激光诱导击穿光谱检测猪饲料中Cu元素含量技术研究

■ 刘珊珊 张 俊 林思寒 赖曲芳 黎 静，4* 刘木华

1，2，4 艾子平1

（1.江西农业大学工学院，江西南昌 330045；2.江西省现代农业装备重点实验室，江西南昌 330045；3.江西农业大学动物科学技术学院，江西南昌 330045；4.江西省果蔬采后处理关键技术与治理安全协同创新中心，江西南昌 330045）

微量元素在许多动物的营养生理生化过程中是必不可少的，具有调节机体神经体液和免疫反应等作用[1]。铜是仔猪微量元素营养中重要的组成部分，在日粮中缺乏或不足都会对仔猪的食欲、体质、生产性能以及健康状态等产生不同程度的影响[2]。正常日粮饲料基本上能满足畜禽对铜的需要，但以玉米、谷物等为基础日粮时，仍需补充铜[3]。饲料是养猪的物质基础[4]，现代动物养殖与饲料工业公认天然饲料难以平衡地满足动物的营养需要，科学合理地添加微量元素是养殖业的必然需求[1]。此后,铜作为一种高效、低价、便利的促生长添加剂在养猪业中被广泛应用,目前在国内外的养猪生产中,使用高铜作为猪的促生长饲料添加剂的现象已相当普遍[5]。由于体内铜积累量高，长期食用高铜饲料会导致猪肝脏内铜含量的增加，容易引起溶血，黄疸甚至死亡，因此，使用高剂量铜来促进动物生长已逐渐受到限制。铜含量超标的饲料不仅对猪自身造成一定影响，还会导致机体中毒，危害人体健康，也会对环境造成污染。

目前饲料中Cu元素检测分析技术主要有原子吸收光谱法(atomic absorption spectroscopy，AAS)、分光光度法、电感耦合等离子体-原子发射光谱法(inductively coupled plasma atomic emission spectrometry,ICP－AES)和电感耦合等离子体-质谱分析法(inductively coupled plasma mass spectrometry,ICP－MS)等，但这些方法都存在样品预处理步骤繁琐，容易造成样品二次污染，不能达到无损检测等缺点。

激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)是采用聚焦的高能量脉冲激光入射到样品的表面产生等离子体，收集该等离子体发射的光谱，从而分析推导出样品的元素组成成分及含量[6]。LIBS具有便捷快速、实时分析、无需复杂的样品预处理且可实现对多种元素同时分析等优势，目前该技术已被广泛应用于金属冶炼[7-8]、土壤污染[9-10]、水体污染[11-12]和农产品检测[13]等领域。

对于Cu元素的LIBS检测，国内外都有相关报道。Ferreira E C[14]提出了一种神经网络用于LIBS校准策略，旨在测定土壤样品中的铜。从异种组参考土壤样品和59个样品的光谱分析高铜浓度用于校准和验证。简单线性回归（单反相机）和包装方法是用来选择一组波长的人工神经网络学习的两种方法。应用交叉验证，依据神经网络训练，对预测的准确性验证。虽然仪器比较简单，但是人工神经网络对铜的预测显示出良好的预测结果。该方法的铜检测限为2.3 mg/dm3和均方误差预测为0.5。傅院霞等[15]研究阐述了Cu原子LIBS光谱信号的时间演化特性，激光功率密度对LIBS光谱信号的影响，测定Cu元素浓度在31.25 mg/kg到1 000 mg/kg区域内变化时324.75 nm谱线的强度，由定标曲线拟合结果得到铜元素的检测限为23 mg/kg。林永增等[16]对脐橙样品做了时间特性和能量特性影响的试验，通过信背比的计算比较，得到最佳延迟时间1 200 ns，最佳的激光能量100 MJ，且相对标准偏差为10.32%,然后在这一试验参数下，对6个含不同Cu浓度的脐橙样品进行试验，建立Cu元素浓度与其特征光谱强度之间的定标曲线，线性拟合相关系数为0.96，通过定标曲线计算得到Cu的检测限为10.81 μg/g。

目前，利用LIBS技术检测饲料中Cu等微量元素的相关研究尚未开展，本研究拟采用LIBS技术测定并分析猪饲料中Cu元素的激光诱导击穿光谱特性，确定LIBS技术检测饲料中Cu元素的最佳特征谱线，也为饲料中其他金属元素的相关检测提供参考。

1 材料与方法

1.1 样品制备

试验所用饲料来自江西海通农牧有限公司生产的生长肥育猪前期配合饲料，用粉末粉碎机（400 Y，铂欧五金厂）粉碎；添加硫酸铜为分析纯（纯度≥99.0%，西陇科学股份有限公司），并用研钵研磨粉碎和饲料混合均匀。在原饲料的基础上添加硫酸铜配置13组含铜量不同的饲料样品(96.8、146.8、196.8、246.8、276.8、296.8、346.8、396.8、426.8、446.8、496.8、546.8、596.8 μg/g),为了使其混合均匀，分别将样品置放在振荡器（VORTEX-6，海门市其林贝尔仪器制造有限公司）上匀速振荡5 min。最后用手动压片机（T69YP-15A,天津市科器高新技术公司）压制成直径30 mm，厚度5 mm的圆饼状样品。

1.2 试验装置

试验所用LIBS系统试验装置如图1所示。主要是由共轴双束固体激光器(Vlite 200，Beamtech Optronics Co.，Ltd)、双 通 道 光 纤光 谱 仪 (AvantesB.V.，AvaSpec-2048F T-8RM)、数字延迟发生器(DG645，Stanford Research Systems，Inc.)、水平精密旋转台和计算机组成。

Nd:YAG激光器的工作波长是1 064 nm，单脉冲最大输出能量为300 MJ；数字延迟发生器控制着光谱仪收集等离子体的发射信号；激光束经45o反射镜后透过焦距为100 mm的聚焦透镜聚焦于样品表面产生等离子体，发光等离子体经聚焦透镜变成平行光，再经穿孔反射镜水平入射到透镜，聚焦到光纤探针上。等离子体产生的光谱信号经光纤传输，通过光谱仪收集光谱信号，最终将光谱信号显示在计算机上，为了避免激光打在同一点上，样品放置于水平精密旋转台上。

图1 LIBS试验装置示意图

1.3 激光诱导击穿光谱采集

试验中，激光脉冲每10次记录1次光谱，一共记录10次，且每个样品选取3个位置测量，每个位置上样品旋转采集100个点，即每1幅光谱图是激光作用在100个不同点的平均结果。

2 结果与讨论

2.1 猪饲料中Cu元素LIBS特征光谱的确定

通过Avosoft7.8分析软件并参照NIST原子光谱数据库[17]得到饲料样品中Cu元素的LIBS光谱。Cu含量为596.8 μg/g的饲料样品在312～330 nm之间的光谱图如图2所示，CuⅠ324.74 nm和CuⅠ327.38 nm的谱线都很明显，因为CuⅠ324.74 nm光谱强度更大，更有利于分析检测，故选择CuⅠ324.74 nm作为分析光谱。

图2 样品在312～330 nm波段内的激光等离子体光谱

2.2 试验参数条件的优化

2.2.1 单因素试验

2.2.1.1 激光能量的优化

选取含铜量596.8 μg/g饲料样品，把采集延时时间定为1.28 μs,把激光能量分别设为60%、65%、70%、75%、80%、85%、90%，共7个能量点，7个能量点的值分别为70.5、110、146.2、179.5、212、240、240.7 MJ，然后在每个激光能量下进行激光能量特性试验，共采集70幅光谱图。试验得到各激光能量下特征光谱CuⅠ324.74 nm的光谱强度、相对标准偏差（RSD）与激光能量之间的关系如图3。从图3中可以看到，随着激光能量的增强，光谱强度先增强后减小，在80%处出现转折；RSD随着激光能量的增强基本没呈现出一定的规律，当激光能量为85%时RSD最小值。结合两条曲线变化可知：激光能量为85%时RSD接近10%，光谱强度接近最大值，因此取85%为最佳激光能量点，即240 MJ。

图3 CuⅠ 324.74 nm的LIBS强度、RSD与激光能量的关系曲线

相对标准偏差(RSD)，又称变异系数，该值通常用来表示分析测试结果的精密度。

式中：SD——标准偏差；

xˉ——计算结果的算术平均值。

2.2.1.2 采集延时时间的优化

同样选取含铜量596.8 μg/g的饲料样品，把激光能量定为240 MJ，把采集延时时间分别设为1.28、1.38、1.48、1.58、1.68、1.78、1.88、1.98、2.08 μs，共9个采集延时点，共采集90幅光谱图。试验得到各延时时间下特征光谱CuⅠ324.74 nm的光谱强度、RSD与采集延时之间的关系如图4所示。从图4中可以看出，光谱强度随着采集延时的增大而减小，1.28 μs时最大，在1.98 μs处出现转折，RSD出现多次转折点，1.28 μs处RSD最接近10%，说明这个延时光谱采集最稳定，但是如图5所示，采集延时1.28 μs的谱线基线太高，该延时下谱线往上漂移量高达1 500 a.u.；而延时为1.58 μs时谱线往上漂移量为400 a.u.左右。结合两条关系曲线图，延时1.38 μs以后光谱强度均处于下降趋势，延时1.58 μs处RSD接近10%，光谱强度适中，基线较平稳，因此最佳采集延时时间取1.58 μs。

图4 CuⅠ 324.74 nm的LIBS强度、RSD与采集延时的关系曲线

图5 采集延时1.28 μs和1.58 μs的光谱谱线

对其中四个光谱强度和RSD综合效果较好的采集延时和激光能量参数进行全面试验。其对应试验方案如表1所示。

2.2.2 多因素试验

根据3.2.1中试验的讨论结果，选择四个水平采集延时(μs)(A)和激光能量(MJ)(B)，试验因素及水平见表2。

试验得到各方案下特征光谱CuⅠ324.74 nm的光谱强度、RSD与采集延时之间的关系如图6。当以光谱强度作为一个主要考虑的因变量时，方案3、方案4、方案12的谱线强度较高且强度较接近；以RSD为评判指标时，上述三个方案的RSD的大小分别为0.14、0.15和0.15。综上所述，本试验以方案3为最佳方案，即最佳参数为：激光能量为240 MJ，采集延时为1.58 μs。

表2 因素水平

图6 各方案CuⅠ 324.74 nm的LIBS强度、RSD的关系曲线

2.3 定量分析

单变量定量分析是在待测元素的特征谱线中选取一条适合的谱线进行分析。以样品中Cu元素的真实浓度为横坐标，以Cu在324.74 nm处的谱线强度为纵坐标建立定标曲线，如图7所示。由图7(a)可以看出，Cu在324.74 nm处的特征谱线强度与其浓度的线性关系较好，定标曲线的线性相关系数R2为0.985 2。

由图7(b)可知，预测浓度与真实浓度线性相关系数为0.989 1。利用建立的单变量定标模型,对预测集样品中的Cu元素进行定量分析，表3列出了分析结果，预测的平均相对误差为4.77%。

图7 Cu元素单变量定标模型预测结果

表3 预测集样品中Cu含量的定标预测结果

3 结论

本文对猪饲料中Cu元素的单脉冲激光诱导击穿光谱检测技术进行了研究，对其参数条件进行了优化。研究首先确定了Cu元素的特征分析谱线为CuⅠ324.74 nm；应用单脉冲激光作为激发光源对饲料中铜元素的光谱强度进行采集，为获得最佳的采集参数，当采集延时为1.28 μs时，通过改变激光能量的方式得到当激光能量为240 MJ时，采集效果较好；然后以240 MJ激光能量为固定值，通过改变采集延时时间，得到最优的采集延时时间为1.58 μs。为了验证最佳参数的选择的准确性，采用全面试验方法，通过分析谱线光谱强度和RSD寻找最佳试验参数。试验结果表明，最优参数条件是激光能量为240 MJ和采集延时时间为1.58 μs。建模集样品中Cu元素真实浓度与光谱强度值的相关拟合系数为0.985 2，预测集样品中Cu元素含量的预测值与实际值的线性相关系数为0.989 1，平均相对误差为4.77%。