中国是世界上受真菌毒素污染最严重的国家之一, 因污染造成的粮食及粮油产品经济损失巨大, 真菌毒素快速检测与防控迫在眉睫。 由于传统湿化学检测方法的时滞性、 复杂性、 高成本、 使用大量化学试剂等问题, 无法满足粮食生产、 流通及加工过程中快速实时检测的需要。 分子光谱是分子振动能级间或转动能级间跃迁产生的光谱, 反映了分子内部的结构信息, 可确定分子的转动惯量、 分子键长健强及离解能, 用于样本中化学组分及性质的检测。 粮食样本(真菌毒素)在激发光的激励作用下能级跃变产生的光通过光路系统被光电探测器接收, 光谱强度与被测物浓度在一定范围内符合Lambert-Beer定律, 可实现粮食真菌毒素的快速、 定量检测。 相比真菌毒素传统检测方法费时费力、 成本高、 大量使用化学试剂等问题, 光谱分析技术具有快速、 无损、 绿色等显著技术优势。 在分析粮食真菌毒素检测的重要性、 迫切性的基础上, 介绍了光谱分析的技术原理与理论基础, 近红外光谱是电偶极矩变化引起的振动光谱, 拉曼光谱是分子极化引起的振动光谱, 而荧光光谱反映具有长共轭结构的分子信息, 光谱成像在检测维度上由一维拓展到二维分布, 通过光谱解析和特征分析可进行真菌毒素快速准确检测。 进一步分析了近红外光谱、 拉曼光谱、 荧光光谱和光谱成像等技术在粮食真菌毒素检测的研究现状及发展动态, 指出了各技术的优势与存在的不足, 研究表明光谱分析技术受到越来越多的学者关注, 基于光谱分析技术的粮食真菌毒素的检测探索, 已成为食品安全检测领域的热点问题。 通过文献综述可以发现, 光谱分析技术为粮食中真菌毒素的快速筛查、 定性判别或高灵敏检测提供了新的途径, 但仍存在诸多尚需解决的问题, 在系统探讨光谱分析技术瓶颈问题的基础上, 展望了需进一步突破的研究方向, 特别是在检测的认可度、 检测精度和稳定性方面。 通过光谱理论解析明确粮食真菌毒素检测的可行性, 通过微观尺度提高粮食真菌毒素检测的稳定性, 通过多模态光谱信息融合提高粮食真菌毒素检测的精确性, 为粮食真菌毒素的光谱快速检测技术提供参考。

提出了以纳米色敏传感器捕获挥发气体为中间介质的可见/近红外光谱检测霉菌感染小麦的新方法。 以霉菌感染的小麦为研究对象, 在恒温恒湿条件下储藏不同的时间; 通过纳米化处理过的色敏传感作为中间介质捕获小麦霉变后产生的特征挥发气体, 采用可见/近红外光谱检测分析挥发气体与纳米色敏传感结合前后的可见和近红外区域光谱变化特征, 结合多变量分析模型预测小麦的霉菌菌落数。 以灰绿曲霉和白曲霉为目标菌种, 分别接种至无菌小麦以培养出不同带菌量的小麦样本, 分别储藏3～9 d。 根据前期的预实验, 采用对特征霉变挥发气体敏感的色敏材料(8-(4-硝基苯基)-4,4-二氟硼二吡咯甲烷(NO2BDP)和8-(4-硝基苯基)-4,4-二氟-6-溴硼二吡咯甲烷(NO2BrBDP))组成的纳米传感器捕获特征挥发气体。 采用无皂乳化法合成纳米级微球聚苯乙烯-丙烯酸处理色敏材料, 提高色敏传感器捕获特征挥发气体的能力, 以纳米化前后的NO2BDP和NO2BrBDP四种色敏材料构建传感器阵列。 采集不同带菌量的小麦样本的可见/近红外光谱, 运用多变量分析方法对光谱信息进行变量筛选, 用平板菌落计数法测定菌落总数分别建立灰绿曲霉和白曲霉菌落总数的定量预测模型。 实验结果表明, 以纳米化NO2BDP和NO2BrBDP组成的传感器阵列为中介采集的带菌小麦的特征光谱波段建立的联合区间-无信息变量消除法偏最小二乘模型(Si-UVE-PLS)效果最佳, 此时预测集的交叉验证平方根(RMSECV)为0.444 4 lgcfu, 实测值与预测值的相关系数Rp为0.981 1。 采用2个纳米化和2个非纳米材料组成的色敏传感阵列结合联合区间-遗传算法偏最小二乘模型(Si-GA-PLS)检测白曲霉菌落总数取得最佳检测结果, RMSECV为0.434 9 lgcfu, Rp为0.977 2。 表明通过可见/近红外光谱与纳米色敏传感器技术结合的方法, 能够良好的完成对挥发性气体的定量检测研究, 实现霉变小麦的品质监控。Spectroscopy Technology

提出了一种基于金属-绝缘体-金属(MIM)波导结构的双频带表面等离子体(SPs)布拉格反射器。周期性地调节绝缘体层的宽度，在MIM 波导结构中将会形成准周期的SPs布拉格光栅。根据投影理论，在合适的结构参数下，SPs的透过谱中会产生两个禁带，在这两个禁带中SPs的传播是被禁止的。加入适当长度的缺陷层之后，将分别在禁带中产生SPs缺陷模式，其中心波长分别是1310 nm 和1550 nm。当改变缺陷层的长度时，由于SPs的法布里-珀罗共振效应，缺陷模式的中心波长会产生周期性的变化。利用电磁仿真软件Comsol进行数值模拟,得到的结果验证了设计方法的正确性。

单向激发表面等离子体，在光通信、集成光学、光刻等方面有着广泛的应用。从理论上提出了一种亚波长金属狭缝凹槽结构，利用背照射的激发方式，在金属膜表面实现了单向激发表面等离子体。设计过程中采用时域有限差分法进行数值模拟。首先改变凹槽的深度和宽度使得通过凹槽传播的表面等离子体的电场强度达到最低，并利用散射矩阵理论解释了其物理机制。然后基于表面等离子体干涉原理，改变狭缝与凹槽之间的距离使向背离凹槽一边传播的表面等离子体干涉加强，从而使金属狭缝-凹槽结构实现单向激发表面等离子体，最大分束比可以达到8。

挥发性盐基氮（TVB-N）含量是评价肉制品新鲜度的重要指标。尝试采用遗传联合区间偏最小二乘（GA-Si-PLS）从高光谱数据之光谱信息中筛选出最优波长。再提取各波长所对应的灰度图像的纹理特征，纹理特征变量经主成分优化后，作为输入层，运用反向传播神经网络（BP-ANN）构建鸡肉的TVB-N含量的定量模型。实验表明，模型对训练集和预测集的均方根误差分别6.61和9.84，相关系数分别为0.9054和0.8030。研究表明可以利用高光谱中的图像信息对鸡肉TVB-N含量进行快速无损检测。

提出了一种应用三维荧光谱技术结合化学计量学方法快速无损鉴别蜂蜜中大米糖浆掺假的新方法。 利用特征参量法和主成分分析法对三维荧光光谱信息量进行压缩提取, 并结合线性判别分析法(LDA)和误差反向传播神经网络法(BP-ANN)对蜂蜜掺假进行分析。 结果显示, 在掺假蜂蜜判别试验中, 采用4个主成分时, 模型对预测集样本的识别率最佳, LDA模型识别率为94.44%, BP-ANN模型识别率为100%, 说明非线性的BP-ANN模型更适合蜂蜜掺假识别。 研究表明, 三维荧光光谱结合BP-ANN判别模型可以快速、 无损、 准确地鉴别蜂蜜中大米糖浆掺假。

挥发性盐基氮（TVB-N）含量是评价猪肉新鲜度的重要指标。尝试融合光谱和成像技术检测猪肉中TVB-N含量。实验以不同新鲜度的猪肉样本为研究对象，同时采集近红外光谱数据和图像数据，并对其分别进行特征提取和主成分分析，利用反向传播神经网络构建猪肉TVB-N的定量预测模型。实验结果表明，融合模型要优于单一技术模型，模型交互验证均方根误差（RMSECV）为1.2975，对独立样本预测时相关系数达到0.957。研究表明基于光谱和成像融合技术检测猪肉中TVB-N含量是可行的，检测结果的准确性和稳定性较单一技术有所提高。

茶汤滋味是茶叶品质的核心, 该研究利用近红外光谱技术快速检测绿茶滋味品质。 试验以滋味化学鉴定法作为绿茶滋味品质检测的标准方法, 试验得到的滋味总得分值作为近红外光谱预测模型的参考测量值。 在模型建立过程中, 首先利用联合区间偏最小二乘法(siPLS)筛选特征子区间； 然后, 用遗传算法(GA)在特征子区间内优选特征变量。 最优模型在优选出38个特征变量, 主成分因子数为6时获得, 模型预测集相关系数(Rp)为0.890 8, 预测均方根误差(RMSEP)为4.66。 研究结果表明, 利用近红外光谱技术结合siPLS-GA算法检测绿茶滋味品质是可行的, 同时表明siPLS-GA算法相对于其他方法在本研究中的应用具有一定的优越性。

植物叶片叶绿素含量及分布是植物营养信息表达的一个重要指标。 以茶树为研究对象， 利用高光谱技术分析茶树叶片中叶绿素含量及其分布。 通过采集茶树鲜叶的高光谱图像， 利用7种不同的算法从高光谱数据中提取相应的特征参数， 并根据特征参数和叶绿素含量的参考测量值分别拟合出相应的预测模型。 结果显示， 二次土壤调节植被指数算法提取的特征参数最佳， 预测模型校正集和预测集的相关系数R分别为0.843 3和0.832 3， 最小均方根误差分别为9.918和8.601。 最后根据预测模型估计叶片上任意像素下叶绿素的含量， 并通过伪彩手段描述叶片中叶绿素含量的分布。 研究结果表明， 利用高光谱成像技术分析茶树叶片中叶绿素含量及其分布是可行的。

提出了基于高光谱成像技术的猪肉嫩度检测方法。利用高光谱成像系统获取78个猪肉样本在400~1100 nm范围的高光谱图像数据；通过主成分分析高光谱数据进行降维，从中优选出3幅特征图像，并从每幅特征图像中分别提取对比度、相关性、角二阶矩和一致性等4个基于灰度共生矩阵的纹理特征变量，这样每个样本共有12个特征变量，再通过主成分分析提取6个主成分变量，并参照剪切力方法测得的样本嫩度等级结果，利用神经网络方法构建猪肉嫩度等级判别模型。模型对校正集样本的回判率为96.15%，预测集样本的判别率为80.77%。研究表明高光谱图像技术可以用于猪肉嫩度等级水平的检测。