基于萨哈-玻尔兹曼图与自吸收校正的单点修正激光诱导击穿光谱

为进一步提高单点修正激光诱导击穿光谱(OPC-LIBS)的定量分析精度,提出了基于萨哈-玻尔兹曼图与自吸收校正的OPC-LIBS方法,利用该方法对两个钛合金样品中的Ti、V和Al元素进行了定量分析,并将其定量结果与基于玻尔兹曼图的OPC-LIBS、基于萨哈-玻尔兹曼图的OPC-LIBS以及基于玻尔兹曼图和自吸收校正的OPC-LIBS的结果进行了对比分析。研究结果表明,所提出的改进方法在4种方法中可获得最小的定量误差,测量两个钛合金样品中3种元素的平均相对误差(MREs)分别为4.11%和3.99%,证明所提出的改进方法可有效提高OPC-LIBS的定量分析精度。

基于激光诱导击穿光谱的混凝土氯元素分布测量方法

氯元素会对混凝土结构产生侵蚀,引起结构内部的钢筋锈蚀,导致混凝土开裂,破坏结构的完整性。化学滴定等常规的混凝土中氯元素含量测量方法存在操作复杂、检测速度慢等问题。激光诱导击穿光谱(LIBS)具有无须样品预处理、二维扫描检测和原位定点分析等优势,但其用于混凝土中的氯元素含量测量仍存在氯元素定量限难以降低、非水泥成分对氯元素二维分布测量结果的影响等问题。面向核电站混凝土构筑物中氯元素含量现场快速检测的需求,研究了氯元素含量分布的双脉冲激光诱导击穿光谱检测方法,进一步评估了核电站混凝土模拟样品渗透面中氯离子的侵蚀状况。首先,分别采用内标法、主成分回归和支持向量回归建立氯元素定标模型,基于内标法得到的氯元素检测限为0.006 02 wt%、定量限为0.018 06 wt%,并采用留一法交叉验证法来评估三种模型的预测性能。其次,为了排除非水泥基质对氯元素检测的影响,分别建立了结合主成分分析的逻辑回归分类和支持向量机分类模型对混凝土中的水泥和骨料进行精确识别。同时选取Si、 Ca、 O三种元素组合的支持向量机模型的分类效果最优,其对总体组分识别的准确率达到了98.20%,其中骨料识别准确率97.84%、水泥识别准确率为98.33%。最后,基于主成分回归定标模型针对侵蚀15和30 d的混凝土渗透面的氯含量进行二维分布测量,两种样品的平均预测Cl含量均在约2 mm处达到最大值分别为0.890 wt%和0.599 wt%,结果与电位滴定法一致。综上,基于双脉冲激光诱导击穿光谱检测方法,在30 mJ的总能量下实现了氯元素检测限达0.006 02 wt%,实现了混凝土中骨料和水泥的精确识别,获得了混凝土侵蚀渗透面的氯元素含量二维分布,为核电站混凝土构筑物氯元素含量快速检测的现场应用提供了工程化解决方案。

激光诱导击穿光谱技术对钕铁硼永磁材料中多元素的定量表征

“磁王”钕铁硼是现今性能最为优异的永磁体,因其优异的磁性能被广泛应用于工业互联网、新能源、 5G通讯等诸多高新科技领域。目前研究钕铁硼材料中元素成分的主要分析方法有电感耦合等离子体发射光谱(ICP-OES)和X射线荧光光谱(XRF),其中ICP-OES是湿法分析,样品前处理复杂,测试周期长,而XRF法可实现直接分析,但受制于其轻元素的检测能力很难满足对钕铁硼材料中主要轻元素B的分析需求。激光诱导击穿光谱(LIBS)技术具有分析效率高,样品前处理简单,多元素直接分析,适用于现场分析、在线分析等技术优点,使其在快速定量表征方面展现出其独有的优势。运用LIBS分析技术开展对钕铁硼材料中多元素定量表征的直接、快速分析的方法研究,首先针对钕铁硼材料中定量表征的九个元素Nd、 Co、 B、 Dy、 Tb、 Pr、 Cu、 Al、 Ga完成特征谱线的筛选,通过对系统激光器电压、激光剥蚀方式等因素在不同条件下对钕铁硼材料光谱信号稳定性的影响分析,优化并确立了分析条件,最终选用720V的激光器电压,15个预剥蚀脉冲15个剥蚀脉冲的激光剥蚀方式为钕铁硼样品的分析条件;其次,选取8个通过ICP-OES法定值的烧结钕铁硼样品,样品具有元素成分的梯度差异化特征,作为建立分析方法的标准样品,采用标准曲线法通过相对强度与浓度的关联方式,建立钕铁硼样品中Nd、 Co、 B、 Dy、 Tb、 Pr、 Cu、 Al、 Ga九个元素的定量分析校准曲线;最后选取两个烧结钕铁硼试样,运用建立的定量分析方法完成九个元素的定量表征,分析时间小于30 s,其定量结果与ICP-OES法测定结果的比对,具有较好的一致性。运用激光诱导击穿光谱分析技术实现了对钕铁硼材料中多元素成分的直接、同时、快速定量表征,为钕铁硼材料的快速定量表征提供了新的技术思路和表征方法。

紧凑型激光诱导击穿光谱仪的研制

基于煤质分析、冶金、水质检测等众多领域对激光诱导击穿光谱技术(LIBS)的需求,本研究设计了一台基于激光诱导击穿光谱原理的紧凑型快速检测装置,其具有良好的稳定性和较高的激光能量(0~100 mJ),可进行全自动化谱线对比与筛选,从而实现多样品、多元素的LIBS快速检测。在参数优化的基础上,利用该装置对7个钢样所含的硅元素与碳元素进行了检测分析。实验结果表明,当延迟时间为1μs、离焦量为0 mm、激光能量为60 mJ时,可以获得最佳的硅、碳特征光谱数据。在最优实验条件下,对7个样品进行定量分析,利用内标法建立硅、碳元素的定标拟合曲线,其相关系数分别为0.986和0.999,相对强度比的相对标准误差不超过5%,预测值与实际值偏差较小。研究结果验证了该仪器具有良好的分析性能,对多元素检测、可移动式LIBS仪器的发展具有参考意义。

便携式激光诱导击穿光谱仪测定土壤中重金属

土壤重金属污染对农作物生长和人体健康都有严重危害,现场快速检测对土壤重金属污染调查、应急监测具有重要意义。采用自主研发的土壤重金属激光诱导击穿光谱现场快速检测仪对矿区周边土壤进行现场检测分析,以835个不同基质土壤的光谱数据建立定标数据库,通过支持向量机建立回归模型对土壤重金属元素含量进行定量反演。现场检测获取的全波段光谱波动在15%以内,Cd、Cr、Cu、Ni、Pb和Zn等6种元素光谱强度相对标准偏差平均值为6.31%。将检测结果与实验室电感耦合等离子体质谱法分析对比,6种元素的皮尔逊相关系数r在0.8501~0.9829,检测结果80%以上处于±30%相对误差区间分布。对比结果表明自主研发的土壤重金属激光诱导击穿光谱现场检测仪可以满足现场快速检测需求。

激光诱导击穿光谱技术相关物理机制研究进展

激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,LIBS)是利用强脉冲激光与物质相互作用所产生的等离子体光谱来实现对物质组成元素定性和定量分析的一种新方法。在脉冲激光诱导等离子体的过程中,不同的激光参数(能量、脉宽、波长)、检测过程中的环境条件以及材料本身的特性等,对激光诱导等离子体的物理机制都有不同程度的影响,进而影响LIBS定量分析的结果。本文综述了现阶段LIBS技术中包括LIBS基本原理、激光参数区别、环境和材料特性差异所涉及的物理机制。为深入理解激光与物质相互作用、提升LIBS检测能力提供了依据。

激光诱导击穿光谱仪器化研制综述

作为一种新型物质探测技术,激光诱导击穿光谱(LIBS)技术因具有制样简单、非接触式测量、现场适应能力强、分析速度快以及能同时对多种元素进行识别和定量分析等突出优点,近年来在工厂运维、垃圾回收、岩矿分析、文化遗产保护、环境监测、生物医疗、食品检验、国土安全等诸多领域得到广泛应用。在从实验室逐步走向实际应用的过程中,各国研究人员开发了各式LIBS仪器,根据其大小和使用特点,大致可分为台式、远程式和便携式三类。本研究对激光诱导击穿光谱的原理、系统构成和发展脉络作了系统性的介绍,对现有的LIBS仪器进行了分类与综述,细致探讨了各类设备的优势及面临的挑战,并对未来的发展方向进行了展望。

高重频声光门控自吸收免疫激光诱导击穿光谱技术分析研究

为了消除激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,LIBS)中的自吸收效应,提高元素定量分析的精确度,同时满足工业中便捷分析元素的要求,需将自吸收免疫激光诱导击穿光谱技术(self-absorption free laser-induced breakdown spectroscopy,SAF-LIBS)的装置小型化。本文提出了一项新型的高重频声光门控SAF-LIBS定量分析技术,使用高重频激光器产生准连续的等离子体以增强光谱强度,并将声光调制器(acousto-optic modulator,AOM)作为门控开关,从而使微型CCD光谱仪和AOM能够代替传统大型SAF-LIBS装置中的像增强探测器(intensified charge coupled device,ICCD)和中阶梯型光栅光谱仪,实现自吸收免疫的同时缩小了装置的体积,降低了装置的成本。将该系统参数进行优化选择后,对样品中的Al元素进行了定量分析和预测。实验结果表明,等离子体的特性受激光重复频率的影响进而会影响光谱信号的强度。在1~50 kHz激光重复频率范围内,Al I 394.4 nm和Al I 396.15 nm的双线强度先增强后减弱,确定最佳的激光重复频率为10 kHz。在不同的光纤采集角度下,Al的双线强度比随延迟时间的增加而减小,在45°处信噪比最高,且在一定的积分时间下,最佳光学薄时间t_(ot)为426 ns。在激光重复频率为10 kHz、光纤采集角为45°、延迟时间为400 ns的条件下,对Al元素进行定量分析和预测结果表明,Al元素定标曲线的线性度R2为0.982,平均绝对测量误差相对于单一LIBS的0.8%可以降低至0.18%。定量分析结果与传统大型SAF-LIBS装置的测量精度相持平。因此本高重频声光门控SAF-LIBS装置不仅有效地屏蔽了光学厚等离子体中的连续背景辐射和谱线加宽,同时具备小型化、低成本、高可靠性的优点,有助于推动SAF-LIBS技术由实验室走向工业应用。

基于激光诱导击穿光谱技术的水中氮元素检测

利用气溶胶辅助激光诱导击穿光谱(LIBS)技术实现了对水中富营养化元素氮的实时在线准确快速检测。针对传统的同心雾化器对液体的进样量受液体物理性质限制的缺陷,本文采用微量注射泵辅助进样实现不同盐度待测样的相同进样量。结果表明,采用微量注射泵,N I 746.831 nm绝对光谱强度的平均相对标准偏差D_(RSAV)由19.51%改善至6.78%,定量分析检测极限LoD由5.45改善至1.57 mg/L,预测浓度与制备浓度的线性决定系数R^(2)、平均相对误差E_(R)和交叉验证均方根误差E_(RMSCV)分别由0.2830、45.80%和23.96mg/L改善至0.9043、10.33%和4.28 mg/L。本研究的结果表明微量注射泵辅助进样可实现气溶胶辅助LIBS技术对水中氮元素的精准灵敏检测。

激光诱导击穿光谱技术对水稻产地识别研究

水稻是中国主要粮食作物,而水稻品质与其生长的外部环境如土壤特性、气候、日照时间和灌溉水等环境息息相关,高品质水稻的产地区域面积有一定地域限制,因此水稻可看成为是一个明显的地理标志物。市场常出现一些假冒或者贴牌的知名优质水稻出售,损害了水稻品牌,降低了消费者的水稻品质保障,并且扰乱了市场稳定性,因此对于水稻产地快速识别技术的需求十分迫切。利用LIBS结合机器学习算法,对吉林省5个产地(大安、公主岭、前郭、松原、洮儿河)的水稻进行产地识别,建立了主成分分析(PCA)算法分别结合Bagged Trees、Weighted KNN、Quadratic SVM和Coarse Gaussian SVM共四种机器学习算法的水稻产地识别模型。实验选取了5个水稻产地共450组在200~900 nm的LIBS数据,对水稻LIBS光谱数据采用卷积平滑(S-G平滑)进行降噪和特征谱线归一化预处理,对水稻LIBS光谱数据进行主成分分析,实现了水稻产地具有较好的聚类空间集群分布,但部分水稻产地存在空间重叠。采用5倍交叉验证,采用PCA-Bagged Trees、PCA-Weighted KNN、PCA-Quadratic SVM和PCA-Coarse Gaussian SVM共四种机器学习模型,水稻产地的识别精度均达到91.8%以上,并且PCA-Quadratic SVM模型的识别精度高达97.3%。结果表明结合LIBS技术和机器学习算法能够高精度和高效率实现水稻产地的识别。

电化学富集-激光诱导击穿光谱(LIBS)法测定水中铀元素

为改善激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,LIBS)检测液体样品时遇到的液体飞溅、等离子体猝灭和稳定性差的问题,结合电化学富集方法,以KCl为电解质,石墨棒为阴极,开展了水中铀(U)元素的LIBS检测研究。选择UⅡ367.007 nm、UⅡ409.013 nm作为分析对象进行定量分析,着重研究了富集电压、KCl质量浓度、激光脉冲能量、激发方式等对铀元素特征谱线强度的影响规律,并通过扫描电子显微镜(SEM)及能谱分析(EDS)对石墨棒表面吸附元素的空间分布进行了分析。结果表明,最佳富集电压为1.6 V,适当的电解质KCl质量浓度可以提高铀元素的富集效率和富集均匀性,提高激光脉冲能量与采用光电双脉冲激发方式能增强铀元素特征谱线的强度并提高信噪比。在光电双脉冲激发下,对水中铀元素进行了定量分析,获得UⅡ367.007 nm、UⅡ409.013 nm的检测下限分别为25.89和15.00μg/L,相关系数均大于0.98。方法可为水体中放射性核素含量调查、生活饮用水铀污染现状以及核工业含铀废水监测等场景提供技术支持。

激光诱导击穿光谱的自适应基线校正方法

为了降低远程激光诱导击穿光谱原位分析中连续背景辐射、随机噪声和样品基体效应对特征光谱的影响,提出一种通过适应度函数将粒子群优化和非对称重加权正则最小二乘相融合的自适应基线校正方法,旨在提高远程激光诱导击穿光谱的分析能力。以三种掺杂相近微量元素的铝基合金标样为研究对象,相同实验条件下利用所提出的基线校正方法研究并对比自适应迭代重加权正则最小二乘算法、非对称重加权正则最小二乘算法处理后的光谱信噪比与拟合基线的变化趋势。为了验证所提方法的有效性,构建了三次核函数支持向量机的铝基合金标样精细分类模型,其独立测试集的混淆矩阵分类准确率为100%。结果表明,自适应基线校正方法所拟合的基线变化趋势与激光诱导击穿光谱的实际基线轨迹相吻合,且特征光谱能够清晰地分离。该方法可有效降低随机噪声对光谱数据分析的影响,对于提高远程激光诱导击穿光谱原位分析的准确性和可靠性具有意义。

激光诱导击穿光谱(LIBS)法微损快速检测党参中Pb

中药材重金属元素快速检测对污染监控及人们健康具有重要意义。激光诱导击穿光谱技术(Laser induced breakdown spectroscopy,LIBS)属于一种快速检测方法,研磨压片等预处理方法相对样品消解已有所简化,但破坏了样品的物理性质,且不能满足中药材大宗品种、大批量检测需求。若进一步简化样品预处理,将更加凸显LIBS快速检测的优势。采用Pb溶液浸泡法获得不同Pb含量的党参切片样品,依次获取Pb LIBS光谱强度,通过排序初步判断Pb含量高低,随机从各含量梯度样品中抽取样品,将其分为三份:38个A样用于ICP-MS检测,建立定标曲线,从而获取B样和C样中Pb真实含量,10个B样作为Pb浓度已知的参考定标样品,用于待测党参样品中Pb微损检测,19个C样用于验证B样微损检测准确性。建立的微损定标曲线线性相关系数R^(2)为0.7764,可用于切片党参LIBS快速检测,对待测党参切片样品检测平均相对误差为3.74%,与电感耦合等离子体质谱(ICP-MS)法对比,相关系数R^(2)为0.7957,验证了LIBS技术微损检测的可行性。制备的党参参考定标样品可多次重复用于待测样定标和仪器标定等。实验对待测党参样品仅进行切片处理,避免了研磨、压片等预处理,更加充分地体现LIBS快速检测的优势,为LIBS技术应用于中药材重金属元素快检等领域提供了一种新方法。

激光诱导击穿光谱对U的定量分析

铀矿是核领域最重要的矿产资源之一,核领域迫切需求一种能快速、有效勘探铀矿资源的分析技术,快速勘探出优质矿产资源有助于核工业平稳、健康发展。激光诱导击穿光谱(LIBS)是一种发射光谱元素分析技术,具备目标元素现场快速检测的优点,能够实现铀矿资源快速、准确现场勘探和分析的目的。基于LIBS技术结合机器学习对铀矿中U进行定量分析。共制备12组实验样本,9组样本设置为训练集,用于模型建立和超参数优化;3组样本设置为验证集,仅用于模型验证。使用偏最小二乘(PLS)和随机森林(RF)两种算法建立定量模型,采用十折交叉验证方法对两个模型的超参数进行优化,最终采用三个验证集验证和对比两种模型的定量效果。经过超参数优化后,两个定量模型均具备良好的线性相关性和模型稳定性,其中RF定量模型的线性相关系数为0.996,而PLS定量模型的线性相关系数为0.997。在模型验证方面,RF模型对三个验证集的相对误差分别为22.33%、12.79%和12.04%;PLS模型对三个验证集的相对误差分别是4.33%、6.63%和6.85%。对比两种定量模型的验证结果,PLS模型在三个验证集上的相对误差均低于RF模型,表明PLS模型比RF模型在验证集上具有更高的定量准确度。验证结果表明与RF算法相比,PLS算法更适用于铀矿中U的LIBS定量分析。

激光诱导击穿光谱(LIBS)结合机器学习算法快速测定石油焦中微量元素

石油焦中微量元素对其作为预焙阳极的性能起着决定性的作用。首先,通过基于LIBS光谱构建用于石油焦中铁(Fe)和铜(Cu)定量分析的PLS校正模型。然后,考察了不同光谱预处理(归一化、多元散射校正、标准正态变换、一阶导数和二阶导数)以及变量选择算法(粒子群优化算法和变量重要性投影)对PLS校正模型预测性能的影响。建立了一种基于激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)结合偏最小二乘(Partial least squares,PLS)的石油焦中微量元素定量分析方法。结果显示,与其他PLS校正模型相比,基于二阶导数和变量重要性投影的PLS模型对Fe的预测性能最优,最优的交叉验证相关系数(R-squared cross validation,R^(2) cv)为0.9667,均方根误差(Root mean squared error cross validation,RMSEcv)为10.2821 mg/kg,预测集的相关系数(R-squared prediction,R^(2) p)为0.8638,均方根误差(Root mean squared error prediction,RMSEp)为14.5078 mg/kg;而对于Cu,基于多元散射校正和粒子群优化的PLS模型的预测性能最优,最优的交叉验证R^(2) cv为0.9553,RMSEcv为6.3300 mg/kg,预测集R^(2) p为0.9269,RMSEp为7.6502 mg/kg。因此,LIBS结合PLS可为石油焦中微量元素含量的快速检测提供一种可行方法。

基于自由定标激光诱导击穿光谱的黄铜定量研究

为了实现黄铜样品中铜、锌元素质量分数的快速定量检测,采用自由定标激光诱导击穿光谱技术(CF-LIBS)对3种黄铜样品开展了相关研究。分别选择铜元素的6条、锌元素的4条特征谱线为分析对象,在单次脉冲和10次脉冲平均光谱采集方式下,对比分析铜和锌元素特征谱线的相对标准偏差(RSD)。结果表明,与单次脉冲相比,10次脉冲平均使铜和锌的光谱RSD平均值分别下降8.8%和12.3%;采用CF-LIBS对3种黄铜样品中铜、锌元素质量分数进行定量计算,铜、锌元素的温度与等离子体温度平均值之间的相对误差分别为5.2%、0.9%和7.1%;3种样品中铜元素质量分数的相对误差分别为5.6%、0.5%和1.6%,锌元素质量分数的相对误差分别为9.2%、2.0%和13.3%。CF-LIBS有望为黄铜元素质量分数的快速及精准检测提供方法支持,为进一步实现研制合金样品元素质量分数便携式检测设备提供数据和技术支持。

LASSO-LSSVM与激光诱导击穿光谱技术结合提高铝合金中Mn成分检测精度研究

铝合金作为一种重要的航空航天装备材料,其元素含量是决定铝合金材料质量和性能的关键因素,其组成成分的多样性对铝合金的铸造、冶炼以及回收分类有较大的影响,其中Mn是铝合金中的重要元素,能够止铝合金的再结晶过程,提高再结晶温度。铝合金成分的定量测定是合金成分在线检测的重要组成部分。信号波动(激光能量波动、等离子体不稳定性、样品不均匀性等)和自吸收效应对激光诱导击穿光谱(LIBS)技术测定铝合金中微量元素有一定影响。为了消除自吸收效应和信号波动所引起的偏差,提出了一种利用LIBS技术结合LASSO-LSSVM机器学习法检测铝合金材料中微量元素含量的新方法。利用最小绝对收缩和选择算子(LASSO)模型对光谱特征向量进行选择,降低光谱数据的维度从而与训练样本相匹配,降低了过拟合风险,有效提取表征LIBS光谱最重要的特征。利用最小二乘支持向量机(LSSVM)模型对LASSO所选择的特征光谱进行训练,分析结果与内标法和偏最小二乘回归(PLSR)相比,LASSO-LSSVM回归模型的精度和准确性都有所提高,其中,Mn元素回归曲线的相关系数(R^(2))从74.62%提高到99.29%,平均相对误差(ARE)从22.38%降低到3.56%,训练集均方根误差(RMSEC)从0.66 wt%降低到0.040 wt%,测试集均方根误差(RMSEP)从0.58 wt%降低到0.042 wt%。LASSO-LSSVM回归模型适用于复杂、不确定性较高的高维光谱数据,能够大大降低输入光谱数据的维数和冗余信息,因此,该模型减少了LSSVM的过拟合问题。研究结果表明,LIBS技术和LASSO-LSSVM回归模型的结合可以有效改善LIBS技术对于铝合金材料的定量分析性能,是一种简单、可靠、高精度检测合金含量的新方法。

激光诱导击穿光谱技术在提高矿冶分析准确度的研究进展

激光诱导击穿光谱法(LIBS)是一种基于原子发射光谱的多元素分析方法,具有快速、准确、无需复杂的样品制备和远程分析的优点.然而,由于矿石、冶金样品化学成分的复杂性和多样性,干扰信号多,以及激光光谱的谱线维度较高和自吸收效应严重,LIBS技术在矿冶领域定性、定量分析的准确性受到了一定影响.本文综述了LIBS在矿冶领域3种信号增强方法,分别是双脉冲、纳米粒子增强和空间约束,以及综述了降噪、归一化和自吸收校正3种光谱预处理方法.此外,为提高定性、定量模型的泛化能力和分析的准确性,人们在模型算法和参数优化做了大量的工作.简要概述了主成分分析、偏最小二乘判别分析、支持向量机、随机森林和人工神经网络5种LIBS定性分析建模方法在矿石、冶金样品中的应用,以及概述了多元线性回归、偏最小二乘法、支持向量机、人工神经网络和自由定标法5种定量分析建模方法在矿石、冶金样品中的应用成果,并对LIBS技术未来在矿冶分析领域的发展进行了展望.

高重频激光诱导击穿光谱结合卷积神经网络的岩石岩性分析研究

地质分析能为地质资源勘探提供重要的信息和依据。激光诱导击穿光谱(LIBS)技术是一种快速、准确和原位的岩石分析判别方法。将高重频LIBS技术应用于岩石样品的岩性分析,再结合卷积神经网络(CNN)模型进行分类,不仅解决了传统大能量单脉冲激光器体积大、重量沉等问题,还克服了机器学习需要人为调整参数的不足,同时也顺应LIBS技术逐渐向着便携化、小型化、精确化以及智能化的发展趋势。本研究利用高重频LIBS实验平台对岩石压片样品进行光谱采集,根据岩石的产地和岩性,将岩石样品分为5类和9类,结合1D-CNN和ResNet34卷积神经网络模型对岩石进行分类识别。研究结果表明,针对两种样品分类情况,平均分类识别准确率分别达到99.43%和97.14%,高重频LIBS与CNN模型结合可以实现良好的岩石分类结果。最后基于MATLAB App Designer开发了用于岩石岩性分析的系统软件,实现了对岩石的快速分类,提高了地质勘查效率。

基于温度迭代校正自吸收效应的激光诱导击穿光谱定量分析方法

激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)是一种理想的实时在线检测合金中微量元素的方法.然而在激光诱导击穿产生的高密度等离子体中,自吸收通常是一种不期望出现的效应,它降低了谱线的真实强度,使谱线强度随目标物质含量增长呈非线性,从而严重影响对目标中元素含量测量的准确性.本文提出了一种基于温度迭代校正自吸收效应的方法,借助等离子体热平衡辐射模型,对等离子体电子温度(T)和辐射粒子数密度乘以吸收路径长度(Nl)这两个参数进行迭代计算和校正,消除自吸收对谱线强度的影响,最终提高定量分析的准确性.对合金钢样品中Mn元素的实验测量结果表明,该方法有效地提高了Boltzmann平面图的线性度及元素含量的测量精度.该方法模型简单,计算效率高,且与Stark展宽系数的可用性和准确性无关,可以直接获得辐射粒子数密度和吸收路径长度参数,因此在提高LIBS定量分析能力的同时,还可以实现对等离子体状态的诊断.