根的金属元素含量对高粱生长过程有重要影响。 激光诱导击穿光谱(LIBS)是快速检测作物金属元素的理想技术。 建立了一套基于激光诱导击穿光谱与变维粒子群优化和组合移动窗口(VDPSO-CMW)的波长选择算法相结合的高粱根部金属元素定量分析方法。 获得不同Na和Fe浓度积累的高粱样本27份。 针对高粱根部的LIBS光谱, 利用VDPSO-CMW算法筛选与Na和Fe元素相关的特征波段, 并构建PLS定量分析模型。 经VDPSO-CMW算法优化后, 高粱根部Na元素的PLS模型的建模结果交叉验证决定系数(R2CV)为0.962, 相比优化前的模型上升了6.5%, 交叉验证均方根误差(RMSECV)为1.261, 相比优化前模型下降了37.7%, 预测决定系数(R2P)为0.988, 相比优化前的模型上升了16.8%, 预测均方根误差(RMSEP)为1.063, 相比优化前的模型下降了72.1%; 经VDPSO-CMW算法优化后的高粱根部Fe校正模型的R2CV为0.956, 相比优化前的模型上升了7.4%, RMSECV为5.095, 相比优化前的模型下降了37.1%, R2P为0.955, 相比优化前的模型上升了4.3%, RMSEP为6.438, 相比优化前的模型下降了27.3%。 结果表明, VDPSO-CMW波长选择算法能够剔除LIBS受自吸收、 谱线干扰等因素的波段, 提高定量分析准确度。 该算法和LIBS技术的结合不仅能够实现高粱根部Na和Fe元素的快速精确测定, 也适用于其他样本和元素的定量分析。

水稻是我国主要的粮食作物之一,重金属含量的检测对其安全性及品质具有 重要意义。激光诱导击穿光谱(LIBS)有望克服传统方法检测耗时的缺点,实现水稻等作物植株中重金属含量的快速 原位定量检测。利用共线双脉冲激光诱导击穿光谱(DP-LIBS)技术对水稻叶片中的重金属镉(Cd)元素进行了分析。 由于不同的特征谱线对结果有不同影响,为获取更准确、稳定的分析结果,采用样品表面多点烧蚀的实验方法,讨论 了Cd I: 228.8 nm、Cd II: 214.4 nm和Cd II: 226.5 nm三条共振线对于定标曲线相关系数(R2)和预测结果的 影响。对比研究发现, 532 nm激光先于1064 nm激光进行激发,且两束脉冲时间间隔为0.5 μs时能够获取最好的 光谱强度;在三条分析谱线中, Cd I: 228.8 nm、Cd II: 214.4 nm和Cd II: 226.5 nm谱线的定标曲线R2值分 别为0.86、0.60和0.93, 原子谱线定量结果高于离子谱线; Cd I: 228.8 nm谱线预测相对误差 低于10%, 检测限是3.03 mg/kg。实验表明通过对LIBS检测条件的优化,可以实现对水稻叶片中的重金属含量的检 测。另外实验中所优化的光谱采集和特征谱线选择方法,也有望应用在不同农产品的重金属成分检测上。

将基于图像清晰度评价函数的自动聚焦算法应用于共线双脉冲激光诱导击穿光谱(DP-LIBS),基于LabVIEW编写的控制软件对共线DP-LIBS实验系统与CCD相机、三维移动平台进行有效控制,将图像清晰度评价、自动聚焦算法和三维移动平台相结合,实现了样品的自动聚焦功能。实验结果表明:两激光脉冲间隔的最优位置为0.55 μs;原子谱线的稳定性高于离子谱线;采用自动聚焦系统后,光谱强度的相对标准偏差(RSD)从16.7%降低到6.7%,钢样中Cr元素和Mn元素定量分析的相关系数分别从0.851和0.639提高到0.947和0.923。自动聚焦系统能够提高信号的稳定性和测量精度。