IkoteLIBS do FireFlyOs sistemas rápidos de análise e imagem elementar estão se tornando ferramentas analíticas potenciais na pesquisa de recursos semelhantes, com a capacidade de detecção simultânea de vários elementos e imagem in situ sem pré-tratamento de amostras. Seu usoLIBSA tecnologia resolve eficazmente os problemas demorados e destrutivos da análise química tradicional, permitindo digitalização rápida de folhas de plantas, sementes e até mesmo solos diretamente para obter nitrogênio.No fósforo (O PPotássio (KMonitoramento em tempo real de nutrientes e metais pesados. O sistema é capaz de obter informações sobre a distribuição espacial da superfície da amostra (MapeamentoAnalisar as diferenças de características elementais entre as variedades por meio de algoritmos de aprendizado de máquina para auxiliar a identificação de variedades de culturas, rastreamento de origem e análise de contexto genético. Na área de pesquisa de força adversa e avaliação de qualidade, esta técnica é amplamente utilizada para investigar a resposta fisiológica das plantas à poluição por metais pesados ou à força da seca, por exemplo, monitorando o silício nas lâminas.Si(ou cálcio)CaO modelo de acumulação avalia a tolerância das culturas à força não biológica.

Teste de Vitalidade das Sementes

O Brasil, como exportador de soja, tem uma equipe de pesquisadores que trabalha com uma equipe italiana para aplicar o espectro de ruptura induzido por laser (LIBSTecnologias que combinam análises múltiplas e algoritmos de aprendizado de máquina para explorar a viabilidade de diferenciar rapidamente e de forma eficiente lotes de sementes de soja de baixa e alta vitalidade. O estudo descobriu que os principais elementos de dois tipos de sementes (O CeMgeCaeNeKHá diferenças na intensidade do pico de lançamento, onde as sementes de alta vitalidadeCa IeO CeC = NeMg I/IIA intensidade do pico é inferior à das sementes de baixa vitalidade. Os resultados mostram queLIBSAnálise técnica combinada com os principais componentes (PCA(e máquinas de suporte)SVMAlgoritmos de aprendizagem de máquina que podem diferenciar de forma eficiente lotes de sementes de soja de baixa e alta vitalidade -350-450 nmBanda espectral é a área de identificação, o cálcio é o principal fator diferenciador;SVMPrecisão de classificação do algoritmo98.9%Duas delas.SVME três vezes.SVMRealizado em reconhecimento de sementes de alta e baixa vitalidade, respectivamente100%taxa de precisão.

Reconhecimento de variedades de sementes

A equipe técnica da Universidade de ZhejiangCiências das plantasPublicação intitulada "Identificação rápida de variedades de sementes de soja usando espectroscopia de decomposição induzida por laser combinada com rede neural convolucionalArtigo de pesquisa sobre a ruptura do espectro por indução a laser (LIBSCombinando a tecnologia de aprendizagem profunda, a identificação rápida das variedades de sementes de soja é possível, e a detecção de sementes individuais leva apenas tempo30segundos; Entrada por "matriz espectral"2D-PCSA-ResNet (em inglês)Desempenho do modelo，Precisão de previsão91.75%A correspondência entre o mapa de significação do estudo e a posição do pico do elemento sugere que o carbono na soja (O CO silício (SiMagnésio (MgCálcio (CaSódio (NaO conteúdo e a proporção de tais elementos são fundamentais para distinguir as diferenças de variedade; Este método oferece um novo paradigma para a identificação de variedades agrícolas, com amplas perspectivas de aplicação prática.

Teste de qualidade do arroz

A Universidade Agrária da China e o Instituto de Física e Mecânica de Precisão Óptica de Changchun, para imagens microscópicas de alto espectro, espectroscopia de Raman e espectroscopia de ruptura induzida por laser (LIBSA aplicação de três técnicas na detecção de conteúdo de amido e proteína de arroz com cadeia ramificada analisou o efeito de quatro amostras de arroz, arroz castanho, arroz refinado e farinha de arroz nos resultados de modelagem de detecção espectral e selecionou variáveis ​​características relacionadas com os componentes alvo como amido e proteína com cadeia ramificada, com o objetivo de fornecer referência para a otimização da tecnologia de detecção de qualidade do arroz sem danos. Os resultados experimentais mostraram que em três técnicas espectrais,LIBSDetecção de níveis de amido e proteína na cadeia ramificada do arroz (O R² até0.81Em seguida, a imagem espectral microscópica é relativamente pobre. Além disso,LIBSAs variáveis características selecionadas correspondem mais à composição elementar do componente alvo, enquanto as variáveis características do espectro de Raman são mais influenciadas pela estrutura molecular e pelas condições experimentais. Este estudo fornece uma base técnica de comparação para o teste de qualidade do arroz.LIBSEspectroscopia com Raman é a técnica preferida e é necessário otimizar ainda mais o esquema de detecção em combinação com o tipo de amostra.

Detecção de nutrientes e pesticidas

Equipe de Pesquisa Coreana UsaLIBSTecnologia para os nutrientes-chave no espinafre e arroz (MgeCaeNaeKRealização de análises quantitativas rápidas; Ao mesmo tempo, a combinação de métodos quimiométricos permitiu a rápida distinção entre a poluição por pesticidas e produtos agrícolas não contaminados (espinafre, arroz), resolvendo eficazmente o problema da dificuldade de identificar a poluição por pesticidas com métodos tradicionais. Apesar da sobreposição dos elementos contidos nos pesticidas com os próprios elementos dos produtos agrícolas, a poluição não pode ser identificada por meio de testes de um único elemento.PLS-DAMétodos podem ser ajudadosLIBSCaracterísticas de distribuição de linha de emissão multi-elemento do espectro para diferenciar de forma eficiente amostras contaminadas e não contaminadas. Entre eles, a taxa de classificação errada de espinafre limpo é0%，10 ppmA taxa de errada classificação de espinafre contaminado por pesticidas é apenas2%E a poluição do trietilfosfato de alumínio do método é aplicável, validando completamente a utilidade desta tecnologia.

LIBS do FireFlyConteúdo da literatura publicada

A Yikote de Pequim se concentra na pesquisa e desenvolvimento de equipamentos de pesquisa científica agrícola e na promoção tecnológica, fornecendo a instituições de pesquisa científica nacionais um conjunto completo de equipamentos instrumentais que abrangem teste de vitalidade de sementes, avaliação de qualidade, análise de componentes nutricionais e seleção on-line, fornecendo apoio técnico eficiente para a inovação de recursos de sementes, seleção de variedades e pesquisa de industrialização, incluindo:

²PhenoTronSistema de teste de recursos de sementes

²SementeClassificaçãoPlataforma de análise on-line de imagem de alto espectro de sementes

²PhenoTronInteligência duplaLEDCultura de fonte de luz e sistema de análise de imagem espectral

²termo-RGBSistema de análise de fusão de morfologia de sementes e imagem térmica dinâmica

²Sistema de medição de respiração e vitalidade de sementes de alto fluxo

²GrainsenseSistema de análise de ingredientes de grãos

²SementesXAnalisador de imagem de raios

²Fenotron-apMedição rápida da taxa de germinação das sementesAplicativo

1. Kim G, Kwak J, Choi J, et al. Detecção de elementos nutrientes e contaminação por pesticidas em amostras de espinafre e arroz usando espectroscopia de decomposição induzida por laser (LIBS) [J]. Revista de química agrícola e alimentar, 2012, 60(3): 718-724.

2. Larios G S, Nicolodelli G, Senesi G S, et al. Espectroscopia de quebra induzida por laser como uma poderosa ferramenta para distinguir lotes de sementes de soja de alto e baixo vigor [J]. Métodos analíticos de alimentos, 2020, 13(9): 1691-1698.

3. Li X, He Z, Liu F, et al. Identificação rápida de variedades de sementes de soja usando espectroscopia de decomposição induzida por laser combinada com rede neural convolucional [J]. Fronteiras na ciência vegetal, 2021, 12: 714557.

4. Guo J, Jiang S, Lu B, et al. Explorando o potencial de hiperespectral microscópico, Raman e LIBS para avaliação de qualidade não destrutiva de diversas amostras de arroz [J]. Métodos Plantais, 2025, 21(1): 25.