研究人员开发了新颖的多传感器数据协调方法，用于快速准确的复合肥质量检测3

LIBS和NIRS数据协调方法的流程图。学分：徐卓品

在塔兰大发表的一项研究中，由中国科学院合肥物理科学研究所吴跃进教授领导的研究团队制定了基于近红外光谱（NIRS）和激光诱导击穿光谱（LIBS）的数据协调策略，用于快速准确地检测复合肥料的主要成分。

复合肥在我国肥料产品结构中起着主要作用，氮、磷、钾含量是影响复合肥效率和价格的关键指标。LIBS和NIRS是在线监测复合肥料这些主要成分的两种理想技术。然而，LIBS和NIRS的应用存在基质效应、环境因素的干扰以及直接测定无机成分的局限性。

在这项研究中，研究人员发现，通过结合LIBS和NIRS的光谱数据，以及结合分析方法，可以克服这些限制，实现更快的检测和更高的准确性。

他们以168个复合肥样品为测试对象，分析了不同优化条件和方法下的LIBS-NIRS数据。发现基于竞争性自适应重加权采样结合外积协调（CARS-OPF）和竞争性自适应重加权采样结合等权协调（CARS-EWF）的LIBS-NIRS数据协调模型比单一光谱方法具有更好的定量分析性能。

基于CARS-OPF和CARS-EWF的LIBS-NIRS方法的组合有望快速准确地检测复合肥料中的关键元素含量。预测的决定系数（R2）使用提出的LIBS-NIRS模型的复合肥料中三种元素的含量范围为89.5%至96.2%。与NIRS方法相比，模型的结果提高了0.25%至5.62%，与LIBS方法相比提高了10.6%至33.5%。

“基于这项研究，我们可以进一步结合多台光谱仪来开发高精度的检测设备，”该研究的通讯作者王博士说，“它在复合肥质量在线准确监测的应用方面具有良好的前景。

若本文收录的图片文字侵犯了您的权益，请邮件联系我们，我们将在24小时内予以删除。