基于傅里叶变换红外光谱技术, 利用逐步判别分析法对金银花品种和产地进行鉴别研究。采集、测试了5个产地9个品种150份金银花样本的红外光谱, 并计算了各样品红外光谱的一阶导数光谱和二阶导数光谱。分别选用不同的样本组成训练集和检验集, 以1800～900 cm-1、1500～700 cm-1和1200～700 cm-1波数范围的红外光谱、一阶导数光谱和二阶导数光谱数据为判别变量建立判别模型对金银花的品种和产地进行鉴别。判别结果显示, 以1800～900 cm-1波数范围的二阶导数光谱数据为判别变量建立的模型鉴别效果相对较好, 对品种和产地的鉴别正确率依次达93.20%和96.13%。研究结果表明, 采用逐步判别模式识别可以很好地鉴别不同品种和产地的金银花, 方法可行有效, 可为金银花品种和产地朔源提供方法。

基于傅里叶变换红外光谱技术,利用光谱检索的方法对苹果叶病害进行病害类型的鉴别研究。测试了正常苹果叶片和4种病害叶片共75份样本的红外光谱,光谱显示,各类样品的红外光谱非常相似,主要由纤维素、木质素、蛋白质和脂类的吸收带组成。利用omnic8.5 软件依次建立了由每类样品的平均红外光谱、一阶导数光谱和二阶导数光谱组成的光谱库Lib1、Lib2、Lib3。各样品红外光谱分别与光谱库Lib1进行专家检索和绝对微分差算法检索,专家检索的正确率为80%,绝对微分差检索的正确率为82.7%。各样品红外光谱的一阶导数光谱和二阶导数光谱分别与光谱库Lib2、Lib3在全谱范围进行绝对微分差检索,基于一阶导数光谱的检索正确率为93.3%,二阶导数光谱的检索正确率为82.7%。结果表明: 基于一阶导数红外光谱的绝对微分差算法的检索更适合于苹果叶病害的鉴别。基于红外光谱技术的光谱检索的方法能较好地鉴别苹果叶病害,有望成为简便、快捷、低成本的植物病害的鉴别方法。

用傅里叶变换红外光谱（FTIR）和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。 测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱, 按产地和品种选择训练样本, 每个品种选择5份为训练样本, 剩下的作为测试样本, 选择1　800～950 cm-1范围的光谱信息, 在SPSS20.0的判别分析模块中采用逐步法, Fisher线性判别准则, 分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地； 比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。 基于油菜籽皮红外光谱信息的品种判别分析, 五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种, “Wilks’ Lambda”法所建模型的识别效果最好, 判别正确率为97.9%。 基于油菜籽皮红外光谱信息的产地判别分析, 五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地, “Unexplained variance”法所建模型的识别效果最好, 判别正确率为98.4%。 研究结果表明, 基于油菜籽皮中红外光谱信息的品种和产地判别分析, 有望成为油菜籽品种和产地鉴别的方法。

利用傅里叶变换红外光谱结合判别分析对三七的道地性及产地进行鉴别研究。测试了11个县13个种植点的136株三七主根样品的红外光谱, 利用Omnic8.0软件计算了每个样品红外光谱的二阶导数光谱。分别采用1 800～700 cm-1光谱范围的红外光谱数据和二阶导数光谱数据, 运用逐步判别分析法建立模型对三七的道地性进行判别研究, 二阶导数光谱数据建立的模型对三七道地性的识别效果更好, 回判正确率为100%, 预测正确率为93.4%。采用交叉验证法检验了模型的稳定性, 并对此方法进行了外推性验证。用二阶导数光谱数据结合相同的判别方法对三七的产地进行识别, 比较了不同光谱范围和不同训练样本数建立的模型判别效果, 每个种植点选择8个样本作为训练样本, 采用1 500～1 200 cm-1光谱范围的数据建立的模型判别效果较好, 回判正确率为99.0%, 预测正确率为76.5%。结果表明, 红外光谱结合判别分析对三七道地性的识别效果好, 有望成为实际中鉴别三七道地性的新方法;对三七产地的识别有一定的效果, 可作为三七产地鉴别的一种新思路。

测试了30个品种206株石斛茎的红外光谱, 光谱显示, 石斛的主要物质成分为纤维素等多糖物质。 用石斛的傅里叶变换红外光谱结合Wilks’ Lambda逐步判别分析法对石斛品种进行识别研究, 比较分析了不同的光谱范围和不同的训练样本数对识别结果的影响。 对1 800～1 250 cm-1光谱范围的287个变量进行品种判别分析, 每个品种的训练样本分别为2, 3, 4, 5, 6个时, 对训练样本的回判正确率都是100%; 以余下的样本作为测试样本进行品种预测的正确率分别为79.4%, 91.3%, 93.0%, 98.2%, 100%。 同时对1 800～1 500, 1 500～1 250, 1 250～600, 1 250～950, 950～600 cm-1等不同光谱范围, 按五种不同的训练样本情况, 相同的判别分析方法进行判别分析比较, 1 800～1 250, 1 800～1 500和950～600 cm-1光谱范围的变量更适宜进行石斛品种的判别分析; 每个品种的训练样本达到3个及以上时, 建立的模型判别分析结果较好。 结果表明, 傅里叶变换红外光谱结合逐步判别分析法对不同品种的石斛进行鉴别, 能够较好的识别石斛的品种, 为石斛品种的鉴别提供了一种简便、 易行的新方法。

用傅里叶变换红外光谱技术结合光谱检索的方法对石斛茎进行品种鉴别研究。 测试了23个品种, 165株石斛茎样品的红外光谱, 光谱显示, 各样品的红外光谱非常相似, 石斛茎中的主要成分是纤维素等多糖物质。 利用光谱软件Omnic8.0建立了三个光谱数据库Lib01、 Lib02和Lib03, Lib01由每个品种前4株样品的平均光谱组成, Lib02由平均光谱的一阶导数光谱组成, Lib03由平均光谱的二阶导数光谱组成。 各样品光谱分别与Lib01进行指定在1 800～500 cm-1光谱范围的相关性、 平方差和平方微分差检索, 相关性检索的正确率达到92.7%, 平方差检索的正确率达到74.5%, 平方微分差检索的正确率达到92.7%。 各样品光谱的一阶导数光谱和二阶导数光谱分别与Lib02和Lib03进行指定在1 800～500 cm-1光谱范围的平方微分差检索, 一阶导数光谱的检索正确率达到93.9%, 二阶导数光谱的检索正确率达到90.3%。 结果表明, 平方微分差算法的一阶导数红外光谱检索更适合于石斛的品种鉴别。 红外光谱结合光谱检索的方法能较好的鉴别不同品种的石斛, 有望成为简便、 易行的植物品种鉴别方法。

用傅里叶变换红外光谱（FTIR）技术结合光谱检索的方法对油菜品种进行鉴别研究。 测试了15个油菜品种75份菜籽样品的红外光谱, 利用光谱软件Omnic8.0建立了两个光谱数据库Lib01和Lib02, Lib01仅云南的9个品种的平均光谱组成, Lib02由全部15个品种的平均光谱组成。 未知样品光谱分别与光谱数据库Lib01进行全谱范围的相关性检索和平方微分差检索, 相关性检索的正确率达到77.8%, 平方微分差检索的正确率达到82.2%。 未知样品光谱分别与光谱数据库Lib02进行全谱范围和指定在1 700～950 cm-1光谱范围的平方微分差检索, 全谱范围的检索正确率达到82.7%, 指定光谱范围的检索正确率达到90.6%。 研究结果表明, FTIR结合光谱检索的方法有望成为一种简便、 易行的可以鉴别油菜籽品种的方法。

根据连续调制激光辐照样品的一维与三维理论。并对其进行比较 ,得到无论是高热扩散率还是低热扩散率材料 ,只要频率大于 4 0Hz时 ,光热辐射测量三维理论可以用一维理论代替。及样品热扩散率越低 ,一维光热辐射测量理论和三维理论一致 ,所需要的频率就越低。这就为何时使用一维光热辐射测量理论提供依据。