基于激光诱导击穿光谱和偏最小二乘法的脐橙中铜含量预测研究

陈添兵，黄 林，姚明印，黎文兵，刘木华

(江西农业大学 工学院生物光电及应用重点实验室，江西 南昌 330045)

0 引言

赣南脐橙是江西特色农产品。目前，江西省赣州市已经成为脐橙种植面积世界第一、年产量世界第三、全国最大的脐橙主产区。然而随着各地的工业迅速发展，部分脐橙种植地遭受了重金属的污染，土壤、大气、水中残留的重金属都有可能通过植物吸收转移到脐橙果中，造成农产品重金属含量超标。常规的农产品重金属检测一般是采用电感耦合等离子体质谱法、火焰原子吸收法等化学方法，这些方法虽然检测精度高，但需要复杂的预处理过程，而且检测周期长，不是满足实时快速检测的要求。因此，急需发展一种多元素实时快速检测技术，对检测农产品中有害元素有着重大的意义。

激光诱导击穿光谱技术(LIBS)是一种利用脉冲激光作为能量源对化学元素定性和定量分析的发射光谱分析技术，它具有直接快速、无需制样、多种元素同时测量等特点。随着激光技术、光谱分析技术的发展，激光诱导击穿光谱技术已广泛应用合金、塑料识别、甘蔗、牛奶、脐橙等检测领域［1-6］。鲁翠萍等［7］应用LIBS技术分析了土壤中铜，确定了铜元素的最佳延迟时间为1.1 μs，并得到铜元素的检测限为13.6 μg/g。姚顺春等［8］利用LIBS技术分析了粉煤灰样品中的未燃碳，结果表明，通过对光谱探测系统进行深紫外增强镀膜处理，选用短焦距准直透镜和抗紫外光纤，可以探测到明显的C 193.03 nm谱线。郑荣儿等［9］采用LIBS技术定量分析钢铁合金中痕量Mo元素，利用Mo的三条谱线的峰高值之和进行分析获得的Mo元素质量分数为2.271%，与标定值相对误差为7.58%，结果优于三条谱线分别定标结果的平均值。

由于LIBS技术容易受激光能量、延迟时间、样品特性等因素的影响，选用传统的特征谱线强度作为定标曲线特征变量的方法结果精度一般不高，使得LIBS技术应用于痕量元素检测受限。近些年来，国内外很多学者引用偏最小二乘法(PLS)应用于LIBS技术分析，PLS回归是一种多因变量对多自变量的回归建模方法，能利用多元素的分析信息进行定标，以达到降低基体效应影响的作用。因此，PLS方法的应用越来越受到LIBS研究者的关注，如清华大学王哲教授［10］基于PLS的非线性多变量主导因素模型对黄铜合金成分进行了定量分析，相关系数达到0.99。Cristoforetti等［11］利用LIBS技术通过传统的单变量校准和PLS两种方式对黄铜样品进行定量分析，其研究结果显示LIBS技术结合PLS算法能够快速有效地定量分析复杂样品的元素组成。中国科学院沈阳自动化研究所孙兰香等［12］阐述了LIBS数据定量分析中PLS方法的优势，研究表明，PLS方法在激光诱导击穿光谱合金成分分析中适合用于C等微量元素的定量分析。Nunes［13］优化和验证了LIBS技术结合PLSR和iPLS模型检测甘蔗叶中元素的可行性。

本文以脐橙中铜元素为例，对比研究偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)在LIBS检测脐橙中铜含量的预测效果。

1 材料与方法

1.1 试验装置

用于检测脐橙中铜元素的LIBS系统原理图如图1所示，Nd:YAG激光器(Nimma-200型，中国北京镭宝光电技术公司)中心波长为1 064 nm，脉宽为8 ns，重复频率为1～10 kHz，单脉冲最高能量为200 mJ。激光束经过1 064 nm的反射镜垂直穿过穿孔反射镜(镀铝膜面)，再经K9聚焦透镜L1(焦距为100 mm)作用于样品表面瞬间产生等离子体羽，产生的激光等离子体信号通过穿孔反射镜反射到石英聚焦透镜L2(焦距为100 mm)耦合到光纤探测器，再通过光纤传入带有CCD的八通道光纤光谱仪(AvaSpec-2048型，荷兰爱万提斯公司)，光谱响应范围为200～1 050 nm，其分辨率为0.06～0.13 nm。脉冲延时发生器(DG535，斯坦福研究系统公司)为激光器和光谱仪提供精准的触发信号。脐橙样品置于旋转平台(SC300-1A，卓立汉光公司)匀速旋转使激光束作用于样品表面的不同点，保证实验的均匀性。

图1 LIBS系统装置图Fig.1 Schematic diagram of LIBS

图2 脐橙样品的激光诱导击穿光谱图(320～340 nm)Fig.2 LIBS spectrum of Navel Orange(320～340 nm)

1.2 样品测量

1.2.1 LIBS光谱测量 为了更有效探测LIBS技术检测脐橙中重金属铜元素的可行性，需要对脐橙样品进行实验室污染处理。为了使得各个脐橙中含铜量有一定的梯度差异，选取60个采摘于赣南地区果形相当的脐橙，先用去离子水清洗脐橙表面去除杂质，采用CuSO4·5H2O(广东汕头市西陇化工厂，纯度大于99%)配置浓度范围在100～4 000 μg/mL不同阶梯的60个铜溶液，在每个溶液中放置一个脐橙进行浸泡并进行编号，48 h后将其取出并用去离子水重复冲洗3次，以消除样品表面残留的硫酸铜溶液对铜含量的检测影响，待2 d后样品自然风干进行LIBS检测实验。LIBS检测时激光能量为110 mJ，延迟时间为1.4 μs，重复频率为2 Hz，每个实验样本采集5副激光等离子体光谱，每幅光谱均为累计扫描40次的平均结果。采集的脐橙样品在320～340 nm波长内的LIBS光谱图如图2所示，根据美国NIST数据库可知，铜元素在324.75 nm处具有较大的谱线发射强度(1∶10 000)，并且从图2可以看出CuI 324.75 nm特征谱线清晰、干扰小。因此，本文选择谱线CuI 324.75 nm为分析线。

表1 脐橙样品中Cu实际含量Tab.1 The Cu content in the navel orange samples

1.2.2 实际浓度测量 采用国家标准规定的湿法消解法对LIBS检测后的脐橙进行消解，消解过程中，取2 g脐橙果皮(LIBS击打部位)并剪碎置于100 mL的锥形瓶中，并加入20～30 mL的优级纯硝酸。然后将样品置于电热板上加热消解，至消解液呈淡黄色或无色时，加入1～2 mL高氯酸，蒸发至冒白烟即可取下制冷，用少量的去离子水多次冲洗瓶壁，将消解液移入容量瓶中定容、摇匀备用。用原子吸收光谱法(AAS)对消解液检测。表1是1～60号样品AAS测量铜含量3次所得的平均值。

2 数据处理与分析

本文是应用LIBS技术结合PLS方法测定脐橙中铜元素的含量，随机抽取3/4的样本作为校正集建立模型;1/4的样本作为预测集，用于对模型的外部验证。然后应用PLS、iPLS和siPLS分别进行交互验证建模对比分析。对于建立的模型，采用交互验证均方根(RMSE)、预测均方根误差(RMSEP)和相关系数(r)作为评价模型优劣的指标。RMSEC和RMSEP值越小越好，r值越大模型质量越好。为了减少激光能量、样品表面不平整性、基体效应等因素对LIBS技术的影响，先对脐橙LIBS原始光谱进行标准正态变换(SNV)处理。

2.1 偏最小二乘法(PLS)模型

选择全光谱范围320～340 nm数据进行偏最小二乘法建模，如图3是校正集PLS模型预测值与AAS实际值的关系图。校正模型RMSEC为32.3 μg/g，相关系数r为0.429 3。模型效果不好，其主要原因是全波长建模涵盖多种元素信息，不能有效提取其中有效信息，对铜元素定量分析有影响。

图3 校正集PLS模型预测值与实测值Fig.3 Predicted vs.actual in calibration model(PLS)

图4 校正集iPLS模型预测值与实测值Fig.4 Predicted vs.actual in calibration model(iPLS)

2.2 区间偏最小二乘法(iPLS)模型

iPLS先将整个光谱划分为n个等宽的子区间，之后在每个区间上分别进行偏最小二乘回归，得到n个局部回归模型，通过比较各局部模型的精度，以RMSEC值最小的子区间作为待测样品建模区间。将SNV预处理后的脐橙光谱320～340 nm划分为n(n=10，15，20)个子区间，分别对各个子区间进行iPLS建模。通过比较各个模型的RMSEC值，当划分为15个区间时，第15个子区间模型RMSEC值最小为13.7 μg/g，校正集相关系数为0.924 5，校正集iPLS模型预测值与实测值的散点图如图4所示。

表2 不同光谱区域的siPLS模型的统计结果Tab.2 Results of siPLS calibration model with different spectral regions

2.3 联合区间偏最小二乘法(siPLS)模型

siPLS是Norgaard［14］于2000年提出的一种波长筛选法的改进，是iPLS的一个扩展，该法主要用于筛选PLS建模的波长区域。以RMSEC值为模型精度的评价标准，选择RMSEC值最小的区间组合建立模型。本文研究是将 SNV处理后的脐橙光谱320～340 nm划分为n=10，15，20，25，30个区间，建立各组合之间的siPLS模型，获得最佳区间组合，结果如表2所示。由表2可知，当n=25，选择其中5、14、16、22四个子区间组合建模时RMSEC值最小，RMSEC为5.61 μg/g，效果最佳。与PLS和iPLS建模相比，采用联合区间所建立的siPLS模型明显有所改善，RMSEC值为5.61 μg/g，相关系数r为0.988 3。预测集siPLS模型预测值与实测值的散点图如图6所示，其预测集相关系数r和RMSEP值分别为0.979 2和8.62 μg/g。所建的模型质量明显优于PLS和iPLS。

图5 校正集siPLS模型预测值与实测值Fig.5 Predicted vs.actual in calibration model(siPLS)

图6 预测集siPLS模型预测值与实测值Fig.6 Predicted vs.actual in prediction model(siPLS)

3 结论

本文建立了LIBS技术检测脐橙中铜含量的全波长偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分析模型，以脐橙中铜元素为例进行了回归测试和对比分析，研究表明:当光谱划分为25个子区间，选择其中5、14、16、22四个子区间建立的siPLS模型效果最佳，校正集相关系数r和RMSEC分别为0.988 3和5.61 μg/g，其预测集相关系数 r和 RMSEP分别为0.979 2和8.62 μg/g，预测值与AAS实测值吻合较好，效果明显高于另外两种方法。说明siPLS方法更能有效优化光谱区域，充分利用光谱中有效信息，提高模型预测精度。

［1］杨雪娇，彭飞飞，李润华.用激光诱导击穿光谱测量铝合金的激光烧蚀阈值［J］.强激光与粒子束，2013(3):557-560.

［2］王茜蒨，黄志文，刘凯，等.基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究［J］.光谱学与光谱分析，2012(12):3179-3182.

［3］Nunes L C，Batista Braga J W，Trevizan L C，et al.Optimization and validation of a LIBS method for the determination of macro and micronutrients in sugar cane leaves［J］.Journal of Analytical Atomic Spectrometry，2010，25:1453-1460.

［4］徐媛，姚明印，刘木华.激光诱导击穿光谱检测牛奶中的Na元素［J］.光电子·激光，2013(5):1032-1036.

［5］陆运章，汪家升，李威霖，等.用激光诱导击穿光谱技术定量分析矿石样品中Si和Mg［J］.中国激光，2009(8):2109-2114.

［6］陈添兵，姚明印，刘木华，等.基于多元定标法的脐橙Pb元素激光诱导击穿光谱定量分析［J］.物理学报，2014，10:203-208.

［7］鲁翠萍，刘文清，赵南京，等.土壤中铜元素的激光诱导击穿光谱测量分析［J］.光谱学与光谱分析，2010(11):3132-3135.

［8］姚顺春，陆继东，潘圣华，等.粉煤灰未燃碳的深紫外激光诱导击穿光谱分析［J］.中国激光，2010(4):1114-1117.

［9］王振南，李颖，张庆玉，等.激光诱导击穿光谱技术定量分析钢铁合金中痕量Mo元素实验研究［J］.光谱学与光谱分析，2011(6):1697-1701.

［10］Wang Z，Feng J，Li L，et al.A non-linearized PLS model based on multivariate dominant factor for laser-induced breakdown spectroscopy measurements［J］.Journal of Analytical Atomic Spectrometry，2011，26(11):2175-2182.

［11］Gabriele C，Stefano L，Giulia L，et al.Classical Univariate Calibration and Partial Least Squares for Quantitative Analysis of Brass Samples by Laser Induced Breakdown Spectroscopy［J］.Spectrochimica Acta Part B，2010，40:410-424.

［12］丛智博，孙兰香，辛勇，等.基于激光诱导击穿光谱的合金钢组分偏最小二乘法定量分析［J］.光谱学与光谱分析，2014，2:542-547.

［13］Nunes L C，Braga J W B，Trevizan L C，et al.Optimization and validation of a LIBS method for the determination of macro and micronutrients in sugar cane leaves［J］.Journal of Analytical Atomic Spectrometry，2010，25(9):1453-1460.

［14］Norgaard L，Saudland A，Wagner J，et al.Interval partial least-squares regression(iPLS):a comparative chemometric study with an example from near-infrared spectroscopy［J］.Applied Spectroscopy，2000，54(3):413-419.