将远程激光诱导击穿光谱技术应用于航空合金原材料的原位在线分析，可为航空工业生产在线监控提供新方法。研制了一套基于光纤光谱仪的1~30 m可连续调焦的远程共轴激光诱导击穿光谱装置。利用该装置在4 m外对6种未经处理的不同牌号航空合金样品进行激光诱导击穿光谱测量，通过选取6条特征谱线，结合K最近邻算法对光谱进行分析鉴别。实验结果表明，在同一靶点，当激光脉冲累计数为10时，分类正确率为98%；当脉冲累计数大于20时，分类正确率达到100%。研究结果可为工业生产现场开展金属原材料的远程快速准确分类检测提供参考。

在冶金工业、核工业、深空探测等领域，受限于高温、强辐射等人员无法达到的极端环境限制，亟需一种可快速准确进行物质成份分析的远距离非接触式探测手段。远程激光诱导击穿光谱技术是一种结合激光远距离传输与控制以及弱光信号采集来获取目标材料物质成份信息的一种技术手段，可以实现极端环境下物质的非接触式远距离探测。本文系统介绍了远程激光诱导击穿光谱系统的光学系统结构，以及不同结构远程激光诱导击穿光谱装置的性能特点及其面临的技术瓶颈。针对远程激光诱导击穿光谱技术探测灵敏度与探测距离受限、光谱信息受限等问题，还介绍了国内外常用的远程激光诱导击穿光谱信号增强方法以及激光诱导击穿光谱与拉曼光谱结合等技术方法。最后简要总结了远程激光诱导击穿光谱技术在爆炸物探测、核工业、深空探测等几个典型领域的应用，展望了其在未来的发展。

激光诱导击穿光谱(LIBS)是一种高效快速的光谱采集手段, 可应用于各类物质的元素分析工作中。 线性判别分析(LDA)与支持向量机(SVM)是化学计量学中两种常用的有监督算法, 均通过对已知不同种类的样本数据进行学习建模, 进而实现对未知类别数据的归类。 为了实现LIBS技术对有机物的高准确率识别, 将这两种算法应用到LIBS光谱数据的分类中。 实验利用波长为1 064 nm的纳秒激光烧蚀女贞、 珊瑚树、 竹子三种植物的叶片, 并采集每种树叶220~432 nm波段的100组光谱数据。 通过对300组样本的原始光谱数据进行主成分提取, 由第一主成分(PC1)和第二主成分(PC2)的得分图得出三种植物光谱的相似度非常高。 然后, 利用每种叶片70组样本的光谱数据作为训练集建模, 其余30组光谱数据作为测试集来进行树叶种类的预测识别。 将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。 对于LDA算法, 将属性值分析后得到前两个判别函数值, 通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好, 同一种类基本聚集在一起。 再借助马氏距离可得到测试集的平均分类正确率为96.67%。 与此类似, 使用SVM方法对训练集样本的数据进行学习得到分类超平面, 对测试集的平均分类正确率达到98.9%。 研究结果表明, 经过PCA对数据的预处理, 再结合LDA, SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类, 并且PCA与SVM结合的分类正确率更高。 该方法可在食品快速溯源、 生物组织原位鉴别、 有机爆炸物远程分析等领域应用。