在Talanta发表的一项研究中，中国科学院合肥物质科学研究院吴跃进教授领导的研究团队开发了一种基于近红外光谱(NIRS)和激光诱导击穿光谱的数据融合策略(LIBS)用于快速、准确地检测复合肥的主要成分。

复合肥在我国肥料产品结构中占据主导地位，而氮、磷、钾含量是影响复合肥肥效和价格的关键指标。LIBS和NIRS是在线监测复合肥这些主要成分的两种理想技术。然而，LIBS和NIRS的应用存在基质效应、环境因素的干扰以及直接测定无机组分的局限性。

在这项研究中，研究人员发现，通过结合LIBS和NIRS的光谱数据以及结合分析方法，可以克服这些限制并实现更快的检测和更高的准确度。

他们以168个复合肥样品为测试对象，分析了不同优化条件和方法下的LIBS-NIRS数据。并发现基于竞争性自适应重加权采样结合外积融合(CARS-OPF)和竞争性自适应重加权采样结合等权融合(CARS-EWF)的LIBS-NIRS数据融合模型比单一光谱仪具有更好的定量分析性能。方法。

基于CARS-OPF和CARS-EWF的LIBS-NIRS方法相结合，有望快速准确地检测复合肥料中的关键元素含量。利用所提出的LIBS-NIRS模型预测复合肥中三种元素含量的决定系数(R2)范围为89.5%至96.2%。最佳模型的结果与NIRS方法相比提高了0.25%至5.62%，与LIBS方法相比提高了10.6%至33.5%。

“基于这项研究，我们可以进一步结合多个光谱仪来开发高精度的检测装置，”该研究的通讯作者王博士说，“它在复合肥质量在线精确监测的应用中具有良好的前景。”