本文研究將LIBS技術(shù)與GRNN結(jié)合，用來(lái)檢測(cè)和辨別薔薇屬植物。探究LIBS技術(shù)應(yīng)用于植物檢測(cè)的可行性，該工作以薔薇屬植物為例，展開(kāi)了植物的LIBS光譜檢測(cè)及分類等研究。

一、引言

土壤污染問(wèn)題主要為土壤重金屬污染。雖然一些低濃度的重金屬，如Zn、Cu、Fe、Mn、Ni等對(duì)于生物體的不同代謝活動(dòng)來(lái)說(shuō)是必要的，但當(dāng)土壤中這些金屬濃度升高到超過(guò)閾值水平，以及潛在有毒金屬(如Cd和Pb等)和類金屬(如as等)的長(zhǎng)期存在，會(huì)影響微生物群落組成的數(shù)量和質(zhì)量，進(jìn)而導(dǎo)致植物根際生態(tài)位的生態(tài)動(dòng)力學(xué)發(fā)生實(shí)質(zhì)性變化。此外，這些重金屬還會(huì)對(duì)植物的生長(zhǎng)、生物量及光合作用產(chǎn)生負(fù)面影響，并危及可持續(xù)的糧食生產(chǎn)。實(shí)現(xiàn)對(duì)植物和土壤的元素檢測(cè)，對(duì)于污染防治和修護(hù)具有重要意義。目前，針對(duì)植物及土壤內(nèi)元素檢測(cè)的技術(shù)多為生物化學(xué)方法，這些方法價(jià)格高、處理過(guò)程復(fù)雜、耗時(shí)久，檢測(cè)周期長(zhǎng)，因此探究快速、簡(jiǎn)單、準(zhǔn)確的植物和土壤元素檢測(cè)技術(shù)具有重要意義。本文將LIBS技術(shù)應(yīng)用于植物檢測(cè)、土壤檢測(cè)以及土壤重金屬污染對(duì)植物作用的研究，該研究為植物和土壤元素監(jiān)測(cè)提供了新思路，對(duì)土壤重金屬污染防治提供了新方法。

實(shí)驗(yàn)裝置

本研究根據(jù)LIBS的基本原理介紹，搭建了一套適用于土壤和植物信息檢測(cè)的LIBS實(shí)驗(yàn)操作系統(tǒng)，裝置圖如圖1所示。該系統(tǒng)主要構(gòu)成為：固體激光器、光譜儀、信號(hào)探測(cè)系統(tǒng)、光學(xué)系統(tǒng)、延時(shí)脈沖發(fā)生器、信號(hào)采集系統(tǒng)、樣品池、計(jì)算機(jī)及配套的光譜分析軟件。

圖1LIBS主要裝置示意圖

實(shí)驗(yàn)

3.1實(shí)驗(yàn)樣品制備

實(shí)驗(yàn)樣品為購(gòu)買于商店的玫瑰、薔薇和月季，如圖2所示。其中，玫瑰和薔薇產(chǎn)自云南，月季產(chǎn)自江蘇。實(shí)驗(yàn)樣品僅作烘干處理，未經(jīng)任何化學(xué)處理。

圖2實(shí)驗(yàn)樣品圖（玫瑰、薔薇、月季）

3.2薔薇屬植物的元素組成分析

實(shí)驗(yàn)過(guò)程中，控制激光聚焦在玫瑰、薔薇和月季的花瓣內(nèi)側(cè)，采集得到三種花的光譜數(shù)據(jù)。由于光譜儀存在漂移現(xiàn)象，需要對(duì)得到的光譜數(shù)據(jù)進(jìn)行校正。于是，通過(guò)與NIST數(shù)據(jù)庫(kù)中的特征譜線比對(duì)，對(duì)光譜進(jìn)行標(biāo)定。薔薇屬植物的花香成分主要是醇類、萜烯類和芳香烴類物質(zhì)等。因此，玫瑰、薔薇和月季都含有C、H、O這三種元素，如圖3~圖14所示，都可以觀測(cè)到CI 247.86nm、Ha656.29nm、OI 777.16nm、OI 844.67nm等特征譜線。

圖3玫瑰在240-300nm波段的LIBS光譜

圖4玫瑰在350-440nm波段的LIBS光譜

圖5玫瑰在500-675nm波段的LIBS光譜

圖6玫瑰在700-875nm波段的LIBS光譜

圖7薔薇在240-300nm波段的LIBS光譜

圖8薔薇在350-440nm波段的LIBS光譜

圖9薔薇在500-675nm波段的LIBS光譜

圖10薔薇在700-875nm波段的LIBS光譜

圖11月季在240-300nm波段的LIBS光譜

圖12月季在350-440nm波段的LIBS光譜

圖13月季在500-675nm波段的LIBS光譜

圖14月季在700-875nm波段的LIBS光譜

此外，三種花中都含有N、Mg、Ca、Na和K這些常量營(yíng)養(yǎng)元素。圖15將玫瑰、薔薇和月季的光譜圖進(jìn)行對(duì)比，從圖中可以觀察到玫瑰和月季的光譜中都有Mn的特征譜線，而在薔薇的光譜圖中未曾發(fā)現(xiàn)。其中，玫瑰光譜圖可觀測(cè)到257.61nm、259.37nm、260.57nm、293.31nm、293.93nm、294.92nm、403.08nm、403.31nm和403.45nm這9條Mn的特征譜線，而月季光譜圖中只能觀測(cè)到257.61nm、259.37nm、260.57nm、403.08nm、403.31nm和403.45nm這6條特征譜線。通過(guò)對(duì)比，還可觀察到玫瑰中Mn的特征譜線的相對(duì)強(qiáng)度要高于月季中的特征譜線。Mn元素屬于植物中常見(jiàn)的微量營(yíng)養(yǎng)元素，可見(jiàn)LIBS可用于檢測(cè)植物中的微量元素。導(dǎo)致植物組織內(nèi)元素差異的原因有很多，首先是植物基體自身的差異，其次是生長(zhǎng)環(huán)境的不同，如土壤、水源的影響。本實(shí)驗(yàn)的選用的三種植物樣品產(chǎn)自中國(guó)的不同地區(qū)，土壤環(huán)境的差異對(duì)于植物的元素組成可能造成影響，導(dǎo)致三種植物的光譜數(shù)據(jù)存在不同。因此，本實(shí)驗(yàn)設(shè)計(jì)作為一種研究方法，存在一定的局限性，涉及后續(xù)的應(yīng)用，還可考慮到產(chǎn)地氣候、土壤等因素對(duì)于植物內(nèi)部元素的影響，來(lái)提高檢測(cè)的準(zhǔn)確率。后續(xù)工作會(huì)對(duì)土壤進(jìn)行檢測(cè)，并研究土壤環(huán)境對(duì)于植物元素的影響。

圖15玫瑰、薔薇和月季的光譜對(duì)比圖（a）玫瑰（b）薔薇（c）月季

3.3CN光譜的模擬與溫度計(jì)算

如圖4、8、12所示，實(shí)驗(yàn)在玫瑰、薔薇和月季中的光譜中探測(cè)到了CN。為了更好地說(shuō)明探測(cè)過(guò)程的物理參數(shù)，本工作還進(jìn)一步研究了CN的振動(dòng)溫度和轉(zhuǎn)動(dòng)溫度。

CN形成的主要過(guò)程如下：

C+N→CN（3-1）

C+N2→CN+N（3-2）

C2+N2→2CN（3-3）

而薔薇屬植物中的CN形成有兩種機(jī)制，首先是由植物中的C元素和N元素反應(yīng)，其次是由植物中的C元素和空氣中的N2反應(yīng)形成。利用雙原子分子光譜仿真軟件LIFBASE對(duì)薔薇屬植物光譜中的CN進(jìn)行模擬，校正基線和波長(zhǎng)偏移，調(diào)節(jié)振動(dòng)溫度和轉(zhuǎn)動(dòng)溫度，使得模擬值盡可能地接近實(shí)驗(yàn)值。其中，月季中CN的模擬和實(shí)驗(yàn)光譜如圖16所示。最終，計(jì)算得到玫瑰、薔薇和月季光譜中CN的振動(dòng)溫度分別為7600K、7800K和7600K，而轉(zhuǎn)動(dòng)溫度分別為7700K、7800K和7800K，如表1所示。該計(jì)算結(jié)果表明在測(cè)量三種花的光譜時(shí)，實(shí)驗(yàn)條件具有相似性。

圖16月季中CN的模擬和實(shí)驗(yàn)光譜

表1三種植物中CN的振動(dòng)溫度和轉(zhuǎn)動(dòng)溫度

3.4基于GRNN的薔薇屬植物分類

為了實(shí)現(xiàn)植物的快速分類識(shí)別，本工作利用光譜數(shù)據(jù)并結(jié)合GRNN建模來(lái)區(qū)分玫瑰、薔薇和月季這三種植物。GRNN是一種有監(jiān)督學(xué)習(xí)、非線性回歸的神經(jīng)網(wǎng)絡(luò)，它使用徑向基函數(shù)作為激活函數(shù)，具有良好的泛化性能和較高的正確率。傳統(tǒng)的鑒別薔薇屬植物的方法都過(guò)于繁雜耗時(shí)，因此，將GRNN應(yīng)用到薔薇屬植物的分類識(shí)別中具有重要意義。

首先采集薔薇屬植物的光譜數(shù)據(jù)，選擇差異大的特征譜線作為變量，接著隨機(jī)產(chǎn)生訓(xùn)練集和測(cè)試集并創(chuàng)建GRNN模型，然后通過(guò)仿真測(cè)試，最后輸出性能評(píng)價(jià)，得到預(yù)測(cè)正確率。

從玫瑰、薔薇和月季的光譜數(shù)據(jù)中，各選擇單個(gè)植物的100個(gè)測(cè)量光譜作為樣本。模型建立的好壞會(huì)直接影響預(yù)測(cè)結(jié)果的接近程度。在光譜選擇過(guò)程中，要注意篩查是否存在純空氣譜，避免這些異常數(shù)據(jù)對(duì)模型建立產(chǎn)生影響。選擇譜線的方式有兩種，一種是選擇全譜，二是選擇特征譜線。由于等離子體的不穩(wěn)定性和背景噪聲的干擾，直接分析整個(gè)波段的數(shù)據(jù)會(huì)導(dǎo)致辨別效果不佳；此外，一個(gè)全光譜包含8192個(gè)數(shù)據(jù)，數(shù)據(jù)量較大，直接計(jì)算耗時(shí)較長(zhǎng)。因此，本工作對(duì)比三種植物的光譜圖，選擇了差異較明顯的15個(gè)特征峰作為變量來(lái)提高檢測(cè)效率，如表2所示，這對(duì)于便攜式儀器的開(kāi)發(fā)具有一定的參考價(jià)值。本研究采用隨機(jī)法來(lái)產(chǎn)生訓(xùn)練集和測(cè)試集，從三種植物的各100個(gè)樣本中隨機(jī)挑選90個(gè)樣本作為訓(xùn)練集，剩下的10個(gè)樣本自動(dòng)成為測(cè)試集，這種方法不失一般性。因?yàn)镚RNN隱含層節(jié)點(diǎn)的激活函數(shù)采用了高斯函數(shù)，它對(duì)輸入信息具有局部激活特性，所以對(duì)接近于局部神經(jīng)元特征的輸入信息具有較強(qiáng)的吸引力，準(zhǔn)確率會(huì)大大提高。

表2選取的15條特征譜線

30個(gè)測(cè)試集的分類結(jié)果如圖17所示。其中標(biāo)簽1、2、3分別表示玫瑰、薔薇和月季，從圖中可看出1個(gè)薔薇數(shù)據(jù)集和1個(gè)月季數(shù)據(jù)集被誤判為玫瑰，最終正確率可達(dá)93.3%。

圖17玫瑰、薔薇和月季的預(yù)測(cè)結(jié)果

四、總結(jié)

本文利用LBS技術(shù)探測(cè)玫瑰、薔薇和月季這三種薔薇屬植物。實(shí)驗(yàn)觀察到三種花中都含有CH、0、N、Mg、Ca、Na和K元素，在玫瑰和月季中還探測(cè)到了Mn元素。通過(guò)LIFBASE軟件模擬CN光譜，得到了玫瑰、薔薇和月季中CN的振動(dòng)溫度和轉(zhuǎn)動(dòng)溫度。三種花的振動(dòng)溫度和轉(zhuǎn)動(dòng)溫度的近似證明了探測(cè)過(guò)程中實(shí)驗(yàn)條件具有相似性。GRNN的權(quán)值和閾值只與訓(xùn)練樣本有關(guān)，無(wú)需迭代，計(jì)算量小，計(jì)算速度快，且具有良好的預(yù)測(cè)能力，在識(shí)別薔薇屬植物上有一定的優(yōu)越性。將LIBS技術(shù)與GRNN相結(jié)合，選取光譜中的15條特征譜線作為變量建立模型，三種植物各挑選100個(gè)光譜樣本，90個(gè)作為訓(xùn)練集，10個(gè)作為測(cè)試集，分類準(zhǔn)確率達(dá)到93.3%。綜上所述，將LIBS技術(shù)與GRNN相結(jié)合應(yīng)用到普薇屬植物的識(shí)別中是具有可行性的。本實(shí)驗(yàn)是以此為例進(jìn)行方法研究，主要探究LIBS技術(shù)在植物檢測(cè)上的可實(shí)施性。

由基因決定的植物性狀的可塑性反過(guò)來(lái)又會(huì)受到周圍環(huán)境變化的影響，這些環(huán)境因素就包括了土壤特征。因此，后文會(huì)基于LIBS技術(shù)繼續(xù)研究土壤元素組成，以期望描述各種植物組織類型和土壤樣品類型中元素的組成變化和相關(guān)性。

推薦：

實(shí)驗(yàn)室一體化LIBS激光誘導(dǎo)光譜儀iSpecLIBS-SCI800

主要由激光器、高分辨率光譜儀、LIBS光路收集探頭、XYZ樣品窗、觸發(fā)延遲控制器等組成，由于其采用一體化，可擴(kuò)展非常靈活，非常適合科研研究、LIBS光學(xué)應(yīng)用實(shí)驗(yàn)、光學(xué)應(yīng)用中心等用戶，可以非常方便的靈活選用配置激光器和光譜儀。

歡迎關(guān)注公眾號(hào)：萊森光學(xué)，了解更多光譜知識(shí)。

萊森光學(xué)(深圳)有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯 黃宇