ИкотеFireFly ЛибсСистема быстрого элементарного анализа и визуализации становится аналитическим инструментом для изучения потенциала ресурсов зародышевой плазмы благодаря своей способности не требовать предварительной обработки образцов, одновременного обнаружения нескольких элементов и получения изображений на месте. Его использованиеЛИБСТехнология эффективно решает длительные и разрушительные проблемы традиционного химического анализа, может непосредственно сканировать листья растений, семена и даже почву для достижения азота (Н), фосфор (ПКалий (КМониторинг ключевых питательных элементов и тяжелых металлов в режиме реального времени. Система может получать информацию о пространственном распределении поверхности выборки (КартированиеАнализируя различия в характеристиках элементов между различными сортами с помощью алгоритмов машинного обучения, мы помогаем идентифицировать сорта сельскохозяйственных культур, проследить происхождение и генетический фоновый анализ. В области исследований стресса и оценки качества эта технология широко используется для изучения физиологических реакций растений на загрязнение тяжелыми металлами или засуху, например, путем мониторинга кремния в листьях (СиИли кальция (КаМодели накопления, оценивающие толерантность культур к абиотическому давлению.

Тест жизнеспособности семян

Бразилия, как экспортер соевых бобов, работает с итальянской командой, используя лазерную индукцию, чтобы пробить спектр (ЛИБСТехнология, в сочетании с многомерным анализом и алгоритмами машинного обучения, исследует возможность быстрого и эффективного разделения партий семян соевых бобов с низкой и высокой энергией. Исследование показало, что основные элементы двух типов семян (САМгАКаАНАК) Существуют различия в интенсивности эмиссионных пиков, среди которых высокодинамичные семенаCa IАСАС=НАМг I/IIЭквипиковая прочность ниже, чем у менее динамичных семян. Результаты показали,ЛИБСТехнология в сочетании с анализом основных компонентов (ПКАПоддерживаемые векторы (СВМАлгоритмы машинного обучения, способные эффективно различать партии семян соевых бобов с низкой и высокой энергией -350-450 нмСпектральный диапазон является областью идентификации, кальциевый элемент является основным дифференцирующим фактором;СВМТочность классификации алгоритма может быть достигнута98,9%Из них дваждыСВМИ трижды.СВМДостижение в идентификации семян с высокой и низкой энергией соответственно100%Коэффициент точности.

Идентификация сортов семян

Техническая команда университета Чжэцзян.ПЛАНТОЛОГИЧЕСКИЕ НУКИОпубликовано под названием "Быстрая идентификация сортов семян сои с помощью лазерно-индуцированной спектроскопии разрыва в сочетании с конволуционной нейронной сетью« Исследовательская статья, пробивая спектр с помощью лазерной индукции (ЛИБСВ сочетании с технологией глубокого обучения для достижения быстрой идентификации сортов семян соевых бобов, тестирование одного зерна занимает только время30Секунда; Из них « спектральная матрица» вводится2D-PCSA-ResNetМодель проявляется，Точность прогноза достигает91,75%Соответствие между графиком значимости и расположением элементного пика в исследовании показывает, что углерод в соевых бобах (С), кремний (СиМагний (Мг- Кальций (КаНатрий (НаСодержание и пропорции таких элементов являются ключом к различию сортов; Этот метод обеспечивает совершенно новую парадигму для идентификации сортов сельскохозяйственной продукции и имеет широкие перспективы практического применения.

Проверка качества риса

Хуачжунский сельскохозяйственный университет и Чанчуньский институт оптической точной механики и физики, для микроскопической гиперспектральной визуализации, спектра Рамана, спектра лазерной индукции пробоя (ЛИБСПрименимость трех методов в определении содержания крахмала и белка в разветвленной цепи риса исследуется, анализируется влияние четырех типов образцов риса, коричневого риса, семенного риса и рисового порошка на результаты моделирования спектральных испытаний и отбираются характерные вариации, связанные с фиброзным крахмалом, белками и другими целевыми ингредиентами, чтобы дать ссылку на оптимизацию методов неразрушающего контроля качества риса. Эксперименты показали, что в трех спектральных технологияхЛИБСРезультаты тестов на содержание крахмала и белка в разветвленной цепи риса (РТуда0.81После спектра Рамана эффект микроскопической гиперспектральной визуализации был относительно плохим. Кроме того,ЛИБСХарактерные переменные скрининга более соответствуют элементному составу целевого компонента, в то время как характерные переменные спектра Рамана в большей степени зависят от молекулярной структуры и экспериментальных условий. Это исследование обеспечивает техническую основу для неразрушающего контроля качества риса,ЛИБССпектр с раманом может быть выбран в качестве предпочтительного технического средства и требует дальнейшей оптимизации схемы обнаружения в сочетании с типом образца.

Тестирование питательных веществ и пестицидов

Американские и корейские ученые используютЛИБСТехнологии, ключевые питательные элементы в шпинате и рисе (МгАКаАНаАКПроведение быстрого количественного анализа; В то же время, в сочетании с химическими методами, для достижения быстрого различия между загрязнением пестицидами и незагрязненной сельскохозяйственной продукцией (шпинат, рис), эффективное решение традиционных методов трудно определить загрязнение пестицидами. Несмотря на то, что элементы, содержащиеся в пестицидах, перекрываются с элементами самих сельскохозяйственных продуктов и не могут быть идентифицированы путем обнаружения одного элемента,ПЛС-ДАМетод можно использоватьЛИБСХарактеристики распределения многоэлементных эмиссионных линий спектра позволяют эффективно различать загрязненные и незагрязненные образцы. Коэффициент ошибки при очистке шпината составляет0%А,10 ppmКоэффициент неправильной классификации шпината, загрязненного пестицидами2%И этот метод применяется к загрязнению триглифосатом алюминия, что полностью подтверждает полезность этой технологии.

FireFly ЛибсОпубликованная литература

Beijing Yi Ketai фокусируется на исследованиях и разработках сельскохозяйственного научно - исследовательского оборудования и продвижении технологий, предоставляет отечественным научно - исследовательским институтам полный набор инструментов и оборудования, охватывающих проверку жизнеспособности семян, оценку качества, анализ питательных веществ и онлайн - отбор, обеспечивает эффективную техническую поддержку для инноваций в области ресурсов зародышевой плазмы, селекции сортов и индустриализации исследований, в том числе:

²ФеноТронСистема обнаружения ресурсов зародышевой плазмы

²СеменаСортироватьСетевая платформа для анализа гиперспектральных изображений семян

²ФеноТронДвойной интеллектсветодиодныеСистема анализа фотоисточников и спектральных изображений

²Термо-RGBСистема анализа морфологии семян и динамической термографии

²Высокопроизводительная система измерения дыхания и динамики семян

²ГрайнсенсСистема анализа состава зерна

²СеменаХАнализатор рентгеновского изображения

²Бензотрикетон APБыстрое измерение прорастания семянПриложение

1. Kim G, Kwak J, Choi J, et al. Выявление питательных элементов и загрязнения пестицидами в образцах шпината и риса с помощью лазерно-индуцированной спектроскопии распада (LIBS) [J]. Журнал сельскохозяйственной и пищевой химии, 2012, 60(3): 718-724.

2. Larios G S, Nicolodelli G, Senesi G S, et al. Лазерно-индуцированная спектроскопия разрыва как мощный инструмент для различия партий семян сои с высокой и низкой энергией [J]. Аналитические методы пищевых продуктов, 2020, 13(9): 1691-1698.

3. Li X, He Z, Liu F, et al. Быстрая идентификация сортов семян сои с помощью лазерно-индуцированной спектроскопии разрыва в сочетании с convolutional neural network [J]. Границы в науке о растениях, 2021, 12: 714557.

4. Guo J, Jiang S, Lu B, et al. Исследование потенциала микроскопического гиперспектрального, Раманского и LIBS для неразрушительной оценки качества различных образцов риса [J]. Методы растений, 2025, 21(1): 25.