近日，机电学院许丽佳教授团队在自然指数收录期刊《Analytical Chemistry》发表题为《Decoupling Free-Iron-Oxide Masking Enables Hyperspectral Quantification of Microplastics in Iron-Rich Purple Soil》（解耦游离铁氧化物遮蔽效应，实现富铁紫色土中微塑料的高光谱定量）的研究论文。研究面向复杂农业土壤中弱目标组分的可靠感知问题，构建了“高光谱传感—物理约束信号解耦—机器学习与深度学习定量”的完整技术链，推动团队在作物生境监测与土壤智能感知领域取得新进展。
与团队此前将太赫兹时域光谱和机器学习用于土壤微塑料快速定量的研究相比，本项工作进一步将研究重点从“能否快速检测”推进到“复杂背景下能否稳定、准确并可解释地测量”。经前期发现，铁氧化物含量是影响土壤微塑料光谱检测的系统性干扰因素，团队提出目标正交—梯度加权外部参数正交化方法TO-GW-EPO，并结合特征筛选和卷积神经网络，实现对聚乙烯微塑料的准确预测。该研究将高光谱传感、土壤光学机理与AI模型结合，形成了从传感信号获取、背景干扰识别、目标保护校正到智能定量预测的完整研究路径，为土壤健康监测、作物生境感知及智慧农业检测装备研发提供技术支撑。
四川农业大学为该论文第一完成单位，博士研究生石小仕为第一作者，许丽佳教授为唯一通讯作者。该研究得到四川省自然科学基金面上项目、四川省科技厅重点研发项目和四川省智慧农业工程研究中心支持。
论文链接：https://doi.org/10.1021/acs.analchem.6c04011
