手持式激光诱导击穿光谱（hLIBS）结合智能欧几里得距离预测算法实现了快速肥料养分分析

《Talanta》：Rapid fertilizer nutrient analysis enabled by handheld LIBS (hLIBS) and an intelligent Euclidean distance prediction algorithm

复合肥料中氮磷钾元素通过LIBS结合欧氏距离算法和PLSR模型实现快速检测，190-950nm范围内特征谱线信号强且信噪比高，模型N、P、K的R2分别达0.9828、0.9541、0.9610，RMSE均低于1.02 g kg?1，误差率低于6%，为现场高效检测提供新方法。

　　本研究旨在解决传统肥料检测方法在效率和时效性方面的不足，提出一种基于激光诱导击穿光谱（LIBS）的快速检测方法，用于测定复合肥料中的氮（N）、磷（P）和钾（K）含量。复合肥料作为农业生产的基石，其营养成分直接影响作物的生长状况和土壤健康。然而，目前的检测方法往往需要复杂的实验室操作，耗时且成本较高，难以满足现代农业对快速、实时检测的需求。因此，开发一种便携、高效、操作简便的现场检测技术具有重要意义。

LIBS作为一种现代光谱分析技术，能够通过高能脉冲激光照射样品，使其产生微等离子体，进而通过光谱仪采集其发射光谱。通过对光谱中各波长的强度和特征进行分析，可以快速识别样品中的元素组成及其浓度。这种技术在环境监测、生物医学、工业检测、土壤分析和地质勘探等多个领域已展现出广阔的应用前景。特别是在农业领域，LIBS技术的应用可以显著提高肥料质量控制的效率，为农业生产提供更为及时和精准的营养信息。

在本研究中，研究人员使用了一种商业化的便携式LIBS设备，对多种复合肥料样本进行检测。通过调整激光参数和优化光谱采集条件，确保了在190至950纳米波长范围内获得清晰且具有代表性的光谱信号。这些信号中包含了氮、磷、钾等关键营养元素的特征发射线，其信号与背景的比值较高，说明光谱数据具有良好的信噪比，为后续的数据分析奠定了基础。

为了进一步提升检测精度，研究人员构建了一个基于欧几里得距离算法的特征矩阵，并结合偏最小二乘回归（PLSR）模型进行营养成分的预测。通过这种方法，研究人员能够筛选出最具代表性的光谱特征，减少干扰因素对检测结果的影响。此外，PLSR模型的建立和优化过程采用了多种数据处理方法，包括光谱预处理、特征选择和模型参数调整，以确保模型的稳定性和准确性。

实验结果显示，该方法在检测氮、磷、钾含量方面表现出色。具体而言，氮的预测准确度达到了0.9828，误差范围控制在0.44克/千克以内，残差预测偏差（RPD）为7.46；磷的预测准确度为0.9541，误差范围为1.02克/千克，RPD为4.64；钾的预测准确度为0.9610，误差范围为0.90克/千克，RPD为5.06。所有预测误差均低于6%，表明该方法在实际应用中具有较高的可靠性。

与传统方法相比，LIBS技术的优势在于其非接触、快速、实时的检测能力。它能够在不破坏样品的前提下，迅速获取其成分信息，特别适用于现场检测和大规模数据分析。此外，LIBS设备的便携性使得其能够在田间、仓库或生产线上直接使用，大大降低了样品运输和实验室检测的成本与时间。这不仅提高了检测效率，还增强了数据的时效性，有助于及时调整施肥策略，优化农业生产。

在实际应用中，该方法的可行性得到了验证。研究人员通过实验验证了LIBS技术在不同肥料配比下的适用性，表明该技术能够适应多种复合肥料的检测需求。同时，通过引入先进的化学计量学算法，如最小二乘支持向量回归（LS-SVR）和竞争自适应重加权采样（CARS），进一步提升了模型的预测能力和稳定性。这些算法能够有效处理复杂样品中的矩阵效应，提高检测结果的准确性。

此外，本研究还强调了该方法在实际应用中的重要性。肥料生产者、质量监管机构和农业技术人员是该技术的主要使用者，而这些用户通常不具备LIBS专家的知识背景。因此，研究团队致力于开发一个用户友好、操作简便的检测系统，使其能够被非专业人员广泛使用。通过简化数据处理流程和优化模型参数，研究人员确保了该方法的可操作性和实用性，为推广LIBS技术在农业领域的应用提供了有力支持。

本研究的成果不仅为复合肥料的现场检测提供了新的技术手段，还为提高肥料使用效率、减少环境污染和促进可持续农业发展提供了科学依据。随着现代农业对精准施肥和环境友好型农业的重视，快速、准确的肥料检测技术将成为推动农业现代化的重要工具。LIBS技术的引入，使得肥料检测从实验室走向田间，实现了从“事后检测”到“实时监控”的转变。

综上所述，本研究通过结合LIBS技术和先进的化学计量学方法，成功开发出一种适用于复合肥料现场检测的快速分析方法。该方法不仅提高了检测效率，还增强了检测的准确性和实用性，为农业生产和环境管理提供了新的解决方案。未来，随着LIBS技术的不断成熟和普及，其在农业领域的应用将更加广泛，为实现精准农业和绿色农业目标做出重要贡献。