基于K元素比值校正含水率的叶片重金属含量检测方法与流程

本发明涉及激光光谱技术，尤其涉及一种基于K元素比值校正含水率的叶片重金属含量检测方法。
背景技术：
：激光诱导击穿光谱技术(laser-inducedbreakdownspectroscopy,简称LIBS)是一种新兴的原子分析技术，它具有快速、预处理简单、多元素分析和在线远程分析的特点。它的检测对象可包括气态、固态和液态。它通过检测分析由激光烧蚀样本产生的等离子体跃迁谱线，结合定量分析方法检测元素含量。理论上，激光诱导击穿光谱技术可检测元素周期表上所有元素。目前，激光诱导击穿光谱技术已经运用于考古学、生物医学、地理化学、军事、工业等领域，主要包含重金属检测、危险物质识别、重要元素分析等。然而由于基体效应的存在，LIBS对于生物样本重金属的定量分析仍具有较大的挑战。通常情况下，研究人员需对生物样本进行烘干、压片以减少水分和样本不均匀性带来的影响。此外，对于新鲜植物样本，一些研究人员将叶片冰冻以减少水分对重金属检测的影响。然而此类的预处理方法将会增加检测分析时间，不能体现激光诱导击穿光谱快速检测的优势。技术实现要素：本发明公开了一种基于K元素比值校正含水率的叶片重金属含量检测方法，消除了样品含水率对检测精度的影响，具有成本低，检测快速，操作简单等特点。本发明的具体技术方案如下：一种基于K元素比值校正含水率的叶片重金属含量检测方法，包括步骤：1)获取不同重金属含量的叶片样本，并对样本进行预处理；2)采用标准方法测得样本中的重金属含量，记为Y；3)利用激光诱导击穿光谱仪采集样本不同位置的谱线；4)对所获取的光谱信号进行预处理；5)提取所测重金属元素对应的LIBS谱线峰值强度，记为X；6)提取K元素对应的LIBS谱线峰值强度，记为X′；7)以测的重金属含量作为输出Y，以所述所测重金属元素与K元素的强度比作为输入，建立定标模型：其中a为定标曲线的回归系数，b为常数项；其中，所测重金属元素铬对应的定标模型为所测重金属元素锰对应的定标模型为8)采集待测样本的谱线，并在预处理后的光谱信号中提取重金属元素和K元素的LIBS谱线峰值强度输入所述的定标模型，得出重金属的含量。本申请中，采集光谱信号的仪器参数为：激光能量范围为20～70mJ；焦深为2mm；延时时间为2～8μs；积分时间为20μs，探测器增益为2000。由于植物叶片较薄，当使用的激光能量较大时，激光将穿过植物叶片，会产生样品台的信号，经实验证明，当激光能量范围在20～70mJ时，收集到信号为来自样本的信号。此外焦深会影响信号的强度和稳定性，因此将焦深范围设定2mm。探测器的延时时间、积分时间和增益与待测金属的信噪比有关，因此以上的参数是经实验优化的结果。所述的步骤4)中预处理包括依次进行信号归一化和异常样本剔除。作为优选，所述的信号归一化为对样本谱线信号的平均值进行归一化处理。由于环境温度、仪器噪声和样本基体效应的影响，样本谱线的信号在一定范围产生一定的波动。为了消除此方面的影响，本发明利用全部波长对应强度的平均值作为归一化变量，并将每个波长的强度值除以归一化变量进行归一化处理。本预处理能有效减少点与点的谱线波动。作为优选，所述的异常样本剔除是基于中位数绝对偏差的方法，即以中位数代替拉依达准则法中的平均数，将大于2.5倍中值绝对偏差的值视为异常值。由于LIBS在不同位置采集谱线的信号并不是呈标准的正态分布，因此采用传统基于平均值绝对偏差的方法容易受到极大值和极小值的干扰。采用本方法能有效消除由于叶片表面不平和检测误操作产生的异常谱线，保证检测信号的可靠性。作为优选，所述的异常样本剔除的变量为CN键对应的峰值强度，其对应的光谱波长为388.29nm。光谱波长388.29nm对应CN信号是由碳元素和氮元素结合产生的信号，存在于有机物的LIBS谱线中。由于一般这两种元素在样本中和空气中较为稳定因此采用该元素的峰值强度作为剔除异常光谱的变量。作为优选，所述的异常谱线剔除遵循以下原则：保留的谱线数应大于原始谱线数的80％，且保留谱线的相对标准偏差应小于10～15％。考虑到保证数据的完整性和检测的重复性，因此设置以上的异常谱线的剔除原则。所述的步骤6)中的比值变量为K元素对应的峰值强度，其对应的光谱波长为766.49nm。由于钾元素对应的峰值强度与样本的含水率具有较好的线性关系，因此考虑将钾元素对应的峰值强度作为比值变量。该方法能有效消除含水率的影响。所述的步骤5)和步骤6)中元素强度的提取是选取参考波长前后3个波长的最大强度。由于光谱的波长位置存在一定的漂移，因此本发明中通过计算参考波长附近前后3个波长的强度，选取最大强度作为该参考波长的峰值强度。本发明具有的有益效果是：(1)实现了植物叶片重金属含量的快速检测。(2)利用LIBS技术进行重金属，具有操作简单，成本低、环保、快速等特点；有效克服了传统检测方法检测时间长、操作复杂的特点，避免了化学试剂对环境的污染。(3)采用基于中位数绝对偏差的方法剔除异常谱线能保证检测信号的可靠性。(4)采用K元素对应的峰值强度作为比值变量，能有效消除植物叶片重金属检测中含水率的影响。(5)采用选取参考波长前后3个波长的最大强度作为峰值强度能有效解决LIBS谱线漂移的问题。附图说明图1为不同含水率下425～431nm处谱线；图2为未进行含水率校正前铬元素定标曲线图；图3为含水率校正后铬元素定标曲线图。图4为未进行含水率校正前锰元素定标曲线图；图5为含水率校正后锰元素定标曲线图。具体实施方式下面将结合具体实施例和附图对本发明进行详细描述，检测水稻中Cr元素含量的具体步骤如下：1、试验水稻品种为春优84，为浙江省广泛种植的水稻单季籼粳杂交稻。水稻种子经NaClO溶液消毒30min后，分别用自来水和蒸馏水冲洗数遍，于25℃黑暗条件下浸种2d，然后放置35℃温度下催芽1d。萌发后的水稻种子播种于含珍珠岩的容器中，在人工气候生长箱内培养。水稻水培条件为：光照周期14h/10h；温度30℃/22℃；光照强度225μmolm-2s-1；相对湿度85％。水稻经蒸馏水培养15d后，进行营养液培养。水稻植株设置5个Cr水平：0μM、25μM、50μM、75μM、100μM。水稻经Cr处理后，于分蘖期进行采样，用于LIBS分析。2、为了造成一定的水分含量梯度，水稻叶片放置60℃烘箱内30分钟后进行LIBS检测。水稻叶片在获取LIBS信号后，迅速进行称重，重量记为W1。放置于60℃直至恒重，记为W2。叶片含水率ε的计算公式如方程(1)所示。测量结果如表1所示。表1水稻叶片含水率概况烘干时间(min)范围(％)均值(％)标准偏差(％)304.3～45.620.516.03、水稻叶片的LIBS光谱采集采用单点获取的模式，即每个位置采集一条光谱。为防止叶片在激光击打过程中位置发生移动，水稻叶片由双面胶固定于XYZ电动位移台表面，激光击打位置为单侧距离叶脉2mm处，激光由叶片底部到叶片顶部以1.5mm步长进行击打，单片叶片采集25条谱线，保证每个点不重合。为获得较好的信背比和重复性，激光击打点位于叶片表面2mm以下，激光能量为60mJ，探测器的延时时间和积分时间分别设置为2μs和20μs，探测器的增益设置为2000。4、为了减少点与点之间的波动，通常需要将谱线做归一化处理，本发明采用面积归一化的方式。此外，由于激光与样本的耦合和谱线的激发存在较大的波动，因此可能会出现极大或者极小的强度异C常值。为了剔除异常值，以中位数代替拉依达准则法中的平均数，将大于2.5倍中值绝对偏差的值是为异常值。通过迭代算法剔除异常值，直到所有谱线满足准则或者剩下谱线数少于80％总谱线数迭代停止。5、利用程序选取铬、锰元素分别对应波长425.44nm和257.62nm的强度和比值元素K766.49nm的强度。6、利用ICP－MS获取样本的铬元素参考含量作为输出，以Cr谱线强度和比值元素K766.49nm的比值作为输入，建立下式铬定标模型：7、利用ICP－MS获取样本的锰元素参考含量作为输出，以Mn谱线强度和比值元素K766.49nm的比值作为输入，建立下式锰定标模型：8、采集未知重金属含量的检测样本的LIBS谱线，并在预处理后的光谱信号中提取重金属元素和K元素的LIBS谱线峰值强度输入模型方程(2)和(3)，得出叶片中铬、锰元素的含量。图1为相同重金属含量不同含水率样本在425～431nm处的原始谱线图，图中谱线的强度随着含水率增加而降低，因此可以看到含水率对重金属的检测具有较大的干扰。如图2和图4所示，当没有进行水分校正时，模型的预测效果较差，预测铬、锰含量模型的相关系数分别为0.78和0.80。而利用比值元素K对强度进行校正后，模型的相关系数有很大的提升；如图3和图5所示，预测铬、锰含量模型的相关系数达到0.81和0.87。因此本发明通过校正样本中水分含量，消除了样本中水含量对重金属检测的影响，提高检测的精度。以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3