基于激光誘導擊穿光譜的洋蔥在線原位檢測

孫仲謀， 陳 宇， 萬恩來， 俞文杰， 劉玉柱,2

(1. 南京信息工程大學 江蘇省大氣海洋光電探測重點實驗室， 南京 210044；2. 江蘇省大氣環(huán)境與裝備技術協(xié)同創(chuàng)新中心， 南京 210044)

1 引 言

新鮮蔬菜作為最常見的生活用品，是人體所需要的微量元素的重要來源. 目前，多項研究都在關注如何增加微量元素的種類和含量以提高蔬菜作物的質(zhì)量. 在此過程中，在線檢測新鮮蔬菜的微量元素顯得十分重要. 此外，大氣濕沉降會導致蔬菜被重金屬元素污染[1]，不僅影響蔬菜的生長，也會危害人體健康. 同時，由于種植技術和生物技術的發(fā)展，僅用圖像識別的方法進行蔬菜種類鑒別具有局限性[2]，而檢測不同種類蔬菜中含有的元素是一種優(yōu)秀的區(qū)分方法.

在蔬菜的檢測中，最常用的方法是生物方法與化學方法. 但是這些常用的檢測方法多是檢測經(jīng)過多步驟處理的蔬菜樣品，無法保證蔬菜的新鮮度且會破壞蔬菜的生長，無法實現(xiàn)在線檢測分析和快捷操作的目的. 光譜方法有電感耦合等離子體發(fā)射光譜法[3]、石墨爐原子吸收光譜法[3]、熱分解原子吸收光譜法[3]和激光拉曼技術[4]，但是這些方法同樣步驟繁瑣. 因此，一種能在線檢測新鮮蔬菜中的營養(yǎng)元素和重金屬元素，又能夠進行新鮮蔬菜區(qū)分的方法有著十分重要的意義.

激光誘導擊穿光譜(Laser-induced breakdown spectroscopy, LIBS)技術是一種快速的物質(zhì)成分檢測與分析技術，通過分析光譜，可實現(xiàn)對樣品的定向及定量分析[5]. Wang Caihong等[6]利用LIBS技術實現(xiàn)對蔬菜中的Ca元素進行檢測. 與其他技術相比，LIBS檢測具有需要制備的樣品極少、分析過程非接觸、非破壞性、能檢測和測量周期表中的所有元素，以及能實現(xiàn)實時的快速分析的優(yōu)點，十分符合現(xiàn)階段對于蔬菜檢測的需求[7].

本研究實驗對象以常見的新鮮蔬菜洋蔥為例，首先利用LIBS技術對新鮮蔬菜含有的微量營養(yǎng)元素進行在線原位檢測. 然后，使用乙酸鉛溶液污染洋蔥樣品模擬重金屬Pb元素的富集過程，再檢測此過程的重金屬Pb元素. 最后，結(jié)合PCA(principal components analysis, PCA)[8]處理光譜數(shù)據(jù)對同是百合科蔥屬的洋蔥、小蔥、大蒜進行區(qū)分檢測，并使用BP-ANN(back-propagating artificial neutral network, BP-ANN)[9]交叉驗證三種樣品區(qū)分的有效性.

2 實 驗

2.1 實驗裝置

實驗裝置[10]如圖1所示，該裝置由激光器、光譜儀、光纖探頭、延時觸發(fā)裝置、聚焦透鏡、樣品和計算機組成. 實驗采用Nd-YAG激光器作為光源，脈沖能量為260 mJ，脈沖持續(xù)時間為10 ns，重復頻率為10 Hz，激光波長為1064 nm. 光譜儀是AVANTES公司生產(chǎn)的AvaSpec-ULS2048-4-USB2光纖光譜儀，檢測范圍為210～890 nm，分辨率為0.1 nm. 激光通過透鏡系統(tǒng)垂直聚集在樣品表面，并在樣品表面激發(fā)高溫等離子體. 等離子體從激發(fā)態(tài)躍遷至低能級或基態(tài)時輻射的光由光纖探頭收集，經(jīng)過石英光纖耦合到光譜儀中. 再使用計算機對光譜儀采集的數(shù)據(jù)進行分析. 采集數(shù)據(jù)時，樣品需要不斷移動，使激光始終聚集在樣品表面，以減小激光轟擊表面造成樣品表面破損導致對信號的影響[11].

圖1 實驗裝置原理圖Fig. 1 Schematic diagram of experimental setup.

2.2 樣品處理

實驗所分析的洋蔥樣品、小蔥樣品、大蒜樣品是市場購買所得. 用鑷子和刀取洋蔥內(nèi)層紫色表皮作為樣品；小蔥取白色表皮作為樣品；大蒜取可分離的內(nèi)層表皮作為樣品，樣品及取樣部分如圖2所示. 樣品未經(jīng)過其他的處理以快速獲得直接的LIBS信號. 模擬大氣濕沉降重金屬污染過程的實驗以洋蔥為樣品，取同一層的表皮分別浸泡在100%、10%和1%的飽和乙酸鉛溶液中. 浸泡30分鐘之后，取出樣品并在干燥箱中烘干15分鐘再進行LIBS檢測.

圖2 實驗樣品，用紅色圈出的是取樣部分.Fig. 2 Experimental sample, and the sample part are circled in red.

3 結(jié)果與討論

3.1 洋蔥樣品的在線原位檢測

洋蔥樣品直接在空氣中進行LIBS檢測，采集的光譜信號通過光纖耦合到光譜儀收集數(shù)據(jù). 洋蔥全譜覆蓋210～890 nm波長段，相對強度進行歸一化處理，為了方便標定將其劃分為四個不同的小光譜區(qū). 同時，光譜儀采集的數(shù)據(jù)存在一定的波長漂移的現(xiàn)象，需要根據(jù)多種元素進行參照，并對比美國國家標準與技術研究院(NIST)[12]的數(shù)據(jù)，對譜線進行校準. 光譜數(shù)據(jù)校準后，對210～890 nm波段內(nèi)的主要譜線的元素進行標定，如圖3所示.

圖3 不同波段的洋蔥光譜圖：(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.

根據(jù)已標定的光譜，洋蔥中的元素有Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K元素. 通過比較洋蔥的光譜和空氣譜，可以發(fā)現(xiàn)H、O、N的光譜相對強度很接近，且均勻分布在655～875 nm波段. 因此，可以推斷洋蔥譜中的H、O、N元素大部分來源于空氣中的水蒸氣、氧氣和氮氣. 此外，洋蔥光譜中有CN自由基的譜線，可以推斷C元素主要來源于洋蔥，N元素來源于空氣中的氮氣[13].

3.2 洋蔥中重金屬元素的檢測

大氣濕沉降過程的重金屬元素污染是影響蔬菜質(zhì)量的重要原因，更是會導致蔬菜植株突變和人類疾病. 本次實驗使用梯度稀釋的乙酸鉛溶液浸泡洋蔥樣品以模擬新鮮蔬菜的重金屬富集過程. 洋蔥樣品分別在100%飽和溶液、10%溶液、1%飽和溶液中浸泡30分鐘，然后放入干燥箱中烘干15分鐘使樣品表面干燥.

浸泡過乙酸鉛溶液的洋蔥樣品光譜如圖4所示，根據(jù)溶液濃度的不同分為三組. Pb元素的代表譜線為363.957 nm、368.346 nm、405.781 nm和406.214 nm. 同時以Ca元素的422.547 nm線作為參考譜線，可以發(fā)現(xiàn)Pb元素譜線相對強度隨溶液濃度增加而成比例的增加，且其他元素的譜線強度并未受到影響. Pb的檢測上限約為10 ppm[14]，在此實驗的基礎上，可以用來估計實際的檢測結(jié)果. 因此，LIBS技術可以用來檢測洋蔥中的重金屬Pb元素.

圖4 用乙酸鉛溶液污染的洋蔥光譜圖：(a)100%飽和溶液、(b)10%飽和溶液和(c)1%飽和溶液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 三種樣品的區(qū)分檢測

為了分析洋蔥、小蔥、大蒜的區(qū)別，采取了基于LIBS技術，結(jié)合PCA和BP-ANN方法對這三種樣品進行區(qū)分.

本次實驗對三種樣品分別進行800次檢測，PCA從有效譜線中選取近似的15組譜線，又各自選取了三種樣品各10個強度相差較大的特征波長進行分析. PC1和PC2是從原始10個組分中提取的新組分，其累積貢獻率代表了它們替代原始樣品的能力[15]. 累積貢獻率如圖5(a)所示：主成分1(PC1)的貢獻率為64.441%，主成分2(PC2)的貢獻率為12.009%，前兩個主成分貢獻率總計達到76.45%. 特征線區(qū)分的效果如圖 5(b)所示，利用橢圓曲線擬合三個樣品的分布，這些樣本明顯位于不同的區(qū)域，同一類的樣本聚集效果明顯，不同類的樣本離散效果明顯. 表1說明了提取變量的程度，數(shù)值越大提取次數(shù)越少. 表2分別顯示了10個原始成分在PC1和PC2中的比例，如果系數(shù)為正值，則對應成分的效果突出；系數(shù)為負值，則對應成分的效果不明顯. 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組成，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組成，其主要元素有Si元素、Na元素和Ca元素. BP-ANN方法從有效譜線中選取80%進行模型訓練，剩余20%譜線進行10次交叉驗證，識別率為89.47%. 交叉驗證的結(jié)果如圖6所示，表明LIBS技術可以用于新鮮蔬菜的區(qū)分.

表1 公因子的方差.

表2 成分得分的系數(shù)矩陣.

圖5 主成分分析結(jié)果：(a)累計貢獻圖；(b)特征線區(qū)分結(jié)果Fig. 5 The results of PCA: (a) the cumulative contribution, and (b) characteristic lines distinguishing result.

圖6 反向傳播人工神經(jīng)網(wǎng)絡交叉驗證結(jié)果Fig. 6 The result of BP-ANN.

4 結(jié) 論

以洋蔥為例，基于LIBS技術成功地進行了新鮮蔬菜的微量元素檢測. 洋蔥光譜的主要元素有Si、Fe、C、Mg、Al、Ca、Ti、Sr、Ba、Na、Li和K元素，光譜中還發(fā)現(xiàn)了洋蔥的C元素與空氣中的氮氣結(jié)合形成的CN分子譜線. 并且，用乙酸鉛溶液污染洋蔥樣品模擬了大氣濕沉降導致的重金屬元素污染. 在重金屬元素在線檢測的光譜中可以發(fā)現(xiàn)Pb元素譜線強度與乙酸鉛溶液濃度成比例. 實驗證明LIBS技術可以用于污染物的重金屬元素檢測. 此外，將LIBS技術與PCA和BP-ANN算法結(jié)合，進行了洋蔥、蒜、小蔥的區(qū)分檢測. PCA提取的十個新組分中，前兩個主成分貢獻率總計達到76.450%. 其中，PC1貢獻率為64.441%，由396.587 nm、407.421 nm、407.692 nm、421.421 nm、854.163 nm和854.523 nm組成，其主要元素有Ca元素和Sr元素；提取出的PC2的貢獻率為12.009 %，由252.768 nm、589.132 nm、854.163 nm、866.202 nm組成，其主要元素有Si元素、Na元素和Ca元素. 特征線區(qū)分結(jié)果圖上可以明顯看出同一類的樣本聚集效果明顯，不同類的樣本離散效果明顯. BP-ANN識別率為89.47%，表明LIBS技術結(jié)合PCA分析是一種有效的區(qū)分不同蔬菜的方法. 綜上，LIBS技術很好得滿足了分析新鮮蔬菜中微量元素和重金屬元素的需求，與PCA和BP-ANN結(jié)合也能進行新鮮蔬菜的區(qū)分.