激光诱导击穿光谱谱峰元素的自动识别

分别利用NIST标准数据库建立的模拟光谱和茶叶样品LIBS光谱数据进行了实验研究。结果表明:传统的相关性分析方法获得了79%的准确识别率,本文所述的谱峰识别方法能够获得88%的准确识别率,验证了该方法在LIBS谱峰元素识别上的有效性。
激光诱导击穿光谱谱峰元素的自动识别
激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)是一种以高能量激光脉冲作Biblioteka Baidu在样品上,使样品产生等离子体而获得原子发射光谱的新型光谱分析技术。该方法能够从物理学和光谱学上对样品的物质成分以及含量进行有效分析。
由于LIBS光谱技术具备多元素同时检测与分析、无损(或微损)检测等优点,在各个领域都得到了广泛的应用。原始采集的激光诱导击穿光谱通常含有大量的元素特征谱峰,对于这些谱峰的准确识别是进行元素检测与分析的前提和基础。
并且通过对光谱背景校正后的定量实验的分析结果中,传统方法得到的相关性在(0.9134,0.9790)范围内,插值法获得了0.9985的相关性。2.针对在LIBS光谱的采集过程中,由于元素谱线的特性以及实验设备和环境的影响而产生的谱线之间的重叠干扰,提出了一种基于误差补偿的方法对重叠谱峰进行校正。
通过对光谱中Cu-Fe重叠谱峰的校正以及Cu元素的定量实验充分验证了该方法的有效性。结果表明:与传统方法相比,基于误差补偿的重叠峰校正方法能够有效提高0.86%-1.82%的相关性,减小18.12%-32.64%的拟合误差。
3.研究了激光诱导击穿光谱中大量的元素特征谱峰,并对这些谱峰对应的元素进行了识别。该方法首先对实验光谱进行拟合来获得光谱中的特征谱峰,提取拟合谱峰的中心波长、光强、半高宽和谱峰质心作为谱峰特征参数向量;并将待识别光谱的谱峰特征参数向量与标准谱线数据库中的元素谱线进行相似性分析,从而实现谱峰元素的自动识别。
考虑到连续背景和光谱中极小值点具有一定的关联,提出了一种基于样条插值的LIBS光谱连续背景的检测与校正方法。该方法对光谱中合适的极小值点进行插值计算能够合理的估计出光谱中的连续背景并校正。
通过信背比的计算以及定量实验的结果分析对该方法进行了有效的验证。结果表明:传统方法获得了(10.09,25.63)范围的信背比,插值法能够得到26.96的信背比。
本文针对传统谱峰元素识别方法准确率偏低、可靠性不足的缺点,提出了一种元素谱峰自动识别的新方法。该方法在实现对光谱谱峰元素识别的同时,也对光谱进行了背景校正以及重叠谱峰的分解。
其次依据相关定量实验对主要研究内容进行了有效验证。论文的主要工作如下:1.由于与激光能量、门宽、延时和实验环境等因素的影响,在LIBS中不可避免的会产生连续背景。