近日，中国科学院合肥物质院智能所光谱智能感知团队提出了一种基于近红外光谱（NIRS）和激光诱导击穿光谱（LIBS）的数据融合策略，用于复合肥主要成分的快速精确检测。相关研究成果已在分析化学领域TOP期刊Talanta上发表。

　　复合肥在中国肥料产品结构中占据主导地位，氮、磷、钾元素的含量是影响复合肥肥效和价格的关键指标。激光诱导击穿光谱(LIBS)和近红外光谱(NIRS)是两种适合于复合肥成分含量在线监测技术。然而，LIBS和NIRS应用时各自存在基质效应、环境因素的干扰，以及无法直接测定无机成分的局限性。科研团队在研究中发现，通过融合LIBS和NIRS的光谱数据并结合分析方法，有潜力克服这些局限，实现更高精度的快速检测。

　　科研人员以168份复合肥样本为测试对象，采用不同优化条件和方式对LIBS-NIRS数据进行分析，发现基于CARS-OPF(竞争自适应再加权采样结合外产物融合)和CARS-EWF(竞争自适应再加权采样结合等权融合)方式的LIBS-NIRS数据融合模型具有相比单光谱方法更优越的定量分析效果。两类模型对复合肥三种元素的预测决定系数在89.5%至96.2%之间，最优结果相比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%。该成果能够促进复合肥品质的在线精确监测技术的进一步发展和应用。

　　徐琢频博士为第一作者，王琦研究员和张鹏飞副研究员为通讯作者。本工作得到河南省中国科学院科技成果转移转化项目、国家自然科学基金等项目的支持。

　　原文链接:https://www.sciencedirect.com/science/article/pii/S0039914023007555 

　　图1 复合肥LIBS和NIRS数据融合的流程图