在光谱类科学仪器领域，长期稳定性是衡量仪器性能的重要指标，也是实现高精度测量和选矿数字化的重要基础。LIBS以检测速度快、无需样品预处理及实时原位检测等优势，在光谱检测领域展现出巨大潜力。但在实际应用中，特别是在复杂的工业环境下，环境干扰导致的信号漂移问题制约着LIBS的广泛应用。

　　针对上述难题，科研团队提出了ID-PLS方法。他们首先引入强度比漂移值，即检测值与理想值之间的偏差，实现了光谱在长时间检测过程中波动情况的精准表征。

　　之后，他们再利用机器学习中的偏最小二乘算法（即PLS算法），将光谱检测值校准到理想值附近，确保其校准效果的下限不低于传统的平均内标法，从而显著提升光谱测量的长期稳定性。

　　实验结果显示，ID-PLS方法可有效提升LIBS测量的长期稳定性。该成果应用于自主研发的LIBS钢水成分传感器上，并在不同低合金钢样品上进行了测试。结果表明，与传统的漂移校正方法相比，ID-PLS方法在对碳、硅、钼、镍、铜和锰等多种元素的综合校准中性能更优异。这为提升光谱传感器的长期稳定性提供了切实可行的解决方案。

　　近年来，中国科学院沈阳自动化研究所LIBS科研团队从核心技术攻关和仪器研制两方面发力，在铁矿原料、金属分析、选矿工业、深海探测等领域探索攻关并取得一系列成果。其中，LIBS在炼钢厂成功示范应用，在国际上首次实现了40吨级钢包的钢水成分在线测量，并开发了基于LIBS的系列化高端在线分析仪器，使我国贫铁矿、磷矿选矿生产过程实现了矿浆品位高精度在线测量。