本文研究將LIBS技術與GRNN結合，用來檢測和辨別薔薇屬植物。探究LIBS技術應用于植物檢測的可行性，該工作以薔薇屬植物為例，展開了植物的LIBS光譜檢測及分類等研究。

一、引言

土壤污染問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等對于生物體的不同代謝活動來說是必要的，但當土壤中這些金屬濃度升高到超過閾值水平，以及潛在有毒金屬(如Cd和Pb等)和類金屬(如as等)的長期存在，會影響微生物群落組成的數量和質量，進而導致植物根際生態位的生態動力學發生實質性變化。此外，這些重金屬還會對植物的生長、生物量及光合作用產生負面影響，并危及可持續的糧食生產。實現對植物和土壤的元素檢測，對于污染防治和修護具有重要意義。目前，針對植物及土壤內元素檢測的技術多為生物化學方法，這些方法價格高、處理過程復雜、耗時久，檢測周期長，因此探究快速、簡單、準確的植物和土壤元素檢測技術具有重要意義。本文將LIBS技術應用于植物檢測、土壤檢測以及土壤重金屬污染對植物作用的研究，該研究為植物和土壤元素監測提供了新思路，對土壤重金屬污染防治提供了新方法。

實驗裝置

本研究根據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的LIBS實驗操作系統，裝置圖如圖1所示。該系統主要構成為：固體激光器、光譜儀、信號探測系統、光學系統、延時脈沖發生器、信號采集系統、樣品池、計算機及配套的光譜分析軟件。

圖1LIBS主要裝置示意圖

實驗

3.1實驗樣品制備

實驗樣品為購買于商店的玫瑰、薔薇和月季，如圖2所示。其中，玫瑰和薔薇產自云南，月季產自江蘇。實驗樣品僅作烘干處理，未經任何化學處理。

圖2實驗樣品圖（玫瑰、薔薇、月季）

3.2薔薇屬植物的元素組成分析

實驗過程中，控制激光聚焦在玫瑰、薔薇和月季的花瓣內側，采集得到三種花的光譜數據。由于光譜儀存在漂移現象，需要對得到的光譜數據進行校正。于是，通過與NIST數據庫中的特征譜線比對，對光譜進行標定。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這些常量營養元素。圖15將玫瑰、薔薇和月季的光譜圖進行對比，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現。其中，玫瑰光譜圖可觀測到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到257.61nm、259.37nm、260.57nm、403.08nm、403.31nm和403.45nm這6條特征譜線。通過對比，還可觀察到玫瑰中Mn的特征譜線的相對強度要高于月季中的特征譜線。Mn元素屬于植物中常見的微量營養元素，可見LIBS可用于檢測植物中的微量元素。導致植物組織內元素差異的原因有很多，首先是植物基體自身的差異，其次是生長環境的不同，如土壤、水源的影響。本實驗的選用的三種植物樣品產自中國的不同地區，土壤環境的差異對于植物的元素組成可能造成影響，導致三種植物的光譜數據存在不同。因此，本實驗設計作為一種研究方法，存在一定的局限性，涉及后續的應用，還可考慮到產地氣候、土壤等因素對于植物內部元素的影響，來提高檢測的準確率。后續工作會對土壤進行檢測，并研究土壤環境對于植物元素的影響。

圖15玫瑰、薔薇和月季的光譜對比圖（a）玫瑰（b）薔薇（c）月季

3.3CN光譜的模擬與溫度計算

如圖4、8、12所示，實驗在玫瑰、薔薇和月季中的光譜中探測到了CN。為了更好地說明探測過程的物理參數，本工作還進一步研究了CN的振動溫度和轉動溫度。

CN形成的主要過程如下：

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形成有兩種機制，首先是由植物中的C元素和N元素反應，其次是由植物中的C元素和空氣中的N2反應形成。利用雙原子分子光譜仿真軟件LIFBASE對薔薇屬植物光譜中的CN進行模擬，校正基線和波長偏移，調節振動溫度和轉動溫度，使得模擬值盡可能地接近實驗值。其中，月季中CN的模擬和實驗光譜如圖16所示。最終，計算得到玫瑰、薔薇和月季光譜中CN的振動溫度分別為7600K、7800K和7600K，而轉動溫度分別為7700K、7800K和7800K，如表1所示。該計算結果表明在測量三種花的光譜時，實驗條件具有相似性。

圖16月季中CN的模擬和實驗光譜

表1三種植物中CN的振動溫度和轉動溫度

3.4基于GRNN的薔薇屬植物分類

為了實現植物的快速分類識別，本工作利用光譜數據并結合GRNN建模來區分玫瑰、薔薇和月季這三種植物。GRNN是一種有監督學習、非線性回歸的神經網絡，它使用徑向基函數作為激活函數，具有良好的泛化性能和較高的正確率。傳統的鑒別薔薇屬植物的方法都過于繁雜耗時，因此，將GRNN應用到薔薇屬植物的分類識別中具有重要意義。

首先采集薔薇屬植物的光譜數據，選擇差異大的特征譜線作為變量，接著隨機產生訓練集和測試集并創建GRNN模型，然后通過仿真測試，最后輸出性能評價，得到預測正確率。

從玫瑰、薔薇和月季的光譜數據中，各選擇單個植物的100個測量光譜作為樣本。模型建立的好壞會直接影響預測結果的接近程度。在光譜選擇過程中，要注意篩查是否存在純空氣譜，避免這些異常數據對模型建立產生影響。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定性和背景噪聲的干擾，直接分析整個波段的數據會導致辨別效果不佳；此外，一個全光譜包含8192個數據，數據量較大，直接計算耗時較長。因此，本工作對比三種植物的光譜圖，選擇了差異較明顯的15個特征峰作為變量來提高檢測效率，如表2所示，這對于便攜式儀器的開發具有一定的參考價值。本研究采用隨機法來產生訓練集和測試集，從三種植物的各100個樣本中隨機挑選90個樣本作為訓練集，剩下的10個樣本自動成為測試集，這種方法不失一般性。因為GRNN隱含層節點的激活函數采用了高斯函數，它對輸入信息具有局部激活特性，所以對接近于局部神經元特征的輸入信息具有較強的吸引力，準確率會大大提高。

表2選取的15條特征譜線

30個測試集的分類結果如圖17所示。其中標簽1、2、3分別表示玫瑰、薔薇和月季，從圖中可看出1個薔薇數據集和1個月季數據集被誤判為玫瑰，最終正確率可達93.3%。

圖17玫瑰、薔薇和月季的預測結果

四、總結

本文利用LBS技術探測玫瑰、薔薇和月季這三種薔薇屬植物。實驗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到了Mn元素。通過LIFBASE軟件模擬CN光譜，得到了玫瑰、薔薇和月季中CN的振動溫度和轉動溫度。三種花的振動溫度和轉動溫度的近似證明了探測過程中實驗條件具有相似性。GRNN的權值和閾值只與訓練樣本有關，無需迭代，計算量小，計算速度快，且具有良好的預測能力，在識別薔薇屬植物上有一定的優越性。將LIBS技術與GRNN相結合，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個光譜樣本，90個作為訓練集，10個作為測試集，分類準確率達到93.3%。綜上所述，將LIBS技術與GRNN相結合應用到普薇屬植物的識別中是具有可行性的。本實驗是以此為例進行方法研究，主要探究LIBS技術在植物檢測上的可實施性。

由基因決定的植物性狀的可塑性反過來又會受到周圍環境變化的影響，這些環境因素就包括了土壤特征。因此，后文會基于LIBS技術繼續研究土壤元素組成，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性。

推薦：

實驗室一體化LIBS激光誘導光譜儀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、觸發延遲控制器等組成，由于其采用一體化，可擴展非常靈活，非常適合科研研究、LIBS光學應用實驗、光學應用中心等用戶，可以非常方便的靈活選用配置激光器和光譜儀。

歡迎關注公眾號：萊森光學，了解更多光譜知識。

萊森光學(深圳)有限公司是一家提供光機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用系統的研發、生產和銷售。

審核編輯 黃宇