为验证激光诱导击穿光谱（LIBS）对江西省环鄱阳湖水田污染区稻谷中铬元素的分析可行性, 本试验以在该区收集的稻壳、 糙米和白米作为研究对象, 分别对所有样品进行LIBS测试, 并利用火焰原子吸收法（AAS）对铬元素进行真实浓度检测。 LIBS图谱显示稻壳中明显地检测到了铬元素的特征谱线, 而糙米和白米则检测不到。 AAS结果显示稻壳中Cr浓度远高于糙米, 而白米中Cr未超标, 同时, 稻壳与糙米Cr浓度比率具有一定的梯度关系。 结果说明, Cr在稻壳中的富集量高于糙米和白米, 利用LIBS技术对稻壳中Cr进行检测具有一定的可行性, 最终有望实现通过采集稻壳LIBS光谱信号, 预测出糙米中重金属元素的分布规律, 进而采用类似的方法获取大米中重金属元素含量。

农产品基体复杂, 为了减弱水分和有机质对其痕量重金属元素LIBS检测能力的影响, 以期提高目标元素LIBS分析灵敏度和预测精度。 以实验室含Pb溶液污染处理的新鲜猪肉样品为例, 对猪肉样品进行烘干、 粉碎、 压片处理, 比较样品简单的物理方法前处理提高目标元素LIBS探测效果的可行性。 通过采集猪肉鲜样和干样的LIBS谱线信息发现, 鲜样受水分、 有机质成分影响致使其谱线信息背景和噪声信号干扰较大； 对于10个浓度梯度的样品, 目标元素特征谱线Pb Ⅰ 405.78的LIBS强度信息在鲜样中无明显的差异性, 而在干样样品中差异明显并表现出一定的梯度关系。 说明LIBS缺乏对鲜样样品低浓度Pb污染的探测能力, 干燥处理削弱了水分的影响、 浓缩了样品浓度范围, 提高了LIBS的检测灵敏度。 通过目标元素Pb的真实浓度与其特征谱线LIBS强度线性定量模型分析, 干样样品的线性相关系数远大于鲜样样品, 此时猪肉干样样品检测限为5.13 mg·kg-1, 说明干样样品具有一定的预测精度。 整个工作证明猪肉等农产品在经过合适的、 简单的物理方法前处理后, 有望在LIBS分析灵敏度和检测精度方面发挥应有的潜力, 且该物理方法前处理同样适用于其他肉类的LIBS检测分析。

将移动窗口偏最小二乘(MWPLS)应用于脐橙中重金属Cd含量的激光诱导击穿光谱(LIBS)定量分析模型中, 通过改变MWPLS窗口宽度并结合标准归一化处理、一阶导数、二阶导数、中心化处理和多元散射校正等5种数据前处理方法, 优选与脐橙中Cd元素相关性高的光谱区间, 并与传统偏最小二乘法进行对比分析。模型评价及验证结果显示, 当优选移动窗口为61个波长宽度、优选区域为218.61~222.55 nm时, 结合一阶导数数据前处理方法所构建的模型效果最佳, 验证集决定系数、预测均方根误差、主因子数、平均预测相对误差分别为0.9953, 15.10×10-6, 12, 7.43%。MWPLS结合合适的数据前处理方法可以筛选出脐橙中Cd元素的LIBS光谱区域, 提高定量分析模型的预测能力。

食品安全问题已成为全世界关注的焦点, 对食品中污染物的绿色检测方法有利于环境的可持续发展。 以大米中重金属污染物Cd元素为研究对象, 分别采用激光诱导击穿光谱(LIBS)和微波辅助激光诱导击穿光谱(MA-LIBS)对空白和实验室污染处理的大米样品进行检测, 并选用Cd Ⅰ 228.802 nm为分析线, 探讨目标元素分析谱线等离子体发射强度的增强效果。 同时, 采用阳极溶出伏安法获取大米中Cd元素的真实含量。 研究结果表明, 对于实验室配制的浓度范围在2.16~13.69 μg·g-1的大米样品, LIBS仅能检测出其中大米Cd真实含量为13.69 μg·g-1的样品; 而在同一实验条件下, MA-LIBS能检测出所有污染后样品中的Cd元素信号, 并且与LIBS方法相比, Cd元素谱线发射强度增强了9~27倍, 检测灵敏度提高了6.34倍。 结果表明, 采用MA-LIBS能有效地增强大米中Cd元素等离子体的发射强度并提高其检测灵敏度。

为了探索利用激光诱导击穿光谱(LIBS)对水田污染区稻壳中铬(Cr)元素含量进行绿色、快速检测的可行性，采用LIBS结合联合区间偏最小二乘法(SiPLS)，对产自江西省某湖周边24个水田污染区稻壳样品中的Cr元素进行了定量分析。利用原子吸收光谱法(AAS)测得样品中Cr元素的真实浓度为32.51~510.33 μg/g，利用LIBS光谱获得的Cr元素三个特征谱线Cr I 425.43 nm、Cr I 427.48 nm和Cr I 428.97 nm清晰明显。对稻壳样品在422~446 nm波段的LIBS光谱数据进行九点平滑处理后，在采用SiPLS获得的最佳模型基础上，得出模型交叉验证均方根误差与预测均方根误差分别为26.1 μg/g和22.6 μg/g，训练集相关系数与预测集相关系数分别为0.9714和0.9840。对预测集样品进行相对误差及T检验分析，结果显示稻壳中Cr元素浓度的预测值与AAS法测量的真实值之间的平均相对误差为6.20%，且无显著性差异，表明模型具有较好的预测精度，可为自然条件下生长的农产品重金属安全绿色分析提供参考依据。

食品重金属污染日趋严重，为了探索激光诱导击穿光谱（LIBS）在农产品质量安全检测领域的应用价值，以实验室污染处理的含镉（Cd）大米为例，采用共轴双脉冲激光诱导击穿光谱（DP-LIBS）装置并对实验中的关键条件参数进行优化，探讨了DP-LIBS在提高农产品重金属检测灵敏度与准确度方面的可行性。采用LIBS技术和阳极溶出伏安法，获取9个浓度梯度的含Cd大米样品的LIBS光谱及Cd元素真实浓度信息，再采用一元线性定标回归模型，对Cd的三个特征光谱进行定量分析。结果表明，DP-LIBS能够检测到实验大米样品中Cd元素的最低质量比为5.03 μg/g，Cd元素特征谱线强度与其浓度拟合直线均具有较高的线性相关性。研究表明，DP-LIBS能够提高Cd元素的检测灵敏度与准确度，并可通过一元线性回归模型得到Cd的浓度信息。

为了提高激光诱导击穿光谱(LIBS)技术检测自然土壤中Pb的检测精度, 提出采用间隔偏最小二乘法(IPLS)定量预测模型。对土壤在400～417 nm波段的特征光谱进行平滑预处理后, 建立偏最小二乘法(PLS)定量模型, 得到训练集的相关系数为0.974 2, 且斜率为0.983。建立IPLS模型时, 把所选波段均分成了25个子区间, 得到第八个子区间包含了Pb的特征光谱405.78 nm, 且交叉验证均方根误差最小, 选择该区间建立模型得到训练集相关系数为0.985 3, 斜率为1.121。预测集中, 土壤样品Pb的真实浓度与预测浓度之间的相对误差在13%以内, 平均相对误差为7.00%。研究表明IPLS法应用于LIBS定量检测土壤中的Pb是可行的, 且该定量模型预测效果优于PLS法。