IkotaiFireFly LIBSSchnelle Elementanalyse- und Bildgebungssysteme mit der Möglichkeit, Proben ohne Vorbearbeitung, mehrere Elemente gleichzeitig zu erkennen und in situ zu bilden, sind ein potenzielles Analysewerkzeug in der qualitativen Ressourcenforschung. Seine VerwendungLIBSDie Technologie löst effektiv die zeitaufwendigen und zerstörerischen Probleme der herkömmlichen chemischen Analyse und ermöglicht eine schnelle Scan von Pflanzenblättern, Samen und sogar Boden, um Stickstoff (Nund Phosphor (PKalium (KEchtzeitüberwachung von wichtigen Nährstoffen und Schwermetallen. Das System kann Informationen über die räumliche Verteilung der Probenoberfläche erfassen (KartenDie Analyse von Elementdifferenzen zwischen verschiedenen Sorten durch maschinelles Lernen-Algorithmen unterstützt die Sortenerkennung, Herkunftsnachverfolgung und genetische Hintergrundanalyse. In der Gegendingsforschung und der Qualitätsbewertung wird diese Technik weit verbreitet zur Untersuchung der physiologischen Reaktionen von Pflanzen auf Schwermetallverschmutzung oder Trockenstress eingesetzt - z. B. durch die Überwachung von Silizium in den Blättern.Sie(oder Kalzium)CaAkkumulationsmuster zur Beurteilung der Toleranz von Pflanzen gegenüber nicht-biologischem Stress.

Vitalitätsprüfung von Samen

Brasilien, ein Exporteur von Sojabohnen, arbeitet mit einem italienischen Team zusammen, um ein laserinduziertes Brechspektrum anzuwenden (LIBSTechnologien, die eine Vielzahl von Analysen und Algorithmen für maschinelles Lernen kombinieren, um die Machbarkeit der schnellen und effizienten Unterscheidung von Low-Vitality- und High-Vitality-Sojasamen zu untersuchen. Die Studie ergab, dass die wichtigsten Elemente der beiden Arten von Samen (CundMgundCaundNundK(Es gibt einen Unterschied in der Emissionsspitz-Intensität, bei der die hohe Vitalität der SamenCa IundCundC = NundMg I/IIDie Spitzenintensität ist niedriger als die Samen mit niedriger Vitalität. Die Ergebnisse zeigen,LIBSTechnische Analyse mit Hauptbestandteilen (PCA(und unterstützende Vektormaschinen)SVMMaschinelles Lernen Algorithmen, die in der Lage sind, effizient zu unterscheiden, niedrig lebendige und hoch lebendige Sojabohnen Saatgut-350 bis 450 nmSpektralband ist die Identifizierungszone, Calcium ist der Kern-Unterscheidungsfaktor;SVMGenauigkeit der Algorithmen98.9%Zweimal davon.SVMUnd dreimal.SVMRealisiert in der Erkennung von Saatgut mit hoher und niedriger Dynamik100%Genauigkeit.

Erkennung der Samensorten

Technisches Team der Universität ZhejiangPflanzenwissenschaftenVeröffentlicht unter dem Titel »Schnelle Identifizierung von Sojabohnen-Samensorten mittels laserinduzierter Abbau-Spektroskopie in Kombination mit konvolutionellem neuronalem NetzwerkForschungsartikel, die durch Laser-Induktion Spektrum brechen (LIBSDie Kombination von Deep Learning-Technologien ermöglicht die schnelle Identifizierung von Sojabohnen-Samensorten, wobei die Einzelkorn-Detektion nur zeitaufwendig ist30Sekunden; Diese werden als "Spektralmatrix" eingegeben.2D-PCSA-ResNetModellleistung，Prognosegenauigkeit91.75%Die Korrespondenz zwischen dem Significanzdiagramm und der Spitzenposition des Elements in der Studie zeigt, dass Kohlenstoff in Sojabohnen (CSilizium (SieMagnesium (MgKalzium (CaNatrium (NaDer Gehalt und das Verhältnis dieser Elemente sind der Schlüssel zur Unterscheidung von Sortenunterschieden; Diese Methode bietet ein völlig neues Paradigme für die Identifizierung von landwirtschaftlichen Sorten mit breiten praktischen Einsatzperspektiven.

Qualitätsprüfung von Reis

Die Agraruniversität von China und das Institut für optische Präzisionsmaschinen und Physik von Changchun, spezialisiert sich auf mikroskopische hochspektrale Bildgebung, Raman-Spektrum und laserinduzierte Durchbruchspektrum (LIBSDie Anwendung der drei Techniken bei der Prüfung von Reisstärke und Proteingehalt wurde untersucht, die Auswirkungen von Reis, braunem Reis, Feinreis und Reismehl auf die Modellierungsergebnisse der spektralen Prüfung analysiert und die charakteristischen Variablen im Zusammenhang mit den Zielbestandteilen von Reisstärke und Proteinen ausgewählt, um eine Referenz für die Optimierung der Technologie der zerstörungsfreien Prüfung der Reisqualität zu bieten. Die Ergebnisse zeigen, dass in drei SpektraltechnikenLIBSLeistung bei der Prüfung von Stärke und Proteingehalt an Reisketten (Rbis ²0.81Im Rahmen des Raman-Spektrums ist die mikroskopische hochspektrale Bildgebung relativ schlecht. Außerdem,LIBSDie charakteristischen Variablen des Screens entsprechen höher der Elementzusammensetzung der Zielkomponente, während die charakteristischen Variablen des Raman-Spektrums stark von der molekularen Struktur und den experimentellen Bedingungen beeinflusst werden. Diese Studie bietet eine technische Vergleichsgrundlage für die schädigungsfreie Prüfung der Reisqualität.LIBSDie Raman-Spektrologie kann als bevorzugtes technisches Mittel eingesetzt werden und erfordert eine weitere Optimierung des Prüfprogramms in Verbindung mit dem Probentyp.

Nährstoffe und Pestizide

US-koreanisches Forschungsteam nutztLIBSTechnologie für die wichtigsten Nährstoffe in Spinat und Reis (MgundCaundNaundKschnelle quantitative Analysen durchführen; Gleichzeitig wurde eine schnelle Unterscheidung zwischen Pestizidverschmutzung und unvereinigten landwirtschaftlichen Produkten (Spinat, Reis) durch die Kombination von chemometrischen Methoden erreicht und das Problem der Schwierigkeit der Identifizierung von Pestizidverschmutzung durch traditionelle Methoden effektiv gelöst. Trotz der Überlappung der Bestandteile des Pestizids mit den Bestandteilen des landwirtschaftlichen Erzeugnisses selbst ist es nicht möglich, eine Verschmutzung durch einen einzelnen Elementtest zu erkennen.PLS-DAMethoden können mithilfeLIBSSpektrale Multielement-Emissionslinienverteilung ermöglicht eine effektive Unterscheidung von kontaminierten und nicht kontaminierten Proben. Unter ihnen ist die falsche Klassifizierung von sauberem Spinat0%，10 ppmDie falsche Klassifizierung von Pestiziden verunreinigt Spinat ist nur2%Diese Methode ist für die Verschmutzung mit Triethylphosphat-Aluminium angewendet, was die Praktizität dieser Technologie vollständig bestätigt.

FireFly LIBSVeröffentlichte Dokumentation

Peking Ecotech konzentriert sich auf die Forschung, Entwicklung und technologische Förderung von landwirtschaftlichen Forschungsausrüstungen und bietet inländischen Forschungseinrichtungen eine vollständige Reihe von Instrumenten, die die Vitalitätsprüfung von Saatgut, Qualitätsbewertung, Nährstoffanalyse und Online-Sortierung umfassen, um die Innovation von Saatgut-Ressourcen, Sortenzuzucht und Industrialisierungsforschung zu unterstützen, insbesondere:

²PhenoTronQualitätsressourcenprüfungssystem

²SeedSortierenOnline-Analyseplattform für die hochspektrale Bildgebung von Saatgut

²PhenoTronDoppelte IntelligenzLEDsLichtkultur und Spektralbildanalyse

²Thermo-RGBSamenmorphologie und dynamische thermische Bildgebung

²Atmungs- und Vitalitätsmessungssystem mit hohem Durchsatz

²GrainsenseGetreideanalysesystem

²SamenXStrahlenbildanalyse

²Phenotron-ApSchnelle Messung der KeimreiteAnwendung

1. Kim G, Kwak J, Choi J, et al. Erkennung von Nährstoffen und Kontamination durch Pestizide in Spinat- und Reisproben mit Laserinduzierter Abbau-Spektroskopie (LIBS) [J]. Journal of Agricultural and Food Chemistry, 2012, 60(3): 718-724.

2. Larios G S, Nicolodelli G, Senesi G S, et al. Laser-induzierte Abbau Spektroskopie als ein leistungsstarkes Werkzeug zur Unterscheidung von hohen und niedrigen Kraft Sojabohnen Saatgut Lots [J]. Lebensmittelanalytische Methoden, 2020, 13(9): 1691-1698.

3. Li X, He Z, Liu F, et al. Schnelle Identifizierung von Sojabohnen-Samensorten mittels laserinduzierter Abbau-Spektroskopie in Kombination mit konvolutionellem neuronalem Netzwerk [J]. Grenzen in der Pflanzenwissenschaft, 2021, 12: 714557.

4. Guo J, Jiang S, Lu B, et al. Erforschung des Potenzials von mikroskopischen hyperspektralen, Raman und LIBS für eine nicht zerstörerische Qualitätsbewertung verschiedener Reisproben [J]. Pflanzenmethoden, 2025, 21(1): 25.