Une technique de fusion de caractéristiques multispectrales (MFFT) basée sur la spectroscopie Raman (Raman) et la spectroscopie d’émission induite par laser (LIBS) est proposée, exploitant la complémentarité entre les informations sur les composants moléculaires dans le spectre Raman et les informations sur les composants atomiques dans le spectre LIBS. La technique de modélisation utilisant la transformation adaptative par ondelettes (AWT), le poids adaptatif compétitif (CARS) et la régression par moindres carrés partiels (PLS) a permis d’obtenir des informations caractérisant de manière plus complète le système de farine. Dans la technique de fusion des caractéristiques multispectrales, les variables caractéristiques des spectres Raman et LIBS sont d'abord extraites respectivement par la méthode AWT-CARS, puis fusionnées en un vecteur, et le modèle MFFT est construit par la méthode PLS pour permettre une analyse quantitative des impuretés dans la farine. L’efficacité du modèle MFFT a été évaluée par la modélisation du système d’impuretés de farine telles que le dioxyde de titane et le sulfate d’aluminium et de potassium. Les résultats montrent que, par rapport aux modèles prédictifs basés sur la seule spectroscopie Raman ou LIBS, le modèle MFFT améliore significativement les performances prédictives : le coefficient de corrélation linéaire des modèles pour le dioxyde de titane et le sulfate d’aluminium et potassium est passé de 0,884 et 0,877 du modèle Raman relativement faible à 0,981 et 0,980 respectivement, tandis que l’erreur quadratique moyenne de prédiction est passée de 0,151 et 0,154 à 0,069 et 0,068 respectivement. Cela indique que la technique de fusion de caractéristiques multispectrales peut extraire avec précision les informations moléculaires des spectres Raman et les informations élémentaires des spectres LIBS, les rendant complémentaires et correctives l’une de l’autre, surmontant ainsi efficacement l’interférence de la matrice de la farine dans l’analyse quantitative des impuretés et améliorant considérablement la précision prédictive du modèle.

Spectroscopie Raman; Spectroscopie d’émission induite par laser; Technique de fusion de caractéristiques multispectrales; Impuretés dans la farine