粘度是反映纸张纤维素分子聚合度和力学性能的重要指标, 实时、 准确地获取粘度含量对于珍贵纸质材料的修复和保护具有重要的意义。 然而, 传统的纸张粘度分析方法主要采用化学手段, 该化验过程耗时较长, 且会对纸张不可避免的产生二次损伤。 针对这一问题, 高光谱遥感凭借其丰富信息量、 实时、 无接触的特点, 是无损获取纸张粘度含量的有效途径。 首先, 在实验室获得不同老化程度的实验纸张测得其粘度含量, 采集纸张样本的光谱影像数据, 通过光谱降噪、 光谱变换和光谱信息扩展实现纸张高光谱数据的预处理, 建立不同老化程度下的纸张粘度含量光谱数据库, 分别构建不同光谱变换方式下的光谱差值、 比值和归一化指数, 再结合相关性分析筛选其中与粘度相关性最强的12种最优光谱指数, 最后将其作为自变量搭建关于粘度含量的回归模型, 通过模型精度对比来优选其中最能有效表征纸张粘度含量变化的光谱指数及模型。 研究结果表明: (1)相对于原始光谱而言, 经过光谱变换处理后提取的粘度高相关特征子集占比得到大幅提升, 同时其中的相关系数均值与中位数也得到提高; (2)通过光谱信息扩展后得到的光谱信息参量与粘度的相关性高于原本的光谱谱段, 且提取的12种最优光谱指数中大部分有扩展信息参量的参与; (3)不同光谱变换结果下提取的最佳光谱指数与粘度含量的相关性都在0.89以上, 由其中筛选得到的三种具备代表性的光谱指数都有效反映纸张粘度在400~500 mL·g-1时的变化情况; (4)纸张光谱经过对数一阶微分处理后, 由光谱积分(SI)和光谱吸收深度(SAD)构建的归一化指数与粘度相关性最大, 达到了-0.917, 由该指数建立的模型在训练集和测试集上R2分别为0.84和0.76, 其在测试集中MRE为0.089, RMSE为40.29 mL·g-1。 研究结果可为纸张粘度含量遥感反演提供科学的理论与技术支撑, 对纸质文物无损分析体系的构建具有重要参考意义。

牙周炎是牙齿周围软硬组织的一种感染性、 破坏性疾病, 主要临床表现为牙周袋的形成, 临床附着丧失以及牙槽骨吸收。 可见近红外光谱技术具有无创、 快速检测等优势, 在医学领域得到了较为广泛的应用。 利用可见近红外光谱技术检测重度牙周炎牙龈组织内含氧血红蛋白和脱氧血红蛋白含量。 本研究纳入5名健康对照者和5名重度牙周炎患者, 采集健康者20个位点和重度牙周炎20个位点龈缘、 龈缘下4 mm及龈缘下7 mm的牙龈组织光谱（400～1 700 nm）, 研究发现含氧血红蛋白与脱氧血红蛋白分别在544和576 nm处表现出明显光谱吸收特征。 对原始光谱数据进行包络线去除分析, 并计算含氧血红蛋白和脱氧血红蛋白的相对吸收深度。 结果表明重度牙周炎牙周袋内的含氧血红蛋白和脱氧血红蛋白含量均显著高于健康组（p<0.05）, 而重度牙周炎深牙周袋内不同深度位置其含氧血红蛋白和脱氧血红蛋白含量无统计学差异。 研究结果可反映重度牙周炎与健康牙龈组织中血氧含量差异, 为可见近红外光谱技术应用于牙周炎患者牙龈组织中含氧血红蛋白和脱氧血红蛋白含量的无创检测提供科学依据。

啤酒新鲜度是市场消费者非常关注的品质指标, 也是各大啤酒公司的核心竞争力。 传统啤酒新鲜度检测方法一般需要十分昂贵的分析仪器和化学试剂, 消耗大量时间, 检测成本较高。 随着啤酒的老化, 啤酒中的成分物质亦将发生变化, 其对应的光谱特征也将发生改变。 利用光谱分析技术, 挖掘表征啤酒老化的光谱特征, 构建啤酒新鲜度指数(BFI), 可实现啤酒新鲜度的快速、 无损检测。 将新鲜啤酒分三等份装入相同容器, 其中2份为避光保存, 1份为光照下保存, 用PSR-3500光谱仪对啤酒样品进行光谱采集, 每隔24 h采集一次, 共采集6次, 获得不同新鲜程度啤酒的光谱数据。 对采集的光谱数据进行特征波段选择、 包络线去除等预处理, 增强后的光谱显示842.0 nm处的波谷深度随放置时间的增长而变小, 因此基于842.0 nm的波谷深度构建反应啤酒新鲜度的光谱特征指数(BFI)。 实验结果表明, BFI值随放置时间的增长而逐渐下降, 且避光保存的两组样品BFI值下降速率基本一致, 而由于光照加速了啤酒中的老化反应, 使得光照保存的样品BFI值下降速率较快, 结果显示BFI能够较好指示啤酒的新鲜程度。 此外, 通过模拟不同光谱分辨率与信噪比水平, 评价BFI对光谱检测设备性能的敏感性。 具体地, 利用高斯函数分布函数和平均分布函数分别生成光谱分辨率为5～40 nm的数据和信噪比为10～60 dB的数据, 对其进行特征波段选择、 包络线去除等预处理, 计算BFI值并进行分析。 实验显示, 当光谱分辨率低于15 nm、 信噪比低于10 dB时, 样品842.0 nm的光谱吸收特征逐渐被掩盖, BFI将难以指示啤酒的新鲜程度。 然而, 只要在798～872 nm及附近波段光谱分辨率优于10 nm、 信噪比不低于35 dB, BFI即可准确指示啤酒新鲜度, BFI对光谱仪的性能要求并不严苛。 综上所述, BFI能够准确指示啤酒新鲜度, 服务于便携式啤酒新鲜度光谱检测设备的设计与研发, 促进光谱分析技术在啤酒品质无损检测及相关领域的应用推广。

有机污染物是水体污染的主要来源, 水体有机污染程度可通过化学需氧量(COD)指标综合表示。 与传统复杂专业的化学检测手段相比, 遥感技术因具有快速、 实时、 非接触、 大面积等独特优势而广泛用于水体水质监测, 包括叶绿素、 悬浮物和黄色物质等生色参数的定量反演。 然而目前对于水体COD这一重要水质参数的遥感反演报道不足, 这主要是因为影响COD浓度的有机污染物复杂多变、 光谱响应机理尚不明晰。 通过测量实验室配比的不同浓度COD标准液及野外实际水体的可见-短波红外反射光谱（350～2 500 nm）, 分析了水体COD的光谱响应特性。 研究发现, 随着COD浓度增加, 水体反射光谱在可见-短波红外范围内整体逐步上升, 但在540～580和1 000～1 060 nm波段范围内光谱响应快速增强, 表现出—OH伸缩振动的三级倍频和—CH伸缩振动与变形振动的合频吸收特征。 利用上述敏感谱段与全谱段分别对实验室COD标准液和野外实际水体建立偏最小二乘（PLS）回归模型, 其中, COD标准液模型反演精度: (1）敏感谱段, R2=0.972, RMSE=39.629 mg·L-1; (2）全谱段, R2=0.961, RMSE=46.639 mg·L-1; 实际水体模型反演精度: (1）敏感谱段, R2=0.798, RMSE=32.037 mg·L-1; (2）全谱段, R2=0.658, RMSE=48.332 mg·L-1。 结果表明, 不管是COD标准液还是实际水体, 基于敏感谱段的COD反演模型精度均优于基于全谱段的反演模型。 研究可为水体COD遥感反演提供重要的理论与技术支撑。

蔬菜品质和新鲜度的高低不仅影响食用时的口感, 而且营养程度也不一样。 作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测, 已经越来越受到国内外学者的重视。 相比于传统的肉眼目视判断的检验方法, 可见-近红外光谱分析具有快速高效、 无损、 非接触等独特的优势, 更加适合蔬菜的实时检测。 目前相关研究主要集中在生长中植被叶绿素和含水量的反演, 对市场上成品蔬菜的研究较少, 或者研究对象单一, 缺乏市场普适性。 此外, 光谱数据的获取需要专业的光谱仪采集, 费时费力, 各种生理生化指标的研究离实用化还有很长的距离。 为了与实际相结合, 基于智能手机光谱系统（SCSS)建立了快速、 准确、 普适性强的反演蔬菜叶绿素和含水量的模型, 并通过地面光谱仪SVC数据验证了该系统的可靠性。 选取市场典型的五种蔬菜（菠菜、 小油菜、 油麦菜、 生菜和娃娃菜）作为实验样本, 分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。 每隔24 h进行一次数据采集。 对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。 构建蔬菜叶绿素反演指数(VCRI（m, n）)和蔬菜含水量反演指数(VWRI(i, j)), 分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数, 最终建立了叶绿素和含水量的加权平均反演模型。 实验结果表明, SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致, 叶绿素反演的敏感波段在730~980 nm之间, 反演精度R2分别为0.863和0.808 1, 标准差为8.679 5和8.892 5; 含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间, 反演精度R2分别为0.742 9和0.712 9, 标准差为8.789 9%和8.861 4%。 SVC实验数据跟SCSS实验数据结果十分接近, 验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。 智能手机光谱系统具有体积小、 价格便宜的优势, 结合网络云端服务和实时数据反馈的特点, 能够实现蔬菜品质和新鲜度指标的智能检测, 让光谱分析真正应用于人们日常生活中。

唐卡作为一件艺术品, 具有较高的历史价值和艺术价值。 对唐卡的矿物颜料进行鉴别分析, 对唐卡的鉴定、 修复、 数字化存档、 再现等具有非常重要的意义。 该研究对唐卡主色矿物颜料进行体系性的光谱分析, 选用唐卡绘制过程中5种主色常用的矿物颜料, 深入分析矿物颜料的可见光、 近红外、 短波红外光谱特征产生机理, 总结了不同色系矿物颜料可见光、 近红外、 短波红外谱段光谱特征。 通过分析同一矿物颜料粉末、 调和骨胶颜料以及颜料上布色卡光谱特征, 发现粉状颜料调和骨胶后, 反射率整体下降, 在1 447和1 928 nm附近出现两个水的强吸收特征。 而当骨胶溶物涂绘上布后, 随着膏状颜料中水分的减少, 上述两个吸收特征均变弱, 个别颜料在1 447 nm处的吸收特征甚至消失。 因此, 矿物颜料粉末和颜料上布色卡光谱极为接近, 可以在后期的唐卡颜料分析中直接利用唐卡矿物颜料粉末光谱进行匹配分析。 唐卡红色矿物颜料为朱砂, 矿物成分主要为HgS, 其光谱在可见光波段先降后升, 500 nm附近形成一个较深的吸收特征, 且吸收峰较宽（430～530 nm）, 红光谱段附近反射率急速升高, 近红外波段反射率变化较为平直, 在1 940和2 250 nm附近有弱吸收特征。 唐卡黄色矿物颜料主要有三种: 土黄（雄黄、 雌黄）, 赭石及金箔, 主要成分分别为硫化砷、 氧化铁及金。 其特征光谱在可见光谱段集中在400～500 nm之间, 不同颜料的吸收特征位置和吸收深度均不同。 赭石在近红外波段的反射率整体较低, 且860 nm附近还出现了吸收特征; 而雄黄、 雌黄和土黄则在近红外和短波红外谱段表现出反射率较高且波形平直, 在1 890和2 230 nm附近有弱吸收特征; 金箔在可见光波段的吸收特征窄浅, 可作为区分的依据。 唐卡蓝色矿物颜料为石青, 主要矿物成分为蓝铜矿, 其光谱在500～1 000, 1 500, 2 040, 2 285和2 350 nm附近均有较强吸收特征, 而在1 885和1 980 nm处有弱吸收特征。 唐卡绿色矿物颜料为石绿, 主要矿物成分为孔雀石, 其光谱在550～1 000 nm有较强的宽吸收特征, 在2 270和2 350 nm有明显吸收特征。 尽管石青和石绿主要矿物成分皆为碳酸铜, 但石绿在900～1 900 nm红-近红外谱段反射率增加较缓, 1 500 nm无吸收特征, 可以作为区分石青和石绿的依据。 唐卡白色矿物颜料为砗磲和白土, 主要矿物成分分别为碳酸钙和高岭土。 在可见光谱段范围, 砗磲在370 nm有弱吸收特征, 而白土则在370和730 nm处有两个明显的吸收特征, 可作为区分。 在短波红外和近红外谱段, 白土在1 425, 1 930和2 230 nm均具有明显吸收特征, 砗磲则在1 930和2 320 nm有明显吸收特征, 1 440 nm处吸收特征较弱。 且同种矿物颜料粉末, 矿物粉末颗粒越大, 颜料颜色越深, 其光谱特征反射率越低。

葡萄酒市场的迅猛发展, 大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。 假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌, 也会对人体产生一定的伤害。 葡萄酒中掺水掺伪是制造假酒的最常见的手段, 因此, 对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。 相比于传统的感官鉴定法、 理化指标分析检验方法, 具有快速、 高效、 无需破坏样本、 非接触性等独特优势的可见-近红外光谱分析技术, 更加适合于葡萄酒品质的快速检测。 为了快速、 准确的检测葡萄酒掺水问题, 基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI), 并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。 首先采用长城解百纳葡萄酒(CC)、 张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本, 分别提取相同量的葡萄酒作为实验对象, 掺入比例为0%(未掺水的纯葡萄酒), 4%, 7.7%, 11.1%, 14.3%, 17.2%的蒸馏水, 获取样本共18份; 另外对长城葡萄酒加大掺水比例, 分别掺入比例为0%, 20%, 40%, 60%, 80%, 90%的蒸馏水, 获取样本数为6份, 共获得24份掺有不同比例蒸馏水的葡萄酒样本。 然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据, 并对葡萄酒样本的原始光谱数据进行S-G滤波、 特征波段选择、 包络线去除等特征增强预处理; 通过分析预处理后的葡萄酒样本的可见-近红外光谱特征, 选取能反映葡萄酒掺水程度的837 nm处稳定的吸收特性, 构建了葡萄酒掺水的光谱吸收深度指数(DI)。 为了提高光谱吸收深度指数DI的稳健性, DI指数中光谱反射率的值均采用837 nm附近微小邻域均值进行计算。 最后采用二次多项式拟合方法, 给出了基于DI指数的葡萄酒掺水量的反演估算模型。 选用长城解百纳葡萄酒在837 nm处微小邻域内光谱吸收深度指数DI值, 同时选择长城葡萄酒样本中的七个样本作为模型预测集, 另外4个样本作为测试集, 对该葡萄酒掺水量的反演估算模型进行验证分析。 实验结果表明, 采用二次多项式拟合方法, 该模型结果的精度R平方高达0.999 2, 且该模型的估算值与真实值的平均相对误差为0.042 5, 表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。 光谱吸收深度指数DI构建简单, 且能够反映不同品牌的葡萄酒的掺水稀释程度。 研究结果可为低成本、 手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据, 进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。

高光谱遥感技术对文物完全无损， 适于对中国古画等文物进行颜料的鉴别与分析， 但是中国古画中混合颜料不同成分的定量分析仍然是文物颜料分析领域中的难点。 针对中国古画中经常出现的混合颜料现象， 以石青、 石绿两种典型的矿物颜料为例， 选用粒度大小相同的两种矿物颜料粉末， 按照不同的体积比例精确配比获取颜料样本， 然后精确控制实验条件获取其光谱。 对混合光谱分别用全约束最小二乘法进行全波段光谱解混， 用比值导数解混算法进行单波段光谱解混， 然后评定解混精度并对解混结果进行对比分析， 探讨这两种矿物颜料的光谱混合模型。 实验结果表明， 石青、 石绿两种矿物颜料的光谱混合从总体上来说非线性混合特征较强， 但是在局部某些波段又基本符合线性混合模型， 利用这些波段采用比值导数法解混， 可以得到远高于全波段解混精度的定量分析结果。

舌苔舌质信息定量描述作为中医舌诊的重要内容, 直接影响到中医临床舌诊的准确性。 基于生物医学光子学理论, 利用高光谱技术, 提出一种基于双波长比值光谱差异度指数进行人体舌质舌苔分离的光谱分析新方法。 首先采集被测对象371.200～992.956 nm之间共343个波长的舌体高光谱信息, 随机选取15位被测对象进行光谱特征分析。 绘制15位被测对象舌质舌苔全波段光谱曲线并进行比较, 通过观察发现, 舌质舌苔反射光特征差异与血红蛋白在该波段的光学特征变化相吻合, 在500～750 nm之间, 水对光的吸收很少, 而舌体表面布满血管, 光的吸收主要受到血红蛋白的影响, 基于舌质舌苔在573和700 nm两波段光谱吸收差异, 计算双波长比值, 提取舌质舌苔光谱特征差异度指数, 根据个体差异, 分别提取不同被测对象舌质舌苔光谱特征差异指标, 进行舌质舌苔区域分离, 实验结果发现, 对同一被测对象舌体苔质提取光谱差异度指数SDI, 舌苔舌质光谱差异度指数存在一定差异性, 由于个体的不同, 具有各自明显的舌质、 舌体差异度指数分割线, 实验结果表明, 运用双波长比值光谱差异度指数的光学表达形式能够用于舌质舌苔分离, 同时该方法也能够为进一步中医临床舌诊提供客观依据。

猪肉是我国居民最主要的消费畜肉产品, 其在储藏、 运输、 加工等环节易受酶、 微生物等作用腐败变质, 导致新鲜度下降。 冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全, 是消费者购买猪肉最为关心的指标之一。 及时、 快速、 准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。 相比于传统的理化检验方法, 可见-近红外光谱分析技术具有快速、 高效、 无损、 非接触等独特优势, 适合于食品安全的快速检测, 光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。 然而目前研究大都基于统计方法进行光谱建模, 模型缺乏物理意义, 适用性差, 阻碍了该技术的应用推广。 通过分析不同新鲜程度猪肉的可见-近红外光谱特征, 利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性, 构建了猪肉新鲜度光谱特征指数(FI); 通过模拟不同光谱分辨率与信噪比水平, 进一步探索了FI指数对光谱检测设备性能的敏感性。 研究表明, FI指数构建简单, 物理意义明确, 能够较好指示猪肉的新鲜程度; 且该指数对光谱仪的性能要求并不严苛: 只要在760 nm及附近波段, 光谱分辨率优于10 nm, 信噪比不低于45, 即可较好反映猪肉新鲜水平。 研究结果可为低成本、 手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据, 有望在食品安全快速检测领域得到推广应用。