雙脈沖激光誘導擊穿光譜結合多元定標法定量分析大豆油中的鉛

吳宜青，歐陽靜怡，孫　通，莫欣欣，劉　津，劉木華

(江西農業大學　生物光電技術及應用重點實驗室，江西　南昌　330045)

?

雙脈沖激光誘導擊穿光譜結合多元定標法定量分析大豆油中的鉛

吳宜青，歐陽靜怡，孫通*，莫欣欣，劉津，劉木華

(江西農業大學生物光電技術及應用重點實驗室，江西南昌330045)

應用雙脈沖激光誘導擊穿光譜(DP-LIBS) 對大豆油中的鉛(Pb) 含量進行檢測。配制9個大豆油樣品，采用一定規格圓柱形桐木對樣品中Pb進行富集，然后通過Ava-Spec二通道高精度光譜儀采集其LIBS光譜信號。根據樣品的LIBS譜線圖和美國國家標準技術研究所(NIST) 原子光譜數據庫，確定選用Ca Ⅱ 393.284 nm，Ca Ⅱ 396.752 nm，N Ⅱ 399.399 nm和Pb Ⅰ 405.685 nm的特征譜線強度作為自變量，得到Pb含量的多元線性回歸定量分析模型，并通過方差分析和t檢驗驗證分析模型的可行性。結果表明，采用Pb元素直接定標法得到的平均相對誤差約為16%，擬合度R2為0.981 8；采用多元線性回歸模型得到的平均相對誤差為7.25%，擬合度R2為0.997 1，3個檢驗樣品的相對誤差均在合理范圍內。采用多元校正分析模型可以充分利用光譜中的有效信息，降低基體效應的影響，從而提高LIBS分析的準確性。

雙脈沖激光誘導擊穿光譜(DP-LIBS)；多元定標；定量分析；大豆油；鉛

鉛(Pb) 是一種常見的重金屬元素，鉛及其化合物對人體有毒，在人體中積累后不易排出，鉛中毒主要損害人體的神經系統、造血系統、骨骼系統和腎臟[1-2]。隨著工業的不斷發展，許多工廠“三廢”排放達不到國家標準，致使一些重金屬對食用油原料(花生、玉米、大豆、菜籽等) 生長所需的土壤、水和空氣造成污染[3]；含重金屬農藥和化肥的使用，也會使農作物積蓄一定量的重金屬。另外，食用油在加工、貯藏及運輸過程也可能受到重金屬的污染。食用油是人們生活的日常用品，為了保護人體健康，對其重金屬Pb含量的監測具有十分重大的意義。

激光誘導擊穿光譜(Laser-induced breakdown spectroscopy,LIBS) 是一種通過對光譜波長進行分析，獲得待測樣品中元素種類及其含量信息的激光燒灼分析技術。基本原理是將激光聚焦于待測樣品表面，當脈沖的能量密度大于擊穿閾值時，產生高溫等離子體，等離子體降溫后發射出樣品組分信息的光譜，最后利用光電探測器及光譜儀對其進行采集。LIBS技術具有檢測周期短、樣品處理簡單、可同時進行多元檢測等優點，目前已被廣泛用于礦業[4]、冶金[5]、醫藥[6]、煤燃燒[7]、水和土壤污染[8-10]等領域。

由于LIBS實際應用中易受基體效應的影響，導致其直接分析結果的精確度不高。因而，越來越多的化學計量學方法被用于處理LIBS分析時產生的大量數據。沈沁梅等[11]基于遺傳神經網絡回歸模型，對土壤進行定量分析，得到Ba和Ni的相關系數分別為0.983和0.990，平均相對誤差分別為4.15%和6.06%，檢測精度優于人工神經網絡(BP-ANN)和常用的內標法。董美蓉等[12]對煤中的碳元素采用多元校正的分析方法，得到回歸分析模型預測值與真實值之間的誤差在5%之內，表明多變量校正法可得到較高的分析精度。Wang等[13]應用偏最小二乘法(PLS)模型對煤樣中的碳進行定量分析，得到樣品在空氣和氬氣中碳元素的平均相對誤差分別為4.96%和2.98%，預測精度良好。鄒孝恒等[14]基于遺傳算法(GA) 和偏最小二乘法的回歸模型對土壤成分進行定量分析，GA-PLS能夠顯著改善傳統PLS模型的預測能力。賀文干等[15]利用3種非線性定標方法對爐渣中Ca和Mg含量進行定量分析，得到徑向基函數(RBF)神經網絡模型中Ca和Mg的平均相對誤差為2.61%和5.94%，預測精度較多元二次函數和BP神經網絡定標法得到了提高。楊友良等[16]利用粒子群優化支持向量機回歸對鋼液中的Mn進行定量分析，相關系數為0.997，相對標準偏差(RSD)為8.26%，分析性能較傳統定標法有一定提高。上述研究表明，選擇合適的化學計量學方法可以有效地降低LIBS定量分析時帶來的誤差，提高預測精度。

多元回歸方法是一種簡便而實用的定量分析方法，具有計算簡單快捷、允許樣品容量小、統計特性良好及可充分利用光譜數據中的有效信息等優點，在LIBS檢測領域得到應用。如余洋等[17]采用單變量和多變量分析方法對污染土壤中的Cr進行了定量分析。陳添兵[18]、姚順春[19]等分別采用多元線性回歸對臍橙中的Pb以及未燃碳含量進行了定量分析。本實驗以大豆油樣品中的Pb為研究對象，以一定規格圓柱形桐木對樣品中的Pb進行富集，并在相同實驗條件下對大豆油樣品進行雙脈沖激光誘導擊穿光譜實驗，然后采用直接定標法和多元定標法對樣品中的Pb進行定量分析。

1　實驗部分

1.1實驗裝置

LIBS檢測系統示意圖如圖1所示。主要部件為：波長為1 064 nm，脈沖寬度為8 ns，頻率為2 Hz，最高激光能量值為300 mJ的調Q納秒Nd:YAG共軸雙脈沖激光器(Vlite-200型，北京Beamtech公司)。AvaSpec雙通道高精度光譜儀(Avantes公司，荷蘭),一通道和二通道波段范圍分別為206.28～331.41 nm以及321.46～481.77 nm，每個通道有2 048個數據點。SC300-1A型二維旋轉載物臺(卓立漢光，北京) 、DG645數字脈沖信號發生器(Stanford Research Systems,USA) 以及各種光學鏡片等。

1.2實驗材料及樣品制備

實驗所用五湖大豆油樣品購于南昌沃爾瑪超市，產地為江西省九江市，原始大豆油按國標GB 5009.12-2010未檢出Pb。甲苯(分析純)由上海潤捷化學試劑有限公司制造，純度為99.5%。異辛酸鉛(純度95.0%，西亞試劑網)。圓柱形桐木(曹縣黑森木業有限公司)。

將異辛酸鉛溶于甲苯，配制成濃度為1.01×104μg/g的溶液，然后加入甲苯和大豆油稀釋，得到1#～9#大豆油樣品中Pb含量分別為17.63，27.84，48.57，100.38，203.36，383.56，481.13，579.33，770.73 μg/g。為克服LIBS技術直接分析液體樣品時靈敏度低和穩定性差等缺點，實驗采用一種圓柱形桐木對Pb進行富集，將木片浸泡于大豆油樣品中一段時間后，取出放置于恒溫烘箱內烘干，對其進行LIBS光譜采集。

選取1#，3#，5#，6#，8# 和9#大豆油樣品作為模型建立的定標樣品，2#，4# 和7#大豆油樣品作為驗證樣品，用于檢驗定標模型的性能。

1.3LIBS光譜采集

將樣品置于二維旋轉載物臺上，波長為1 064 nm的激光光束經過角度為45°的反射鏡反射穿過穿孔反射鏡，再垂直穿過焦距為100 mm的水平透鏡，最后入射到樣品表面；產生的激光誘導等離子體信號經水平透鏡匯聚，通過穿孔反射鏡的反射，經垂直透鏡匯聚到光纖探頭然后進入二通道高精度光譜儀，從而獲得樣品的LIBS光譜。

為提高LIBS對樣品檢測的穩定性和精確度，對兩束激光脈沖能量、采集延遲時間和兩束激光相對延時等參數進行了優化。優化后的實驗參數如下：激光單束脈沖能量值為120 mJ，兩束激光相對延時為40 ns，采集延時為1.8 μs，積分時間為2 ms，激光頻率為2 Hz。實驗每次采集10幅光譜圖，每幅光譜圖為平均擊打5次所得的實驗結果，同一樣品重復測量2次，因此，后續處理的每幅光譜圖是激光作用于樣品表面100個不同點的平均結果。

2　結果與討論

2.1特征譜線的確定

在上述實驗條件下，對4#大豆油樣品進行LIBS實驗。圖2為4#大豆油樣品在391～407 nm波長范圍內的激光誘導擊穿光譜。

由圖2可知，波長393.284，396.752，399.399，405.685 nm處獨立的光譜清晰可見，根據美國國家標準技術研究所(NIST)原子光譜數據庫，對上述特征譜線進行了標識和比對(見表1，其中Aki為自發躍遷幾率)，確定了上述譜線所對應的元素，實驗元素的激發波長與美國原子數據庫的波長有一定的偏差。

表1　Ca，N和Pb的發射譜線Table 1　Spectral lines of Ca,N and Pb

2.2Pb元素直接定標

將Pb Ⅰ 405.685 nm譜線的強度與其真實含量進行關聯，建立Pb的直接定標曲線，得到定標曲線方程為y=5.686x+429.34，擬合度R2=0.981 8，Pb的直接定標曲線擬合效果一般，部分數據點與定標曲線有較大的偏離。Pb的預測結果見表2，可以看出，直接定標模型的預測值與真實值之間的相對誤差嚴重偏大，Pb含量較低的1# 定標樣品和2# 檢驗樣品的相對誤差高達30%多，定標樣品和檢驗樣品的平均相對誤差也在16%以上，預測結果的精確度不理想。由此說明，單因素建立的模型預測準確性較低，對低濃度樣品的預測效果更差，這是由于樣品中Pb的有效光譜信息未得到充分利用所致。

表2　直接定標法Pb的相對誤差Table 2　Relative error of Pb in direct calibration method

2.3Pb元素多元線性回歸

分析元素特征譜線除了與自身濃度變化有關外，還受到樣品中其它基體元素的影響，可認為分析元素k的濃度Ck是樣品中某些元素特征光譜強度的函數，表示為[20]:

Ck=f(I1，I2，I3，…，In)

(1)

而對于一個多元共存的復雜體系，某一信息的測量結果往往與多個因素有關，假設因變量為y，自變量為x1，x2，x3，…，xm，yi為某一測量值，則可用公式表示為[12]：

yi=b0+b1×xi1+b2×xi2+b3×xi3+…+bm×xim+§i(i=1，2，…，n)

(2)

式中，b0為常數項，bm稱為yi對xi的偏回歸系數，i為第i次測量，m為變量個數，§i為殘差或剩余。

由表2結果可知，單因素建立模型的預測效果不佳。造成這種結果的原因可能是基體元素N,Ca與Pb的分析譜線相鄰，并且Ca的譜線峰值強度較高(見圖2)，存在此消彼漲的情況，嚴重影響了Pb的峰值強度。因此本文選擇Ca，N以及Pb的譜線強度作為多元回歸的自變量，結合公式(1) 和(2) 得到Pb定量分析的定標模型如下：

CPb=b0+b1×ICa Ⅱ 393.284+b2×ICa Ⅱ 396.752+b3×IN Ⅱ 399.399+b4×IPb I 405.685

(3)

將LIBS實驗數據代入公式(3) 進行回歸分析，得到回歸模型的定標系數依次為 {-60.435，0.103，-0.147，0.057，0.270} 。為檢驗回歸模型的可靠性，對回歸模型進行方差分析和t檢驗，其結果見表3～4。

表3　回歸模型的方差分析結果Table 3　Variance analysis results of regression model

由表3可知，F?F0.05(4,4)，回歸方程的顯著性F統計量的P值為0.020 2，小于顯著性水平α=0.05，回歸相關系數R=0.998，說明回歸方程高度顯著；由表4可知，ICa Ⅱ 393.284，ICa Ⅱ 396.752，IN Ⅱ 399.399，IPb I 405.685的系數t檢驗顯著性統計量的P值分別為0.010，0.009，0.019，0.005，均在0.05以內，說明各個系數的顯著性水平較高，影響Pb元素分析的顯著性大小關系依次為IPb I 405.685>ICa Ⅱ 396.752>ICa Ⅱ 393.284>IN Ⅱ 399.399。綜上可知，依據上述確定的影響因素所建立的回歸模型可行，最終得到回歸方程為：

CPb=-60.435+0.103×ICa Ⅱ 393.284-0.147×ICa Ⅱ 396.752+0.057×IN Ⅱ 399.399+0.270×IPb I 405.685

表4　回歸系數的t檢驗結果Table 4　t-test results of regression coefficient

根據上述回歸方程對6個定標樣品及3個檢驗樣品中的Pb含量進行回歸預測，得到樣品的預測值與真實值之間的關系如表5所示。其中1# 和3# 樣品的相對誤差較高，分別為13.08%和15.84%，其它樣品的相對誤差均在可接受范圍內，平均相對誤差為7.25%，較直接定標法減小2倍多，并且定標樣品真實值與預測值之間的擬合效果好，擬合度R2= 0.997 1，擬合方程為y=0.992x+8.238，式中x,y分別為定標樣品中Pb含量的真實值與預測值。另外，3個檢驗樣品的預測相對誤差分別為5.05%，5.75%，0.13%，均在合理范圍內，皆優于直接定標模型的預測值。由上述結果可知，多元回歸校正模型的實驗結果優于直接定標模型，表明采用多元線性回歸的定量方法能有效地減弱Ca和N元素對Pb元素分析的影響，提高樣品的預測精度，多元變量分析方法可用于復雜基體樣品的LIBS檢測。

表5　多元回歸預測值與真實值之間的相對誤差Table 5　Relative error of predicted value and true value in multiple regression

3　結　論

本文利用雙脈沖LIBS技術對大豆油中的Pb含量進行檢測，并以桐木為基體對樣品中的Pb進行富集，然后建立Pb的直接定標模型和多元定標模型。Pb的直接定標模型得到的平均相對誤差為16%左右，定標曲線的擬合度R2為0.981 8；采用多元線性回歸模型得到的平均相對誤差為7.25%，回歸方程的擬合度R2為0.997 1，3個檢驗樣品的相對誤差在合理范圍內。由此說明，采用多元校正分析模型可以充分降低基體效應的影響，提高LIBS分析的準確性。本研究結果為大豆油中金屬元素的檢測提供了一定的理論依據。

[1]Yao Z Q.StudiesofTraceElementsandHealth(姚智卿.微量元素與健康研究),2011,28(5):67-68.

[2]Yang T,Wang W R.WordLatestMedicineInformation(楊田,王文瑞.世界最新醫學信息文摘),2014,14(7):44-46.

[3]Zhang T,Cai W T,Liu J W,Cao Y T.J.Instrum.Anal.(張濤,蔡五田,劉金巍,曹月婷.分析測試學報)，2013,32(11):1384-1387.

[4]Chen X L,Dong F Z,Tao G Q,Li Y J,She M J,Fu H B,Ni Z B,Wang J G,He W G,Tang Y Q,Rao R Z.Chin.J.Lasers(陳興龍,董鳳忠,陶國強,李油建,佘明軍,付洪波,倪志波,王靜鴿,賀文干,湯玉泉,饒瑞中.中國激光),2013,40(12):243-248.

[5]Cabalín L M,González A,Lazic V,Laserna J.Appl.Spectrosc.,2011,65(7):797-805.

[6]Li Z F,Wang R W,Deng H,Shang L P.Chin.J.Lumin.(李占鋒,王芮雯，鄧琥,尚麗平.發光學報),2016,37(1):100-105.

[7]Yao S C,Lu J D,Pan S H,Jiang M C,Li P,Xie C L,Li J.Chin.J.Lasers(姚順春,陸繼東,潘圣華,蔣梅城,李娉,謝承利,李捷.中國激光),2010,37(4):1114-1117.

[8]Lee Y,Oh S W,Han S H.Appl.Spectrosc.,2012,66(12):1385-1396.

[9]Li Y,Lu J D,Lin Z X,Xie C L,Li J,Li P Y.J.Appl.Optics(李勇,陸繼東,林兆祥,謝承利,李捷,李鵬艷.應用光學),2008,29(5):789-792.

[10]Zhang X,Huang L,Yao M Y,Liu M H.ActaAgric.Univ.Jiangxiensis(張旭,黃樂,姚明印,劉木華.江西農業大學學報),2013,35(3):631-634.

[11]Shen Q M,Zhou W D,Li K X.Chin.J.Lasers(沈沁梅,周衛東,李科學.中國激光),2011,38(3):247-252.

[12]Dong M R,Lu J D,Yao S C,Chen K,Li J,Li J Y.J.Eng.Thermophys.(董美蓉,陸繼東,姚順春,陳凱,李軍,李俊彥.工程熱物理學報),2012,33(1):175-179.

[13]Wang Z,Yuan T B,Lui S L,Hou Z Y,Li X W,Li Z,Ni W D.Front.Phys.,2012,7(6):708-713.

[14]Zou X H,Hao Z Q,Yi R X,Guo L B,Shen M,Li X Y,Wang Z M,Zeng X Y,Lu Y F.Chin.J.Anal.Chem.(鄒孝恒,郝中騏,易榮興,郭連波,沈萌,李祥友,王澤敏,曾曉雁,陸永楓.分析化學),2015,43(2):181-186.[15]He W G,Dong F Z,Chen X L,Yu R H,Fu H B,Ni Z B,Wang J G,Tang Y Q.Chin.J.QuantumElectron.(賀文干,董鳳忠,陳興龍,余嶸華,付洪波,倪志波,王靜鴿,湯玉泉.量子電子學報),2014,31(2):213-221.[16]Yang Y L,Wang P,Ma C H.LaserOptoelectron.Prog.(楊友良,王鵬,馬翠紅.激光與光電子學進展),2015,52(7):289-294.

[17]Yu Y,Zhao N J,Wang Y,Fang L,Meng S D,Hu L,Gu Y H,Wang Y Y,Ma M J,Liu J G,Liu W Q.LaserOptoelectron.Prog.(余洋,趙南京,王寅,方麗,孟碩德,胡麗,谷艷紅,王園園,馬明俊,劉建國,劉文清.激光與光電子學進展),2015,52(9):321-326.

[18]Chen T B,Yao M Y,Liu M H,Lin Y Z,Li W B,Zheng M L,Zhou H M.ActaPhys.Sin.(陳添兵,姚明印,劉木華,林永增,黎文兵,鄭美蘭,周華茂.物理學報),2014,63(10):203-208.

[19]Yao S C.TheApplicationofLaserInducedBreakdownSpectroscopyforDiagnosisofPowerStation.Guangzhou:South China University of Technology(姚順春.激光誘導擊穿光譜技術在電站運行診斷中的應用研究.廣州：華南理工大學),2011：49-56.

[20]Li Y.QuantitativeAnalysisofMetalElementsUsingLIBSandItsRelevantImpactFactors.Qingdao:Ocean University of China(李穎.LIBS在金屬元素定量分析中的應用及其影響因素研究.青島：中國海洋大學 ),2011:15-19.

Quantitative Analysis of Lead in Soybean Oil by Double Pulse Laser-induced Breakdown Spectroscopy and Multivariate Calibration Method

WU Yi-qing，OUYANG Jing-yi，SUN Tong*，MO Xin-xin，LIU Jin，LIU Mu-hua

(Key Laboratory of Biological Optics-Electric Technique and Application,Jiangxi Agricultural University,Nanchang330045,China)

Double pulse laser-induced breakdown spectroscopy(DP-LIBS) was used to detect lead(Pb) content in soybean oil.For nine prepared soybean oil samples in the experiment,cylindrical paulownia wood with a certain size was used to enrich Pb in samples,and LIBS spectrum was collected by an Ava-Spec two-channel high precision spectrometer.According to LIBS spectrum of the sample and the National Institute of Standards and Technology(NIST) atomic spectrum database,the characteristic spectral line intensties of Ca Ⅱ 393.284 nm,Ca Ⅱ 396.752 nm,N Ⅱ 399.399 nm and Pb Ⅰ 405.685 nm were selected as independent variables,and multivariate linear regression was used to develop a quantitative analysis model for Pb content.The methods of variance analysis andt-test were used to verify the feasibility of analysis model.The results indicated that the average relative error of Pb was about 16%,and the fitting degreeR2was 0.981 8 in the direct calibration method.While in the multiple linear regression model,the average relative error of Pb was 7.25%,and the fitting degreeR2was 0.997 1,the relative errors of three validated samples were within a reasonable range.It is showed that the multivariate calibration analysis model could make full use of the effective information in the spectrum and reduce the influence of matrix effect,thereby improving the accuracy of LIBS analysis.

double pulse LIBS；multivariate calibration；quantitative analysis；soybean oil；lead

2016-03-17；

2016-04-22

國家自然科學青年基金(31401278)；江西省自然科學基金(20132BAB214010)

孫通，博士，副教授，研究方向：農產品、食品質量光學無損檢測,Tel:0791-83813184,E-mail：suntong980@163.com

10.3969/j.issn.1004-4957.2016.08.015

O657.72；O614.433

A

1004-4957(2016)08-1015-06