文献类型： 中文期刊

作者： 郑培超 ¹ ; 刘少剑 ¹ ; 王金梅 ¹ ; 陈光辉 ¹ ; 李刚 ¹ ; 刘旭峰 ¹ ; 田宏武 ² ; 董大明 ² ; 郭连波 ³ ;

作者机构： 1.重庆邮电大学光电工程学院

2.北京市农林科学院智能装备技术研究中心    

3.武汉光电国家实验室

关键词： 光谱学;激光诱导击穿光谱;等离子体图像;定量分析;稳定性

期刊名称： 中国无机分析化学

ISSN：

年卷期： 2024 年 002 期

页码： 223-232

摘要： 优质特种钢材和低端粗钢之间的性能差异主要受其构成元素种类及其成分含量的影响，因此，如何快速准确地对物质成分进行定性及定量分析对钢铁产品的质量评估至关重要。针对传统方法难以实现对钢铁合金成分的快速准确检测的难题，采用激光诱导击穿光谱（LIBS）结合等离子体图像信息的方法，通过快速地对不同元素的特征光谱强度与激发生成的等离子体图像进行采集，分析两者之间的相关性，并通过提取的图像特征信息的异常值剔除了部分无效光谱数据，进而实现了对钢铁成分的高精度分析。通过分析延迟时间和激光能量等不同实验条件对元素特征光谱强度及其对应等离子体图像的影响规律，不仅证明了等离子体图像与光谱之间存在相关性，还利用等离子体图像特征信息的局部最优值确定了最优延迟时间、激光能量分别为1 000 ns与50 mJ,并根据图像特征的平均阈值来筛选无效光谱数据。结果表明，图像筛选优化数据后，各元素谱线校准模型的决定系数（R~2）分别从原始数据的0.978、0.986、0.957、0.935提升至0.995、0.997、0.968、0.957,且其定标曲线对未知样品元素的预测浓度相对标准偏差（RSD）下降为原始数据预测浓度RSD的50%左右。由此可知采用LIBS结合图像筛选方法可以减少定量分析的误差，提高预测结果精确度。