根的金属元素含量对高粱生长过程有重要影响。 激光诱导击穿光谱(LIBS)是快速检测作物金属元素的理想技术。 建立了一套基于激光诱导击穿光谱与变维粒子群优化和组合移动窗口(VDPSO-CMW)的波长选择算法相结合的高粱根部金属元素定量分析方法。 获得不同Na和Fe浓度积累的高粱样本27份。 针对高粱根部的LIBS光谱, 利用VDPSO-CMW算法筛选与Na和Fe元素相关的特征波段, 并构建PLS定量分析模型。 经VDPSO-CMW算法优化后, 高粱根部Na元素的PLS模型的建模结果交叉验证决定系数(R2CV)为0.962, 相比优化前的模型上升了6.5%, 交叉验证均方根误差(RMSECV)为1.261, 相比优化前模型下降了37.7%, 预测决定系数(R2P)为0.988, 相比优化前的模型上升了16.8%, 预测均方根误差(RMSEP)为1.063, 相比优化前的模型下降了72.1%; 经VDPSO-CMW算法优化后的高粱根部Fe校正模型的R2CV为0.956, 相比优化前的模型上升了7.4%, RMSECV为5.095, 相比优化前的模型下降了37.1%, R2P为0.955, 相比优化前的模型上升了4.3%, RMSEP为6.438, 相比优化前的模型下降了27.3%。 结果表明, VDPSO-CMW波长选择算法能够剔除LIBS受自吸收、 谱线干扰等因素的波段, 提高定量分析准确度。 该算法和LIBS技术的结合不仅能够实现高粱根部Na和Fe元素的快速精确测定, 也适用于其他样本和元素的定量分析。

水稻是我国主要的粮食作物之一,重金属含量的检测对其安全性及品质具有 重要意义。激光诱导击穿光谱(LIBS)有望克服传统方法检测耗时的缺点,实现水稻等作物植株中重金属含量的快速 原位定量检测。利用共线双脉冲激光诱导击穿光谱(DP-LIBS)技术对水稻叶片中的重金属镉(Cd)元素进行了分析。 由于不同的特征谱线对结果有不同影响,为获取更准确、稳定的分析结果,采用样品表面多点烧蚀的实验方法,讨论 了Cd I: 228.8 nm、Cd II: 214.4 nm和Cd II: 226.5 nm三条共振线对于定标曲线相关系数(R2)和预测结果的 影响。对比研究发现, 532 nm激光先于1064 nm激光进行激发,且两束脉冲时间间隔为0.5 μs时能够获取最好的 光谱强度;在三条分析谱线中, Cd I: 228.8 nm、Cd II: 214.4 nm和Cd II: 226.5 nm谱线的定标曲线R2值分 别为0.86、0.60和0.93, 原子谱线定量结果高于离子谱线; Cd I: 228.8 nm谱线预测相对误差 低于10%, 检测限是3.03 mg/kg。实验表明通过对LIBS检测条件的优化,可以实现对水稻叶片中的重金属含量的检 测。另外实验中所优化的光谱采集和特征谱线选择方法,也有望应用在不同农产品的重金属成分检测上。

将基于图像清晰度评价函数的自动聚焦算法应用于共线双脉冲激光诱导击穿光谱(DP-LIBS),基于LabVIEW编写的控制软件对共线DP-LIBS实验系统与CCD相机、三维移动平台进行有效控制,将图像清晰度评价、自动聚焦算法和三维移动平台相结合,实现了样品的自动聚焦功能。实验结果表明:两激光脉冲间隔的最优位置为0.55 μs;原子谱线的稳定性高于离子谱线;采用自动聚焦系统后,光谱强度的相对标准偏差(RSD)从16.7%降低到6.7%,钢样中Cr元素和Mn元素定量分析的相关系数分别从0.851和0.639提高到0.947和0.923。自动聚焦系统能够提高信号的稳定性和测量精度。

研究利用重离子辐照杂交籼稻9311创建农艺性状突变体库, 使用化学方法筛选直链淀粉、蛋白质突变材料, 并分析籽粒品质性状与农艺性状之间的相关性, 为后续筛选直链淀粉、蛋白质突变体工作奠定基础。结果显示: 在169份直链淀粉、蛋白质突变体中, 直链淀粉含量变幅范围是7.64%～32.37%, 其中高含量直链淀粉突变体材料有11份, 低含量直链淀粉突变体材料有5份; 蛋白质含量变幅范围是7.05%～13.79%, 其中高蛋白突变体有34份, 低蛋白突变体有3份。从169份突变体中筛选出直链淀粉、蛋白质含量都有梯度差异的突变体材料, 筛选出材料的农艺性状分析结果表明: 在直链淀粉、蛋白质突变体材料的农艺性状中, 每穗实粒数、有效穗数、结实率和株高这四个农艺性状与籽粒品质性状间有关联, 变异系数分别为37.53%、30.72%、24.70%、15.38%。相关性结果表明: 直链淀粉含量和蛋白质含量呈负相关, 直链淀粉含量与农艺性状呈正相关, 蛋白质与农艺性状呈负相关, 其中蛋白质含量和每穗实粒数、结实率呈极显著负相关, 相关系数分别为-0.504、-0.592。

对单粒种子样品成分进行快速无损检测,对于作物遗传育种研究有着重要意义。本文采用近红外光谱技术(NIR)和偏最小二乘回归法（PLSR）,研究了水稻种子的近红外光谱特性及其与直链淀粉、蛋白质含量的关系,建立了基于NIR的水稻种子成分快速检测模型。通过比较几种不同的光谱预处理方法对于单粒和群体样品模型的效果,对模型进行了优化。结果显示,多元散射校正（MSC）对单粒样品模型的优化作用显著,而一阶导数对单粒和群体样品模型改善都有明显的效果。模型评价参数显示,预测效果良好,为基于NIR的水稻单粒种子成分分析提供技术支撑。

铯是核事故放射性粉尘中主要危害的核元素之一,建立对铯等核素的快速有效的检测监测是核事故应急的重要研究方向.建立了一种基于共线双脉冲激光诱导击穿光谱(DP-LIBS)技术的核素铯检测方法.对采集延时优化实验发现采集延时为2.0 ms,光谱信号最强.两激光脉冲间隔时间为3.8 ms 时,信号最好.通过对叶片样品压片进行定量分析,采用CsI:894.3 nm 为分析线,拟合曲线的拟合系数R2为0.91.进一步利用DP-LIBS 对不同浓度Cscl 处理的红叶石楠叶片进行直接分析,结果显示:不同浓度Cscl 处理的叶片在CsI:894.3 nm 处有明显发射谱线的,建立定标曲线的拟合系数为0.73；证明LIBS 技术可以实现对环境样品核素铯含量的快速检测的可行性.

提出了一种基于近红外漫反射光谱测定复合肥料中尿素、 缩二脲和水分等成分含量的新方法。 文中在对原始光谱进行预处理后建立了检测这三种成分含量的偏最小二乘（PLS）模型, 其检验决定系数R2值分别为0.986 1和0.971 3, 所建立模型的交互验证均方根误差RMSECV分别为2.59, 0.38, 0.132, 模型预测相关因子分别为0.973 3, 0.921 5, 0.967 9； 从市售的复合化肥中选取六种样品验证模型的准确性, 其相关因子分别为0.923 7, 0.978 6, 0.987 4。 研究结果表明, 该方法可以对复合肥料中尿素、 缩二脲和水分等成分含量进行快速测定, 与传统分析方法相比具有分析时间短、 操作简便、 环保无污染等优点, 有较好的应用前景和实际意义。

使用近红外光谱技术直接扫描甜叶菊干叶片, 建立了甜菊苷(stevioside, ST)和莱鲍迪苷 A(rebaudioside A, RA)的检测模型。 对甜菊苷含量在0.27%～1.40%, 莱鲍迪苷 A含量在0.61%～3.98%范围内的不同品种的甜叶菊干叶片进行了近红外光谱扫描, 共扫描了105份。 采用偏最小二乘法建立甜菊糖苷的检测模型, 比较了减去一条直线、 多元散射校正、 一阶导数和二阶导数等不同的光谱预处理方法对模型的影响。 结果显示减去一条直线的数据预处理方法为ST的最优建模方法。 ST校正集相关系数为0.986, 校正均方根误差为0.341, 预测均方根误差为1.00, 相对分析误差为2.8; RA采用无光谱预处理建模, RA的建模结果相关系数为0.967, 校正均方根误差为1.50, 预测均方根误差为1.98, 相对分析误差为4.17。 说明近红外光谱技术检测甜叶菊干叶片中ST和RA的含量具有一定的可行性。 同时与甜叶菊粉末ST模型结果相关系数为0.986, 校正均方根误差为0.32, 预测均方根误差为0.601, 相对分析误差为2.86和RA模型结果相关系数为0.968, 校正均方根误差为1.50, 预测均方根误差为1.48, 相对分析误差为4.2相比差异不明显。 但减少了叶片粉末检测过程中的烘干、 研磨的步骤, 节省了时间, 降低了工作量。

采用1064 nm的激光对炉渣样品进行烧蚀，分析了影响炉渣中信号稳定性的一些因素。激光能量在小范围波动（±2%）对信号的稳定性影响很小，参考激光能量和光谱信号强度无明显关系。当激光频率降低至4 Hz以下时，信号的相对标准偏差下降至10%左右。当激光聚焦位置位于样品表面下3 mm时信号强度和稳定性最优。熔渣样品信号的稳定性高于粉渣样品，不同渣系的炉渣的稳定性也不相同。对于原子线，不同点烧蚀的稳定性远远优于单点烧蚀稳定性，而对于离子谱线，两种不同的烧蚀稳定性差别不大。

本文用MPA傅立叶变换近红外光谱仪研究了单粒水稻种子的漫反射光谱特征, 发现颖壳对光谱扫描有影响, 为了尽量消除这种影响, 保证光谱的代表性, 应对其上下表面分别进行多次光谱采集, 取它们的平均光谱。本文利用种子品种特有的光谱特性, 结合不同光谱预处理方法建立了多个聚类分析模型, 比较它们对杂交F1代种子“03S/0412”和其父本种子“0412”的鉴别效果。结果显示: 选择4000～8900 cm-1光谱范围, 通过“无预处理”、“矢量归一化”、“二阶导数（25点平滑）”和“二阶导数（25点平滑）+矢量归一化”建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%, 可见, 相比无预处理, 经过各种预处理后正确率都有提高, 其中“二阶导数（25点平滑）+矢量归一化”建立的模型最好, 用该模型对预测集预测, 分类正确率也为100%, 具有很好的预测性能。这说明近红外光谱技术可用于单粒水稻种子品种真伪性鉴别。