β-胡萝卜素作为一种重要的营养元素, 其在果蔬活体内的测定方法通常必须对样品进行破坏, 并且耗时、 费力。 采用拉曼光谱技术预测活体枇杷果实内β-胡萝卜素含量, 以高效液相色谱法(HPLC)检测值作为参考值, 采用高斯平滑对光谱数据进行预处理, 同时使用多项式拟合（PF）的方法对光谱数据进行背景荧光扣除, 以标准β-胡萝卜素的拉曼图谱为基础, 选取了三个特征频移, 以特征频移和截取的光谱建立了MLR模型、 PLSR模型以及LS-SVM模型, 取得了比较好的预测精度。 其中LS-SVM模型的预测精度最高, 其预测相关系数R2p达到了0.91, 表明通过拉曼光谱对活体枇杷内β-胡萝卜素的含量检测是实际可行的。

种子纯度是衡量种子品质的重要指标。 提出一种基于近红外(874～1　734 nm)高光谱技术实现玉米种子可视化鉴别的方法。 采集4个品种共384个玉米种子样本的高光谱图像数据, 随机选择288个样本作为建模集, 剩余96个样本作为预测集。 对玉米种子光谱曲线进行分析后, 通过连续投影算法（SPA）选取7个特征波段作为输入, 结合偏最小二乘法判别分析(PLS-DA)模型, 对预测集进行预测, 获得较好的分类效果, 其中RC=0.917　7, RMSECV=0.444　2; RCV=0.911　5, RMSECV=0.459　9, 建模集和预测集的总体鉴别率分别为78.5%和70.8%。 通过图像处理技术提取高光谱图像中每个玉米颗粒的平均光谱数据, 输入建立的SPA-PLS-DA模型, 在计算生成的鉴别图中以不同颜色标识不同类别, 实现了混杂玉米种子样本的可视化鉴别。 对3份不同组成的混杂种子样本进行鉴别, 达到了较好的可视化效果。 结果表明, 通过可视化鉴别技术, 可以直观方便地观察混杂种子样本中不同品种种子的分布和数量, 为农业生产中种子的纯度鉴别和筛选提供了帮助。