1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
为了促进激光诱导击穿光谱技术（LIBS）在土壤重金属元素检测中的应用，提高重金属元素检测灵敏度，研究向土壤样品中掺杂不同比例NaCl粉末对重金属Cd元素LIBS光谱增强效果，结果表明：向土壤样品中掺杂NaCl粉末可以显著提高Cd元素特征谱线强度。当NaCl掺杂质量分数为90%时，Cd元素2条特征谱线Cd 214.441 nm、Cd 228.802 nm的检测限分别从30.57 mg/kg降低至1.526 mg/kg、从28.12 mg/kg降低至2.501 mg/kg。计算等离子温度和电子密度，二者均随着NaCl掺杂质量分数的增加而逐渐升高，掺杂NaCl可以有效提高激光与土壤的耦合效率，增加土壤的烧蚀量，从而增强Cd元素光谱强度，该研究结果对LIBS在微量重金属检测中的应用具有重要的参考意义。
激光诱导击穿光谱 土壤Cd元素 NaCl掺杂 等离子体温度 电子数密度 激光与光电子学进展
2023, 60(17): 1730006
1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 合肥学院生物食品与环境学院，安徽 合肥 230601
土壤作为多环芳烃类有机污染物的主要环境归宿，使用传统色谱和荧光光谱分析方法对残留在其中的多环芳烃进行检测常存在局限性，难以满足动态快速监测土壤污染状况的实际需求。为了实现对土壤多环芳烃的快速检测，设计搭建255 nm紫外LED诱导荧光光谱检测系统，以?、荧蒽、菲和芘4种多环芳烃为研究对象，探讨了不同土壤类型中多环芳烃的LED诱导荧光特性，验证了LED诱导荧光快速检测方法应用于土壤多环芳烃污染物检测的可行性。实验结果表明，在一定的浓度范围内，标准黄土、高岭土中多环芳烃在特征荧光峰处的荧光强度与浓度均呈现出良好的线性相关性（R2>0.98）。在对受多环芳烃污染的实际土样进行检测时，通过建立定点波长浓度反演模型来实现对多环芳烃浓度的定量分析，测试集浓度预测的相对误差基本在理想范围内，对不同多环芳烃土样的平均相对误差最大不超过15.5%。
土壤 多环芳烃 诱导荧光光谱 紫外发光二极管 定量检测 光学学报
2023, 43(18): 1812003
1 中国科学技术大学，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 淮南师范学院，安徽 淮南 232000
石油烃类污染物进入土壤后会随着时间逐步迁移到土壤深层。传统的土壤石油烃检测方法因自身的局限性，无法及时快速地检测深层土壤中的石油烃质量分数。为快速检测深层土壤中的石油烃类污染物，提出了一种基于紫外诱导荧光的石油烃原位检测技术，利用280 nm的深紫外发光二极管（LED）作为激发光源、光电倍增管（PMT）作为信号检测器完成对土壤中石油烃质量分数的探测。实验结果表明，该检测技术能够实现对不同土壤类型（红壤、黄壤、黑土和湖底淤泥土）中各类机油（汽油机油、柴油机油和空压机油）的定量检测，检测结果的平均相对误差（RE）小于10.00%，平均相对标准偏差（RSD）小于4.00%，土壤中各类石油烃的检出限均小于136 mg/kg，完成单个样本测量仅需2.0 s。
测量 土壤 石油烃 紫外诱导荧光 光电倍增管 原位检测
1 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
2 中国科学院合肥物质科学研究院安徽光学精密机械研究所环境光学与技术重点实验室，安徽 合肥 230031
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 合肥学院生物食品与环境学院，安徽 合肥 230601
针对土壤芳香烃总量快速检测难题，研究了基于荧光成像技术的土壤芳香烃荧光信号获取、特征提取方法和质量分数总量反演的方法。基于发光二极管（LED）紫外激发光源、面阵CCD相机、透镜等器件搭建了实验系统，获得了最佳光源激发能量、激发角度等参数，并对实验系统检测能力进行了分析。利用这一实验系统获取了质量分数范围为0~25000的标准土壤中机油的系列荧光图像，基于高斯降噪处理和最大类间方差法研究了图像噪声抑制与荧光信号提取方法，建立了标准土壤中机油芳香烃总量的反演模型，并利用反演模型对待测样本的机油芳香烃总量进行了预测。结果表明：总量反演模型的决定系数（R2）达到了0.9889，检测限为82.18，对20个样品测试的误差基本在12%以内。
测量 土壤 荧光成像 多环芳烃 相机 图像处理
1 安徽大学物质科学与信息技术研究院安徽省信息材料与智能感知实验室，安徽 合肥 230601
2 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
3 中国科学技术大学环境科学与光电技术学院，安徽 合肥 230026
4 合肥学院生物食品与环境学院，安徽 合肥 230601
浮游藻类的种类多样性和群落结构是水生态环境建设评价的重要指标，利用细胞图像对其进行识别是实现浮游藻类检测的重要手段。相较于传统的显微镜检法，基于深度学习的目标检测算法因更高效的检测能力而越来越多地被运用到浮游藻类检测领域。针对YOLOv3目标检测算法对部分形态小、边界模糊和粘连浮游藻类的检测精度低等问题，采用空间金字塔池化（SPP）结构改进了YOLOv3目标检测算法的特征提取方式，采用广义交并比（GIoU）边界损失函数改进了YOLOv3目标检测算法的边界损失函数，最终构建了一种基于SPP和GIoU改进的YOLOv3浮游藻类检测算法（SPP-GIoU-YOLOv3）。实验结果表明：在检测速度无明显差异的情况下，所提SPP-GIoU-YOLOv3分类检测算法对实验藻类的平均精度均值达95.21%，比YOLOv3目标检测算法提高了4.24个百分点。本研究为发展准确快速的浮游藻类检测方法技术提供了一定的基础。
机器视觉 SPP-GIoU-YOLOv3 目标检测 深度学习 浮游藻类 激光与光电子学进展
2023, 60(2): 0215003
1 环境光学与技术重点实验室, 中国科学院安徽光学精密机械研究所, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
为了实现水体表面油膜厚度的快速测量分析, 以266 nm的激光作为探测系统的激发光源, 基于激光诱导水拉曼散射光谱检测技术, 通过获取不同种类不同厚度油膜存在下水拉曼光谱信息, 建立油膜厚度反演模型。采用高斯函数拟合法校正了荧光光谱对拉曼光谱的干扰。 然后根据水拉曼抑制法结合非线性最小二乘优化算法, 建立油膜厚度反演模型。结果表明: 对92#汽油、 0#柴油、 美孚机油20w-40、 壳牌润滑油10w-40、 采埃孚变速箱油AG6和原油油膜能探测到的油膜厚度范围为0.19~379.22 μm。 采用水拉曼光谱-油膜厚度反演模型预测油膜厚度的平均相对误差在8.14%~15.81%之间。 该方法能实现实验室条件下对微米级油膜的测量。
油膜厚度 拉曼光谱 快速检测 Oil film thickness Raman spectroscopy Rapid detection 光谱学与光谱分析
2022, 42(12): 3954
1 中国科学院 安徽光学精密机械研究所 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
2 合肥学院, 安徽 合肥 230601
3 安徽大学 物质科学与信息技术研究院 安徽省信息材料与智能感知实验室, 安徽 合肥 230601
4 中国科学技术大学 环境科学与光电技术学院, 安徽 合肥 230026
静态散射光蕴含颗粒尺寸的特征信息, 因此静态光散射法是快速测量水体悬浮物粒度的有效手段。然而由于颗粒侧向和后向散射光微弱, 不易探测; 前向散射受艾里斑影响, 存在测量盲区, 导致静态光散射法的小颗粒粒度测量精度不足。提出水体小粒径悬浮物粒度低位异面扫描光散射测量方法, 以光电倍增管为探测器, 采用多角度连续扫描方式探测颗粒的光散射信息: 通过缩短探测器到样品池距离, 提高相同角分辨率下的散射光强度, 提升侧向和后向散射光探测灵敏度; 将探测器偏离激发光轴, 避开艾里斑盲区, 在不改变前角小角度测量精度条件下, 实现前向大角度散射光探测。在此基础上, 结合米散射模型, 实现小粒径悬浮物粒度测量。不同粒度样品实验表明, 方法能准确测量350nm至2μm范围内颗粒的粒度, 2μm、1.5μm、500nm和350nm标物D50的测量相对误差均不超过5.61%, 均低于标物不确定度的相对误差, 且优于实验室内激光粒度仪的测量结果。
光学测量 小粒径 悬浮颗粒物 粒度测量 静态光 低位异面测量 optical measurement small particle size suspended particulate matter particle size measurement static light low position out-of-plane measurement
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室，安徽 合肥 230031
2 中国科学技术大学，安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
4 合肥师范学院物理与材料工程学院，安徽 合肥 230061
5 安徽大学物质科学与信息技术研究院，安徽 合肥 230601
以混合藻类为研究对象，研究组成混合样品藻种的单细胞可变荧光量（SCVF）差异对可变荧光统计分析法准确性的影响。研究结果表明：当两种藻种的SCVF比值不大于5.3时，该分析方法依旧适用，测量结果与显微镜检测结果的相对误差绝对值的均值不大于17%；当两种藻种的SCVF比值大于8时，测量结果与显微镜检测结果存在较大差异，且高SCVF藻细胞占比达到一定比例时，可变荧光统计分析法的测量结果仅反映了混合样品中高SCVF藻细胞数。针对SCVF差异大的混合藻类，将过滤分离方法与可变荧光统计分析法相结合，利用合适孔径的金属滤网过滤混合样品，将过滤前后测量的样品活体藻细胞密度之和作为测量结果。实验结果表明，该方法可将相对误差绝对值均值由58.4%降至5.5%，有效解决了组成混合样品藻种的SCVF差异对细胞数定量的影响，实现混合藻类活体细胞数的准确定量。
海洋光学 压载水 活体藻细胞数 可变荧光 混合藻类 光学学报
2022, 42(24): 2401003
中国科学技术大学环境科学与光电技术学院, 安徽 合肥 230026
多环芳烃(PAHs)是一类在自然环境中常见且广泛存在的有毒有害有机物。 其主要来源有自然界的各种微生物以及植物的生物合成, 富含植被区域的天然火灾, 火山的喷发物, 化石燃料以及人为工业碳氢化合物的不完全燃烧和运输过程中的石油泄漏等。 多环芳烃的毒性较为强烈, 具有生物致癌性, 遗产毒性和致突变性。 它对于人体呼吸系统, 循环系统, 神经系统有着多方面的危害, 是一种重要的有机污染物, 因此有必要对多环芳烃的现场监测和分析方法进行研究。 目前对于多环芳烃的分析方法主要有化学分析法和光谱分析法。 化学分析法包含有前处理的化学滴定法, 液相色谱法(LC), 高效液相色谱法(HPLC), 气相色谱质谱法(GC-MS); 光谱学分析法涉及紫外吸收光谱, 荧光光谱和三维荧光光谱等。 三维荧光光谱同时获得激发波长和发射波长的信息, 因而包含的光学信息十分丰富, 灵敏度高, 光谱特征显著, 在实际水体的现场检测和水体样本混合组分的快速研究有明显的优势。 常见的三维荧光光谱解析方法有平行因子分析法(PARAFAC), 多维偏最小二乘法(N-PLS)等。 平行因子分析是分析多环芳烃重叠三维荧光光谱的一种有效方法。 但有时由于多种组分的荧光较弱, 它对三维荧光光谱的欠定分析并不能得到令人满意的结果。 为了从两个样品中提取更多的成分, 提出一种基于奇异值分解(SVD)和PARAFAC的方法。 首先对每个观测样本进行奇异值分解, 根据累积贡献率选取合适的奇异值, 构造新的伪样本来突出微弱的荧光信号。 然后, 将两个观测样品及其对应的伪样品输入PARAFAC, 恢复组分光谱。 为验证所提方法的有效性, 对三组不同荧光强度的多环芳烃重叠三维荧光光谱进行了分析。 结果表明, 从两个混合样品中提取并识别出6个多环芳烃的纯组分光谱, 其分辨发射和激发光谱与标准光谱的相似性均在0.80以上。
欠定分析 弱荧光信号 平行因子分析 奇异值分解 多环芳烃 Underdetermined analysis Weak fluorescence signal Parallel factor analysis Singular value decomposition Polycyclic aromatic hydrocarbons 光谱学与光谱分析
2022, 42(11): 3494
1 中国科学院合肥物质研究院安徽光学精密机械研究所，中国科学院环境光学与技术重点实验室，安徽 合肥 230031
2 中国科学技术大学，安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室，安徽 合肥 230031
以藻类多相瞬态叶绿素荧光动力学曲线OJIP为基础，提取曲线间距离、形状和角度特征之间的差异，进行曲线差异性度量。同时，采用K最近邻（KNN）分类算法评价并选择分类效果较好的特征组合，利用不同特征对毒性强度表征作用的贡献率分配权重进行特征融合，构建水体综合毒性表征参数PIFCD。在此基础上，以普通小球藻为受试对象，在DCMU、DBMIB、MV、马拉硫磷、克百威毒性物质胁迫下，对比现有的Fv/Fm、PIABS两种表征参数，从毒性响应、最低检测限和最高响应浓度三个方面，验证所构建PIFCD参数的有效性与优越性。结果表明：PIFCD对5种毒性物质均响应灵敏，与Fv/Fm相比可检测更多种类的污染物；PIFCD对5种毒性物质的最低检测限分别比PIABS降低了90.34%、41.66%、81.91%、95.43%和77.66%，同时对高浓度毒性物质的检测能力更强。
海洋光学 荧光 水体综合毒性 OJIP曲线 曲线差异性 毒性表征参数 光学学报
2022, 42(18): 1801004
