Front. Phys._Table of Contents_19(6), 2024

本文综述了激光诱导击穿光谱（LIBS）技术的最新进展，特别是机器学习在该领域的应用。LIBS作为一种快速、在线、原位测量的光谱分析技术，具有巨大的潜力。然而，传统的基于物理原理的校准模型在复杂基质效应和信号波动方面的补偿能力有限，导致定量结果不尽如人意。机器学习能够智能地将复杂的LIBS光谱数据与分析结果关联起来，实现光谱选择、变量重构、去噪和去干扰等数据预处理，并在建模过程中抑制信号波动、基质效应和自吸收效应的影响。因此，机器学习已成为提高LIBS定性和定量性能的必然选择。未来的研究需要解决训练数据的限制、物理原理与算法之间的脱节、模型的泛化能力和大规模数据处理能力等问题。