易科泰FireFly LIBS快速元素分析与成像系统凭借无需样品预处理、多元素同时检测及原位成像的能力，正成为种质资源研究中极具潜力的分析工具。其使用的LIBS技术有效解决了传统化学分析耗时长、破坏性强的问题，可直接对植物叶片、种子乃至土壤进行快速扫描，实现对氮（N）、磷（P）、钾（K）等关键营养元素及重金属的实时监测。该系统能够获取样本表面的空间分布信息（Mapping），通过机器学习算法分析不同品种间的元素特征差异，从而辅助作物品种鉴别、产地溯源与遗传背景分析。在逆境胁迫研究与品质评估领域，这项技术被广泛应用于探究植物在重金属污染或干旱胁迫下的生理响应——例如通过监测叶片中硅（Si）或钙（Ca）的积累模式，评估作物对非生物胁迫的耐受性。

种子活力检测

图1. 左图：高低活力种子的元素成分差异；右图：不同波段低活力与高活力种子样品的聚类分离趋势

  巴西作为全球最大的大豆出口国，其研究团队与意大利团队携手，运用激光诱导击穿光谱（LIBS）技术，结合多元分析与机器学习算法，探索快速高效区分低活力与高活力大豆种子批次的可行性。研究发现，两类种子的主要元素（C、Mg、Ca、N、K）发射峰强度存在差异，其中高活力种子的Ca I、C、C=N、Mg I/II等峰强度低于低活力种子。结果表明，LIBS技术结合主成分分析（PCA）及支持向量机（SVM）等机器学习算法，能够高效区分低活力与高活力大豆种子批次——350-450 nm光谱波段为最佳鉴别区域，钙元素是核心区分因子；SVM算法的分类准确率最高可达98.9%，其中二次SVM和三次SVM分别在高活力、低活力种子识别中实现100%准确率。

种子品种识别

图2. 左图：10 个品种大豆的平均 LIBS 光谱图；右图：基于前 3 个主成分（PC）的 3D 散点图

  浙江大学技术团队在《PLANT SCIENCES》发表题为“Fast identification of soybean seed varieties using laser-induced breakdown spectroscopy combined with convolutional neural network”的研究文章，通过激光诱导击穿光谱（LIBS）结合深度学习技术，实现了大豆种子品种的快速鉴别，单粒种子检测耗时仅30秒；其中以“光谱矩阵”为输入的2D-PCSA-ResNet模型表现最优，预测准确率达91.75%；研究中显著性图与元素峰位置的对应关系表明，大豆中碳（C）、硅（Si）、镁（Mg）、钙（Ca）、钠（Na）等元素的含量及比例是区分品种差异的关键；该方法为农产品品种鉴别提供了全新范式，具有广阔的实际应用前景。

稻米品质检测

图3. 左图：LIBS 光谱峰分析图；右图：光谱数据与品质指标的相关性分析：（A）支链淀粉相关性，（B）蛋白质相关性；

  华中农业大学与中国科学院长春光学精密机械与物理研究所，针对显微高光谱成像、拉曼光谱、激光诱导击穿光谱（LIBS）三种技术在水稻支链淀粉与蛋白质含量检测中的适用性展开研究，分析了稻谷、糙米、精米、米粉四类样品对光谱检测建模结果的影响，并筛选出与支链淀粉、蛋白质等目标成分相关的特征变量，旨在为水稻品质无损检测技术的优化提供参考。实验结果显示，在三种光谱技术中，LIBS在水稻支链淀粉和蛋白质含量检测中的表现最优（R²最高达0.81），拉曼光谱次之，显微高光谱成像效果相对较差。此外，LIBS筛选的特征变量与目标成分的元素组成匹配度较高，而拉曼光谱的特征变量受分子结构及实验条件的影响较大。本研究为水稻品质无损检测提供了技术对比依据，LIBS与拉曼光谱可作为优先选用的技术手段，且需结合样品类型进一步优化检测方案。

营养元素与农药检测

图4. 左图：菠菜和稻米的Mg元素归一化曲线；右图：（A）清洁菠菜 vs 对硫磷污染菠菜、（B）清洁菠菜 vs 三乙膦酸铝污染菠菜、（C）清洁糙米 vs 对硫磷污染糙米 PLS-DA 得分图

  美韩科研团队运用LIBS技术，对菠菜和大米中的关键营养元素（Mg、Ca、Na、K）开展快速定量分析；同时结合化学计量学方法，实现了农药污染与未污染农产品（菠菜、大米）的快速区分，有效解决了传统方法难以鉴别农药污染的问题。尽管农药所含元素与农产品自身元素存在重叠，无法通过单一元素检测鉴别污染，但PLS-DA方法可借助LIBS光谱的多元素发射线分布特征，高效区分污染与未污染样品。其中，清洁菠菜的误分类率为0%，10 ppm农药污染菠菜的误分类率仅为2%，且该方法对硫磷、三乙膦酸铝污染均适用，充分验证了此项技术的实用性。

FireFly LIBS已发表文献内容

注：重金属元素在植物及水体中的元素分布图

注：锂矿石表面的元素空间分布

注：皮肤黑色素瘤的Ca、Mg、Na元素分布图

  作为中关村高新技术企业，北京易科泰专注于先进农业科研设备的研发与技术推广，为国内科研机构提供涵盖种子活力检测、质量评估、营养成分分析及在线分选的全套仪器设备，为种质资源创新、品种选育与产业化研究提供高效技术支撑，具体包括：

• PhenoTron种质资源检测系统
• SeedSort种子高光谱成像在线分析平台
• PhenoTron复式智能LED光源培养与光谱成像分析系统
• Thermo-RGB种子形态与动态热成像融合分析系统
• 高通量种子呼吸和活力测量系统
• Grainsense谷物成分分析系统
• 种子X射线成像分析仪
• PhenoTron-APP：种子发芽率快速测量APP

1. Kim G, Kwak J, Choi J, et al. Detection of nutrient elements and contamination by pesticides in spinach and rice samples using laser-induced breakdown spectroscopy (LIBS)[J]. Journal of agricultural and food chemistry, 2012, 60(3): 718-724.
2. Larios G S, Nicolodelli G, Senesi G S, et al. Laser-induced breakdown spectroscopy as a powerful tool for distinguishing high-and low-vigor soybean seed lots[J]. Food Analytical Methods, 2020, 13(9): 1691-1698.
3. Li X, He Z, Liu F, et al. Fast identification of soybean seed varieties using laser-induced breakdown spectroscopy combined with convolutional neural network[J]. Frontiers in plant science, 2021, 12: 714557.
4. Guo J, Jiang S, Lu B, et al. Exploring the potential of microscopic hyperspectral, Raman, and LIBS for nondestructive quality assessment of diverse rice samples[J]. Plant Methods, 2025, 21(1): 25.