一、北京理工大學(xué)王茜蒨教授團(tuán)隊(duì)風(fēng)采

北京理工大學(xué)光電學(xué)院激光誘導(dǎo)擊穿光譜研究團(tuán)隊(duì)(BIT-LIBS)由王茜蒨教授領(lǐng)銜，始創(chuàng)于2008年，目前有教授1名，副教授1名，講師2人，在讀博士生7名(其中留學(xué)生2名)，碩士生6名，本科生3名。團(tuán)隊(duì)依托于北京理工大學(xué)光電學(xué)院光學(xué)工程國(guó)家重點(diǎn)學(xué)科，光電成像技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，致力于激光與物質(zhì)相互作用理論、激光探測(cè)機(jī)理與技術(shù)、光譜數(shù)據(jù)處理、化生爆危險(xiǎn)品檢測(cè)、生物醫(yī)學(xué)檢測(cè)等方面的研究。

北京理工大學(xué)王茜蒨教授

北京理工大學(xué)王茜蒨教授團(tuán)隊(duì)風(fēng)采

二、相關(guān)研究成果及最新研究進(jìn)展

1、危險(xiǎn)品LIBS光譜識(shí)別方法研究

爆炸物和生化危險(xiǎn)品在反恐防暴領(lǐng)域一直都是探測(cè)重點(diǎn)，因其具有高度毀傷性和致病性，嚴(yán)重危害社會(huì)安全和人民安全健康。團(tuán)隊(duì)自創(chuàng)立至今，一直致力于LIBS技術(shù)在國(guó)防和社會(huì)安全領(lǐng)域的應(yīng)用研究，從2008年起，在國(guó)內(nèi)率先開展爆炸物L(fēng)IBS探測(cè)技術(shù)研究，對(duì)幾種典型炸藥的LIBS光譜特性和識(shí)別方法進(jìn)行了深入研究。之后，開展了對(duì)有機(jī)磷化學(xué)毒劑模擬劑DMMP和TEP、生物毒素模擬劑BSA等的LIBS光譜特性研究。重點(diǎn)研究了監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)等機(jī)器學(xué)習(xí)方法在危險(xiǎn)品LIBS光譜識(shí)別分類中的應(yīng)用。在此基礎(chǔ)上，提出了基于標(biāo)簽擴(kuò)散的半監(jiān)督學(xué)習(xí)LIBS數(shù)據(jù)分析算法，在僅可獲得少量已知類別數(shù)據(jù)時(shí)，對(duì)典型軍用炸藥RDX、HMX、CL-20和成分相似的有機(jī)干擾物正確識(shí)別率達(dá)到100%。

圖1 半監(jiān)督學(xué)習(xí)方法分類結(jié)果

此外，為了解決某些應(yīng)用場(chǎng)合難以獲取足夠LIBS建模數(shù)據(jù)的難題，提出了基于生成對(duì)抗網(wǎng)絡(luò)(GAN)擴(kuò)展光譜數(shù)據(jù)庫(kù)的方法?？梢栽趦H有少量爆炸物和化學(xué)毒劑模擬物L(fēng)IBS光譜數(shù)據(jù)時(shí)，利用GAN對(duì)LIBS光譜數(shù)據(jù)進(jìn)行擴(kuò)展建模，將探測(cè)識(shí)別準(zhǔn)確率從不足90%提升到超過(guò)95%。

2、LIBS技術(shù)在生物醫(yī)藥學(xué)應(yīng)用研究

在醫(yī)藥學(xué)和生物學(xué)領(lǐng)域，團(tuán)隊(duì)也開展了相關(guān)研究。

在2018年的最新研究中，提出基于評(píng)估譜線重要性提取有效特征峰可以縮短分析時(shí)間，提升識(shí)別準(zhǔn)確率。采用所提出的IW-PCA和RF譜線重要性評(píng)估算法進(jìn)行特征提取，對(duì)金黃色葡萄球菌、大腸桿菌等6種致病菌的識(shí)別準(zhǔn)確率達(dá)到98%。

圖2 采用IW-PCA和RF分別和共同提取不同數(shù)量特征峰的分類結(jié)果

針對(duì)川貝母真?zhèn)伪孀R(shí)問(wèn)題，采用LIBS技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)對(duì)川貝母、浙貝母及伊貝母進(jìn)行辨識(shí)，平均分類正確率為98.33%。實(shí)驗(yàn)表明此方法具有很高的辨識(shí)精度和很強(qiáng)的魯棒性。

圖3 川貝母、摻浙貝母及伊貝母LIBS光譜圖

鹿茸是我國(guó)傳統(tǒng)的名貴藥材。本團(tuán)隊(duì)首次將LIBS應(yīng)用于鹿茸質(zhì)量評(píng)估，獲取鹿茸LIBS光譜，分析其元素組成。利用PLS-DA對(duì)不同質(zhì)量鹿茸光譜進(jìn)行定性分析，并且通過(guò)挑選特征譜線提高了分類實(shí)驗(yàn)的魯棒性，分類準(zhǔn)確率達(dá)到100%。研究證明了LIBS技術(shù)運(yùn)用于鹿茸質(zhì)量評(píng)估的可能性。

圖4 不同質(zhì)量鹿茸LIBS光譜

針對(duì)傳統(tǒng)木材種類判別方法存在的局限，團(tuán)隊(duì)提出利用LIBS技術(shù)對(duì)木材種類進(jìn)行識(shí)別分類。實(shí)驗(yàn)證明利用LIBS技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)ANN可應(yīng)用于木材分類，其分類正確率均在95%以上。當(dāng)進(jìn)一步優(yōu)化ANN網(wǎng)絡(luò)參數(shù)設(shè)置時(shí)，分類正確率可達(dá)到100%。為木材種類識(shí)別提供了一種高效準(zhǔn)確的方法。

圖5 實(shí)驗(yàn)測(cè)量4種不同種類木材LIBS光譜圖

三、團(tuán)隊(duì)LIBS代表性論文10篇

1. Qianqian Wang, Geer Teng, XiaoleiQiao, Yu Zhao, Jinglin Kong, Liqiang Dong, and Xutai Cui, importance evaluation of spectral lines in Laser-induced breakdown spectroscopy for classification of pathogenic bacteria, Biomed. Opt. Express 9, 5837-5850 (2018)

2. 王茜蒨, 趙宇, 盧小剛, et al. 激光誘導(dǎo)擊穿光譜與拉曼光譜技術(shù)在危險(xiǎn)物檢測(cè)中的研究進(jìn)展[J]. 光譜學(xué)與光譜分析, 2017(8).

3. Wang Q Q , He L A , Zhao Y , et al. Study of cluster analysis used in explosives classification with laser-induced breakdown spectroscopy[J]. Laser Physics, 2016, 26(6):065605.

4. He L , Wang Q , Zhao Y , et al. Study on Cluster Analysis Used with Laser-Induced Breakdown Spectroscopy[J]. Plasma Science and Technology, 2016, 18(6):647-653.

5. Wang Q Q , Liu K , Zhao H , et al. Detection of explosives with laser-induced breakdown spectroscopy[J]. 物理學(xué)前沿：英文版, 2012, 7(6):701-707.

6. Wang Q Q , Liu K , Zhao H . Multivariate Analysis of Laser-Induced Breakdown Spectroscopy for Discrimination between Explosives and Plastics[J]. Chinese Physics Letters, 2012, 29(4):044206.

7. 王茜蒨, 黃志文, 劉凱, et al. 基于主成分分析和人工神經(jīng)網(wǎng)絡(luò)的激光誘導(dǎo)擊穿光譜塑料分類識(shí)別方法研究[J]. 光譜學(xué)與光譜分析, 2012, 32(12).

8. 趙華, 王茜蒨, 劉凱, et al. 無(wú)機(jī)爆炸物及其主要成分的激光誘導(dǎo)擊穿光譜實(shí)驗(yàn)研究[J]. 光譜學(xué)與光譜分析, 2012, 32(3).

9. 劉凱, 王茜蒨, 趙華, et al. 激光誘導(dǎo)擊穿光譜在塑料分類中的應(yīng)用[J]. 光譜學(xué)與光譜分析, 2011, 31(5).

10. Wang Q , Jander, P, et al. Comparison of 1064 nm and 266 nm excitation of laser-induced plasmas for several types of plastics and one explosive[J]. Spectrochimica Acta Part B Atomic Spectroscopy, 2008, 63(10):1011-1015.