舒开强 许应铜 高智星 樊庆文 段忆翔* 林庆宇*

(1.四川大学 机械工程学院,成都 610065;2.中国原子能科学研究院 核物理所,北京 102413)

核电是一种清洁、高效的能源,使用核电可以减少对化石燃料的依赖,有利于改善环境污染状况以及早日实现碳达峰、碳中和。铀是核能发电的主要燃料,预计在2021年至2030年期间全球对铀资源的需求将增长27%[1]。铀资源主要来源于铀矿冶炼,因此,铀矿的准确勘探和成分快速检测对铀资源的供给意义重大[2]。为实现铀矿的快速检测,核领域迫切需要一种样品制备简单、操作安全、检测快速且准确的分析技术,以达到快速完成勘探优质矿产资源的目的。

传统元素分析方法主要有滴定法、分光光度法、电感耦合等离子体质谱法、X射线荧光光谱法等,它们大多需要复杂样品制备过程,对检测环境有较高要求,检测耗时较长,传统分析方法更胜任实验室精准分析场景,对目标元素的现场快速检测能力略显不足[3]。激光诱导击穿光谱(Laser-induced breakdown spectroscopy,简称LIBS)是一种基于激光等离子体的原子发射光谱技术,具有样品制备简单、分析速度快[4]、多元素同时检测[5]、远程分析[6]等突出优点,广泛应用于材料科学、生命科学、地质学、生物医学等诸多科学领域[7-9]。LIBS探测铀的可行性于1987年由 WACHTER等[10]首次进行了报道,当前LIBS在核工业中已被用于核材料检测(如矿石、氧化铀、裂变产物等)[11]、同位素分析[12]、钢及合金分析[13]、核聚变设施检测[14]等方面。近年来,极限学习机、人工神经网络、支持向量机、随机森林等机器学习算法被用于LIBS定性和定量分析,在诸多场景都展现出了良好的效果[15]。……