基于激光诱导击穿光谱的洋葱在线原位检测
2022-03-04孙仲谋万恩来俞文杰刘玉柱
孙仲谋, 陈 宇, 万恩来, 俞文杰, 刘玉柱,2
(1. 南京信息工程大学 江苏省大气海洋光电探测重点实验室, 南京 210044;2. 江苏省大气环境与装备技术协同创新中心, 南京 210044)
1 引 言
新鲜蔬菜作为最常见的生活用品,是人体所需要的微量元素的重要来源. 目前,多项研究都在关注如何增加微量元素的种类和含量以提高蔬菜作物的质量. 在此过程中,在线检测新鲜蔬菜的微量元素显得十分重要. 此外,大气湿沉降会导致蔬菜被重金属元素污染[1],不仅影响蔬菜的生长,也会危害人体健康. 同时,由于种植技术和生物技术的发展,仅用图像识别的方法进行蔬菜种类鉴别具有局限性[2],而检测不同种类蔬菜中含有的元素是一种优秀的区分方法.
在蔬菜的检测中,最常用的方法是生物方法与化学方法. 但是这些常用的检测方法多是检测经过多步骤处理的蔬菜样品,无法保证蔬菜的新鲜度且会破坏蔬菜的生长,无法实现在线检测分析和快捷操作的目的. 光谱方法有电感耦合等离子体发射光谱法[3]、石墨炉原子吸收光谱法[3]、热分解原子吸收光谱法[3]和激光拉曼技术[4],但是这些方法同样步骤繁琐. 因此,一种能在线检测新鲜蔬菜中的营养元素和重金属元素,又能够进行新鲜蔬菜区分的方法有着十分重要的意义.
激光诱导击穿光谱(Laser-induced breakdown spectroscopy, LIBS)技术是一种快速的物质成分检测与分析技术,通过分析光谱,可实现对样品的定向及定量分析[5]. Wang Caihong等[6]利用LIBS技术实现对蔬菜中的Ca元素进行检测. 与其他技术相比,LIBS检测具有需要制备的样品极少、分析过程非接触、非破坏性、能检测和测量周期表中的所有元素,以及能实现实时的快速分析的优点,十分符合现阶段对于蔬菜检测的需求[7].
本研究实验对象以常见的新鲜蔬菜洋葱为例,首先利用LIBS技术对新鲜蔬菜含有的微量营养元素进行在线原位检测. 然后,使用乙酸铅溶液污染洋葱样品模拟重金属Pb元素的富集过程,再检测此过程的重金属Pb元素. 最后,结合PCA(principal components analysis, PCA)[8]处理光谱数据对同是百合科葱属的洋葱、小葱、大蒜进行区分检测,并使用BP-ANN(back-propagating artificial neutral network, BP-ANN)[9]交叉验证三种样品区分的有效性.
2 实 验
2.1 实验装置
实验装置[10]如图1所示,该装置由激光器、光谱仪、光纤探头、延时触发装置、聚焦透镜、样品和计算机组成. 实验采用Nd-YAG激光器作为光源,脉冲能量为260 mJ,脉冲持续时间为10 ns,重复频率为10 Hz,激光波长为1064 nm. 光谱仪是AVANTES公司生产的AvaSpec-ULS2048-4-USB2光纤光谱仪,检测范围为210~890 nm,分辨率为0.1 nm. 激光通过透镜系统垂直聚集在样品表面,并在样品表面激发高温等离子体. 等离子体从激发态跃迁至低能级或基态时辐射的光由光纤探头收集,经过石英光纤耦合到光谱仪中. 再使用计算机对光谱仪采集的数据进行分析. 采集数据时,样品需要不断移动,使激光始终聚集在样品表面,以减小激光轰击表面造成样品表面破损导致对信号的影响[11].
图1 实验装置原理图Fig. 1 Schematic diagram of experimental setup.
2.2 样品处理
实验所分析的洋葱样品、小葱样品、大蒜样品是市场购买所得. 用镊子和刀取洋葱内层紫色表皮作为样品;小葱取白色表皮作为样品;大蒜取可分离的内层表皮作为样品,样品及取样部分如图2所示. 样品未经过其他的处理以快速获得直接的LIBS信号. 模拟大气湿沉降重金属污染过程的实验以洋葱为样品,取同一层的表皮分别浸泡在100%、10%和1%的饱和乙酸铅溶液中. 浸泡30分钟之后,取出样品并在干燥箱中烘干15分钟再进行LIBS检测.
图2 实验样品,用红色圈出的是取样部分.Fig. 2 Experimental sample, and the sample part are circled in red.
3 结果与讨论
3.1 洋葱样品的在线原位检测
洋葱样品直接在空气中进行LIBS检测,采集的光谱信号通过光纤耦合到光谱仪收集数据. 洋葱全谱覆盖210~890 nm波长段,相对强度进行归一化处理,为了方便标定将其划分为四个不同的小光谱区. 同时,光谱仪采集的数据存在一定的波长漂移的现象,需要根据多种元素进行参照,并对比美国国家标准与技术研究院(NIST)[12]的数据,对谱线进行校准. 光谱数据校准后,对210~890 nm波段内的主要谱线的元素进行标定,如图3所示.
图3 不同波段的洋葱光谱图:(a)210~320 nm波段、(b)350~470 nm波段、(c)480~680 nm波段和(d)710~890 nm波段.Fig. 3 The spectra of onion: (a) from 210 to 320 nm, (b) from 350 to 470 nm, (c) from 480 to 680 nm and (d) from 710 to 890 nm.
根据已标定的光谱,洋葱中的元素有Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K元素. 通过比较洋葱的光谱和空气谱,可以发现H、O、N的光谱相对强度很接近,且均匀分布在655~875 nm波段. 因此,可以推断洋葱谱中的H、O、N元素大部分来源于空气中的水蒸气、氧气和氮气. 此外,洋葱光谱中有CN自由基的谱线,可以推断C元素主要来源于洋葱,N元素来源于空气中的氮气[13].
3.2 洋葱中重金属元素的检测
大气湿沉降过程的重金属元素污染是影响蔬菜质量的重要原因,更是会导致蔬菜植株突变和人类疾病. 本次实验使用梯度稀释的乙酸铅溶液浸泡洋葱样品以模拟新鲜蔬菜的重金属富集过程. 洋葱样品分别在100%饱和溶液、10%溶液、1%饱和溶液中浸泡30分钟,然后放入干燥箱中烘干15分钟使样品表面干燥.
浸泡过乙酸铅溶液的洋葱样品光谱如图4所示,根据溶液浓度的不同分为三组. Pb元素的代表谱线为363.957 nm、368.346 nm、405.781 nm和406.214 nm. 同时以Ca元素的422.547 nm线作为参考谱线,可以发现Pb元素谱线相对强度随溶液浓度增加而成比例的增加,且其他元素的谱线强度并未受到影响. Pb的检测上限约为10 ppm[14],在此实验的基础上,可以用来估计实际的检测结果. 因此,LIBS技术可以用来检测洋葱中的重金属Pb元素.
图4 用乙酸铅溶液污染的洋葱光谱图:(a)100%饱和溶液、(b)10%饱和溶液和(c)1%饱和溶液Fig. 4 Spectrograms of onion contaminated with lead acetate solution: (a) 100% saturated solution, (b) 10% saturated solution and (c) 1% saturated solution.
3.3 三种样品的区分检测
为了分析洋葱、小葱、大蒜的区别,采取了基于LIBS技术,结合PCA和BP-ANN方法对这三种样品进行区分.
本次实验对三种样品分别进行800次检测,PCA从有效谱线中选取近似的15组谱线,又各自选取了三种样品各10个强度相差较大的特征波长进行分析. PC1和PC2是从原始10个组分中提取的新组分,其累积贡献率代表了它们替代原始样品的能力[15]. 累积贡献率如图5(a)所示:主成分1(PC1)的贡献率为64.441%,主成分2(PC2)的贡献率为12.009%,前两个主成分贡献率总计达到76.45%. 特征线区分的效果如图 5(b)所示,利用椭圆曲线拟合三个样品的分布,这些样本明显位于不同的区域,同一类的样本聚集效果明显,不同类的样本离散效果明显. 表1说明了提取变量的程度,数值越大提取次数越少. 表2分别显示了10个原始成分在PC1和PC2中的比例,如果系数为正值,则对应成分的效果突出;系数为负值,则对应成分的效果不明显. 提取出的PC1由396.587 nm、407.421 nm、407.692 nm、421.421 nm、854.163 nm和854.523 nm组成,其主要元素有Ca元素和Sr元素;提取出的PC2由252.768 nm、589.132 nm、854.163 nm和866.202 nm组成,其主要元素有Si元素、Na元素和Ca元素. BP-ANN方法从有效谱线中选取80%进行模型训练,剩余20%谱线进行10次交叉验证,识别率为89.47%. 交叉验证的结果如图6所示,表明LIBS技术可以用于新鲜蔬菜的区分.
表1 公因子的方差.
表2 成分得分的系数矩阵.
图5 主成分分析结果:(a)累计贡献图;(b)特征线区分结果Fig. 5 The results of PCA: (a) the cumulative contribution, and (b) characteristic lines distinguishing result.
图6 反向传播人工神经网络交叉验证结果Fig. 6 The result of BP-ANN.
4 结 论
以洋葱为例,基于LIBS技术成功地进行了新鲜蔬菜的微量元素检测. 洋葱光谱的主要元素有Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K元素,光谱中还发现了洋葱的C元素与空气中的氮气结合形成的CN分子谱线. 并且,用乙酸铅溶液污染洋葱样品模拟了大气湿沉降导致的重金属元素污染. 在重金属元素在线检测的光谱中可以发现Pb元素谱线强度与乙酸铅溶液浓度成比例. 实验证明LIBS技术可以用于污染物的重金属元素检测. 此外,将LIBS技术与PCA和BP-ANN算法结合,进行了洋葱、蒜、小葱的区分检测. PCA提取的十个新组分中,前两个主成分贡献率总计达到76.450%. 其中,PC1贡献率为64.441%,由396.587 nm、407.421 nm、407.692 nm、421.421 nm、854.163 nm和854.523 nm组成,其主要元素有Ca元素和Sr元素;提取出的PC2的贡献率为12.009 %,由252.768 nm、589.132 nm、854.163 nm、866.202 nm组成,其主要元素有Si元素、Na元素和Ca元素. 特征线区分结果图上可以明显看出同一类的样本聚集效果明显,不同类的样本离散效果明显. BP-ANN识别率为89.47%,表明LIBS技术结合PCA分析是一种有效的区分不同蔬菜的方法. 综上,LIBS技术很好得满足了分析新鲜蔬菜中微量元素和重金属元素的需求,与PCA和BP-ANN结合也能进行新鲜蔬菜的区分.