基于LIBS-Raman光谱融合探测的危险物检测识别方法研究

In recent years, terrorist bombings and public safety incidents related to chemical and biological hazards have caused a large number of casualties and property losses. It is emergency to develop a technology for hazardous material detection. This application is about the research of the high sensitivity hazardous materials detection and recognition technology based on laser-induced breakdown spectroscopy (LIBS) and Raman spectrum fusion technology.. The focus of our work is on studying the spectral representation model of LIBS-Raman spectral for hazardous materials, analysing the LIBS-Raman spectral interference model from environment, researching on LIBS-Raman spectrum fusion recognition and fusion algorithm, and establishing the optimal fusion detection system.

近年来，恐怖爆炸以及与生化危险物相关的公共安全事件时有发生，造成了大量的人员伤亡和财产损失，对危险物的快速、灵敏、远距离检测成为急需解决的问题。本项目面向炸药以及生化危险物的快速、灵敏、远距离现场检测的重大需求，针对复杂现场环境LIBS-Raman融合探测识别分类亟待克服的技术瓶颈，拟通过项目研究，突破危险物LIBS-Raman光谱融合识别分类的关键技术，建立适合现场应用的最优融合探测实验系统，充分发挥LIBS和Raman两种光谱探测技术的核心优势，为LIBS和Raman技术在危险物检测中的实际应用奠定坚实基础。

在国家安全和社会安全领域，反恐防暴一直都是重要的问题，如何在现场快速检测到危险品并加以区分，对人员安全和采取紧急措施具有重要意义。现有的爆炸物和毒害物质点源检测装备都需要经过采样、样品制备等前处理过程才能进行分析检测，遂行任务的方式操作步骤多且耗时，不能满足现场快速、准确鉴定危险品的要求。现有技术还存在着检测对象有限，不具备化学生物毒害物质广谱检测能力的问题。. 申请人及研究人员采用激光诱导击穿光谱技术和拉曼光谱技术相结合，在实验室获取了典型炸药、化学危险品和生物危险品的光谱数据，提出了基于生成对抗网络采用少量数据扩展数据集完成分类建模的方法，提出了半监督学习光谱数据分类识别算法，可以在基于少量已知光谱数据标签时扩展已知标签到未知数据进行建模，实现准确分类识别。为选取重要特征进行降维分析，提出了importance weights based on Principal Components Analysis（IW-PCA）和Random Forests（RF）两种光谱线重要性评估方法，对提取光谱特征时选取哪些谱线具有指导性意义，比较了这两种评估方法，RF方法较优。比较了LIBS-Raman数据级融合和特征级融合方法，所提出的光谱融合分类识别方法采用固定分类器参数以保证快速分析的前提下，通过特征提取融合实现了快速准确建模分析。在选取特征较少时，特征后向融合效果较好，选取特征较多时，特征前向融合较好。研究面向现场实时原位危险物检测，基于推进以上成果的应用转化，研究了便携式光谱检测仪器的开发测试，所研发的微焦级LIBS便携系统实现了较好的分析结果且可以实现350倍显微测量。. 研究结果在爆炸物和化生毒物检测领域展现出良好的应用前景，解决了炸药和化生毒害物质实时直接检测的方法问题，可应用于现场检测装备的研发，将改变现有应急救援人员遂行任务方式，且不需要对人员进行复杂的操作培训，具有很重要的实用前景。