近日，中國科學院合肥物質院智能所光譜智能感知團隊提出了一種基于近紅外光譜（NIRS）和激光誘導擊穿光譜（LIBS）的數據融合策略，用于復合肥主要成分的快速精確檢測。相關研究成果已在分析化學領域TOP期刊Talanta上發表。

　　復合肥在中國肥料產品結構中占據主導地位，氮、磷、鉀元素的含量是影響復合肥肥效和價格的關鍵指標。激光誘導擊穿光譜(LIBS)和近紅外光譜(NIRS)是兩種適合于復合肥成分含量在線監測技術。然而，LIBS和NIRS應用時各自存在基質效應、環境因素的干擾，以及無法直接測定無機成分的局限性。科研團隊在研究中發現，通過融合LIBS和NIRS的光譜數據并結合分析方法，有潛力克服這些局限，實現更高精度的快速檢測。

　　科研人員以168份復合肥樣本為測試對象，采用不同優化條件和方式對LIBS-NIRS數據進行分析，發現基于CARS-OPF(競爭自適應再加權采樣結合外產物融合)和CARS-EWF(競爭自適應再加權采樣結合等權融合)方式的LIBS-NIRS數據融合模型具有相比單光譜方法更優越的定量分析效果。兩類模型對復合肥三種元素的預測決定系數在89.5%至96.2%之間，最優結果相比NIRS方法提高程度在0.25%-5.62%，相比LIBS方法提高程度在10.6%-33.5%。該成果能夠促進復合肥品質的在線精確監測技術的進一步發展和應用。

　　徐琢頻博士為第一作者，王琦研究員和張鵬飛副研究員為通訊作者。本工作得到河南省中國科學院科技成果轉移轉化項目、國家自然科學基金等項目的支持。

　　原文鏈接:https://www.sciencedirect.com/science/article/pii/S0039914023007555 

　　圖1 復合肥LIBS和NIRS數據融合的流程圖