面向激光诱导击穿光谱的机器学习方法进展——侧重土壤分析
信号处理
2022-08-17 v1
摘要
激光产生等离子体的光学发射光谱，通常称为激光诱导击穿光谱（LIBS），是一种新兴的土壤快速分析工具。然而，LIBS 存在特定挑战，如基体效应与定量问题，需在 LIBS 应用中进一步研究，尤其针对土壤等非均匀样品的分析。机器学习（ML）方法应用的进展可解决其中部分问题，提升 LIBS 在土壤分析中的潜力。本文旨在综述 LIBS 与 ML 方法结合的应用进展，重点关注用于减弱基体效应、特征选择、定量分析、土壤分类与自吸收的方法学路径。文中讨论了各类已采用 ML 方法的性能，包括其不足与优势，以清晰呈现当前 ML 在 LIBS 中提升分析能力应用的现状。提出 LIBS 在土壤分析中的挑战与前景，为未来研究指明路径。本综述强调 LIBS 土壤分析的 ML 工具，其亦广泛适用于其他 LIBS 应用。
引用
@article{arxiv.2208.07414,
title = {Progress towards machine learning methodologies for laser-induced breakdown spectroscopy with an emphasis on soil analysis},
author = {Yingchao Huang and Sivanandan S. Harilal and Abdul Bais and Amina E. Hussein},
journal= {arXiv preprint arXiv:2208.07414},
year = {2022}
}