豬飼料中Cu元素的雙脈沖激光誘導擊穿光譜檢測技術研究

, ,,,4,,, ,4*,

(1.江西農業大學工學院,江西南昌 330045;2.江西省現代農業裝備重點實驗室，江西南昌 330045;3.江西農業大學動物科學技術學院,江西南昌 330045;4.江西省果蔬采后處理關鍵技術與質量安全協同創新中心，江西南昌 330045)

豬飼料中Cu元素的雙脈沖激光誘導擊穿光譜檢測技術研究

劉珊珊1,2,張俊3,林思寒1,2,劉木華1,2,4,賴曲芳1,萬仁杰1,黎靜1,2,4*,梅宇1

(1.江西農業大學工學院,江西南昌 330045;2.江西省現代農業裝備重點實驗室，江西南昌 330045;3.江西農業大學動物科學技術學院,江西南昌 330045;4.江西省果蔬采后處理關鍵技術與質量安全協同創新中心，江西南昌 330045)

對豬飼料中Cu元素的雙脈沖激光誘導擊穿光譜(LIBS)檢測技術進行了研究。結合正交實驗設計對飼料樣品中Cu元素進行了LIBS實驗參數優化。根據正交實驗的直觀分析法中的指標之和得出最佳實驗參數條件為:激光A能量157.77 mJ,激光B能量196.87 mJ,激光延遲時間450 ns,采集延時1.28 μs。基于偏最小二乘(PLS),比較了不同點數平滑處理和各種預處理方法對PLS模型預測效果的影響。最后得出,結合9點平滑預處理能有效降低噪聲信號,能夠提高PLS模型分析LIBS光譜數據的準確性,模型預測結果:相關系數r,預測均方差RMSEP,平均相對誤差ARE分別為0.9879、15.10、8.24%。

激光誘導擊穿光譜,豬飼料,銅元素,PLS

銅是豬生長發育所必需的微量元素之一,缺銅會引起機體免疫力下降、貧血及骨骼發育不完全等病癥,導致生長緩慢。近年來,銅作為豬飼料的添加劑,普遍應用于豬養殖業[1]。高銅飼料可以促進生長激素的分泌,抑菌和增加體液等優勢,凡事利弊兩存,長期喂養高銅飼料容易導致機體中毒和營養失去平衡[2]。而且豬對銅的需求量是很小的,在實際飼養過程中,豬發生缺銅癥的情況比較少見[3]。此外,飼料中超過90%的銅元素不能由動物自身糞便排出體外,造成資源浪費,對環境造成污染,通過食物鏈富集危及人類健康。畜禽糞便的農用已經成為土壤中銅的重要來源,銅在土壤中不易被降解,對植被的生長帶來不利影響[4-5]。

重金屬銅的檢測常規方法有原子吸收光譜法[6-7]、分光光度法[8]、電感耦合等離子體-原子發射光譜法[9]和電感耦合等離子體-質譜分析法[10]等,這些常規方法雖然具有較高的檢測精度和靈敏度,但是樣品前處理過程過于繁瑣、處理時間過長。激光誘導擊穿光譜(Laser-Induced Breakdown Spectroscopy,LIBS)技術利用脈沖激光產生的等離子體燒蝕并激發樣品中的物質,并通過分析光譜儀獲取被等離子體激發的原子所發射的光譜來識別樣品中的元素組成成分,進而可以進行物質的識別、分類、定性以及定量分析,具有無需復雜的樣品預處理過程、分析時間快、操作簡單及可實現快速、無損、多元素同時檢測等優點。近年來,該項技術已被廣泛應用于環境監測[11]、生物醫療[12]、水體污染[13]和土壤污染[14-15]等領域。

對于Cu元素的LIBS檢測,王彩虹[16]經過簡單的物理干燥方法后,LIBS有望通過采集干樣光譜信息,輔助以各種光譜數據預處理及化學計量學分析方法,實現對新鮮臍橙樣品中Cu元素的分布規律進行預測。陳鈺琦[17]通過研究發現:利用內標法,可以消除雙光束激光的幾何構型和激光脈沖能量等實驗參數對銅原子輻射信號的影響,從而可以采用正交雙波長雙脈沖激光剝離—激光誘導擊穿光譜技術開展銀飾品中銅雜質含量的定量分析。

偏最小二乘法(Partial Least Squares,PLS)是一種多元分析方法,利用一段光譜或所有數據點的全譜作為自變量與元素濃度作為因變量之間的關系分析,擬合光譜強度和元素濃度之間的關系,在一定程度上克服了傳統單變量模型的缺點,它能夠在自變量多重相關的條件下,有效地構造出對系統解釋性最強的子空間,進行回歸建模,使模型的精度和可靠性得到很大的提高[18-19]。

但是關于豬飼料中微量元素LIBS檢測[20]的相關報道并不多見。本研究擬采用LIBS技術測定并對豬飼料中Cu元素進行PLS建模定量分析,為現代飼料中微量元素檢測技術的發展提供了理論依據,也為飼料中其他金屬的檢測提供了參考。

1 材料與方法

1.1 材料與儀器

飼料原料 豆粕、玉米、棉籽餅、麩皮、骨粉、食鹽、維生素預混料、賴氨酸、大蒜素;分析純五水硫酸銅(純度≥99.0%) 西隴科學股份有限公司;優級純硝酸(純度65%～68%) 西隴化工有限公司;高氯酸(純度70%) 山東西亞化學工業有限公司;120 mm培養皿 江蘇省泰州市兆華貿易有限公司;超純水。

400Y粉末粉碎機 鉑歐五金廠;VORTEX-6渦旋振蕩器 海門市其林貝爾儀器制造有限公司;T69YP-15A手動壓片機 天津市科器高新技術公司;SCIENTZ-50F冷凍干燥機 寧波新芝生物科技股份有限公司;TAS-986原子吸收分光光度計 北京普析通用儀器有限責任公司;Vlite-200型的Nd:YAG雙光束激光器 北京Beamtech公司;雙通道光柵光譜儀 Avantes公司,荷蘭;DG645數字脈沖延遲發生器 Stanford Research Systems,USA;冷卻循環系統、SC300二維旋轉平臺 北京卓立漢光北京;啟天B4550-B193 計算機 聯想(北京)有限公司,中國。

1.2 實驗方法

1.2.1 樣品制備

1.2.1.1 飼料樣品制備 實驗所用飼料均是按照豬飼料配方[21]配制而成,配方原料用粉末粉碎機粉碎并按一定比例均勻混合;在飼料中添加分析純無水硫酸銅并在振蕩器上勻速振蕩5 min均勻混合,制備含銅量509 μg/g樣品用來進行實驗參數優化,用手動壓片機壓制成直徑30 mm的圓餅狀樣品,共56個樣品。定標實驗用精密電子天平稱取一定量的無水硫酸銅與50 mL超純水配制18組不同濃度的硫酸銅溶液,將自制飼料與溶液置于120 mm培養皿中攪拌均勻,靜置30 min后將18組培養皿放入冷凍干燥機干燥。最后用精密電子天平稱取每組3份4 g干燥飼料用手動壓片機壓制成直徑30 mm的圓餅狀樣品,共54個樣品。樣品數據分為兩部分,一部分作為建模數據集(樣本數n=42),另一部分作為預測數據集(樣本數n=12),利用PLS建模方法對兩部分數據分別進行建模與預測分析。

1.2.1.2 飼料樣品濃度檢測 為了獲取18組濃度定標樣品中Cu元素的真實濃度,用濕法消解對每組飼料樣品進行消解處理,然后再用原子吸收分光光度計(AAS)儀器上測量得到每組濃度樣品中Cu元素的真實濃度。本實驗采用濕法消解及AAS法測量的具體過程如下:對每組樣品用精密電子天平稱取0.3 g豬飼料樣品,均放入150 mL的三角燒瓶中,加入30 mL混合酸(優級純HNO3和HClO4比例為5∶1)后靜置過夜,然后置于溫度為380 ℃的電熱板上加熱,一直加熱到溶液顏色變淺、冒白煙,直到瓶中物質呈無色透明為止。待冷卻后用少量稀硝酸沖洗燒瓶,再用超純水定容至50 mL容量瓶中,同時做空白試劑。利用原子吸收分光光度計對定容好的溶液進行Cu濃度的測量,每一個樣品濃度均是三次重復測量的平均結果。

1.2.2 激光誘導擊穿光譜采集 實驗所用LIBS系統實驗裝置如圖1所示。激光束穿過45°反射鏡,再垂直穿過焦距為100 mm的聚焦透鏡聚焦于樣品表面產生等離子體,發光等離子體穿過聚焦透鏡成為平行光,再經穿孔反射鏡水平入射到透鏡,聚焦到光纖探針上。光譜儀通過光纖收集光譜信號最終顯示在計算機上,為了避免激光打在同一點上,樣品放置于水平精密旋轉平臺上。LIBS光譜采集時,激光每擊打5次平均1幅圖,1次采集20幅圖,即每個位置上樣品旋轉采集100個點平均1幅圖,且每個樣品選取3個位置測量。

圖1 LIBS系統實驗裝置Fig.1 LIBS system test device

1.2.3 實驗參數條件的優化

1.2.3.1 A、B兩激光之間的延遲時間單因素實驗 應用雙束激光主要是為了延長等離子體的發光壽命,以提高LIBS的檢測精度。激光延遲時間為A激光與B激光兩束激光之間發射的時間差。首先對激光延遲時間進行優化,激光能量設為A激光157.77 mJ、B激光158.57 mJ,采集延時為1.28 μs,激光延遲時間設為0、100、200、250、300、350、400、450 ns。

1.2.3.2 正交實驗 采用正交實驗法對雙脈沖飼料中銅元素的檢測進行參數優化。選取A束激光能量(A)、B束激光能量(B)、兩束激光延遲時間(C)、激光采集延時(D)為考察因素,根據每個因素實驗裝置要求參數設置范圍,每個因素選取4個水平,涵蓋整個參數范圍,用正交表L16(44)安排實驗,因素水平表見表1,實驗設計見表2。

表1 正交實驗因素水平表Table 1 Factors and levels table of orthogonal experiment

1.3 數據處理

運用軟件對實驗所獲得的數據進行處理。通過不同點數平滑處理方法和各種預處理方法對數據進行處理,得出效果最好的處理方法,最終進行對建模集樣品進行PLS建模并且對預測集樣品進行Cu元素的濃度預測。

模型中評價指標r(相關系數)是研究樣品真實濃度和預測濃度之間線性相關程度的量;RMSEP(預測集均方根誤差)用來衡量預測濃度與樣品真實濃度之間的偏差;ARE(平均相對誤差)表示預測濃度偏離真實濃度的大小,RMSEP和ARE均可以用來衡量模型預測精度。r值越大,RMSEP和ARE值越小說明模型的質量越高。

2 結果與討論

2.1 飼料樣品真實濃度

54個飼料樣品的真實濃度結果如表2所示,每一個樣品濃度均是三次重復測量的平均結果。

表2 豬飼料樣品Cu元素真實濃度(μg/g)Table 2 True concentration of Cu element in pig feed samples(μg/g)

2.2 實驗參數條件的優化

2.2.1 豬飼料中Cu元素LIBS特征光譜的確定 圖2為含銅量為509 μg/g的豬飼料樣品在312～335 nm的LIBS光譜圖。根據NIST原子光譜數據庫,可知324.74、327.38 nm波長均為Cu元素的特征譜線。由于Cu I 324.74 nm的譜線強度較大,更有利于分析檢測,因此選擇該譜線作為分析特征譜。

圖2 豬飼料樣品在312～335 nm波段內的LIBS光譜圖Fig.2 LIBS spectrum of pig feed samples in 312～335 nm band

2.2.2 實驗參數條件的優化

2.2.2.1 A、B兩激光之間的延遲時間實驗 圖3所示為含銅量為509 μg/g飼料樣品在各延遲時間下的譜線強度,延時為400 ns時譜線基線上漂移量最小,延時為200 ns時,Cu元素的光譜強度最大,但是此時譜線上漂移量也是最大。因此為了便于分析,選擇基線漂移量較小的300、350、400、450 ns,作為正交實驗的水平參數。

圖3 含銅量為509 μg/g飼料樣品在各延遲時間下的譜線強度Fig.3 Spectral intensity of the feed samples with copper content of 509 μg/g at each delay time

2.2.2.2 正交實驗 以飼料樣品中銅元素的LIBS光譜強度為評價指標,實驗設計及結果見表3。

表3 L16(44)正交實驗設計及結果Table 3 Design and results of L16(44)orthogonal test

上述分析結果中,根據表4中R值可得,因素的主次順序可排列為:D>B>C>A,即采集延時>激光B能量>激光延遲時間>激光A能量,由K值可得最優組合為A4B4C4D1,即采集延時1.28 μs,激光延遲時間為450 ns,激光A能量為157.77 mJ,激光B能量為196.87 mJ。

2.3 PLS結果與討論

2.3.1 不同點數平滑處理對PLS模型的影響 影響LIBS光譜質量的因素有很多,如實驗儀器參數、樣品表面特性、基體效應等因素,從而導致光譜噪聲大,光譜噪聲對于特征信號的影響特別大。這些因素會導致LIBS檢測的不穩定性,對檢測造成干擾信息,因此對于干擾信息的處理對樣品的定量分析非常重要。

采用偏最小二乘法對豬飼料樣品的LIBS數據進行分析,并比較在PLS基礎上結合不同點數的平滑處理和不同預處理方法建立的模型的準確性,不同點數的平滑處理對PLS模型質量影響如表4所示。

由表4中可以看出在9點數平滑時,模型的質量都比較好,9點數平滑模型r值、RMSEP、ARE分別達到0.9879、15.10、8.24%,較其他點數平滑模型質量具有一定優勢。

表4 不同點數的平滑處理對PLS模型質量影響Table 4 Influence of different points smoothing on PLS model quality

2.3.2 各種預處理方法對PLS模型的影響分析 經平滑處理消除噪聲影響后,為減少LIBS數據的基線偏移、漂移和背景等干擾,已有較多相關文獻[22-23]對樣本光譜運用多元散射校正(MSC)、標準正態変量変換(SNV)、均值中心化(MC)、一階導數(FD)和二階導數(SD)等預處理方法。表5是9點平滑處理結合各種預處理方法對PLS模型模型參數,可知當采用均值中心化預處理方法時,9點平滑PLS模型的樣品真實濃度和預測濃度之間線性相關程度較好,樣品預測濃度和真實濃度之間的偏差和預測濃度偏離真實濃度均較小,模型參數r、RMSEP、ARE分別達到了0.9855、14.57、9.24%,與9點平滑處理相比較,9點平滑模型參數r和ARE均比9點平滑結合均值中心化預處理模型參數有一定優勢。可以得出結論,9點平滑預處理相結合,可以有效地降低噪聲信息,提高PLS模型分析LIBS光譜數據的準確性。

表5 9點平滑結合各種預處理方法對PLS模型的影響Table 5 9 point smoothing combined with various pretreatment methods on the PLS model

2.3.3 PLS建模及模型驗證 為了實現對飼料中Cu元素進行定量檢測,采用9點平滑處理PLS建立模型并對實驗結果進行定量分析。利用建模集42個飼料樣品預測濃度與真實濃度的PLS校正模型和12個預測集飼料樣品預測濃度與真實濃度的預測模型分別如圖4(a)、4(b)。由圖4(a)可知,該模型的預測結果較好,建模集樣品中Cu元素含量的預測值與真實值之間的相關系數分別為0.9879;預測集樣品中Cu元素含量的預測值與真實值之間的相關系數為0.9963,如圖4(b)所示。表6列出了預測集12個飼料樣品Cu元素的真實濃度、模型預測濃度和預測相對誤差。12個預測集樣品的Cu含量預測平均相對誤差為8.24%,表6預測結果顯示預測偏差總體呈現濃度越大,預測偏差越小的趨勢,分析其原因是低濃度樣品中所含Cu元素的濃度較小,在每個樣品中的分布均勻性較差使得實驗結果存在較大誤差。綜上可知,模型的預測濃度和真實濃度有較好的吻合性,建立的模型質量較好,具有較好的預測性。

表6 預測集PLS模型中樣品Cu的預測濃度與真實濃度對照Table 6 Prediction concentration and real concentration of sample Cu in prediction set PLS model

圖4 PLS模型預測結果Fig.4 PLS model prediction results注:a:建模集;b:預測集。

3 結論

LIBS是農產品中銅檢測的一種先進方法,作為一種新興的檢測分析技術有別于傳統重金屬檢測分析技術。本文結合正交實驗設計對飼料樣品中Cu元素進行了LIBS實驗參數優化,采用直觀分析法得出最佳實驗參數條件,對飼料中的Cu元素濃度結合偏最小二乘法進行定量分析,并且采用濕法消解與原子吸收分光光度計測得定量分析的樣品Cu元素的真實濃度。基于PLS,分別比較了不同點數平滑處理和各種預處理方法對PLS模型質量影響,最后得出,結合9點平滑預處理能有效降低噪聲信號,提高PLS模型分析LIBS光譜數據的準確性。實驗結果表明,將LIBS光譜數據用PLS方法建模進行定量分析的結果與標準值的相對誤差較小,能夠提高分析結果的準確性。

[1]楊威,徐金鳳,呂占軍.銅對動物免疫功能影響的研究進展[J].畜牧獸醫科技信息,2011(11):11-12.

[2]賽慶燕.論高銅飼料對畜禽生長的利和弊[J].山東畜牧獸醫,2010(12):21.

[3]王玉,方守千,薛強,等.在豬飼料中如何合理使用銅[J].黑龍江畜牧獸醫,2007(6):112.

[4]陳娟,朱榮生,王懷中,等.高銅豬糞對生態環境影響的研究進展[J].當代畜牧,2016(4):65-66.

[5]藺翠翠,周艷明.銅在畜產品中的安全性評價[J].食品工業科技,2011(1):258-261.

[6]梁兆斌,韋衢.微波消解一原子吸收法測定飼料中Pb Cd Cu Zn含量[J].畜牧獸醫科技信息,2015(9):32-34.

[7]張小琴,陸小鳳.微波消解樣品-火焰原子吸收光譜法測定飼料中的微量元素鐵,銅,錳,鋅[J].當代畜禽養殖業,2014(4):3-5.

[8]廖峰,李云.分光光度法測定飼料添加劑中的銅含量[J].四川畜牧獸醫,2001,28(3):19-20.

[9]葉少媚,李浩洋,陳海瑩,等.電感耦合等離子體發射光譜法測定配合飼料中鈣,銅,鐵,鎂,錳,鉀,鈉和鋅含量的方法研究[J].糧食與飼料工業,2015,10(17):62-64.

[10]許萍,陳銘學,牟仁祥,等.ICP-MS 混合模式測定植物性農產品中的 9 種痕量元素[J]. 分析測試學報,2011,30(10):1138-1142.

[11]王卿,譚娟,吳健,等.激光誘導擊穿光譜技術在環境領域中的應用動態[J].中國環境監測,2015(3):2

[12]Gondal MA,Shemis MA,Gondal B,et al.Gallbladder stones analysis using pulsed UV laser induced breakdown spectroscopy[J].J Med Bioeng,2016,5(2):85-88.

[13]Aguirre M A,Selva E J,Hidalgo M,et al.Dispersive liquid-liquid microextraction for metals enrichment:A useful strategy for improving sensitivity of laser-induced breakdown spectroscopy in liquid samples analysis[J].Talanta,2015,131:348-353.

[14]Senesi G S,Senesi N.Laser-induced breakdown spectroscopy(LIBS)to measure quantitatively soil carbon with emphasis on soil organic carbon.A review[J]. Analytica Chimica Acta,2016,938:7-17.

[15]Arab M,Bidin N,Chaudhary K,et al.Characterization of pollution indices in soil surrounding a power plant by laser induced breakdown spectroscopy[J]. Analytical Letters,2015,48(2):360-370.

[16]王彩虹,黃林,胡淑芬,等.臍橙果皮LIBS光譜預測Cu元素在果肉中分布規律的可行性分析[J].分析實驗室,2016,35(3):253-257.

[17]陳鈺琦,磨俊宇,周奇,等.銀飾品中銅雜質含量的激光剝離-激光誘導擊穿光譜定量分析[J].光譜學與光譜分析,2015,35(3):782-785.

[18]王惠文,劉強.偏最小二乘回歸模型內涵分析方法研究[J].北京航空航天大學學報,2000,26(4):473-476.

[19]鄒孝恒,郝中騏,易榮興,等.基于遺傳算法和偏最小二乘法的土壤激光誘導擊穿光譜定量分析研究[J].分析化學,2015,43(2):181-186.

[20]劉珊珊,林思寒,張俊,等.單脈沖激光誘導擊穿光譜定量分析豬飼料中銅元素含量[J].激光與光電子學進展,2017,54(5):330-338.

[21]張道中,劉元英.豬的飼養常識——豬飼料及飼料配方淺說[J].今日養豬業,2014(11):44-48.

[22]胡慧琴,徐雪紅,劉木華,等.激光誘導擊穿光譜結合偏最小二乘法直接檢測皮蛋殼中的Cu含量[J].光譜學與光譜分析,2015,35(12):3500-3504.

[23]黎文兵,藥林桃,劉木華,等.光譜預處理對LIBS檢測臍橙中Cu的偏最小二乘定量模型影響[J].光譜學與光譜分析,2015,35(5):1392-1397.

DetectionofCuelementinpigfeedbydoublepulselaserinducedbreakdownspectroscopy

LIUShan-shan1,2，ZHANGJun3,LINSi-han1,2,LIUMu-hua1,2,4,LAIQu-fang1,WANRen-jie1,LIJing1,2,4,*,MEIYu1

(1.College of Engineering,Jiangxi Agricultural University,Nanchang 330045,China;2.Jiangxi Key Laboratory of Modern Agricultural Equipment,Nanchang 330045,China;3.College of Animal Science and Technology,Jiangxi Agricultural University,Nanchang 330045,China;4.Collaborative Innovation Center of Postharvest Key Technology and Quality Safety ofFruits and Vegetables in Jiangxi Province,Nanchang 330045,China)

Double pulse laser-induced breakdown spectroscopy(LIBS)technique for the determination of Cu in pig feed was studied in this paper. Combined with orthogonal design,parameters optimization of Cu in pig feed samples,LIBS test was carried out. According to the sum of the indexes in the visual analysis of the orthogonal experiment,the best experimental parameters were obtained. The laser energy of A was 157.77 mJ and B was 196.87 mJ. And the delay time of laser was 450 ns and gathering was 1.28 μs. Based on partial least squares(PLS),the influence of different points smoothing and various pretreatment methods to the PLS model prediction effect were compared. Finally,the combination of 9 point smoothing pretreatment could effectively reduce the noise signal. It could improve the accuracy of PLS model for analyzing LIBS spectral data. Model predictions were as follows:correlation coefficient(r),root mean square error of prediction(RMSEP)and average relative error(ARE)were 0.9879,15.10,8.24%,respectively.

laser induced breakdown spectroscopy;pig feed;copper element;PLS

2017-04-18

劉珊珊(1992-)，女，碩士研究生，主要從事農產品光譜檢查技術方面的研究，E-mail：592591823@qq.com。

*通訊作者:黎靜(1978-)，女，博士，副教授，主要從事農產品光譜檢查技術方面的研究，E-mail：lijing3815@163.com。

國家自然科學基金項目(31460419)；豬飼料中高銅的激光誘導擊穿光譜快速檢測技術研究(GJJ160369)和贛鄱英才555工程。

TS207.3

A

1002-0306(2017)23-0198-06

10.13386/j.issn1002-0306.2017.23.037