CN104374752A - 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 - Google Patents
基于共线激光诱导击穿光谱的作物营养元素快速检测方法 Download PDFInfo
- Publication number
- CN104374752A CN104374752A CN201410653810.7A CN201410653810A CN104374752A CN 104374752 A CN104374752 A CN 104374752A CN 201410653810 A CN201410653810 A CN 201410653810A CN 104374752 A CN104374752 A CN 104374752A
- Authority
- CN
- China
- Prior art keywords
- sample
- laser
- crop
- induced breakdown
- breakdown spectroscopy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于共线激光诱导击穿光谱的作物营养元素快速检测方法,包括:把新鲜作物叶片制作成样品压片,将共轴双脉冲激光光路升高后,由样品台正上方聚焦击打样品表面,产生等离子体;采集等离子体冷却产生的特征谱线;根据待测营养元素,从所述的特征谱线中选取不存在自吸收和自反转且强度最高的四条谱线;以样本参考值作为输出Y′,以四条谱线的强度作为输入,建立多种多元回归模型,选取其中四个最优模型,并以这四个模型的预测结果作为输入,以样本参考值Y′作为输出建立综合模型;针对待检测作物样本,获取四条谱线强度输入所述的综合模型,计算出营养元素含量。本发明实现了作物营养元素的快速检测,具有操作简单,成本低等特点。
Description
技术领域
本发明涉及作物营养元素检测技术,尤其涉及一种基于共线激光诱导击穿光谱的作物营养元素快速检测方法。
背景技术
作物营养元素(氮、磷、钾等)与作物的生长状况以及产量密切相关。氮、磷、钾是作物三大主要营养元素。氮是色素的组成成分,能促进植物光合作用,增加作物产量;磷是作物多种化合物的组成元素,对作物品质具有重要影响;钾能促进作物光合作用,增强作物抗逆性。获取作物营养元素信息有利于了解作物的生长状况,根据作物的缺素情况实现早期定量施肥。目前,作物营养元素的检测方法主要有凯式定氮法、杜马氏燃烧法、比色法、火焰燃烧法等。然而,这些方法操作复杂、成本高,通常需要消耗大量化学试剂并造成环境污染,无法满足农田作物营养信息快速获取的要求。
激光诱导击穿光谱仪(Laser-Induced Breakdown Spectroscopy,LIBS)利用脉冲激光产生的等离子体烧蚀并激发样品(通常为固体)中的物质,并通过光谱仪获取激发等离子体原子所发射的光谱,以此来识别样品中的元素组成成分,进而可以进行材料的识别、分类、定性以及定量分析。该技术无需对样品进行预处理(或简单预处理),能够快速实现远程、微损对样品元素(尤其是金属元素)进行检测,可用于固体、气体、液体样品的检测。近年来,激光诱导击穿光谱技术发展迅速,广泛应用于多个领域,如生物医学、考古学、环境监测、水中重金属检测以及***物探测等。
例如,公开号为CN103257126A的专利文献公开了一种基于激光诱导击穿光谱技术的农药残留快速检测方法,采集样本的LIBS光谱,采用平滑序列非正交幅频方法对LIBS光谱进行预处理;利用子窗口重排分析和竞争性自适应重加权算法分别提取农药残留的LIBS元素特征谱线和基团特征谱线,并分别输入到农药残留种类检测模型和农药残留含量检测模型中,先进行农药残留种类检测,再进行农药残留含量检测。
应用激光诱导击穿光谱技术能快速获取作物营养信息,有利于实现农业精准化、智能化和信息化。然而,由于激光诱导击穿光谱分析量很小,基体效应对分析结果具有明显的影响。因此对于作物样本通常需要进行制样压片来保证检测的重复性。
发明内容
本发明公开了一种作物营养元素快速检测***和方法,实现了基于激光诱导击穿光谱对作物压片营养元素快速检测,能同时满足不同作物激光光谱的检测,具有***调节方便,成本低,检测快速,微损等特点。
本发明的具体技术方案如下:
一种基于共线激光诱导击穿光谱的作物营养元素快速检测方法,包括步骤:
1)对新鲜作物叶片进行预处理,并制作成样品压片;
2)将共轴双脉冲激光光路升高后,由样品台正上方聚焦击打样品表面,产生等离子体;
3)激光能量趋于稳定时,采集等离子体冷却产生的特征谱线,并通过样品台改变激光击打样品位置,得到样品不同位置的特征谱线;
4)更换不同作物的多个样本,重复步骤1)~步骤3),得到不同样本的特征谱线;
5)根据待测营养元素,从所述的特征谱线中选取不存在自吸收和自反转且强度最高的四条谱线,所选谱线的强度分别为I1、I2、I3、I4;
6)以样本参考值作为输出Y′,以所述的谱线强度I1、I2、I3、I4作为输入,建立多种多元回归模型,选取其中四个最优模型,并以这四个模型的预测结果Y1、Y2、Y3、Y4作为输入,以样本参考值Y′作为输出建立综合模型;综合模型方程为:Y=mY1+nY2+jY3+kY4+l,m、n、j、k分别为该综合模型中Y1、Y2、Y3、Y4对应的回归系数,l是该综合模型的常数;
7)针对待检测作物样本,重复步骤1)~步骤5),获取四条谱线强度I1、I2、I3、I4输入所述的综合模型,计算出营养元素含量。
在步骤1)中,将新鲜作物叶片放置于真空烘箱中干燥直至恒重,然后取出叶片进行冷冻研磨,使研磨后叶片粉末直径小于50μm,再放于压片机中进行压片,制作成所述的样品压片。
新鲜作物叶片通常含有较高的含水率,如油菜叶片含水率能达70%~80%。当激光击打新鲜作物叶片时,作物叶片中的水分会吸收激光能量,并产生水的干扰信号。因此,通常需要将新鲜作物叶片放置真空烘箱中干燥去除新鲜作物叶片中水分的干扰。为保证待检测样本的均一性,对干燥后的叶片进行冷冻研磨。干燥后的叶片粉末应充分研磨,保证粉末直径小于50μm。研磨粉末颗粒过大将对营养元素的检测结果造成影响,使检测重复性下降。此外,对研磨后的粉末进行压片能避免粉末受到激光脉冲作用产生飞溅破坏样本表面平整性,能提供一个相对平整均匀的样本表面,保证检测的准确性和重复性。
所述的光路爬高***包括沿光路依次布置的第一反射镜、第二反射镜和第三反射镜,所述第二反射镜位于第一反射镜的正上方,第三反射镜位于样品台的正上方。
光路爬高***主要用于抬升光路,并将沿水平方向激光转化为沿垂直方向传播。应用光路爬高***能有效避免升高激光器位置导致激光不稳定的因素。激光从样品正上方击打样品表面,有利于等离子体的有效激发,保证等离子体均匀对称分布。其中,所述的第一反射镜、第二反射镜和第三反射镜均为Nd:YAG双频激光反射镜。
优选的,所述的样品台包括具有三自由度的位移台、活动安装在位移台上的升降板和滑动配合在位移台上的载物台,所述样品压片放置在载物台上;所述升降板上设有透明的约束窗口,激光透过约束窗口后击打样品;所述升降板的下方设有约束板,该约束板置于样品压片的正上方,约束板上分布有约束腔,该约束腔用于约束样品激发的等离子体。
样品台通过空间限制增强谱线强度,能对等离子体横向以及纵向进行约束,并根据不同的样本需求调节约束空间大小调节谱线强度,谱线强度增强范围为2-10倍。约束窗口主要用于对等离子体纵向进行约束,并对入射激光与等离子体产生的特征谱线具有较好的透射率。约束板主要用于对等离子体的横向进行约束,并使特征谱线进行约束传播,提高谱线收集效率和谱线强度。
其中,所述的升降板上设有透光口,该透光口处覆盖有透光板,所述透光口与透光板组成所述的约束窗口。透光板为有机玻璃板,选用材料为N-BK7,厚度为1~5mm,为保证激光有效激发和特征谱线的有效收集,透光板对激光波长和特征谱线的透过率应大于90%,同时为防止激光对有机玻璃板造成损害,其能量阈值应大于10J/cm2。谱线增强效果受到约束窗口离样品距离的影响。由于样品性质和所要检测的元素谱线强度不同,本发明的约束窗口能在垂直方向进行移动,根据需要调节谱线强度。
约束板为镀铬的铝板,厚度为1~3mm。在铝板的约束腔内进行镀铬,使内腔具有较高的反射率,使特征谱线约束传播,提高谱线收集效率。约束腔采用圆锥形结构,由于其上小下大的结构,比起圆柱型的结构能更好得对等离子体进行约束。另外,当等离子体从圆锥形约束腔射出时,由于其空间约束加大,其电子密度与运动速度均会得到增强,因此更加有利于谱线信号的增强。
在步骤6)中,所述的多元回归模型包括偏最小二乘法、多元线性回归、主成分回归、逐步线性回归、岭回归、Logistic回归、最小二乘-支持向量机、人工神经网络、极限学习机、高斯过程回归。
本发明采用多种多元回归模型建立作物营养元素的预测模型。所述的多元回归模型既包括线性回归模型也包括非线性回归模型。各个不同的回归模型均有不同的优缺点与适用对象。如主成份回归、多元线性回、偏最小二乘法等线性回归方法更适用于光谱值与作物营养元素线性度较好时。当存在各组分相互作用或存在仪器噪声或基线漂移时,这些线性校正方法便不能获得理想的模型。这时,人工神经网络、最小二乘-支持向量机等非线性回归方法更适合最佳预测模型的建立。由于作物是一种基体复杂的样本,不同的作物其性质存在较大的差异。此外,在农业生产中,营养元素的检测容易受到环境因素的影响。采用上述所述的多种回归模型并优选四种最优模型能有效保证不同作物样本和不同营养元素最佳预测效果。
同时,在所述的多元回归模型中,选取决定系数R2大且均方根误差RMSE小的四个最优模型。
决定系数R2和均方根误差RMSE均是评价模型效果的评价指标。决定系数主要用来表征数据拟合统计模型的效果。当决定系数越接近于1,则模型效果越好;均方根误差用来衡量预测值与真实值的偏差,与准确度的作用相似,当均方根误差越小,越接近于0,表明模型的预测能力越强。在此方法中,根据决定系数大小进行排序,并优先选择均方根误差较小的回归模型,从上述所建立的多种多元回归模型中选择最优的四个模型。在步骤3)中,采用基线平移和光谱归一化对所述的特征谱线进行预处理,通过基线平移去除背景噪声,采用光谱归一化来校正能量波动和基体校正。
本发明具有的有益效果是:
(1)能快速调节仪器的参数,实现最佳检测参数的优化。
(2)实现了作物营养元素的快速检测,具有操作简单,成本低等特点。有效克服了传统检测方法检测时间长、操作复杂的特点,避免了化学试剂对环境的污染。
(3)作物样品经过干燥、研磨、压片,能有效提高检测的重复性,避免样品不均匀带来了检测误差。
(4)样品台通过空间限制增强谱线强度,能对等离子体横向以及纵向进行约束,提高谱线收集效率和谱线强度;能避免激发颗粒重新覆盖到样品表面。
附图说明
图1为作物营养元素快速检测的***结构图;
图2为作物营养元素快速检测的方法流程图;
图3为样品台的结构图;
图4为图3中样品台的俯视图。
具体实施方式
如图1所示,本发明中作物营养元素快速检测方法所适用的装置包括双脉冲固体激光器1,延时发生器2,能量衰减器3,激光能量实时监测***4,光路爬高***5,探测器6,光谱仪7,样品台8,聚焦透镜9,光纤收集***10和样本表面成像***11。
延时发生器2控制双脉冲固体发生器1的调Q开关触发时间和氙灯开启触发时间。在延时发生器2控制下,双脉冲固体激光器1产生共轴532nm(1064nm)双脉冲激光。激光经过能量衰减器3对激光能量进行衰减。通过转动半波片31控制从分束镜32出来的能量。衰减后激光分别经过第一反射镜52和第二反射镜51,再经过第三反射镜53改变光路,向下传播。激光经过聚焦透镜9聚焦击打样品表面,产生等离子体。等离子体冷却产生的特征谱线经光纤收集***10收集,经过光谱仪7分光,最终由探测器6上的光电倍增管转化为电信号,通过USB连接到计算机12上,通过建立好的模型数据库,计算出作物营养元素含量。
光路爬高***5由第一反射镜52、第二反射镜51和第三反射镜53组成,优选为Nd:YAG双频激光反射镜,其532/1064nm处的反射率高于98%。
光纤收集***10由光收集器和光纤组成。样本表面成像***11包括CCD相机114、成像镜头113、第三分束镜112、照明LED光源111。
激光能量实时监测***包括热电脉冲探头42、第二分束镜41、USB连接线、计算机12。能量衰减器3由半波片31和第一分束镜32组成。探测器6为ICCD探测器,光谱仪7为中阶梯光栅光谱仪。
延时发生器2控制双脉冲固体激光器1调Q触发时间、氙灯开启触发时间和ICCD探测器的门控时间。延时发生器设置双脉冲固体激光器调Q信号的触发时间在氙灯信号触发之后150±20μs。探测器的控制开启时间为第二路激光调Q开关触发时间之后1.5μs。
双脉冲固体激光器1的重复频率为1-10Hz,能量为80-200mJ(532nm),80-300mJ(1064nm),两束激光之间的间隔时间为500ns。
双脉冲固体激光器1具有4种工作方式:1)1064nm同轴输出,2)532nm同轴输出,3)1064异轴输出,4)1064nm、532nm异轴输出。双脉冲固体激光器1可由2个单脉冲1064nm固体激光器、倍频晶体和合束光路实现。
聚焦透镜9安装于沿光轴方向具有调节自由度的透镜安装架中,用于调节样本与透镜的距离,从而控制击打到样品上的激光参数。聚焦透镜选用N-BK7,镀V形膜,其在532、1064nm处的反射率小于0.25%。
如图3和图4所示,样品台8包括齿条升降杆901,齿轮滑块902,直角转接板903,等离子体约束窗口904,圆柱导轨905,等离子体约束板906,V型滑块907,组合电移台909,拉杆910,约束腔911。组合电移台909采用三自由度的位移台。齿条升降杆901竖直安装在组合电移台909上,齿轮滑块902与齿条升降杆901啮合,可沿垂直方向上下移动。直角转接板903通过螺栓固定于齿轮滑块902上,平面设有矩形的透光口,透光口边缘设有支撑台阶,透光口内设有透光板,形成等离子体约束窗口904。圆柱导轨905固定在组合电移台909上,等离子体约束板906可沿圆柱导轨905上下滑动。圆柱导轨905和齿条升降杆901均通过螺栓联接于组合电移台909上。组合电移台909开有V型槽,V型滑块907在拉杆910作用下可沿V型槽左右滑动,拉杆910通过螺纹固定于V型滑块907内。样品908放置V型滑块907(相当于载物台)上,激光从上方向下击打,通过等离子体约束窗口904,并经过等离子体约束板906,击打到样品表面,激发等离子体,冷却发出特征谱线由光纤收集***10收集。
等离子体约束窗口904的材料为N-BK7,厚度为1-5mm,透过率大于90%,能量阈值大于10J/cm2。等离子体约束窗口904主要用于对等离子体纵向进行约束,并对入射激光与等离子体产生的特征谱线具有较好的透射率。N-BK7是一种常见的光学玻璃,能够透过350nm-2000nm波段的光,其激光的透射率大于90%,能量阈值大于10J/cm2。等离子体约束窗口904可在齿轮滑块902作用下沿垂直方向进行移动。谱线增强效果受到约束窗口离样品距离的影响。由于样品性质和所要检测的元素谱线强度不同,本发明的等离子体约束窗口904能在垂直方向进行移动,根据需要调节谱线强度。
在本实施例中,等离子体约束板906的材料为镀铬的铝板,厚度为1mm,其中间均匀布有圆锥形约束腔911,上锥面直径和下锥面直径分别是2mm和3mm。约束腔911之间距离应与组合电移台909规划位移相一致。等离子体约束板906主要用于对等离子体的横向进行约束,并使特征谱线进行约束传播,提高谱线收集效率和谱线强度,谱线强度增强范围为2-10倍。在铝板的约束腔911内进行镀铬,使内腔具有较高的反射率,使特征谱线约束传播,提高谱线收集效率。约束腔采用圆锥形结构,由于其上小下大的结构,比起圆柱型的结构能更好得对等离子体进行约束。另外,当等离子体从圆锥形约束腔射出时,由于其空间约束加大,其电子密度与运动速度均会得到增强,因此更加有利于谱线信号的增强。等离子体约束板906的约束腔之间距离与组合电移台909规划位移相一致,能适用于激光诱导击穿光谱面扫描的工作方式。本发明采用等离子体约束板906覆盖样品表面,有利于平整样品表面提高重复性,避免激发颗粒污染其它待测区域。当待测样品为新鲜叶片等表面不平整样品时,其待测区域与透镜距离存在差异,进而影响激光到达样品的激光参数。激光诱导击穿光谱的检测稳定性与待检测区域的激光参数息息相关,因此平整样品表面有利于固定激光参数提高检测的重复性。此外,等离子体约束板906的上小下大圆锥形结构有利于最大程度地避免由上一个检测区域激发颗粒污染,保证所检测对象为待检测区域的元素。
V型滑块907在拉杆910作用下可沿V型槽移动,采用此V型滑块导轨结构,避免升高等离子约束窗口和等离子约束板等繁琐操作。等离子体约束板906与圆柱导轨905之间的连接为紧连接,在重力作用下等离子体约束板906不能自由下滑。
控制组合电移台909使等离子体约束板906的圆锥型约束腔911与上方激光的位置相对应,设置组合电移台909的工作步长是圆锥形约束腔相邻距离或倍数。共轴双脉冲激光经过光路***,经聚焦透镜从上方向下传播,穿过等离子体约束窗口904,并经过圆锥形约束腔击打样品。等离子体约束窗口904的其激光透过率大于90%,能量阈值大于10J/cm2。等离子体冷却发出特征谱线由上方的光纤收集***10收集。每个位置可根据实际要求选择所需击打的次数,当完成一个位置之后通过组合电移台909移动进行多个位置光谱采集。当无等离子体约束窗口904和等离子体约束板906时,激发出的等离子体为自由激发状态;当对激发的等离子体进行限制后,等离子体的密度增加,等离子体温度升高,增强了激发原子的谱线强度。
如图2所示,实现作物营养元素快速检测方法包括以下步骤:
(1)对新鲜作物叶片进行预处理。将新鲜叶片放置于真空烘箱中干燥直至恒重。取出叶片进行冷冻研磨,研磨后叶片粉末直径应小于50μm;称量0.25g叶片粉末于压片机中进行压片。压片机模具为15mm,使用压力为15t,保持压力3min。
(2)根据选择的不同工作参数,调节***参数。通过能量衰减器改变达到样本表面激光能量。旋转能量衰减器的半波片改变激光偏振方向,不同偏振方向通过分束镜的能量不同。调节第一聚焦透镜沿光轴方向位移,控制透镜到样本表面距离,控制样本表面激光参数(调节透镜安装架沿光轴方向位移使透镜到样本表面的距离小于透镜的焦距,并使谱线信噪比达到最大)。设置延时发生器时序控制调Q触发时间、氙灯开启触发时间和ICCD探测器的门控时间。当采集谱线的信噪比高于阈值时,开始作物样本光谱采集,否则重复步骤(2),直到满足要求。
(3)采集作物样本的原子光谱。当能量实时检测***所采集的激光能量趋于稳定时,开始采集作物样本的原子光谱。通过样品台改变激光击打样品位置,避免重复击打。每个样本压片采集10个位置,每个位置采集10条光谱,共100条光谱。对100条原子光谱取平均代表一个样本。
(4)对采集到的原子光谱进行预处理,包括基线平移(去除背景噪声)、光谱归一化(校正能量波动和基体校正)等。根据原子信息数据库选择所测元素的谱线,所选特征谱线应为不存在自吸收和自反转且强度最强的四条谱线,所选谱线的强度设为I1、I2、I3、I4。
(5)通过参考方法如原子吸收光谱,获取不同作物多个样本的营养元素参考值,设为Y′。以样本参考值Y′作为输出,重复步骤(1)到(4)获取不同样本谱线强度I1、I2、I3、I4作为输入,分别建立偏最小二乘法、多元线性回归、主成分回归、逐步线性回归、岭回归、Logistic回归、最小二乘-支持向量机、人工神经网络、极限学习机、高斯过程回归模型,从中选取4个最优预测模型Y1、Y2、Y3、Y4。以多元线性回归模型为例,则模型方程为:Y4=aI1+bI2+cI3+dI4+e,a、b、c、d分别为该多元线性回归方程中I1、I2、I3、I4对应的回归系数,e是该多元线性回归方程的常数。以四个预测模型预测结果Y1、Y2、Y3、Y4作为输入,以样本参考值Y′作为输出建立综合模型,模型方程为:Y=mY1+nY2+jY3+kY4+l,m、n、j、k分别为该综合模型中Y1、Y2、Y3、Y4对应的回归系数,l是该综合模型的常数。以最终二次拟合的综合模型建立多种作物的模型数据库用于快速预测作物营养元素含量。
(6)获取待检测作物样本,重复步骤(1)到(4)获取4条谱线强度I1、I2、I3、I4作为输入,以步骤(5)建立的模型数据库计算营养元素含量。
上述方法实现的具体实施案例如下:
以应用激光诱导击穿光谱检测油菜叶片中N、P、K营养元素含量,对所述的***和方法加以说明阐述。
1、这里采用七种已知N、P、K浓度的果蔬标准品建立模型数据库,已知营养元素参考值Y′如下表所示。
编号 | 氮(%) | 磷(%) | 钾(%) |
GBW10014 | 2.8 | 0.46 | 1.55 |
GBW10019 | 0.31 | 0.066 | 0.77 |
GBW10020 | 2.47 | 0.125 | 0.77 |
GBW10021 | 2.79 | 0.38 | 2.26 |
GBW10022 | 3.22 | 0.466 | 1.14 |
GBW10023 | 5.0 | 0.585 | 3.36 |
GBW10025 | 10.6 | 1.17 | 1.41 |
2、称量0.25g样品于压片机中进行压片。压片机模具为15mm,使用压力为15t,保持压力3min。
3、根据选择的不同工作参数,调节***参数。通过能量衰减器改变达到样本表面激光能量。旋转能量衰减器的半波片改变激光偏振方向,不同偏振方向通过分束镜的能量不同。调节第一聚焦透镜沿光轴方向位移,控制透镜到样本表面距离,控制样本表面激光参数,使谱线信噪比达到最大。设置延时发生器时序控制调Q触发时间、氙灯开启触发时间和ICCD探测器的门控时间。当采集谱线的信噪比高于阈值时,开始作物样本光谱采集,否则重复步骤3,直到满足要求。
4、采集作物样本的原子光谱。当能量实时检测***所采集的激光能量趋于稳定时,开始采集作物样本的原子光谱。通过样品台改变激光击打样品位置,避免重复击打。每个样本压片采集10个位置,每个位置采集10条光谱,共100条光谱。对100条原子光谱取平均代表一个样本。
5、对采集到的原子光谱进行预处理,包括基线平移(去除背景噪声)、光谱归一化(校正能量波动和基体校正)等。根据原子信息数据库选择所测元素的谱线,所选特征谱线应为不存在自吸收和自反转强度最强的四条谱线,所选谱线的强度设为I1、I2、I3、I4。
6、以样本参考值Y′作为输出,重复步骤2到5获取不同标准品样本谱线强度I1、I2、I3、I4作为输入,分别建立偏最小二乘法、多元线性回归、主成分回归、逐步线性回归、岭回归、Logistic回归、最小二乘-支持向量机、人工神经网络、极限学习机、高斯过程回归等模型,从中选取4个最优预测模型Y1、Y2、Y3、Y4(根据决定系数大小进行排序,并优先选择均方根误差较小的4个为最优预测模型Y1、Y2、Y3、Y4)。以四个预测模型预测结果Y1、Y2、Y3、Y4作为输入,以样本参考值Y′作为输出建立综合模型,此例中N、P、K元素的决定系数R2分别为0.91,0.95,0.90。
7、获取油菜叶片样本,将新鲜叶片放置于真空烘箱中干燥直至恒重。取出叶片进行冷冻研磨,研磨后叶片粉末直径应小于50μm;重复步骤2到步骤5获取4条谱线强度I1、I2、I3、I4作为输入,以步骤6建立的模型数据库计算营养元素含量。
为验证此方法的可行性,当使用氮、磷、钾含量分别为4.85%、0.46%、2.01%的油菜叶片作为待检测样本,预测氮、磷、钾含量分别为4.72%,0.53%,2.23%,此方法与用标准方法测出来的营养元素含量相近。
Claims (10)
1.一种基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,包括步骤:
1)对新鲜作物叶片进行预处理,并制作成样品压片;
2)将共轴双脉冲激光光路升高后,由样品台正上方聚焦击打样品表面,产生等离子体;
3)激光能量趋于稳定时,采集等离子体冷却产生的特征谱线,并通过样品台改变激光击打样品位置,得到样品不同位置的特征谱线;
4)更换不同作物的多个样本,重复步骤1)~步骤3),得到不同样本的特征谱线;
5)根据待测营养元素,从所述的特征谱线中选取不存在自吸收和自反转且强度最高的四条谱线,所选谱线的强度分别为I1、I2、I3、I4;
6)以样本参考值作为输出Y′,以所述的谱线强度I1、I2、I3、I4作为输入,建立多种多元回归模型,选取其中四个最优模型,并以这四个模型的预测结果Y1、Y2、Y3、Y4作为输入,以样本参考值Y′作为输出建立综合模型;综合模型方程为:Y=mY1+nY2+jY3+kY4+l,m、n、j、k分别为该综合模型中Y1、Y2、Y3、Y4对应的回归系数,l是该综合模型的常数;
7)针对待检测作物样本,重复步骤1)~步骤5),获取四条谱线强度I1、I2、I3、I4输入所述的综合模型,计算出营养元素含量。
2.如权利要求1所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,在步骤1)中,将新鲜作物叶片放置于真空烘箱中干燥直至恒重,然后取出叶片进行冷冻研磨,使研磨后叶片粉末直径小于50μm,再放于压片机中进行压片,制作成所述的样品压片。
3.如权利要求1所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,采用光路爬高***将共轴双脉冲激光光路升高,所述的光路爬高***包括沿光路依次布置的第一反射镜、第二反射镜和第三反射镜,所述第二反射镜位于第一反射镜的正上方,第三反射镜位于样品台的正上方。
4.如权利要求3所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,所述的第一反射镜、第二反射镜和第三反射镜均为Nd:YAG双频激光反射镜。
5.如权利要求1所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,所述的样品台包括具有三自由度的位移台、活动安装在位移台上的升降板和滑动配合在位移台上的载物台,所述样品压片放置在载物台上;
所述升降板上设有透明的约束窗口,激光透过约束窗口后击打样品;
所述升降板的下方设有约束板,该约束板置于样品压片的正上方,约束板上分布有约束腔,该约束腔用于约束样品激发的等离子体。
6.如权利要求5所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,所述的升降板上设有透光口,该透光口处覆盖有透光板,所述透光口与透光板组成所述的约束窗口。
7.如权利要求5所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,所述约束板为镀铬的铝板,约束腔为圆锥形。
8.如权利要求1所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,所述的多元回归模型包括偏最小二乘法、多元线性回归、主成分回归、逐步线性回归、岭回归、Logistic回归、最小二乘-支持向量机、人工神经网络、极限学习机、高斯过程回归。
9.如权利要求8所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,在多种多元回归模型中,选取决定系数R2大且均方根误差RMSE小的四个最优模型。
10.如权利要求1所述的基于共线激光诱导击穿光谱的作物营养元素快速检测方法,其特征在于,在步骤3)中,采用基线平移和光谱归一化对所述的特征谱线进行预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410653810.7A CN104374752B (zh) | 2014-11-17 | 2014-11-17 | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410653810.7A CN104374752B (zh) | 2014-11-17 | 2014-11-17 | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104374752A true CN104374752A (zh) | 2015-02-25 |
CN104374752B CN104374752B (zh) | 2017-01-11 |
Family
ID=52553799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410653810.7A Active CN104374752B (zh) | 2014-11-17 | 2014-11-17 | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104374752B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403532A (zh) * | 2015-12-01 | 2016-03-16 | 浙江大学 | 一种核桃粉产地的快速识别方法 |
CN105510305A (zh) * | 2015-12-01 | 2016-04-20 | 浙江大学 | 一种土豆淀粉铝含量的检测方法 |
CN105717074A (zh) * | 2016-01-22 | 2016-06-29 | 浙江大学 | 基于特征波长的激光诱导击穿光谱鉴别抹茶与绿茶粉的方法 |
CN106501236A (zh) * | 2016-09-30 | 2017-03-15 | 浙江大学 | 基于单脉冲激光诱导击穿光谱技术的大米中铜含量检测方法 |
CN106546575A (zh) * | 2016-10-20 | 2017-03-29 | 浙江大学 | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 |
CN106770195A (zh) * | 2017-01-24 | 2017-05-31 | 浙江大学 | 基于cn元素比值校正含水率的叶片重金属含量检测方法 |
CN106841174A (zh) * | 2017-01-24 | 2017-06-13 | 浙江大学 | 基于Mg元素比值校正含水率的叶片重金属含量检测方法 |
CN106841173A (zh) * | 2017-01-24 | 2017-06-13 | 浙江大学 | 基于k元素比值校正含水率的叶片重金属含量检测方法 |
CN107843843A (zh) * | 2017-09-30 | 2018-03-27 | 江苏理工学院 | 一种基于大数据和极限学习机的车载电池soc在线预测方法 |
CN108267429A (zh) * | 2017-11-30 | 2018-07-10 | 南京信息工程大学 | 一种烧结矿中全铁及碱度的定量分析方法 |
CN111398254A (zh) * | 2020-03-26 | 2020-07-10 | 浙江大学 | 一种水稻叶片重金属铜元素定量检测方法及*** |
CN111398252A (zh) * | 2020-03-17 | 2020-07-10 | 浙江大学 | 一种水稻叶片中镉元素定量检测方法及*** |
CN112629670A (zh) * | 2020-12-28 | 2021-04-09 | 上海交通大学 | 一种高频动态火焰温度测量方法与*** |
CN112947635A (zh) * | 2021-01-15 | 2021-06-11 | 江南大学 | 基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法 |
CN113340874A (zh) * | 2020-03-02 | 2021-09-03 | 中国科学院沈阳自动化研究所 | 一种基于结合岭回归和递归特征消除的定量分析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4690558A (en) * | 1984-12-18 | 1987-09-01 | Kawasaki Steel Corporation | Method of laser emission spectroscopical analysis and apparatus therefor |
US5847825A (en) * | 1996-09-25 | 1998-12-08 | Board Of Regents University Of Nebraska Lincoln | Apparatus and method for detection and concentration measurement of trace metals using laser induced breakdown spectroscopy |
FR2938066A1 (fr) * | 2008-11-06 | 2010-05-07 | Centre Nat Rech Scient | Systeme et procede d'analyse quantitative de la composition elementaire de la matiere par spectroscopie du plasma induit par laser (libs) |
CN102183494A (zh) * | 2011-02-18 | 2011-09-14 | 清华大学 | 一种利用等离子体空间限制作用提高元素测量精度的方法 |
CN102262075A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于分光法的激光诱导击穿光谱测量元素浓度的方法 |
CN102262076A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于谱线组合的激光诱导击穿光谱元素浓度测量方法 |
CN102998974A (zh) * | 2012-11-28 | 2013-03-27 | 上海交通大学 | 多模型广义预测控制***及其性能评估方法 |
CN103488874A (zh) * | 2013-09-01 | 2014-01-01 | 西北大学 | 一种改进的支持向量机结合激光诱导击穿光谱对钢铁材料的分类方法 |
-
2014
- 2014-11-17 CN CN201410653810.7A patent/CN104374752B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4690558A (en) * | 1984-12-18 | 1987-09-01 | Kawasaki Steel Corporation | Method of laser emission spectroscopical analysis and apparatus therefor |
US5847825A (en) * | 1996-09-25 | 1998-12-08 | Board Of Regents University Of Nebraska Lincoln | Apparatus and method for detection and concentration measurement of trace metals using laser induced breakdown spectroscopy |
FR2938066A1 (fr) * | 2008-11-06 | 2010-05-07 | Centre Nat Rech Scient | Systeme et procede d'analyse quantitative de la composition elementaire de la matiere par spectroscopie du plasma induit par laser (libs) |
CN102183494A (zh) * | 2011-02-18 | 2011-09-14 | 清华大学 | 一种利用等离子体空间限制作用提高元素测量精度的方法 |
CN102262075A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于分光法的激光诱导击穿光谱测量元素浓度的方法 |
CN102262076A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于谱线组合的激光诱导击穿光谱元素浓度测量方法 |
CN102998974A (zh) * | 2012-11-28 | 2013-03-27 | 上海交通大学 | 多模型广义预测控制***及其性能评估方法 |
CN103488874A (zh) * | 2013-09-01 | 2014-01-01 | 西北大学 | 一种改进的支持向量机结合激光诱导击穿光谱对钢铁材料的分类方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403532A (zh) * | 2015-12-01 | 2016-03-16 | 浙江大学 | 一种核桃粉产地的快速识别方法 |
CN105510305A (zh) * | 2015-12-01 | 2016-04-20 | 浙江大学 | 一种土豆淀粉铝含量的检测方法 |
CN105717074A (zh) * | 2016-01-22 | 2016-06-29 | 浙江大学 | 基于特征波长的激光诱导击穿光谱鉴别抹茶与绿茶粉的方法 |
CN106501236A (zh) * | 2016-09-30 | 2017-03-15 | 浙江大学 | 基于单脉冲激光诱导击穿光谱技术的大米中铜含量检测方法 |
CN106546575A (zh) * | 2016-10-20 | 2017-03-29 | 浙江大学 | 一种基于激光诱导击穿光谱技术的大米中铜含量检测方法 |
CN106841174B (zh) * | 2017-01-24 | 2019-08-23 | 浙江大学 | 基于Mg元素比值校正含水率的叶片重金属含量检测方法 |
CN106770195B (zh) * | 2017-01-24 | 2019-11-29 | 浙江大学 | 基于cn元素比值校正含水率的叶片重金属含量检测方法 |
CN106841173A (zh) * | 2017-01-24 | 2017-06-13 | 浙江大学 | 基于k元素比值校正含水率的叶片重金属含量检测方法 |
CN106841174A (zh) * | 2017-01-24 | 2017-06-13 | 浙江大学 | 基于Mg元素比值校正含水率的叶片重金属含量检测方法 |
CN106770195A (zh) * | 2017-01-24 | 2017-05-31 | 浙江大学 | 基于cn元素比值校正含水率的叶片重金属含量检测方法 |
CN106841173B (zh) * | 2017-01-24 | 2019-09-10 | 浙江大学 | 基于k元素比值校正含水率的叶片重金属含量检测方法 |
CN107843843A (zh) * | 2017-09-30 | 2018-03-27 | 江苏理工学院 | 一种基于大数据和极限学习机的车载电池soc在线预测方法 |
CN108267429A (zh) * | 2017-11-30 | 2018-07-10 | 南京信息工程大学 | 一种烧结矿中全铁及碱度的定量分析方法 |
CN113340874A (zh) * | 2020-03-02 | 2021-09-03 | 中国科学院沈阳自动化研究所 | 一种基于结合岭回归和递归特征消除的定量分析方法 |
CN113340874B (zh) * | 2020-03-02 | 2023-07-18 | 中国科学院沈阳自动化研究所 | 一种基于结合岭回归和递归特征消除的定量分析方法 |
CN111398252A (zh) * | 2020-03-17 | 2020-07-10 | 浙江大学 | 一种水稻叶片中镉元素定量检测方法及*** |
CN111398254A (zh) * | 2020-03-26 | 2020-07-10 | 浙江大学 | 一种水稻叶片重金属铜元素定量检测方法及*** |
CN112629670A (zh) * | 2020-12-28 | 2021-04-09 | 上海交通大学 | 一种高频动态火焰温度测量方法与*** |
CN112629670B (zh) * | 2020-12-28 | 2021-09-24 | 上海交通大学 | 一种高频动态火焰温度测量方法与*** |
CN112947635A (zh) * | 2021-01-15 | 2021-06-11 | 江南大学 | 基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法 |
CN112947635B (zh) * | 2021-01-15 | 2022-04-29 | 江南大学 | 基于卡尔曼滤波器多模型麦苗生长舱最优参数预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104374752B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104374752A (zh) | 基于共线激光诱导击穿光谱的作物营养元素快速检测方法 | |
CN104374753B (zh) | 基于双脉冲激光诱导击穿光谱的作物重金属和微量元素检测方法 | |
McGlone et al. | Internal quality assessment of mandarin fruit by vis/NIR spectroscopy | |
CN105008898B (zh) | 用于组合的libs和ir吸收光谱法研究的***和方法 | |
CN101995395B (zh) | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 | |
CN106770194A (zh) | 基于小波变换激光诱导击穿光谱的谷类作物产地鉴别方法 | |
CN104374763A (zh) | 一种可调再加热双脉冲激光诱导击穿光谱装置 | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
CN110542668A (zh) | 一种基于太赫兹成像技术定量分析叶片成分分布情况的方法 | |
CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
CN104833650A (zh) | 单光导天线的脉冲太赫兹时域光谱***及探测方法 | |
CN108051410A (zh) | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 | |
Chen et al. | Quantitative analysis of chromium in pork by PSO-SVM chemometrics based on laser induced breakdown spectroscopy | |
Torricelli et al. | Recent advances in time-resolved NIR spectroscopy for nondestructive assessment of fruit quality | |
CN114936513A (zh) | 一种提升激光诱导击穿光谱检测精度的方法及*** | |
CN204214783U (zh) | 一种可调再加热双脉冲激光诱导击穿光谱装置 | |
Wang et al. | Quantitative Analysis of Ca, Mg, and K in the roots of Angelica pubescens f. biserrata by Laser-induced breakdown spectroscopy combined with artificial neural networks | |
CN104374751B (zh) | 基于共线激光诱导击穿光谱作物营养元素快速检测的装置 | |
CN109142251B (zh) | 随机森林辅助人工神经网络的libs定量分析方法 | |
CN204214779U (zh) | 基于共线激光诱导击穿光谱作物营养元素快速检测的装置 | |
Gudkov et al. | Modern physical methods and technologies in agriculture | |
US20230003642A1 (en) | Methods and Systems for Detecting Water Status in Plants Using Terahertz Radiation | |
CN101911877B (zh) | 基于激光漫反射图像技术的种子生命力鉴别装置和方法 | |
CN105784651B (zh) | 植物叶片横截面最大光化学量子效率测定装置及使用方法 | |
Huang et al. | Online identification and classification of Gannan navel oranges with Cu contamination by LIBS with IGA-optimized SVM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |