远程细菌识别技术取得重大突破：多时间LIBS结合等离子体电子温度变异系数优化实现高精度遥测

研究背景与意义

随着全球对公共卫生、环境安全及国防领域中微生物威胁的关注日益增加，发展快速、准确、高效的微生物识别技术已成为迫切需求。传统微生物检测方法（如培养法、显微镜观察、生化检测）虽广泛应用，但存在耗时长、操作复杂、易受环境干扰等局限，难以满足实时、远程监测的要求，尤其在生物战剂检测、生物恐怖防范与战场病原监测等军事防御场景中表现突出。

近年来，激光诱导击穿光谱（LIBS）技术因其高时空分辨率、快速响应、多元素同时分析等优势，在微生物检测中展现出潜力。然而，在远程检测中，LIBS面临信号衰减严重、光谱特征相似度高等问题，导致分类准确性下降。为此，本研究提出一种基于等离子体电子温度变异系数（CV_T）优化的多时间LIBS远程识别方法，旨在提升远程微生物检测的准确性与鲁棒性。

研究方法与技术路线

1. 实验系统构建

研究团队设计并搭建了一套同轴可调焦LIBS遥测系统（图1），系统包括：

· 高功率脉冲激光器（Nd:YAG，波长1064 nm，脉冲能量150 mJ）

· 反射式Cassegrain望远镜（主镜直径300 mm，电动调焦，适用于1–10米范围）

· 中分辨率光谱采集系统（AvaSpec-ULS2048L，波长范围200–1040 nm）

· 同轴光路设计，实现激光发射与信号收集共光路，提升等离子体发射信号收集效率

2. 样本与基底选择

实验选用10种常见病原微生物，包括：

· 革兰氏阴性菌：大肠杆菌、沙门氏菌、铜绿假单胞菌、荧光假单胞菌

· 革兰氏阳性菌：粪肠球菌、巨大芽孢杆菌、枯草芽孢杆菌、金黄色葡萄球菌、苏云金芽孢杆菌

· 真菌：白色念珠菌

为探究基底影响，选用五种金属与非金属基底：

· 金属：高纯铝、锌、铜

· 非金属：硅、石墨

3. 多时间LIBS数据采集与CV_T优化

通过控制激光发射与光谱采集的曝光延迟，在100–1000 ns范围内采集多时间点光谱数据。引入等离子体电子温度变异系数（CV_T）作为标准化指标：

CVT= ΔT/T

​其中ΔT为温度标准差，T为平均温度。通过计算各基底在不同延迟下的CVT值，筛选出CVT最高的三个延迟时间进行组合，以增强光谱特征差异。

4. 机器学习分类模型

采用广义回归神经网络（GRNN）作为分类模型，该模型对微小光谱差异敏感，适用于LIBS光谱的非线性特征提取。通过单时间、双时间、多时间数据组合对比，验证多时间方法在提升分类性能方面的有效性。

图1. 远程实验装置示意图。

图2. 同轴可调卡塞格林系统的四视图示意图。

图3. Grnn神经网络结构图。

实验结果与突破性进展

1. 基底性能对比

石墨基底表现最优，光谱干扰最小，CV_T值在等离子体演化早期较高

铝基底激发效率高，但存在Na元素干扰

铜基底光谱线强度最弱，干扰最大

硅与锌基底性能中等，锌在增强Ca谱线方面表现较好

2. 多时间组合显著提升识别率

通过对比七种时间组合,发现：

单时间组合下，除石墨外，其余基底均出现误分类

多时间组合（VII）下，所有基底上的细菌种类均被100%正确识别

在5米距离，多时间方法实现全基底100%识别率

在10米距离，铝基底识别率从76%提升至93%

3. 特征元素贡献分析

通过扰动特征谱线强度分析各元素在分类中的贡献（图9），发现：

Ca、Na、C、K 四种元素累计贡献约 60%

碳在石墨基底中贡献显著（达29.3%）

钙在金属基底中表现突出

氮与其他元素贡献较小，但仍具一定区分价值

4. 远距离验证结果

在10米距离外重新培养目标菌并构建外部验证集，结果显示：

传统单时间方法识别率为 78%

多时间方法识别率提升至 94%

多时间方法在支持向量机与随机森林模型中也表现优异，显示出强通用性

图 4. 不同延迟下五种基板的等离子体电子温度 CVT

图5. 将五种基质接种白色念珠菌前后的LIBS光谱比较。

图6. 10种细菌在铝基底上的平均预处理LIBS光谱。

技术优势与应用前景

本研究提出的 CV_T 优化多时间LIBS方法 具有以下突出优势：

高灵敏度与强鲁棒性：通过多延迟数据融合，显著增强光谱差异，抑制信号衰减影响。

适应复杂基底：在金属与非金属基底上均表现优异，尤其在石墨与铝基底上效果最佳。

远距离检测能力强：在5–10米范围内仍保持高识别率，适用于野外、战场等复杂环境。

智能化分类：结合GRNN等机器学习算法，实现自动化、高精度微生物分类。

该方法在以下领域具有广阔应用前景：

环境监测：水体、土壤中病原菌的实时遥测

公共卫生：疫情爆发现场的快速细菌筛查

军事防御：战场生物战剂远程识别与预警

医疗诊断：无菌环境或隔离区域微生物监测

总结与展望

本研究成功开发了一种基于等离子体电子温度变异系数优化的多时间LIBS远程细菌识别技术，通过同轴可调焦光学系统与多延迟光谱数据融合，在5米距离实现100%识别率，在10米距离将识别率从76%显著提升至93%，有效解决了远程LIBS检测中信号衰减与光谱相似性的技术瓶颈。

未来，研究团队计划在 模拟复杂生长环境、引入干扰物质 的条件下进行远程验证，并尝试集成 深度学习算法，进一步提升系统在复杂基质与多变环境中的适用性。该技术有望在环境监测、公共安全、医疗诊断与国防安全等领域发挥重要作用，推动远程光谱分析技术向更高灵敏度、更强实用性方向发展。

原文链接：https://doi.org/10.1016/j.aca.2025.343929