智能秋收｜識別復(fù)合肥，光速辨真假

出品；科普中國

作者：徐琢頻（中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機械研究所）

監(jiān)制：中國科普博覽

編者按：為展現(xiàn)智能科技動態(tài)，科普中國前沿科技項目推出“人工智能”系列文章，一窺人工智能前沿進(jìn)展，回應(yīng)種種關(guān)切與好奇。讓我們共同探究，迎接智能時代。

AI助農(nóng)小助手名片

小助手：新型LIBS&NIRS數(shù)據(jù)融合模型

三大法寶：檢測樣本損傷小、檢測過程快速、檢測精度高

兩大關(guān)鍵技術(shù)：激光誘導(dǎo)擊穿光譜技術(shù)(LIBS)和近紅外光譜技術(shù)(NIRS)

能量值：5顆星

證件照：

（圖片來源：參考文獻(xiàn)[1]）

AI助農(nóng)小助手自我介紹

很高興認(rèn)識你，我是新型LIBS&NIRS數(shù)據(jù)融合模型，是中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機械研究所這個大家庭的成員之一，我適用于復(fù)合肥生產(chǎn)加工中的質(zhì)量檢測，檢測內(nèi)容包括復(fù)合肥的氮、磷、鉀含量，檢測速度快、精度高、環(huán)保無污染，是保障肥料生產(chǎn)加工質(zhì)量的一項新利器。

復(fù)合肥及其傳統(tǒng)檢測方法

復(fù)合肥是含有兩種或兩種以上主要營養(yǎng)物質(zhì)的混合肥料，作為世界上最大的肥料生產(chǎn)國和消費國，復(fù)合肥因其施肥過程方便、營養(yǎng)全面而備受我國農(nóng)民青睞。復(fù)合肥在我國全部肥料產(chǎn)品結(jié)構(gòu)中的占比逐年增加，自2019年起已占所有肥料使用量的50%以上。

田里的肥料

（圖片來源：veer圖庫）

主要元素(氮、磷、鉀)的含量是決定復(fù)合肥效率和價格的關(guān)鍵。不過，復(fù)合肥中元素成分的傳統(tǒng)檢測方法一般是濕化學(xué)法，即通過化學(xué)反應(yīng)在液相中制備材料的方法，這些方法速度慢、操作復(fù)雜，并且不能同時檢測多種成分。此外，由于傳統(tǒng)方法的高檢測成本和低時效性，采樣數(shù)量非常有限，難以實現(xiàn)對整個生產(chǎn)批次的全面監(jiān)控。因此，為了及時、有效、經(jīng)濟(jì)地保證復(fù)合肥的生產(chǎn)加工質(zhì)量，新的快速檢測方法的推出就勢在必行。

在種植前向土壤中灌入滲透肥料

（圖片來源：veer圖庫）

我的誕生

激光誘導(dǎo)擊穿光譜技術(shù)(LIBS)和近紅外光譜技術(shù)(NIRS)是兩類有前景實現(xiàn)復(fù)合肥質(zhì)量快速檢測的分析技術(shù)。

LIBS以分析激光脈沖燒蝕樣品表面產(chǎn)生的等離子體發(fā)射譜線為原理。當(dāng)短波脈沖激光聚焦到樣品表面時會產(chǎn)生等離子體，等離子體在這一變化過程會發(fā)射光譜，LIBS技術(shù)正是通過分析這些光譜在各個波長處的強度來預(yù)測樣品的元素含量。由于幾乎所有的元素被激發(fā)時都會發(fā)出特征譜線，因此，LIBS可以分析大多數(shù)的元素。

NIRS以分析產(chǎn)品受到光照時在近紅外光譜區(qū)的吸收信號為對象。不同的分子結(jié)構(gòu)和化學(xué)鍵在不同波長的近紅外光下具有不同的吸收特征，因此可以通過測量物質(zhì)在近紅外區(qū)域的透射、反射光譜來獲取其化學(xué)組成信息。

復(fù)合肥中的主要元素均可利用兩種技術(shù)進(jìn)行分析，不過，這兩種技術(shù)仍存在各自的局限性。其中，NIRS只擅長分析有機物，對肥料等產(chǎn)品中的無機物只能進(jìn)行間接測定，其精度會受到影響；而LIBS在測量時也需要克服一些環(huán)境空氣中元素如氮元素等的干擾。因此，這些問題都需要通過適當(dāng)?shù)牟襟E改善。

由于LIBS和NIRS均為快速檢測技術(shù)，通過合理的算法和步驟，對復(fù)合肥的LIBS光譜和NIR光譜進(jìn)行特定的處理、數(shù)據(jù)融合，即可實現(xiàn)兩種技術(shù)的優(yōu)勢互補，我可以在不影響采集效率的情況下，有效提高分析精度，相比一般的光譜檢測技術(shù)更加先進(jìn)可靠。

實現(xiàn)這項技術(shù)的具體手段多種多樣，不過總體上包括四個步驟：光譜采集、特征提取、數(shù)據(jù)融合、模型構(gòu)建。

首先，利用兩種光譜儀獲得肥料的LIBS光譜和NIR光譜是必須的；其次，采用合適的特征提取算法對復(fù)合肥的LIBS光譜和NIR光譜進(jìn)行處理，使得復(fù)合肥中包含關(guān)鍵信息的那部分光譜片段被保留下來，而其余的被剔除，從而降低了后續(xù)運算的復(fù)雜性，同時也消除了一些無關(guān)信號的干擾；再次，采用合適數(shù)據(jù)融合的方式將被提取了特征的LIBS光譜和NIR光譜合并成一份數(shù)據(jù)，這些被融合的光譜包含了LIBS和NIRS兩種技術(shù)的有益部分；最后，對被融合的復(fù)合肥LIBS&NIR光譜進(jìn)行建模，利用一些線性或非線性算法構(gòu)建光譜和待測組分的回歸方程。

上述的這一系列操作確定下來的模型最終會集成進(jìn)軟件中，呈現(xiàn)給用戶。在復(fù)合肥質(zhì)量檢測時，質(zhì)檢人員只需要調(diào)用軟件中的相應(yīng)模型，并對生產(chǎn)中的光譜進(jìn)行采集，軟件即會計算出質(zhì)檢人員所需要的復(fù)合肥質(zhì)量指標(biāo)，實現(xiàn)快速檢測。

小助手寄語

作為一項新晉的技術(shù)，我具有對檢測樣本損傷小、檢測過程快速、檢測精度高、環(huán)保無污染的優(yōu)點，對于綠色農(nóng)業(yè)、智能化農(nóng)業(yè)生產(chǎn)，尤其對農(nóng)業(yè)生產(chǎn)質(zhì)量效率的提升都具有良好的支撐作用。

但目前我只能在肥料、蔬菜等有限幾種產(chǎn)品質(zhì)檢中得到應(yīng)用，挑戰(zhàn)主要在于相關(guān)的光譜檢測儀器的開發(fā)和銜接還未標(biāo)準(zhǔn)化，不足以在行業(yè)內(nèi)大量推廣，不過，隨著該技術(shù)受到越來越多人的關(guān)注，我的市場勢必愈發(fā)成熟。

參考文獻(xiàn)：

[1] Zhuopin Xu, Xiaohong Li, Weimin Cheng, Guangxia Zhao, Liwen Tang, Yang Yang, Yuejin Wu, Pengfei Zhang, Qi Wang, Rapid and accurate determination methods based on data fusion of laser-induced breakdown spectra and near-infrared spectra for main elemental contents in compound fertilizers, Talanta, Volume 266, Part 1,2024.