微藻工厂化养殖为天然碳水化合物、 蛋白质等生产提供了重要途径, 但较高的养殖成本始终是限制微藻大规模商业化发展的瓶颈之一。 由于微藻生长速度很快且其胞内代谢信息时刻都在发生变化, 开发快速无损的微藻生长代谢监测手段用以实时获取微藻生产过程中感兴趣指标变化信息, 可以据此及时调整培养条件, 保障微藻高效优质生产。 关于微藻生长代谢信息快速无损检测的研究多集中在微藻油脂及其特性、 色素等方面, 对于同作为微藻重要营养成分的碳水化合物、 蛋白质等却少有报道。 本研究以斜生四链藻（Tetradesmus obliquus）为研究对象, 利用可见/近红外高光谱成像（HSI）技术结合化学计量学方法, 提出基于HSI的微藻碳水化合物和蛋白质反演判别方法。 对比研究标准化（autosacling）、 标准正态化（SNV）等12种预处理方法对原始高光谱数据的处理效果; 采用竞争自适应重加权采样算法（CARS）、 区间随机蛙跳算法（iRF）和模拟退火算法（SA）进行特征波段选择; 结合多元线性回归（MLR）、 偏最小二乘（PLS）、 支持向量机回归（SVR）以及随机森林回归（RFR）对微藻生物量、 碳水化合物和蛋白质含量进行反演判别。 结果表明, 斜生四链藻生物量预测模型采用矢量归一化（VN）预处理方式结合CARS-MLR算法效果最优, 决定系数（R2p）为 0.967, 剩余预测偏差（RPD）为6.212; 碳水化合物的最优预测模型为原始光谱（raw）结合iRF-RFR算法, R2p和RPD分别为0.995和36.156; 蛋白质判别模型采用WT预处理结合SA-RFR算法构建的效果最佳, R2p和RPD分别为0.909和10.116。 基于优化模型和HSI技术对藻液中各组分的空间分布及丰度进行了可视化展示。 研究结果有望为微藻工厂化养殖过程中生长信息的快速无损获取提供理论参考和技术支撑。

采用高光谱成像技术对鱼新鲜度进行检测研究。 首先, 提取鱼样本感兴趣区域(region of interest, ROI)光谱, 分别采用竞争性自适应重加权算法(CARS), 连续投影算法(SPA)和遗传算法(GA)提取特征波长, 三种算法分别得到57, 31和66个特征变量, 采用最小二乘支持向量机和SIMCA作为分类模型, 将57, 31和66个特征变量作为LS-SVM和SIMCA模型的输入变量建立分类模型, 基于SPA-LS-SVM和CARS-LS-SVM模型预测集识别率分别达到了98%和96%, 而采用SIMCA建立的模型取得了较差的预测结果, GA-SIMCA, SPA-SIMCA和CARS-SIMCA模型预测集识别率都只是达到了52%。 结果表明, LS-SVM作为分类模型优于SIMCA模型, SPA和CARS选择的特征波长, 不但可以简化模型, 还可以提高模型的预测精度, 采用高光谱成像技术可以有效检测鱼的新鲜度, 并能准确检测出鱼不同冻融次数和冷冻时间。

真菌感染是柑橘的一种常见病害, 是柑橘腐烂的主要因素, 自动化检测出柑橘真菌感染可以有效提高柑橘的商品价值和市场竞争力。 运用高光谱成像技术对真菌感染柑橘腐烂部位的缺陷特征进行了快速识别检测。 基于ROI提取柑橘真菌感染光谱曲线, 对光谱矩阵进行主成分分析, 分析权重曲线后得到4个特征波段, 分别为615, 680, 710和725 nm, 然后对这4波段组合分别做主成分分析, 通过分析权重曲线提取到615和680 nm两个特征波段, 基于这两个特征波段做主成分分析, 以第2主成分图像为基础识别柑橘真菌感染部位, 识别率达到了100%。 高光谱成像技术可用于快速检测柑橘真菌感染引起的腐烂缺陷, 为开发水果分级和缺陷检测等相关仪器设备的研究提供了理论方法和依据。

竹叶含有丰富的功能性成分, 具有良好的抗氧化、 调节血脂、 抗癌、 保护心脑血管等功效, 在食品和药品等领域具有较高的应用价值, 但不同品种的竹叶其功能性成分差异较大。 传统对于竹类品种的鉴别主要是通过观察竹叶大小、 纹理、 竹枝分枝和竹竿高度等, 效率低且错误率较高, 因此, 快速准确的区分不同品种的竹叶, 是竹类资源开发和加工过程中的重要任务之一。 采用近红外高光谱（900～1 700 nm）技术对我国不同产地的12种竹叶进行鉴别分析。 用主成分分析（PCA）对竹叶进行聚类分析, 应用主成分因子中X-loading（XL）和random frog（RF）算法进行特征波段的提取, 分别得到6条（931, 945, 1 217, 1 318, 1 473和1 653 nm）和12条（1 052, 1 140, 1 163, 1 177, 1 180, 1 193, 1 230, 1 241, 1 477, 1 483, 1 629和1 649 nm）特征波段, 并基于全波段（238条波长）及采用以上算法所得的特征波段建立最小二乘-支持向量机（LS-SVM）判别分析模型, 其识别率分别为9917%（全波段）, 9583%（XL算法）, 9583%（RF算法）。 最后, 采用受试者工作特征曲线（receiver operating characteristic curve, ROC curve）对LS-SVM模型的判别效果进行验证, 结果表明, 曲线下面积（AUC）均在098以上, 说明近红外高光谱结合LS-SVM可以很好地实现竹类的鉴别分析, 这为竹叶的食用和药用价值的开发利用提供理论参考。

高光谱成像技术具备图像和光谱的双重优势, 作为一种快速无损检测分析技术, 检测过程无损、 无污染和无接触。 高光谱成像数据包括样本的图像信息和光谱信息, 采集样本高光谱成像数据时, 样本的每个像素点都有一条光谱与之对应, 样本的每个波长都有一幅灰度图像与之对应。 研究采用高光谱成像技术无损检测不同稀释浓度的农药在赣南脐橙样品表面残留随时间变化的关系。 用蒸馏水把农药分别配置成1∶20, 1∶100和1∶1 000倍的溶液。 然后把不同浓度的溶液滴到30个洗净的脐橙表面, 将涂有农药的脐橙分别放置0, 4和20 d, 然后采集在900～1 700 nm波长范围的高光谱成像原始数据。 通过主成分分析获取930, 980, 1 100, 1 210, 1 300, 1 400, 1 620和1 680 nm共8个特征波长, 基于这些特征波长做第二次主成分分析, 应用PC-2图像并经过适当的图像处理方法对不同浓度及放置不同天数的农药残留进行无损检测。 采用高光谱成像技术检测三个时间段较高稀释浓度的果面农药残留都比较明显。 高光谱成像技术作为一种检测方法, 可用于评价各个时间段较高浓度的农药残留。