研究人员开发了新型多传感器数据融合方法

在《Talanta》发表的一项研究中 ，中国科学院合肥物质科学研究院(HFIPS)吴跃进教授领导的研究团队开发了一种基于近透视 光谱(NIRS)和激光的数据融合策略诱导击穿光谱(LIBS)用于快速、准确地检测复合肥的主要成分。

复合肥在我国肥料产品结构中占据主导地位，而氮、磷、钾含量是影响复合肥肥效和价格的关键指标。LIBS和NIRS是在线监测复合肥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，可以克服这些限制并实现更快的检测和更高的精度。

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CARS-OPF(竞争性自适应重加权采样结合外网融合)和CARS-EWF(竞争性自适应重加权采样结合等权融合)的LIBS-NIRS数据融合模型比单一光谱仪具有更好的定量分析性能。方法。

基于 CARS-OPF 和 CARS-EWF 的 LIBS-NIRS 方法相结合，有望快速准确地检测复合肥料中的关键元素含量。利用所提出的LIBS-NIRS模型预测复合肥中三种元素含量的决定系数(R 2 )范围为89.5%至96.2%。最佳模型的结果与NIRS方法相比提高了0.25%至5.62%，与LIBS方法相比提高了10.6%至33.5%。

该研究通讯作者王博士表示：“基于这项研究，我们可以进一步结合多种光谱仪来开发高精度检测装置，在复合肥质量在线精确监测方面具有良好的应用前景。” ”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！