基於LIBS-Raman光譜融合探測的危險物檢測識別方法研究

《基於LIBS-Raman光譜融合探測的危險物檢測識別方法研究》是依託北京理工大學，由王茜蒨擔任項目負責人的面上項目。

基本介紹

• 中文名：基於LIBS-Raman光譜融合探測的危險物檢測識別方法研究
• 依託單位：北京理工大學
• 項目負責人：王茜蒨
• 項目類別：面上項目

項目摘要

近年來，恐怖爆炸以及與生化危險物相關的公共安全事件時有發生，造成了大量的人員傷亡和財產損失，對危險物的快速、靈敏、遠距離檢測成為急需解決的問題。本項目面向炸藥以及生化危險物的快速、靈敏、遠距離現場檢測的重大需求，針對複雜現場環境LIBS-Raman融合探測識別分類亟待克服的技術瓶頸，擬通過項目研究，突破危險物LIBS-Raman光譜融合識別分類的關鍵技術，建立適合現場套用的最優融合探測實驗系統，充分發揮LIBS和Raman兩種光譜探測技術的核心優勢，為LIBS和Raman技術在危險物檢測中的實際套用奠定堅實基礎。

結題摘要

在國家安全和社會安全領域，反恐防暴一直都是重要的問題，如何在現場快速檢測到危險品並加以區分，對人員安全和採取緊急措施具有重要意義。現有的爆炸物和毒害物質點源檢測裝備都需要經過採樣、樣品製備等前處理過程才能進行分析檢測，遂行任務的方式操作步驟多且耗時，不能滿足現場快速、準確鑑定危險品的要求。現有技術還存在著檢測對象有限，不具備化學生物毒害物質廣譜檢測能力的問題。 申請人及研究人員採用雷射誘導擊穿光譜技術和拉曼光譜技術相結合，在實驗室獲取了典型炸藥、化學危險品和生物危險品的光譜數據，提出了基於生成對抗網路採用少量數據擴展數據集完成分類建模的方法，提出了半監督學習光譜數據分類識別算法，可以在基於少量已知光譜數據標籤時擴展已知標籤到未知數據進行建模，實現準確分類識別。為選取重要特徵進行降維分析，提出了importance weights based on Principal Components Analysis（IW-PCA）和Random Forests（RF）兩種光譜線重要性評估方法，對提取光譜特徵時選取哪些譜線具有指導性意義，比較了這兩種評估方法，RF方法較優。比較了LIBS-Raman數據級融合和特徵級融合方法，所提出的光譜融合分類識別方法採用固定分類器參數以保證快速分析的前提下，通過特徵提取融合實現了快速準確建模分析。在選取特徵較少時，特徵後向融合效果較好，選取特徵較多時，特徵前向融合較好。研究面向現場實時原位危險物檢測，基於推進以上成果的套用轉化，研究了攜帶型光譜檢測儀器的開發測試，所研發的微焦級LIBS便攜系統實現了較好的分析結果且可以實現350倍顯微測量。 研究結果在爆炸物和化生毒物檢測領域展現出良好的套用前景，解決了炸藥和化生毒害物質實時直接檢測的方法問題，可套用於現場檢測裝備的研發，將改變現有應急救援人員遂行任務方式，且不需要對人員進行複雜的操作培訓，具有很重要的實用前景。