基于DP-LIBS的生物材料元素分布分析系统的研发

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:al035258
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
激光诱导击穿光谱技术(LIBS)是一种原子发射光谱检测技术,该技术利用高能脉冲激光聚焦于样品表面,烧蚀样品产生等离子体,等离子体在演化过程中发射对应元素光谱,利用谱线可以对元素进行定性和定量分析。LIBS具有多元素同时分析、微损、检测速度快、能够对各种形态进行检测等优点,使得LIBS技术在环境保护、钢铁冶炼、矿石、金属分拣以及航空航天等领域进行广泛应用,具有广阔的应用前景。但是LIBS技术具有稳定性差的缺点,特别是对于不均匀样品需要进行扫描检测,而生物材料样品其自身的结构比较复杂,样品表面不平且分布不均匀等特点。针对生物材料样本情况,本文设计了基于DP-LIBS的生物材料元素分布分析系统系统,用以提高信号稳定性和对样本的扫描检测,主要研究成果:  1、采用双脉冲激光诱导击穿光谱技术(DP-LIBS)设计,提高了元素分析检测限。同时在双脉冲激光器上加入成像系统、三维移动平台对样品进行实时成像,精确确定烧蚀点位置;通过成像系统与三维移动平台相结合,实现生物材料样品待烧蚀点实时自动聚焦,保证激光每次都能够聚焦在样品表面相同上。  2、基于LabVIEW编写的控制软件对共线DP-LIBS实验系统与CCD相机、三维移动平台进行有效控制。通过图像清晰度评价、自动聚焦算法和三维移动平台相结合实现样品自动聚焦功能,能够对样品实时和自动聚焦,保证每次激光烧蚀样品位置一致,提高信号的稳定性。根据对样品成像能够与坐标系相关联,能够对样本进行微区扫描检测。  3、通过实验验证发现:采用自动聚焦系统,光谱强度的相对标准偏差(RSD)从167%降低到6.7%;对钢样中Cr和Mn元素定量分析的相关系数分别从0851和0639提高到0.947和0923。将LIBS和成像系统相结合对水稻籽粒进行扫描检测,发现Na和K在胚中光谱信号强度最高,糊粉层含量其次,胚乳含量最低。结果表明,本系统不但可以提高信号的稳定性和测量精度,而且能够实现对生物样本进行微区扫描检测。
其他文献
随着计算机技术的发展,图像编码与压缩技术的研究受到人们越来越多的关注。在对图像进行传输与存储的过程中,如果对实时性要求较高,或者对存储空间的大小关注度较高时,此时就
炉衬材料是冶金、建材、化工等行业高温设备必须的原料,市场需求量大,研发一套将给料、称重、混合、包装等生产工序全部纳入的生产线电气控制系统,将大大改善所生产的炉衬品质,最
高炉炼铁是生铁冶炼的主要方法,但是冶炼过程复杂,导致其优化控制面临许多困难:首先由于炼铁过程涉及诸多物质与能量间的变换传送过程,并且矿源复杂,工况多变,难以建立精确数学模型
随着2014年中央“一号文件”的公布,加快发展以智能监控为标志的现代农业已经成为解决“三农”问题的关键。智能视频监控系统由于具备数字化、智能化、远程化等优势得到了迅
近年来分布式发电得到了大力的发展,但其本身也存在着一些不足,为了弥补和克服分布式发电系统并网运行时引起的电能质量变差及可靠性降低等问题,同时发挥出分布式电源的价值和其效益优势,微电网技术作为一个非常前沿的研究领域,在未来的几年将会得到大力的研究和发展。目前微电网的发展还处于初级阶段,针对现阶段微电网研究存在的问题:分布式发电并网的电能质量,微电网中多逆变器并联的建模以及各个并网逆变器之间相互作用的
智能化变电站的高速发展带来了控制终端智能化、安装位置就近化等一系列革新,同时也导致了二次系统电子设备愈加的靠近一次系统,进而使得其直接面对更加复杂恶劣的电磁环境。在这一新形势下,完善对干扰信号的检测与记录手段,分析并评价其对二次设备的影响程度具有重要的意义和价值。然而,现有的瞬态磁场检测设备普遍在性能及功能上存在不足,难以达到目的。为此,本项目针对磁干扰研究开发了一套手持式瞬态磁场记录仪及其软件系
Tornambe控制是意大利学者A.Tornambe提出的,以其思路新颖、结构简单及控制性能优越等特点得到了越来越多学者的青睐。根据具有积分形式的观测器的,设计Tornambe控制器的表达式
图像的高速采集与实时处理在国防军事、工业数采、视频通信等领域具有十分重要的应用价值。随着FPGA器件性能的不断提高,其拥有的强大可编程性和超高集成度等特点显得更为突
双重或多重控制系统是一个被控变量采用两个或两个以上操作变量进行控制的系统。此系统采用两个操作变量,其中一个操作变量满足经济性和工艺合理性,但对干扰的克服不够及时有
量子状态估计,也被称为量子状态层析,是量子信息研究的基础。结合压缩感知理论,人们可以通过较少的测量次数重构出量子状态密度矩阵。本论文研究不同干扰情况下基于压缩感知的量