巖石水風化物形成于水體對巖石礦物的溶解、水解、水合等一系列的風化作用,典型水風化物的準確識別可為相關水巖作用過程提供直接證據(jù),對行星可能的水環(huán)境研究和地球資源勘探都具有重要價值。激光誘導擊穿光譜（Laser Induced Breakdown Spectroscopy,LIBS）技術(shù)以高能量脈沖激光燒蝕、激發(fā)實驗樣品至等離子狀態(tài),通過采集等離子體的發(fā)射光譜可對樣品的元素組成成分進行原位、快速、多成分、非接觸的分析。將激光誘導擊穿光譜數(shù)據(jù)與多種分類識別算法有效結(jié)合,可實現(xiàn)天然地質(zhì)礦物樣品分類,對行星探測、地質(zhì)礦物現(xiàn)場分析等都具有重要應用價值。本文在開展天然巖石水風化物及相關礦物樣品的LIBS光譜實驗采集和光譜特性研究基礎上,重點研究LIBS光譜數(shù)據(jù)的預處理、分類識別和決策融合方法,尋求建立一套有效的典型巖石水風化物識別方法。本文首先介紹了 LIBS光譜的采集實驗裝置,重點針對天然地質(zhì)礦物樣品LIBS光譜數(shù)據(jù)的非均勻性特點進行了歸一化、多譜平均、小波降噪等預處理操作,以增加后續(xù)分類識別的穩(wěn)定性。為提高后續(xù)分類識別方法模型的運行效率,在元素譜線歸屬基礎上進行了特征譜段提取,將2萬多維的原始L... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

sci^psz-soo手持式LIBs儀器

、、。在己經(jīng)研制出手持式激光光譜儀和便攜式激光光譜分析儀等小型化光譜分??析儀器。Ｃｏｎｎｏｒｓ等［２］報道了一款ＳｃｉＡｐｓ?Ｚ－５００手持式ＬＩＢＳ儀器（圖１－１）；??四川大學研究團隊［３］研發(fā)了一款一體式高能手提式ＬＩＢＳ儀器（圖１－２）；??Ｙａｍａｍｏｔｏ等［４］利用便攜式激光光譜分析儀檢測了土壤中的某些元素，開辟??了一條快速檢測土壤中重金屬元素的道路。ＬＩＢＳ除了在儀器技術(shù)方面的發(fā)??展，在數(shù)據(jù)處理方法上也在不斷地更新。介于ＬＩＢＳ光譜易受外界環(huán)境、??儀器設備、自吸收效應等不確定性因素的影響，導致信號測量過程中數(shù)據(jù)??可重復性較差、精度較低等問題。為改善這些不足，越來越多的研究學者??將研宄重心轉(zhuǎn)移到數(shù)據(jù)的處理方法上，從最開始的基本定標法不斷完善到??近些年的偏最小二乘法及多元線性回歸法等。總之，無論是儀器設備的發(fā)??展還是數(shù)據(jù)處理方法上的優(yōu)化改進，都將不斷推動ＬＩＢＳ技術(shù)在更多領域??得到進一步的發(fā)展［５］。??Ｐ??

第２章光譜預處理方法及光譜特征庫??２．１實驗樣品與數(shù)據(jù)??實驗裝置如圖２－１所示，激光光源為Ｎｄ：?ＹＡＧ脈沖激光器（Ｑｕａｎｔｅｌ，??Ｂｒｉｌｌｉａｎｔ?Ｂ），采用基頻１０６４ｎｍ輸出，脈沖重復頻率１０Ｈｚ。脈沖激光束經(jīng)??激光全反鏡反射后，通過焦距為ｌ〇〇ｍｍ的凸透鏡聚焦于地質(zhì)礦物樣品表??面。把實驗所需樣品放置在以一定轉(zhuǎn)速運轉(zhuǎn)的步進電機為驅(qū)動的樣品臺上，??以確保每次激光燒蝕聚焦樣品的不同位置。激發(fā)產(chǎn)生的等離子體經(jīng)焦距為??３８．１ｍｍ的雙透鏡ｆ２和ｆｉ收集會聚后，通過光纖耦合到中階梯光柵光譜儀??（Ａｎｄｏｒ，?Ｍｅｃｈｅｌｌｅ５０００）中進行分光，由?ＩＣＣＤ（Ａｎｄｏｒ，?ｉＳｔａｒ?ＤＨ７３４ｉ－１８Ｆ－０３）??采集光譜數(shù)據(jù)。為了得到較好的ＬｆｆｉＳ光譜信號，設置光譜延遲采集時間??為２００ｎｓ，積分門寬設置時間為１５ｕｓ。??

【參考文獻】：
期刊論文
[1]一種面向土壤重金屬含量檢測的X射線熒光光譜預處理方法研究[J]. 任東,沈俊,任順,王紀華,陸安祥.  光譜學與光譜分析. 2018(12)
[2]基于激光誘導擊穿光譜的茶葉品種快速分類[J]. 徐向君,王憲雙,李昂澤,何雅格,柳宇飛,何鋒,郭偉,劉瑞斌.  中國激光. 2019(03)
[3]Development of a micro-joule portable LIBS system and the preliminary results for mineral recognition[J]. KUMAR Naresh,蘭云蛟,盧淵,李遠東,耿延杰,鄭榮兒.  Optoelectronics Letters. 2018(06)
[4]基于光譜融合的火星表面相關礦物分類方法研究[J]. 徐偉杰,武中臣,朱香平,張江,凌宗成,倪宇恒,郭愷琛.  光譜學與光譜分析. 2018(06)
[5]卷積神經(jīng)網(wǎng)絡識別漢字驗證碼[J]. 范望,韓俊剛,茍凡,李帥.  計算機工程與應用. 2018(03)
[6]激光誘導擊穿光譜:從實驗平臺到現(xiàn)場儀器[J]. 林慶宇,段憶翔.  分析化學. 2017(09)
[7]基于向量空間模型的巖屑LIBS光譜分類識別方法[J]. 朱元碩,李穎,盧淵,田野.  光譜學與光譜分析. 2017(09)
[8]基于卷積神經(jīng)網(wǎng)絡的材質(zhì)分類識別研究[J]. 劉昊,李喆,石晶,辛敏思,蔡紅星,高雪,譚勇.  激光與紅外. 2017(08)
[9]支持向量機結(jié)合主成分分析輔助激光誘導擊穿光譜技術(shù)識別鮮肉品種[J]. 朱毅寧,楊平,楊新艷,李嘉銘,郝中騏,李秋實,郭連波,李祥友,曾曉雁,陸永楓.  分析化學. 2017(03)
[10]基于激光誘導擊穿光譜技術(shù)的土壤快速分類方法研究[J]. 孟德碩,趙南京,馬明俊,谷艷紅,余洋,方麗,王園園,賈堯,劉文清,劉建國.  光譜學與光譜分析. 2017(01)

博士論文
[1]土壤重金屬激光誘導擊穿光譜定量分析研究[D]. 谷艷紅.中國科學技術(shù)大學 2017

碩士論文
[1]多分類器融合算法在行為識別中的應用研究[D]. 王科.西安郵電大學 2017
[2]基于卷積神經(jīng)網(wǎng)絡的高光譜圖像分類研究[D]. 陳聰聰.東北農(nóng)業(yè)大學 2017
[3]等離激元增強拉曼光譜預處理和識別算法的研究[D]. 孫錫龍.廈門大學 2014



本文編號：3531731