基于激光诱导击穿光谱技术的水稻铬含量快速检测方法研究

摘要

重金属污染是我国现代农业所面临的一个严峻挑战。作物作为农业生产系统的重要环节，是人类食物主要来源。一方面重金属对作物产生毒害作用，影响其生长代谢;另一方面重金属可经过食物链进入人体，对人体的免疫系统和代谢系统造成干扰，引发基因突变、畸形和癌症等严重疾病。农田作物信息快速获取是精准农业重要内容，快速获取重金属污染信息有利于监测农田污染情况，保证食品安全。作物重金属传统检测方法通常需要大量的化学试剂、耗时费力，无法实现田间快速检测。激光诱导击穿光谱(LIBS)技术作为一种新型原子发射光谱技术，具有样品预处理简单、检测分析速度快、多元素同时分析等特点，能实现作物元素含量绿色分析。本研究以水稻为对象，围绕作物重金属含量快速检测和提高LIBS技术测量精度和稳定性等问题，结合数据预处理方法和建模方法，研究了水稻重金属铬不同胁迫时间和胁迫程度的快速诊断方法，建立了判别分析模型;采用样品水分效应去除方法、不同激光波长和双脉冲信号增强技术，构建了水稻叶片铬含量定量检测模型，实现了水稻叶片铬含量分布可视化，为作物重金属胁迫程度快速诊断、作物重金属含量快速检测和防治调控、重金属转运机制研究提供了理论基础和技术支撑。主要研究结论如下:
　　(1)建立了基于胁迫时间效应的铬胁迫程度多变量判别模型，实现了水稻重金属铬污染的早期快速诊断，为作物重金属污染综合防治提供了技术支撑。针对水稻不同胁迫时间下（添加胁迫1、3、5、9和13天）的胁迫效应（无污染、轻度和重度），应用LIBS技术快速获取水稻新鲜叶片和烘干叶片“指纹光谱”信息，建立基于全谱的水稻铬胁迫程度快速诊断模型;结合偏最小二乘法(PLS)回归系数(RC)值特征波长选择方法，探明了与水稻重金属铬胁迫相关的关键特征发射谱线，实现了基于特征波长的水稻新鲜叶片和烘干叶片铬污染胁迫的早期快速诊断。结果表明:①基于LIBS技术的重金属铬胁迫程度最佳诊断时间为胁迫第3天后，元素Si、Mg和Ca对应的特征波长对模型判别具有较大贡献率，这些元素变化可能与铬胁迫密切相关;②基于极限学习机(ELM)模型的水稻新鲜叶片和烘干叶片铬胁迫程度快速诊断取得了最优结果，其中全谱ELM模型判别率分别为93.62％和89.53％，特征波长ELM模型判别率分别为89.36％和90.70％;③在基于LIBS技术的水稻胁迫程度快速诊断中推荐采用烘干预处理方式，水稻烘干叶片受水分干扰较小，不同胁迫天数模型判别率较好。
　　(2)提出了水分效应去除方法，建立了水稻新鲜叶片铬含量快速检测模型，攻克了水稻新鲜叶片LIBS检测精度低和信号不稳定的难题，为作物重金属胁迫田间适时监测提供了技术支撑。从理论上分析样品水分效应影响，研究了水分对信号强度、信号稳定性和等离子体参数（电子密度和等离子体温度）的影响，确定了水分效应影响关键因素。在消除水分干扰方面，对样本采取快速烘干的方法，并使用两种补偿方案减少水分对样本的影响和点与点之间的波动。结果表明:①植物样本的水含量将会降低信号强度并影响信号的稳定性，其对谱线信号的影响主要来自于仪器参数F和待测元素的含量变化;②通过研究发现，基于信号背景的指数函数可以用来校正样品中待测元素的含量;③针对单变量分析和多变量分析，分别采用信背比和PLS回归模型可以有效减少水分的影响，提高模型的定量检测精度。其中，以425-428 nm波段范围变量和校正后铬含量建立的PLS模型取得了最好的效果，其预测集的相关系数为0.9669，均方根误差为4.75 mg/kg。
　　(3)基于532 nm和1064 nm激光波长LIBS技术，揭示了激光波长的影响规律和作用机理，建立了水稻叶片压片铬含量定量检测模型，为作物重金属含量快速有效检测提供了方法支撑。以信号（灵敏性和稳定性）和等离子体特性（电子密度和温度）为指标，研究了激光波长与激光能量、物镜到样本距离(LTSD)和延时时间变化之间的交互影响;优化532 nm和1064nm激光波长下水稻叶片铬检测的试验参数;通过优化的试验参数，分别建立532nm和1064nm激发波长下水稻叶片重金属铬的定量检测模型，并评估其建模效果;比较了背景归一化、面积归一化、标准正态变化(SNV)、多元散色校正等预处理方法对信号波动的影响，进一步提高了建模效果。结果表明:①激光波长的主导机理随延时时间、脉冲能量和LTSD变化而改变，其影响机理主要取决于所需跃迁能量、逆韧致辐射和烧蚀效率;②综合分析比较信号的灵敏性和稳定性，得到了基于532nm和1064nm激发波长LIBS铬含量检测的优化试验参数:延时时间、门宽时间、脉冲能量和LTSD分别为4/4μs、16/16μs、90/80 mJ和98/99 mm;③在定量分析方面，532nm激发波长与1064nm激发波长相比有更好的建模效果，最优单变量模型输入变量为经过SNV归一化处理的谱线信号(CrI425.43 nm)峰值，模型预测集相关系数为0.9790，均方根误差为4.62 mg/kg，检出限为2.72 mg/kg。
　　(4)基于双脉冲激光诱导击穿光谱(DPLIBS)信号增强技术，建立了水稻叶片压片和烘干叶片铬含量定量快速检测模型，首次实现了水稻烘干叶片铬含量分布可视化，为作物重金属含量快速检测和防治调控、重金属转运机制研究提供了方法和技术支撑。分别针对共线和正交DPLIBS信号增强技术，研究主要参数脉冲间隔时间和激光能量比对信号增强效果的影响，并进行优化;针对水稻压片样本，采集单脉冲激光诱导激光光谱(SPLIBS)和DPLIBS信号，结合单变量分析方法和多变量分析方法，建立水稻叶片压片铬含量定量检测模型;针对水稻烘干叶片样本，采集SPLIBS和正交再加热DPLIBS信号，结合单变量分析方法和多变量分析方法，建立水稻烘干叶片铬含量定量检测模型;基于正交再加热DPLIBS信号增强技术，结合LIBS空间分辨能力，实现水稻叶片铬含量分布可视化。结果表明:①共线和正交再加热DPLIBS优化的脉冲间隔时间均为1.5μs，共线DPLIBS第一束激光能量与第二束激光能量优化比值为1∶3（总能量为80 mJ），正交再加热DPLIBS第一束激光能量与第二束激光能量优化比值为6∶5（第一束激光为60mJ）;②在水稻叶片压片和水稻烘干叶片重金属铬定量检测中，基于DPLIBS特征变量的支持向量机(SVM)模型取得了最佳预测结果，其预测集的相关系数分别为0.9946和0.9585，均方根误差分别为4.85 mg/kg和13.39 mg/kg，相对预测偏差分别为9.70和3.59;③正交再加热DPLIBS能有效降低模型的检出限，单脉冲的最低检出限为10.62 mg/kg，双脉冲的最低检出限为6.30 mg/kg;④结合激光烧蚀点空间信息和LIBS谱线信息，应用基于特征波长建立的SVM模型，成功对水稻叶片铬含量进行反演，实现了水稻叶片铬含量分布可视化，为作物重金属转运机理研究提供了技术支撑。

目录

声明

论文说明

致谢

摘要

图目录

主要英文缩写表

第一章 绪论

1．1 研究背景及意义

1．2 常用检测技术

1．3 LIBS技术简介

1．3．1 基本原理

1．3．2 技术优势

1．3．3 研究现状

1．4 LIBS技术作物重金属检测主要问题

1．5 本研究的内容和技术路线

1．6 本章小结

第二章 材料与方法

2．1 实验材料

2．2 实验仪器

2．2．1 激光器

2．2．2 光谱仪

2．2．5 光路系统

2．2．6 数字延时发生器

2．2．7 附属配件

2．3 光谱预处理方法

2．3．1 数据归一化

2．3．2 异常光谱剔除

2．3．3 光谱平均

2．4 光谱建模方法

2．4．1 单变量建模方法

2．4．2 多变量建模方法

2．5 主要评价指标

2．6 数据处理软件

2．7 本章小结

第三章 水稻重金属胁迫程度快速诊断方法研究

3．1 引言

3．2 试验设计与试验样本制备

3．2．1 水稻样本栽培

3．2．2 水稻样本制备

3．2．3 光谱数据采集

3．3 LIBS光谱预处理

3．3．1 数据归一化

3．3．2 异常光谱剔除

3．3．3 光谱平均

3．3．4 样本集划分

3．4 光谱特征分析

3．5 水稻重金属胁迫程度快速诊断方法

3．5．1 PCA定性分析

3．5．2 基于全谱的水稻重金属胁迫程度快速诊断

3．5．3 基于特征波长的水稻重金属胁迫程度快速诊断

3．6 本章小结

第四章 基于水分效应去除的水稻铬定量检测方法研究

4．1 引言

4．2 试验设计与方法

4．2．1 水稻样本栽培

4．2．2 水稻样本制备

4．2．3 样本含水率检测

4．2．4 光谱数据采集

4．2．5 铬参考值获取

4．2．6 光谱数据分析

4．2．7 理论基础

4．3 水分效应对信号影响研究

4．3．1 水分效应对光谱特征影响

4．3．2 水分效应对光谱稳定性影响

4．3．3 水分效应对等离子体特性影响

4．4 水分和LIBS光谱相关性研究

4．5 水稻重金属铬定量检测方法

4．6 本章小结

第五章 基于532 nm和1064 nm波长的水稻铬定量检测方法研究

5．1 引言

5．2 试验设计与试验样本制备

5．2．1 水稻样本栽培

5．2．2 水稻样本制备

5．2．4 铬参考值获取

5．2．5 光谱数据分析

5．3 光谱特性分析

5．4 延时时间对谱线信号影响

5．5 激光能量对谱线信号影响

5．6 透镜到样本距离对谱线信号影响

5．7 基于不同激光波长的水稻铬定量检测方法

5．8 本章小结

第六章 基于双脉冲信号增强技术的水稻铬定量检测方法研究

6．1 引言

6．2 试验设计与试验样本制备

6．2．1 水稻样本栽培

6．2．2 水稻样本制备

6．2．3 光谱数据采集

6．2．4 铬参考值获取

6．2．5 光谱数据分析

6．3．1 不同脉冲间隔时间的增强效果研究

6．3．2 不同激光能量比值的增强效果研究

6．3．3 单双脉冲对谱线特征增强效果研究

6．3．4 基于单双脉冲的水稻铬定量检测方法

6．4 基于正交双脉冲信号增强技术的水稻铬定量检测方法

6．4．1 不同脉冲间隔时间的增强效果研究

6．4．2 不同激光能量比值的增强效果研究

6．4．3 单双脉冲对谱线特征增强效果研究

6．4．4 基于单双脉冲的水稻铬定量检测方法

6．5 基于正交双脉冲信号增强技术的水稻铬可视化技术研究

6．6 本章小结

第七章 结论与展望

7．1 主要结论

7．2 主要创新点

7．3 进一步展望

参考文献

作者简介