近年来,由人为活动造成的重金属污染使植物体内积累过量的重金属元素,重金属超标的水果、蔬菜、粮食等农产品会对人体健康造成危害。烟草是我国重要经济作物之一,重金属污染不仅影响香烟品质,而且对吸烟者的健康产生严重的危害。因此,烟草中重金属元素检测对香烟品质管理及吸烟者身体健康有着重要意义。本论文以重金属(铜Cu和镉Cd)胁迫下的烟草为研究对象,研究烟草重金属污染程度判别及重金属元素定量检测的方法和模型,具体研究内容和结果如下:(1)研究了烟草鲜叶Cu污染程度LIBS判别方法。在土培条件下,采摘不同程度Cu污染下的烟草叶片并收集其LIBS光谱信号。对全谱LIBS数据进行主成分分析,基于PC1、PC2、PC3的载荷值选取对应于C、Fe、Mg、Ca、Fe、S、N、O等元素的18条谱线作为特征变量。利用所选特征变量建立线性判别分析(LDA)和支持向量机(SVM)分类模型。在LDA模型中,建模集与预测集的识别正确率分别为85%和72%;在SVM模型中,建模集与预测集的分类正确率分别为97%和82%。结果表明,基于LIBS技术结合化学计量学方法判别新鲜烟草叶片Cu污染程度是可行的,能获得满意的判断结果。(2)研究基于响应面法的烟草重金属定量分析LIBS仪器参数优化方法。利用BBD响应面法针对LIBS检测烟草重金属含量的三个仪器因素:①激光脉冲能量,②探测器相对于激光脉冲的延时时间,③探测器门宽(积分时间),设计了实验方案,确定了最佳的三因素组合。a.在烟草叶样本Cu含量检测的参数优化实验中,以Cu I:324.75 nm谱线的信背比(Cu I:324.75 nm谱线强度与325.67 nm～326.73 mn范围光谱平均值之比)作为目标函数,以最大化目标函数为目标分析实验结果,最终确定基于LIBS技术的烟草Cu定量分析的参数优化组合为:激光能量为109 mJ,延时时间为5.19μs,积分时间为14.66μs。在此条件下得到的最大信背比为20.8857。b.在烟草根样本Cd定量分析的参数优化实验中,以Cd I:361.05 nm谱线的信背比(Cd I:361.05 nm谱线强度与359.15 nm～360.45 nm范围光谱平均值之比)作为目标函数,以使目标函数最大化为目的分析实验结果,确定基于LIBS技术的烟草Cd定量分析的参数优化组合为:激光能量为115.34 mJ,延时时间为4.41μs,积分时间为6.48μs。此参数组合下最大信背比为11.7614。(3)研究建立了烟草重金属元素LIBS快速定量检测方法和模型。①在基于LIBS烟草叶样本Cu含量分析中,选择对应Cu I的324.75 nm和327.4 nm谱线作为关键变量。利用上述关键变量分别建立基于单变量的一元线性回归模型和基于双变量的MLR模型。此外,利用320 nm～330 nm范围LIBS光谱数据建立PLS模型。基于Cu I 324.75 nm谱线的一元线性回归模型中,建模集决定系数R_c~2为0.96,预测集决定系数R_p~2为0.94;基于Cu I 327.4 nm谱线的一元线性回归模型中,R_c~2为0.96,R_p~2为0.91;基于Cu I的324.75 nm和327.4 nm谱线的MLR模型中,R_c~2为0.96,Rp/为0.92;基于320 nm～330 nm范围光谱的PLS模型中,R_c~2为0.95,Rp/为0.90。②在基于LIBS烟草根样本Cd含量分析中,选择对应CdI的346.62 nm和361.05 nm谱线作为关键变量。利用上述关键变量分别建立基于单变量的一元线性回归模型和基于双变量的MLR模型。此外,利用340 nm～365 nm范围LIBBS光谱数据建立PLS模型。基于Cd I 346.62 nm谱线的一元线性回归模型中,R_c~2为0.96,R_p~2为0.90;基于CdI 361.05 nm谱线的一元线性回归模型中,R_c~2为0.96,R_p~2为0.92;基于CdI 346.62 nm和361.05 nm谱线的MLR模型中,R_c~2为0.97,R_p~2为0.92;基于340 nm～365 nm范围光谱的PLS模型中,R_c~2为0.98,R_p~2为0.94。结果表明,基于LIBS技术的烟草重金属定量分析可行,基于单变量的建模结果与基于多变量的建模结果相近,为后续便携式LIBS植物重金属检测仪器的开发提供了理论条件。