LIBS激光誘導擊穿光譜技術(shù)是什么

來源：發(fā)布時間：2024-10-09

LIBS激光誘導擊穿光譜技術(shù)是什么

激光誘導擊穿光譜 (LIBS)是一種快速化學分析技術(shù)，它使用短激光脈沖在樣品表面產(chǎn)生微等離子體。LIBS 對重金屬元素的典型檢測限在低 PPM 范圍內(nèi)。LIBS 適用于***的樣品基質(zhì)，包括金屬、半導體、玻璃、生物組織、絕緣體、塑料、土壤、植物、土壤、薄漆涂層和電子材料。

01 什么是LIBS？

與其他元素分析技術(shù)相比，這種分析技術(shù)具有許多引人注目的優(yōu)勢。這些優(yōu)勢包括：

無需樣品制備的測量體驗
單點分析的測量時間極快，通常只需幾秒鐘
元素覆蓋范圍廣，包括較輕元素，例如 H、Be、Li、C、N、O、Na 和 Mg
多種采樣協(xié)議，包括樣品表面的快速光柵和深度剖析
薄樣品分析無需擔心基底干擾

826195b717650e3eaa7e557c9893434d

激光燒蝕：使用聚焦的脈沖激光束從樣品表面去除少量質(zhì)量。

在樣品表面上方啟動高溫（>15,000K）等離子體，并快速膨脹到周圍介質(zhì)中。

等離子冷卻過程的早期階段（<200~300納秒）發(fā)射連續(xù)光。

在稍后時間（> 1 μsec）發(fā)射離散原子線。

02 LIBS如何工作？

構(gòu)成LIBS技術(shù)本質(zhì)的主要物理過程是短激光脈沖誘導高溫等離子體的形成。當短脈沖激光束聚焦到樣品表面時，一小部分樣品質(zhì)量被燒蝕（即通過熱和非熱機制去除）——這一過程稱為激光燒蝕。該燒蝕質(zhì)量進一步與激光脈沖的尾部相互作用，形成包含自由電子、激發(fā)原子和離子的高能等離子體。許多基礎(chǔ)研究項目表明，等離子體溫度在其早期壽命階段可以超過30,000K。

當激光脈沖終止時，等離子體開始冷卻。在等離子體冷卻過程中，處于激發(fā)電子態(tài)的原子和離子的電子會落入自然基態(tài)，導致等離子體發(fā)出具有離散光譜峰的光。等離子體發(fā)射的光被收集并與ICCD/光譜儀檢測器模塊耦合以進行LIBS光譜分析。元素周期表中的每個元素都與獨特的LIBS光譜峰相關(guān)聯(lián)。通過識別所分析樣品的不同峰值，可以快速確定其化學成分。通常，LIBS峰強度信息可用于量化樣品中微量元素和主要元素的濃度。

隨著用于LIBS數(shù)據(jù)分析的強大的化學計量軟件的進步，以及對激光燒蝕基礎(chǔ)理解的穩(wěn)步進展，當今的分析研究人員正在有效地應(yīng)用LIBS對各種樣品基質(zhì)進行定量和材料鑒別分析。

dfc2fe274992ff21097419d07d0e736d

通過一組光學透鏡和光纖收集發(fā)射的光

254d44e9ff6aa7662ba3e5450b63a969

獲得LIBS光譜并通過儀器軟件進行后續(xù)分析，以進行定性和定量元素分析

03 LIBS的應(yīng)用？

3.1生物醫(yī)療

傳統(tǒng)的病理活檢方法存在樣品制備過程復雜、耗時長的問題，開發(fā)一種更新、更快、更有效的生物醫(yī)療輔助技術(shù)具有重要意義。圖19展示了LIBS成像分析在3D分析、代謝動力學等中的應(yīng)用。采用狗肝作為實驗對象，采集正常狗肝組織和血管肉瘤的LIBS，結(jié)果表明，不同的元素譜線強度比值可以用來進行**和正常組織的分類，例如Ca元素和Al元素在正常組織中的光譜強度高于**組織的，同時采用電感耦合等離子體發(fā)射光譜對LIBS的檢測結(jié)果進行了驗證。

淋巴瘤、多發(fā)性骨髓瘤和健康對照血清的LIBS差異，利用KNN對光譜進行分類識別，針對二分類問題，采用接受者操作特性(ROC)的曲線下面積(AUC)作為分類識別結(jié)果的評價指標，其中針對淋巴瘤、多發(fā)性骨髓瘤的AUC均大于0.95。

在正常人和灰指甲患者指甲的LIBS中，Ca、Na和K的光譜強度分布存在***差異，并利用譜峰強度比獲取了Ca與K、Na與K的相對濃度。

生物組織的LIBS掃描分析

3.2食品安全

農(nóng)產(chǎn)品的質(zhì)量安全問題日趨嚴重，加強農(nóng)產(chǎn)品的質(zhì)量檢測對保障人體健康甚至生命安全至關(guān)重要。食用油是人體重要的營養(yǎng)以及能量來源，也是食品加工制造產(chǎn)業(yè)的重要基礎(chǔ)原料。采用LIBS技術(shù)對西班牙市面上的橄欖油摻假情況進行調(diào)查，平均識別率達到95%。將LIBS與機器學習算法相結(jié)合，根據(jù)酸度和產(chǎn)地對橄欖油進行分類，分類準確度達到90.0%~99.2%。不同LIBS實驗裝置(噴霧、層流、液面)對橄欖油分類的影響，通過將LIBS與機器學習方法PCA和LDA等相結(jié)合，獲得了有關(guān)橄欖油樣品產(chǎn)地和摻假的信息，分類準確率達到100%。