科研新成果：基于 CVT 优化的多时刻 LIBS 技术助力微生物远程检测

随着全球对公共卫生、环境安全和食品健康领域中微生物威胁的关注度不断提高，快速、准确地识别微生物的技术变得至关重要。传统微生物检测方法存在耗时久、易受环境干扰等缺点，难以满足复杂场景下的检测需求。LIBS 技术虽在微生物检测领域展现出一定潜力，但远程检测时面临信号衰减和光谱特征相似度高的问题，导致分类准确率降低。

研究团队构建了同轴设计的可调节焦距 LIBS 遥测系统。该系统采用高功率脉冲激光，通过一系列光学组件聚焦在样品表面产生等离子体，其发射的荧光信号经原路返回被光谱仪分析。系统的同轴光路设计提高了等离子体发射的收集效率，且结构紧凑，适用于复杂远程检测环境。实验选取 10 种常见致病菌作为识别目标，在 5 种不同材料的基底上进行研究，包括高纯度铝、锌、铜、硅和石墨。

图 1：展示基于 LIBS 的远程细菌识别实验装置，涵盖高功率脉冲激光系统、光学控制聚焦组件及光谱采集系统，呈现激光发射、等离子体产生与信号收集分析的光路

研究人员引入 CVT 来分析等离子体电子温度的波动情况。通过计算不同延迟时间下 10 种细菌的 CVT 值发现，延迟参数对等离子体温度波动影响显著，不同基底材料的热特性导致 CVT 曲线分布不同。基于 CVT 分析结果，为每种基底选择了三个 CVT 值最高的延迟时间进行组合优化，以扩大细菌间的光谱差异。例如，石墨基底的优化延迟时间为 100ns、200ns 和 300ns。

图2：对比铝、石墨、铜、硅和锌五种基底在接种白色念珠菌前后的 LIBS 光谱，展示不同基底的激发效果、特征谱线强度及基底干扰差异

图3：展示经高斯平滑、归一化、峰值检测等预处理后，铝基底上 10 种细菌的平均 LIBS 光谱，相比原始光谱，信噪比显著提升

研究使用广义回归神经网络（GRNN）作为分类模型，对比了单时刻和多时刻数据的分类效果。结果显示，多时刻方法能有效整合多个延迟区间的光谱特征，显著扩大相似样品间的光谱差异，提高模型的稳健性和准确性。在 5m 距离处，多时刻方法对所有基底的细菌识别率均达到 100%；在 10m 距离处，铝基底的识别率从单时刻的 76% 提升至 93%。研究还发现，钙、钠、碳和钾四种主要元素对分类结果的贡献率累计达到 60%，在细菌种类区分中起到关键作用。

图4：对比单时刻和多时刻方法在 75mm、5m 和 10m 距离下对细菌的分类准确率，验证多时刻方法在长距离检测的有效性

该研究提出的 CVT 优化多时刻 LIBS 技术有效克服了长距离信号衰减的瓶颈，显著增强了远程微生物识别的稳健性和分析能力，为公共安全、医疗诊断和军事防御等领域的远程检测提供了创新方法。

参考文献：

Liang J, Chen F, Tian Z, et al. Study on precise identification of remote bacterial species using multi-temporal LIBS optimized by plasma electron temperature coefficient of variation[J]. Analytica Chimica Acta, 2025: 343929.