近日，信息工程学院智能感测团队联合北京理工大学精密光谱与光电技术实验室、山东省科学院海洋仪器仪表研究所在激光诱导击穿光谱（LIBS）煤质在线定量分析方面取得重要研究进展。相关成果以“High accuracy raw coal analysis by LIBS via fusing feature aware and score-space anomaly detection”为题发表于国际权威分析化学期刊《Talanta》（IF=6.3）。郑一博教授、李安博士、研究生杨慧珂为论文主要作者。
针对原煤在线检测中面临的基体效应强、样品异质性高及异常光谱干扰等问题，研究团队提出了一种融合光谱特征感知分类与主成分空间异常数据检测的新方法，实现了对在线原煤灰分的高准确度定量分析。该方法基于CN与C2分子发射带实现光谱快速筛选与分级，有效剔除非煤杂质信号，并将样品划分为超低灰分、低灰分和中灰分三个类别。在此基础上，引入基于主成分分析的异常光谱检测算法，根据数据在特征空间的几何分布精准识别并剔除异常样本，进一步提升数据代表性。实验结果表明，灰分模型决定系数均高于0.92，测试均方根误差最低为0.3592 wt%。在原煤运输车现场应用验证中，测量结果与实验室方法高度一致，误差控制在1.0 wt %以内，展现出良好的工程适用性。研究团队构建了面向复杂异质体系的LIBS分析新方法，将光谱信息与模型稳健性有机结合，不仅为煤炭质量实时在线检测提供了有效解决方案，也为其他工业材料的快速成分分析提供了新的技术思路。（论文原文地址：https://doi.org/10.1016/j.talanta.2026.129770）
