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。

不同类型的烟草在元素种类和元素含量上存在一定的差异，本文基于激光诱导击穿光谱(LIBS)技术，采集了不同种类烟草的原子发射光谱，并结合支持向量机方法，实现了烟草的快速分类鉴别。文章选取了市面上9种不同品牌的香烟，提取了其烟丝LIBS谱线的全部特征峰，通过对全谱进行窗口平滑去背景和峰位漂移的修正等预处理，再进行主成分分析降维，结合支持向量机方法(SVM)，建立了分类模型，给出了9种品牌香烟烟草的分类结果，平均准确度达到9747%。实验结果表明: 激光诱导击穿光谱技术在烟草防伪鉴定和现场快速识别分类等方面具有巨大的应用潜力。

为了实现对四唑类化合物的快速非接触识别和分类, 本文搭建了激光诱导击穿光谱和拉曼光谱集成测试系统。首先采集了4种四唑类化合物在1 064 nm激发波长下的拉曼光谱, 包括四氮唑、5-氨基四氮唑、1, 5-二氨基四氮唑和1-甲基-5-氨基四氮唑。通过对特定官能团拉曼峰位的分析, 成功地将它们鉴别出来。然后基于激光诱导击穿光谱(LIBS)技术, 采集各个样本的等离子体辐射光谱。选取140组光谱数据进行训练, 建立分类模型, 剩余60组数据对所得的类型区域的准确性进行验证。本文基于主成分分析(PCA)与支持向量机(SVM)相结合的算法, 建立了两个分类模型。一是将全谱进行主成分分析, 选取前64个主成分, 利用支持向量机(SVM)算法建立模型。二是通过对比光谱差异, 选取10个特征波长进行主成分分析, 选取前3个主成分建立模型。发现前者平均预测准确度只有883%, 而后者60个光谱样本点全部落在其对应的标准样品类型区域内, 分类准确度达到100%。实验结果表明, 将激光诱导击穿光谱和拉曼光谱联合使用, 可以准确地鉴别四唑类化合物。

在提取激光诱导击穿光谱(LIBS)全部特征峰的基础上,利用支持向量机建立了有效的茶叶分类模型。采集了15种茶叶样品的有效LIBS光谱数据(190~720 nm),运用窗口平移平滑和峰位漂移函数修正对光谱进行了预处理,再结合主成分分析降维,对绿茶、红茶、白茶实现了98.3%的识别率;对同一种类中不同品种的茶叶也实现了较好的识别。研究结果表明,LIBS在茶叶品种快速识别应用中具有较好的前景。