不同产地丹参药材的质量差异显著, 亟需建立准确、 快速的分析鉴别方法, 对丹参药材的产地进行识别。 激光诱导击穿光谱（LIBS）具有快速、 实时、 高效、 等特点, 克服了传统分析方法时间长、 程序复杂等问题。 人工神经网络（ANN）方法则具有强大的学习和泛化能力, 是一种快速、 准确的分析方法。 采用LIBS技术结合ANN方法构建了对不同产地丹参药材的鉴别方法。 实验首先收集来自安徽、 甘肃等六个不同产地的丹参样品, 并通过LIBS光谱仪对丹参样品进行光谱采集； 之后对丹参LIBS光谱的元素特征峰进行比对, 发现不同产地丹参样品的元素发射谱线强度存在着差异, 如Fe元素（238.20, 373.71 nm）和Ca元素（315.89, 317.93 nm）等； 采用最大最小归一化（MMN）、 标准正态变换（SNV）、 均值中心化（MC）、 Savitzky-Golay平滑滤波（SG）以及多元散射校正（MSC）五种预处理方法对LIBS光谱数据进行预处理优化, 减少光谱噪声以及其他干扰信息的影响； 最后分别搭建ANN分类模型, 从测试集分类准确率、 每类产地的敏感性、 精确率和特异性等方面进行比较, 选择最优模型。 基于原谱的ANN模型测试集分类准确率为94.24%； SNV、 MC两种方法并没有提升ANN模型的分类能力； MMN、 SG及MSC三种预处理方法均提升了ANN的分类效果。 SG-ANN模型取得了最佳鉴别效果, 外部测试集分类准确率为98.15%, 同时具有更高的敏感性、 精确率和特异性, 其中, 安徽、 河南两地丹参样品的判别结果最好, 敏感性、 精确率及特异性均达到100.00%, 其余四种产地丹参样品的敏感性、 精确率及特异性也在95.00%以上。 该结果表明, 选择合适的光谱预处理方法, 能显著提升ANN模型对于丹参产地的预测分类能力, 构建一种相关性更强的定性分析模型。 研究结果表明LIBS技术结合人工神经网络方法是一种很有前景的丹参药材分析鉴别方法, 为中药材质量监督体系提供一种新思路。

植物修复是一种绿色有吸引力的重金属污染修复技术。 了解重金属在植物体内不同部位的分布， 有助于深入了解重金属植物修复的分子机制。 激光诱导击穿光谱技术（LIBS）在元素原位快速分析时拥有突出的技术优势， 尤其是具备无需复杂样品前处理、 可对固体样品直接分析的突出特点， 目前元素扫描成像是LIBS技术的重要研究及应用方向。 设计并搭建了基于纳秒脉冲激光器的元素成像LIBS装置， 系统光斑分辨率50 μm， 样品移动步距为100 μm， 成像分析速度为6.25 mm2·min-1， 装置可实现自动化扫描， 满足实际分析需求， 系统采用多通道平面光栅光谱仪， 光谱范围180～800 nm， 目标元素光谱经基线扣除， 峰面积拟合及归一化处理后绘制分布热图， 并以伪彩呈现样品不同区域的元素分布。 以豌豆为水培植物模型， 利用所搭建的元素成像LIBS装置开展豌豆植株的在体原位元素成像分析， 分析了Ni、 Cu、 Cr及Pb重金属在植物体内的差异性分布， 并研究了上述四种重金属的吸收途径。 结果显示， 该元素成像装置可以对植物体内存在的C、 Mg、 Fe、 Ca、 Na、 K等主要基体元素进行有效分析， 经过重金属胁迫后， 豌豆植物体内存在明显的重金属累积且不同重金属在植株中呈现不同的分布趋势， 镍离子在胚轴、 胚芽部位大量存在， 与镍离子分布不同的是， 植株大量吸收铜离子并富集在根部初生结构中; 重金属铬在豌豆根的中部和胚芽、 胚轴大量积累， 而重金属铅则大量富集在胚轴、 胚芽中， 根尖的含量最少。 该研究表明， 元素成像LIBS技术可实现对植物体内多种重金属的在体同时分析， 这对辅助研究环境水体重金属污染植物修复的机理有意义， 同时可为植物生理学和生态毒理学等领域的相关研究提供装置和新方法。

可见光高速摄影是研究弹丸侵彻过程的重要方式, 然而弹丸侵彻过程中发出的强烈闪光会导致高速摄影丢失诸如着靶、 侵入等时刻的关键画面。 因此, 分析侵彻光谱发生机理、 选取合适的侵彻过程光学观察窗口尤为重要。 针对400 mm直径高强度钢卵形弹以804 m·s-1侵彻20 cm厚度45#钢靶的实验, 设计了光谱瞄准采集设备。 利用多模光纤耦合物镜在距离靶板25 m处采集了侵彻全过程积分光谱, 采集区覆盖靶板直径431 mm。 对侵彻靶板破片中可能存留的弹头熔融物质以及弹托其他样品进行LIBS(laser induced breakdown spectroscopy)分析, 并与侵彻积分光谱成分对比分析。 研究表明, 侵彻光谱与高速碰撞闪光光谱发生机理相同, 均包含连续光谱与线光谱。 615～700 nm区间内的平稳积分连续光谱由两部分组成: (a)弹靶少量金属元素和O Ⅰ、 O Ⅱ发射光谱的展宽积分; (b)少量热辐射光谱积分。 侵彻热辐射主要源于剪切应变做功和摩擦做功, 然而侵彻光谱中的热辐射强度明显低于高速碰撞光谱, 这是弹丸在剪切冲塞、 侵彻后大部分动能得以保留造成的; 侵彻过程可见光光谱具有明显原子发射谱线, 主要来自于金属原子及其一级电离的发射光谱。 干扰最强的可见光成分来源于588.88～589.53和766.41～766.43 nm的FeⅠ等离子体线光谱, 且由于斯塔克展宽效应, 线光谱呈洛伦兹线型, 其FWHM(full width at half maximum)可达27 nm。 因此, 在野外环境侵彻实验中, 当Fe为弹靶主要成分时, 380～450 nm为可见光高速摄影的最佳观察窗口, 可以避免侵彻发光干扰, 实现对侵彻全过程拍摄。 考虑到大气对该波段的散射影响, 应保证高速摄影设备的光通量。

矿物分类与识别是地质研究领域的重要内容, 对地质勘探和环境演化的研究具有重要意义。 然而, 传统的矿石分类识别方法依靠专业人员通过矿石的外形及物理性质进行人工鉴定, 主观性强, 准确率低, 激光诱导击穿光谱技术(LIBS)由于其元素“指纹”特性、 灵敏度高以及快速在线检测的特点, 非常适合用于地质研究领域。 利用共焦激光诱导击穿光谱技术与机器学习结合, 提高了矿石分类识别的精准度, 利用共焦LIBS系统获得8种天然矿石样品(金矿、 铜矿、 银辉矿、 赤铁矿、 铝矿、 方铅石、 磷灰石以及闪锌矿)的光谱数据, 采用主成分分析方法(PCA)对数据进行降维处理, 并对降维后的数据采用线性判别分析(LDA)、 最邻近规则(KNN)以及支持向量机(SVM)三种方法进行特征谱线的高精准分类识别。 首先, 采用标准铜片作为样品, 对比了非共焦LIBS系统和共焦LIBS系统的稳定性及其对PCA主成分累计贡献率的影响, 结果表明与非共焦LIBS系统相比, 共焦LIBS系统的稳定性提升了63.75%, 主成分累计贡献率提高了17.81%; 然后, 采用共焦LIBS系统获取上述8种矿石样品的光谱信息, 并进行去噪等预处理, 采用PCA对矿石特征数据进行提取, 并保留累计贡献率达到99.4%的前10维特征空间; 最后, 将特征数据分别与LDA, KNN以及SVM结合构建分类模型, 进行种类识别。 结果表明, PCA方法与LDA和KNN方法结合的分类准确度分别为95.78%和92.58%, 而与SVM相结合的方法, 准确率可达到97.89%。 因此, 采用共焦激光诱导击穿光谱技术与PCA和SVM相结合的方法, 可为地质勘探和矿物识别领域提供一种快速、 高准确度的分类识别方式, 具有广阔的应用前景。

LIBS技术优点众多, 但由于光谱噪声干扰和基体效应等因素, 影响了分析的准确度［1］; EEMD方法能清晰的将LIBS信号中的不同特征成分自适应的分解开来。 MRA方法能够补偿元素信号之间的互干扰, 可进一步提高LIBS信号的准确性。 通过自行搭建的测试系统获得了标准样品的原始信号, 使用EEMD-MRA方法进行处理后, 元素浓度曲线的决定系数R2得到了极大的提高, 大大的提高数据的准确性, 为LIBS信号的处理提供了一种全新的方式。

中国是水产品生产和消费大国。 由于不同鱼产品的品质和价格差距悬殊, 近缘鱼类外观质地相似等特点, 鱼产品掺假和错贴标签的现象频发, 直接损害了消费者的消费和健康权益, 因此实现鱼产品品种品质的快速检测具有重要的现实意义。 激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体, 通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析, 具有无需（或少量）样品预处理、 多元素同时检测, 分析速度快的优势, 在食品快速检测分析方面具有很大的应用潜力。 将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。 首先对6种鱼肉样品进行压片处理, 采用手持式LIBS分析仪采集其光谱数据, 可探测到清晰的C、 Mg、 CN、 Ca、 Na、 H、 K、 O等元素组分的特征谱线。 将原始光谱数据进行归一化预处理, 采用主成分分析方法（PCA）进行聚类, 发现海水鱼和淡水鱼样品可以区分, 而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分, 说明PCA方法对鱼肉LIBS光谱分类能力有限。 之后采用非线性的随机森林算法建立分类模型, 经过优化RF模型的决策树个数与决策深度, 得到鱼肉样品的整体识别正确率为90%。 为进一步提高模型识别精度和分析效率, 通过RF模型输出的变量重要性进行光谱特征提取, 识别正确率提高到94.44%, 且模型输入变量由23 431个减少到597个, 模型运算时间显著降低。 表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、 对分类贡献大的弱信号提取出来, 有效剔除了谱线噪声、 背景、 以及其他不相关变量的干扰, 提高模型的识别精度和分析效率。 也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。