微波产生形式会影响激光诱导击穿光谱(LIBS)中等离子体光谱信号的强度和稳定性。实验选择重金属镉(Cd)质量分数为1.5×10-5的叶菜样品作为研究对象, 对比分析了双针、单针、环形、双环4种微波探针和前、中、后3个探针位置处传导微波对等离子体光谱信号强度和稳定性的影响, 以优化微波辅助LIBS(MA-LIBS)实验中的微波作用形式, 达到更好的辅助增强效果。分析MA-LIBS光谱图发现, Cd元素的等离子体光谱信号增强了2.58倍, Si、P元素的等离子体光谱信号强度分别增强了2.70倍和3.08倍, 有较好的增强效果。这表明：选择合适形状的微波探针和微波加载位置可以提高微波辅助增强效果, 增强LIBS技术在低浓度样品检测方面的应用性能。

为了快速识别茶叶品种,提出了激光诱导击穿光谱全光学诊断方法。采集7种茶叶样品在200~480 nm波长范围的激光诱导击穿光谱的全谱数据,分别运用九点平滑和九点平滑/一阶导数方法对光谱进行降噪、消除干扰预处理,再结合主成分分析对预处理后的光谱进行降维。选择判别分析(DA)、径向基函数网络(RBF)和B-P反向传播网络(又称MLP)三种模型对7种茶叶进行品种识别。结果显示:综合九点平滑和一阶导数预处理后,再结合主成分分析降维,可使三种模型对茶叶品种的识别准确率均有一定程度的提高,MLP的识别准确率高于DA和RBF,其训练集识别准确率为99.6%,测试集识别准确率为99.1%。选择合适的激光诱导击穿光谱预处理及模型构建方法,对快速准确识别茶叶品种具有可行性。

为了对脐橙产地进行快速鉴别, 提出了激光诱导击穿光谱(LIBS)全光学诊断方法。选取江西赣州4区县及湖北、四川等6省市共10产地的纽荷尔脐橙, 清洗表皮后直接采集等离子体羽时间演变形貌图及LIBS光谱, 定性分析脐橙产地鉴别的可行性; 采用15点平滑结合多元散射处理(15SM+MSC)预处理脐橙的LIBS光谱, 分别运用主成分分析(PCA)、主成分分析结合多层感知器神经网络(PCA-MLP)鉴别脐橙产地。实验结果显示：采用一定的数据预处理方法结合PCA-MLP对全国7省市大地域范围脐橙产地鉴别的训练集总准确率为97.8%, 预测集总准确率为95.3%; 对赣州4区县小地域范围脐橙产地鉴别的训练集总准确率为100%, 预测集总准确率为96.2%。这说明, 采用合适的数据预处理及分类模型对脐橙产地进行快速鉴别具有一定的可行性。

为验证激光诱导击穿光谱（LIBS）对江西省环鄱阳湖水田污染区稻谷中铬元素的分析可行性, 本试验以在该区收集的稻壳、 糙米和白米作为研究对象, 分别对所有样品进行LIBS测试, 并利用火焰原子吸收法（AAS）对铬元素进行真实浓度检测。 LIBS图谱显示稻壳中明显地检测到了铬元素的特征谱线, 而糙米和白米则检测不到。 AAS结果显示稻壳中Cr浓度远高于糙米, 而白米中Cr未超标, 同时, 稻壳与糙米Cr浓度比率具有一定的梯度关系。 结果说明, Cr在稻壳中的富集量高于糙米和白米, 利用LIBS技术对稻壳中Cr进行检测具有一定的可行性, 最终有望实现通过采集稻壳LIBS光谱信号, 预测出糙米中重金属元素的分布规律, 进而采用类似的方法获取大米中重金属元素含量。

农产品基体复杂, 为了减弱水分和有机质对其痕量重金属元素LIBS检测能力的影响, 以期提高目标元素LIBS分析灵敏度和预测精度。 以实验室含Pb溶液污染处理的新鲜猪肉样品为例, 对猪肉样品进行烘干、 粉碎、 压片处理, 比较样品简单的物理方法前处理提高目标元素LIBS探测效果的可行性。 通过采集猪肉鲜样和干样的LIBS谱线信息发现, 鲜样受水分、 有机质成分影响致使其谱线信息背景和噪声信号干扰较大； 对于10个浓度梯度的样品, 目标元素特征谱线Pb Ⅰ 405.78的LIBS强度信息在鲜样中无明显的差异性, 而在干样样品中差异明显并表现出一定的梯度关系。 说明LIBS缺乏对鲜样样品低浓度Pb污染的探测能力, 干燥处理削弱了水分的影响、 浓缩了样品浓度范围, 提高了LIBS的检测灵敏度。 通过目标元素Pb的真实浓度与其特征谱线LIBS强度线性定量模型分析, 干样样品的线性相关系数远大于鲜样样品, 此时猪肉干样样品检测限为5.13 mg·kg-1, 说明干样样品具有一定的预测精度。 整个工作证明猪肉等农产品在经过合适的、 简单的物理方法前处理后, 有望在LIBS分析灵敏度和检测精度方面发挥应有的潜力, 且该物理方法前处理同样适用于其他肉类的LIBS检测分析。

将移动窗口偏最小二乘(MWPLS)应用于脐橙中重金属Cd含量的激光诱导击穿光谱(LIBS)定量分析模型中, 通过改变MWPLS窗口宽度并结合标准归一化处理、一阶导数、二阶导数、中心化处理和多元散射校正等5种数据前处理方法, 优选与脐橙中Cd元素相关性高的光谱区间, 并与传统偏最小二乘法进行对比分析。模型评价及验证结果显示, 当优选移动窗口为61个波长宽度、优选区域为218.61~222.55 nm时, 结合一阶导数数据前处理方法所构建的模型效果最佳, 验证集决定系数、预测均方根误差、主因子数、平均预测相对误差分别为0.9953, 15.10×10-6, 12, 7.43%。MWPLS结合合适的数据前处理方法可以筛选出脐橙中Cd元素的LIBS光谱区域, 提高定量分析模型的预测能力。

食品安全问题已成为全世界关注的焦点, 对食品中污染物的绿色检测方法有利于环境的可持续发展。 以大米中重金属污染物Cd元素为研究对象, 分别采用激光诱导击穿光谱(LIBS)和微波辅助激光诱导击穿光谱(MA-LIBS)对空白和实验室污染处理的大米样品进行检测, 并选用Cd Ⅰ 228.802 nm为分析线, 探讨目标元素分析谱线等离子体发射强度的增强效果。 同时, 采用阳极溶出伏安法获取大米中Cd元素的真实含量。 研究结果表明, 对于实验室配制的浓度范围在2.16~13.69 μg·g-1的大米样品, LIBS仅能检测出其中大米Cd真实含量为13.69 μg·g-1的样品; 而在同一实验条件下, MA-LIBS能检测出所有污染后样品中的Cd元素信号, 并且与LIBS方法相比, Cd元素谱线发射强度增强了9~27倍, 检测灵敏度提高了6.34倍。 结果表明, 采用MA-LIBS能有效地增强大米中Cd元素等离子体的发射强度并提高其检测灵敏度。

为了探索利用激光诱导击穿光谱(LIBS)对水田污染区稻壳中铬(Cr)元素含量进行绿色、快速检测的可行性，采用LIBS结合联合区间偏最小二乘法(SiPLS)，对产自江西省某湖周边24个水田污染区稻壳样品中的Cr元素进行了定量分析。利用原子吸收光谱法(AAS)测得样品中Cr元素的真实浓度为32.51~510.33 μg/g，利用LIBS光谱获得的Cr元素三个特征谱线Cr I 425.43 nm、Cr I 427.48 nm和Cr I 428.97 nm清晰明显。对稻壳样品在422~446 nm波段的LIBS光谱数据进行九点平滑处理后，在采用SiPLS获得的最佳模型基础上，得出模型交叉验证均方根误差与预测均方根误差分别为26.1 μg/g和22.6 μg/g，训练集相关系数与预测集相关系数分别为0.9714和0.9840。对预测集样品进行相对误差及T检验分析，结果显示稻壳中Cr元素浓度的预测值与AAS法测量的真实值之间的平均相对误差为6.20%，且无显著性差异，表明模型具有较好的预测精度，可为自然条件下生长的农产品重金属安全绿色分析提供参考依据。

食品重金属污染日趋严重，为了探索激光诱导击穿光谱（LIBS）在农产品质量安全检测领域的应用价值，以实验室污染处理的含镉（Cd）大米为例，采用共轴双脉冲激光诱导击穿光谱（DP-LIBS）装置并对实验中的关键条件参数进行优化，探讨了DP-LIBS在提高农产品重金属检测灵敏度与准确度方面的可行性。采用LIBS技术和阳极溶出伏安法，获取9个浓度梯度的含Cd大米样品的LIBS光谱及Cd元素真实浓度信息，再采用一元线性定标回归模型，对Cd的三个特征光谱进行定量分析。结果表明，DP-LIBS能够检测到实验大米样品中Cd元素的最低质量比为5.03 μg/g，Cd元素特征谱线强度与其浓度拟合直线均具有较高的线性相关性。研究表明，DP-LIBS能够提高Cd元素的检测灵敏度与准确度，并可通过一元线性回归模型得到Cd的浓度信息。

运用激光诱导击穿光谱(LIBS)技术对皮蛋壳中Cu元素直接进行检测, 获得样本中Cu元素的特征谱线信息, 采用湿法消解结合原子吸收分光光度计(AAS)测量样品中Cu元素的真实含量。 由于LIBS检测的精度和准确度受到样品基体复杂, 环境噪声, 系统噪声, 激光能量稳定性等一系列因素的影响, 采用传统的单变量赛伯-罗马金拟合方式对样品的LIBS相对强度和浓度进行线性拟合不能满足定性分析的要求, 因此, 采用一种多变量的分析-偏最小二乘(PLS)对LIBS光谱数据进行了处理, 比较分析了不同点数平滑处理和五种预处理方法对PLS建模精度和准确度的影响。 分析得出采用11点平滑结合多元散射校正(MSC)预处理能有效地提高PLS建立的模型的相关系数, 降低均方根误差和平均相对误差, 有效提高了模型的准确性。 研究结果表明, 激光诱导击穿光谱技术能够准确地直接检测皮蛋壳中重金属Cu的含量, 下一步的工作将对皮蛋进行批量试验, 寻找出蛋壳与蛋清、 蛋黄中重金属Cu的数量关系, 实现通过LIBS检测皮蛋壳便可知蛋清、 蛋黄中重金属含量的目标, 为农产品质量安全提供新的快速无损检测技术方法。