）作為偏最小二乘法（PLS）模型的優(yōu)選方法；再根據(jù)4種預(yù)處理方法的預(yù)測結(jié)果選取最佳方法，同時(shí)將該方法作為間隔偏最小二乘法（iPLS）與聯(lián)合區(qū)間間隔偏最小二乘法（SiPLS）優(yōu)選青菜LIBS譜線的最佳波長區(qū)間。結(jié)果表明： 通過SiPLS優(yōu)選的特征波長區(qū)間分別為214.72～215.82 nm，215.88～216.97 nm， 225.08～226.35 nm，并且經(jīng)過中心化預(yù)處理后建立的驗(yàn)證模型效果最好，結(jié)果顯示交叉驗(yàn)證均方根誤差（RMSECV）為1.487，驗(yàn)證均方根誤差（RMSEP）為1.094，相關(guān)系數(shù)（R）為0.9942，平均相對誤差（ARE）為11.60%。 研究結(jié)果表明，所選優(yōu)化方法適合青菜中重金屬Cd元素的LIBS校正模型的建立，且具有較好的預(yù)測效果。

關(guān)鍵詞激光誘導(dǎo)擊穿光譜；青菜；鎘；變量篩選

1引 言

蔬菜是人們?nèi)粘Ｉ畈豢扇鄙俚氖澄镏?，但由于工業(yè)廢水、廢氣的排放及農(nóng)藥、化肥的濫用，導(dǎo)致蔬菜重金屬超標(biāo)現(xiàn)象時(shí)有發(fā)生[1～4]。Shaheen等[5]研究發(fā)現(xiàn)，重金屬在蔬菜中的殘留具有普遍性； Anwar等[6]對污水灌溉區(qū)葉菜樣品進(jìn)行了化學(xué)檢測，得出重金屬超標(biāo)的結(jié)論；龔夢丹[7]等對杭州某蔬菜重金屬風(fēng)險(xiǎn)進(jìn)行評價(jià)，發(fā)現(xiàn)該地區(qū)以鎘（Cd）污染為主；劉堯蘭等[8]對環(huán)鄱陽湖區(qū)采集的葉類蔬菜樣品重金屬污染情況進(jìn)行檢測，結(jié)果顯示青菜中Cd超標(biāo)率為33%；Ye等[9]發(fā)現(xiàn)Cd在蔬菜中的積累能力高于其它重金屬。蔬菜富集的重金屬經(jīng)食物鏈被人體吸收，危害健康。因此，需要在蔬菜進(jìn)入餐桌前，對其安全性進(jìn)行檢測。檢測蔬菜中重金屬傳統(tǒng)方法主要有原子吸收光譜法（AAS）[10，11]、電感耦合等離子體質(zhì)譜法（ICPMS）[12]等，雖然這些方法檢測精度高，但需要進(jìn)行復(fù)雜的前處理，對操作人員具有較高的技術(shù)要求，且還會帶來次生污染。因此，發(fā)展簡單綠色、無污染的檢測方法具有重要的現(xiàn)實(shí)意義。

激光誘導(dǎo)擊穿光譜（LIBS）[13～15]是新型的物質(zhì)成分分析技術(shù)，具有多元素檢測、無需復(fù)雜的樣品化學(xué)前處理、對環(huán)境友好等諸多優(yōu)點(diǎn)，在材料成分檢測[16，17]、生物醫(yī)學(xué)[18，19]、產(chǎn)品分類[20，21]等領(lǐng)域應(yīng)用廣泛， LIBS在農(nóng)產(chǎn)品質(zhì)量安全檢測方面的研究也日益突出，但主要集中在樣品分類或礦物質(zhì)營養(yǎng)元素的定性/定量分析研究[22]，對重金屬污染物的研究較少[23]。為了提高LIBS在農(nóng)產(chǎn)品重金屬檢測方面的預(yù)測精度，國內(nèi)外研究組在定性/定量分析上采用了多種方法， Sankaran等[24]利用基線校正、小波去噪等預(yù)處理方法并結(jié)合支持向量機(jī)（SVM）算法對異常柑橘葉檢測分類，結(jié)果表明，分類準(zhǔn)確率為97.5%。陳添兵等[25]比較了5種不同的光譜數(shù)據(jù)預(yù)處理方法對PLS建立豬肉中Pb元素預(yù)測模型精度的影響，結(jié)果表明，多元散射（MSC）預(yù)處理效果最好，驗(yàn)證集預(yù)測平均相對誤差為7.8%。

本研究以實(shí)驗(yàn)室Cd元素污染的青菜為例進(jìn)行LIBS實(shí)驗(yàn)，采用偏最小二乘法（Partial least square， PLS）、間隔偏最小二乘算法（Interval PLS， iPLS）、聯(lián)合區(qū)間偏最小二乘法（Synergy interval PLS， SiPLS）并結(jié)合不同的光譜預(yù)處理， 建立青菜中Cd元素的定量模型，比較不同變量篩選方法對模型預(yù)測能力的影響。

2實(shí)驗(yàn)部分

2.1儀器與試劑

固體Nd：YAG雙光束激光器（中國北京Beamtech公司）； 輸出波長1064nm，重復(fù)頻率1～15 z，脈寬為8ns；激光能量測量儀（中國計(jì)量科學(xué)研究院）；雙通道光柵光譜儀（荷蘭Avantes公司）； 波長范圍206～330 nm，330～483 nm，分辨率分別為0.08和0.16 nm；DG645數(shù)字脈沖延遲發(fā)生器 （美國Stanford 公司）； SC300二維旋轉(zhuǎn)平臺（北京卓立漢光公司）；便攜式食品重金屬快速分析儀（江蘇天瑞儀器股份有限公司）； CdCl2， NO3， ClO4均為天津市永大化學(xué)試劑有限公司提供的純度≥99%的優(yōu)級純試劑；實(shí)驗(yàn)用水均來自SRO10L/超純水系統(tǒng)。

2.2污染樣品制備

實(shí)驗(yàn)所用的青菜（四季小白菜）樣品購自本地農(nóng)貿(mào)市場，初步測定樣品中Cd元素含量為0.22 mg/kg。為了研究LIBS對青菜中Cd元素的預(yù)測可行性，需要對樣品進(jìn)行實(shí)驗(yàn)室污染處理。首先稱取不同質(zhì)量的CdCl2，配制濃度范圍在0.2～10 mg/L的28個(gè)濃度梯度的Cd水溶液。將青菜放入配制好的溶液中浸泡4 h后取出，并用去離子水多次清洗， 消除樣品表面殘留的Cd的影響，自然風(fēng)干后， 將3片葉片疊加放置于LIBS試驗(yàn)平臺進(jìn)行光譜采集。LIBS測試結(jié)束后，取LIBS擊打附近0.5 g青菜樣品放入150 mL錐形瓶中，加入25 mL NO3ClO4混合酸（4∶1， V/V），放置約10 h。然后在電熱板上加熱，直至錐形瓶中溶液剩1～2 mL，且為無色透明或略現(xiàn)黃色。完全冷卻，用少量超純水清洗瓶壁，通過中速濾紙過濾到50mL容量瓶中，用超純水定容。再采用石墨爐原子吸收分光光度計(jì)校核準(zhǔn)確度為95%～105%的便攜式食品檢測儀獲取樣品中Cd元素的濃度，為保證測量的準(zhǔn)確性，每個(gè)樣品做3次重復(fù)，結(jié)果如表1所示，可知污染處理后的青菜樣品Cd平均真實(shí)濃度在0.7978～28.20 mg/kg之間，均超過食品安全國家標(biāo)準(zhǔn)[26]。同時(shí)可知除#8樣品多次測量重復(fù)性為5.13%之外，其余樣品測量重復(fù)性均在5%以下，整體在0.07%～4.63%范圍內(nèi)變化，說明此便攜式檢測方法穩(wěn)定性滿足要求。

3結(jié)果與討論

3.1LIBS譜線

LIBS試驗(yàn)裝置工作時(shí)，激光器發(fā)射高能脈沖激光經(jīng)反射鏡反射，由焦距為100 mm的聚焦透鏡聚焦于放置在二維旋轉(zhuǎn)平臺上的樣品表面產(chǎn)生的等離子體，再經(jīng)穿孔反射鏡反射到焦距為100 mm的水平石英聚焦透鏡耦合至光纖，光譜儀對光纖傳輸?shù)男盘栠M(jìn)行采集，最后利用計(jì)算機(jī)對光譜信息進(jìn)行分析處理。為了減少樣品不均勻性帶來的誤差，提高分析靈敏度，第一束激光能量選取160 mJ，第二束激光能量為180 mJ，同時(shí)每個(gè)樣品采集10幅光譜，每幅光譜均是激光累計(jì)擊打15次的平均結(jié)果，最終光譜數(shù)據(jù)選擇平均值。

圖1是無污染處理的青菜樣品和#7污染處理樣品在206.28～330.99 nm波長范圍的LIBS譜線，可以看出，LIBS能清晰探測到#7樣品中的Cd 214.43 nm， Cd 226.50 nm， Cd 228.80 nm 3條特征譜線，而在對照組青菜樣品中則未探測到Cd元素的譜線信息。根據(jù)探測的等離子體譜線分布對比查詢NIS標(biāo)準(zhǔn)原子光譜數(shù)據(jù)庫，可知在該波段范圍內(nèi)含有豐富的Fe， Mg， Na， Al和Ca等礦質(zhì)元素。

3.2光譜處理

LIBS采集光譜信息時(shí)，受儀器本身的穩(wěn)定性、實(shí)驗(yàn)參數(shù)、外部環(huán)境等因素的影響，獲取的光譜數(shù)據(jù)中除含有青菜所需的原始信息外，還包含基線漂移、背景信號、噪聲信號等干擾信息。為了提高后期數(shù)據(jù)分析的準(zhǔn)確性、減小誤差，對采集的光譜結(jié)合基線校正、小波去噪等前處理方法。圖2為#7青菜樣品光譜前處理結(jié)果?？芍?，樣品在211.10～229.53nm波長范圍內(nèi)的原始LIBS譜線整體向上漂移，且包含了較多的噪聲信號。通過手動(dòng)基線校正與小波去噪后，對基線的漂移和噪聲去除有較為明顯的改善，且原本被噪聲信號掩蓋或不易辨析的其它元素信號也得以顯現(xiàn)。

3.3變量篩選

為進(jìn)一步消除噪聲信號與基線偏移對模型的影響，采用標(biāo)準(zhǔn)歸一化處理（SNV）、一階導(dǎo)數(shù)（FD）、二階導(dǎo)數(shù)（SD）、中心化處理（Center）對前處理后的光譜進(jìn)一步處理，同時(shí)結(jié)合偏最小二乘法（PLS）進(jìn)行建模分析選取最佳處理方法，并在此基礎(chǔ)上將此處理方法作為間隔偏最小二乘法（iPLS）與SiPLS數(shù)據(jù)預(yù)處理方法，進(jìn)行建模分析， 選取最佳變量區(qū)間，以提高青菜中Cd元素的預(yù)測模型精度。

3.3.1偏最小二乘法建模分析選取包含目標(biāo)元素Cd特征譜線Cd 214.43 nm，Cd 226.50 nm，Cd 228.80 nm 在內(nèi)的211.10～229.53 nm波長范圍所有LIBS強(qiáng)度值作為分析自變量與Cd元素含量相關(guān)聯(lián)， 進(jìn)行建模分析。分析結(jié)果如表2所示，在中心化預(yù)處理下PLS具有良好的預(yù)測性能，此時(shí)預(yù)測集預(yù)測濃度與原始濃度相關(guān)系數(shù)（R）為0.9976，預(yù)測均方根誤差（RMSEP）為0.8996，相對分析誤差（Relative percent deviation，RPD）為1.761，驗(yàn)證集預(yù)測平均相對誤差（ARE）為12.59%，其中相對分析誤差RPD=SEDV/RMSECV（SEDV）為定標(biāo)集標(biāo)準(zhǔn)偏差，RMSECV為交叉驗(yàn)證均方根誤差，RPD>2時(shí)建立模型可靠； RPD<1.5時(shí)，表示模型預(yù)測不準(zhǔn)確； RPD在1.5～2.0之間， 基本可以滿足預(yù)測精度要求[27]。根據(jù)PLS模型的優(yōu)化比較結(jié)果將中心化處理作為iPLS與SiPLS的數(shù)據(jù)前處理方法。

3.3.2間隔偏最小二乘法建模iPLS是將選取的LIBS光譜等分為若干子區(qū)間，分別對每個(gè)子區(qū)間建立PLS模型，并對主成分（PC）數(shù)進(jìn)行選取，最終選擇最佳建模子區(qū)間。本工作比較了不同區(qū)間數(shù)對模型預(yù)測能力的影響，結(jié)果見表3和圖3，可知iPLS模型下將區(qū)間個(gè)數(shù)劃分為12時(shí)，選擇區(qū)間數(shù)10，波長范圍為225.08～226.63 nm，主成分?jǐn)?shù)為6模型效果最佳，此時(shí)定標(biāo)集相關(guān)系數(shù)（Rt）為0.9849、交叉驗(yàn)證均方根誤差（RMSECV）為1.553、驗(yàn)證集相關(guān)系數(shù)（Rp）為0.9989、驗(yàn)證集均方根誤差（RMSEP）為0841、驗(yàn)證集相對平均誤差（ARE）為16.99%。

3.3.3聯(lián)合區(qū)間間隔偏最小二乘法建模SiPLS是將劃分子區(qū)間中精度較高的幾個(gè)局部模型聯(lián)合起來共同預(yù)測待測元素成分。不同區(qū)間數(shù)下SiPLS模型預(yù)測能力見表4與圖4，可見在SiPLS模型下將區(qū)間數(shù)劃分16，選擇聯(lián)合子區(qū)間[4513]，聯(lián)合區(qū)間波長范圍為214.72～215.82 nm，215.88～216.97 nm， 225.08～226.16 nm，主成分?jǐn)?shù)為9時(shí)模型效果最佳，此時(shí)Rt、RMSECV、Rp、RMSEP、ARE分別為0.9863， 1.487， 0.9942，1.094， 11.60%。

3.4結(jié)果對比分析

綜上所述，采用不同的變量篩選方法對同一樣本進(jìn)行變量篩選，對LIBS建模分析精度有較大的影響。結(jié)合多個(gè)指標(biāo)對模型進(jìn)行的優(yōu)劣進(jìn)行評價(jià)，綜合對比3種分析模型，可知在SiPLS模型下有較好的分析預(yù)測效果，這主要是因?yàn)镻LS模型選擇整個(gè)211.03～229.56 nm波長范圍的LIBS譜線信息，其中包含分析所需的有用信息，同時(shí)也融入了大量的冗余信息，對分析準(zhǔn)確性造成干擾；iPLS模型將所選的211.03～229.56 nm波長范圍劃分為若干子區(qū)間，分別進(jìn)行PLS建模分析，并對潛在變量因子數(shù)進(jìn)行優(yōu)化，選取最佳建模區(qū)間，但可能會遺漏一些有用信息，分析信息不完整影響分析準(zhǔn)確度；SiPLS是將同一次區(qū)間劃分中精度較高的幾個(gè)局部模型所在的區(qū)間聯(lián)合起來共同預(yù)測待測成分，在選取主要信息同時(shí)也會在其它區(qū)間進(jìn)行篩選，將篩選的區(qū)間聯(lián)合起來共同預(yù)測成分。與PLS相比減少了分析中融入的無用信息，與iPLS相比補(bǔ)充了分析中可能遺漏的有用信息，提高了分析準(zhǔn)確性。

4結(jié) 論

本研究以四季小白菜作為葉類蔬菜代表，進(jìn)行LIBS對蔬菜中重金屬元素Cd的分析可行性研究，在實(shí)驗(yàn)室含Cd溶液污染處理?xiàng)l件下獲取了不同濃度梯度的葉菜樣品，并利用LIBS技術(shù)對青菜光譜信息進(jìn)行檢測，探討了PLS，iPLS， SiPLS 3種變量篩選方法對Cd元素分析精度的影響，建立Cd元素含量的預(yù)測模型。將3種模型的預(yù)測結(jié)果進(jìn)行綜合對比，比較結(jié)果表明，3種模型預(yù)測集相關(guān)系數(shù)與均方根誤差均相近，在評價(jià)預(yù)測準(zhǔn)確性的相對誤差參數(shù)上，SiPLS模型優(yōu)于其它兩種模型，其平均相對誤差為11.60%。低濃度樣品預(yù)測時(shí)，較小的絕對誤差會引起較大的相對誤差，將其中一個(gè)相對誤差較大的低濃度樣品剔除后，預(yù)測樣品平均相對誤差為8.3%。結(jié)果表明，LIBS技術(shù)結(jié)合經(jīng)變量篩選后的SiPLS算法能夠更為準(zhǔn)確檢測青菜中的重金屬Cd元素，提高模型預(yù)測的精度。

Abstracteavy metal residue in vegetables is a big concern in the whole world. he aim of this work is to explore the effect of multivariable selection on analyzing Cd in Chinese cabbage polluted in lab by collecting the spectra of laser induced breakdown spectroscopy （LIBS） from the samples. At the same time， the actual Cd content in samples was obtained by anodic stripping voltammetry （ASV）. he LIBS spectral range in partial least square （PLS） model was screened by standard normal variable transformation （SNV）， first derivative （FD）， second derivative （SD） and center treatment （C） for preprocessing spectra and the optimized method was used for the analysis of interval partial least square （iPLS） and synergy interval partial least square （SiPLS）. he results indicated that the method of C was the best as a comparison with PLS， iPLS and SiPLS. And the intervals of wavelength were 214.72-215.82 nm， 215.88-216.97 nm and 225.08-226.35 nm by utilizing the optimized SiPLS. ere the root mean square error of cross validation （RMSECV） between real content and predicted ones was 1.487， the root mean squared error of prediction （RMSEP） was 1.094， the correlation coefficient （R） was 0.9942， and the average relative error （ARE） was 11.60%. he results displayed that LIBS could predict Cd in vegetables by multivariable selection of SiPLS and the accuracy could meet the requirement of rapid and green analysis of Cd in vegetables.

KeywordsLaser induced breakdown spectroscopy； Chinese cabbage； Cadmiun； Variable screening