传统的多变量分析方法是LIBS定量建模的主要手段，但光谱的输入维度较高，很多算法需要提前对光谱进行降维或特征谱线提取，导致部分信息丢失，影响准确率.针对该问题，本文引入以深度卷积神经网络Inception为基础的定量建模方法，算法设计时将原有常规的2D卷积网络改造为1D卷积网络以实现光谱信息的全谱输入和特征提取.该方法不仅不需要对原始光谱的降维操作，且其他的预处理如滤波等操作亦可以省略.经多次实验，训练次数为2 000次时具有较好的预测结果，同时并不会出现明显的过拟合现象.此时其平均决定系数（R²）为0.957 9，其均方根误差相比多元线性回归方法平均降低了61.69%，与深度学习方法AlexNet对比也获得较好结果.