LIBS和NIRS數(shù)據(jù)協(xié)調(diào)方法的流程圖。學(xué)分：徐卓品

在塔蘭大發(fā)表的一項(xiàng)研究中，由中國(guó)科學(xué)院合肥物理科學(xué)研究所吳躍進(jìn)教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)制定了基于近紅外光譜（NIRS）和激光誘導(dǎo)擊穿光譜（LIBS）的數(shù)據(jù)協(xié)調(diào)策略，用于快速準(zhǔn)確地檢測(cè)復(fù)合肥料的主要成分。

復(fù)合肥在我國(guó)肥料產(chǎn)品結(jié)構(gòu)中起著主要作用，氮、磷、鉀含量是影響復(fù)合肥效率和價(jià)格的關(guān)鍵指標(biāo)。LIBS和NIRS是在線監(jiān)測(cè)復(fù)合肥料這些主要成分的兩種理想技術(shù)。然而，LIBS和NIRS的應(yīng)用存在基質(zhì)效應(yīng)、環(huán)境因素的干擾以及直接測(cè)定無(wú)機(jī)成分的局限性。

在這項(xiàng)研究中，研究人員發(fā)現(xiàn)，通過(guò)結(jié)合LIBS和NIRS的光譜數(shù)據(jù)，以及結(jié)合分析方法，可以克服這些限制，實(shí)現(xiàn)更快的檢測(cè)和更高的準(zhǔn)確性。

他們以168個(gè)復(fù)合肥樣品為測(cè)試對(duì)象，分析了不同優(yōu)化條件和方法下的LIBS-NIRS數(shù)據(jù)。發(fā)現(xiàn)基于競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣結(jié)合外積協(xié)調(diào)（CARS-OPF）和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣結(jié)合等權(quán)協(xié)調(diào)（CARS-EWF）的LIBS-NIRS數(shù)據(jù)協(xié)調(diào)模型比單一光譜方法具有更好的定量分析性能。

基于CARS-OPF和CARS-EWF的LIBS-NIRS方法的組合有望快速準(zhǔn)確地檢測(cè)復(fù)合肥料中的關(guān)鍵元素含量。預(yù)測(cè)的決定系數(shù)（R2）使用提出的LIBS-NIRS模型的復(fù)合肥料中三種元素的含量范圍為89.5%至96.2%。與NIRS方法相比，模型的結(jié)果提高了0.25%至5.62%，與LIBS方法相比提高了10.6%至33.5%。

“基于這項(xiàng)研究，我們可以進(jìn)一步結(jié)合多臺(tái)光譜儀來(lái)開(kāi)發(fā)高精度的檢測(cè)設(shè)備，”該研究的通訊作者王博士說(shuō)，“它在復(fù)合肥質(zhì)量在線準(zhǔn)確監(jiān)測(cè)的應(yīng)用方面具有良好的前景。