采用衰减全反射傅里叶变换红外光谱(FTIR-ATR)结合模式识别的方法建立橄榄油的快速鉴别模型。实验中测定不同品牌的纯橄榄油样本与纯大豆油样本以及橄榄油中掺入大豆油的混合油样本的FTIR-ATR 光谱。将625~4000 cm-1波段的光谱数据作为鉴别研究对象，应用主成分分析法(PCA)对光谱数据进行降维处理，再结合Fisher 判别分析和多层感知器神经网络两种模式识别的方法对纯橄榄油、纯大豆油以及三种掺杂有大豆油的橄榄油样本进行鉴别。结果表明：对原始数据所采用的预处理方法中，经小波去噪后的数据的鉴别效果最佳。PCA 结合Fisher 判别分析建立的判别模型，原始判别的准确率达到100%，交叉验证的准确率达到97.1%；多层感知器神经网络鉴别模型训练集分类准确率为100%，测试集分类准确率为100%。因此，FTIR-ATR 光谱技术结合模式识别方法可以实现对纯橄榄油、纯大豆油以及三种掺杂有大豆油的橄榄油样本的鉴别，而且具有操作简便、快速、可靠等优点。

为探讨快速、 实时藻类检测方法, 实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性, 通过采集40个藻类样品的荧光光谱图像, 对图像进行去噪、 二值化处理, 确定有效像素后, 根据光谱立方体绘制每个样本的光谱曲线, 将所得400～720 nm区段范围内的光谱数据作鉴别分析, 再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明: 采用欧氏距离法及平均加权法计算样本间的聚类距离, 在距离L=2.452以上水平处可将样本正确分类, 准确率为100%; 主成分分析结果表明: 通过对原始光谱数据进行一阶微分、 二阶微分、 多元散射校正、 变量标准化等预处理后, 再对数据进行主成分分析, 其中二阶微分预处理后鉴别效果最佳, 八种藻类样品在主成分特征空间中独立分布。因此, 利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的, 操作简便、 快速、 无损。

表面等离子体共振传感是基于光学消逝波与金属表面等离子体波共振的一种高灵敏度、 快速、 无标记的测量方式。 光纤的表面等离子体共振传感具有在线测量、 体积小、 抗电磁干扰等优点。 为提高折射率传感灵敏度, 采用轮式侧边抛磨法抛磨掉多模光纤的全部包层和部分纤芯, 并采用溅射法在光纤抛磨区先镀高折射率的铬层然后镀金膜, 制作了侧边抛磨光纤表面等离子体共振传感器。 研究结果表明: 该传感器可实现液体折射率在1333～1431 RIU范围的测试, 平均光谱灵敏度为411×103 nm·RIU-1, 在1417～1431 RIU折射率范围内光谱灵敏度达109×104 nm·RIU-1, 折射率测量范围和光谱灵敏度均优于已报道的结果。 此外, 该传感器具有良好的稳定性与重复性实验测试, 最小分辨率约为36×10-5 RIU。 该传感器光谱灵敏度高、 检测范围大、 尺寸小及良好的稳定性与重复性等优点, 可被用于食品检测、 环境监测、 生物医学检测等相关领域。

为探究无损鉴别转基因大豆的可行性, 利用近红外光谱分析仪对大豆扫描得到反射光谱, 应用主成分分析结合BP神经网络方法进行分析鉴别。 首先应用主成分分析法, 得到包含大豆99.03%的光谱信息的6个主成分, 再将其作为BP神经网络的输入, 对应的大豆种类作为输出, 建立一个三层BP神经网络模型。 该模型对于转基因大豆的正确识别率为100%, 说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。

为提高近红外血红蛋白预测模型的稳健性, 分别应用Savitzky-Golay平滑、 移动窗口平滑以及经验模态分解(EMD)方法对原始光谱进行去噪处理, 以提高数据信噪比。 采集了81例临床志愿者的手指指端血流容积脉搏波光谱数据, 同时获取相应的血红蛋白浓度值临床化验结果。 剔除异常样品, 确定78例样品为研究对象, 建立反向传播神经网络(BP-ANN)定量分析模型并预测。 结果表明, 经EMD处理后的模型预测效果最优, 预测相关系数由0.74提高至0.87, 误差均方根由12.85 g·L-1减小至8.08 g·L-1。 实验证明应用EMD方法能够获得高信噪比的容积脉搏信号, 提高血红蛋白浓度预测模型的准确性, 有利于推动近红外无创血红蛋白检测技术的进一步发展。

介绍了无创血糖监测的几种光学方法以及红外光谱法用于无创血糖监测的优势。分析了无创血糖监测红外光谱法的主要问题, 包括光在人体组织中的复杂传播; 葡萄糖吸收信号微弱, 且与人体中其它生化成分吸收光谱重叠; 人体组织背景吸收干扰严重等。总结了无创血糖监测红外光谱法的最新进展, 给出抑制人体组织背景吸收干扰的方法, 并认为组织液可代替血液用于血糖水平的测量。展望了该领域未来研究趋势, 主要涉及精确描述光子在组织中的传输、测量皮肤表皮内或表皮与真皮浅层光谱信息, 以及提高光谱仪器信噪比, 建立葡萄糖吸收带定标模型。

利用近红外血流容积光谱相减方法无创伤定量分析人体血液生化成分时，获得的在体血液光谱对应的样品光程是不确定的。为研究样品间的光程差异对定标模型预测精度的影响，配制了30份模拟血清样品，利用可变光程样品池，采用傅里叶光谱仪分别测量了相同光程和不定光程两组样品的近红外光谱。以分析血清白蛋白成分为例，对两组样品的定标模型精度进行比较，结果显示不定光程组的模型精度与相同光程组的模型精度相比明显下降, 交叉检验标准差（RMSECV）由110.0 mg/dL增大至156.0 mg/dL。采用多元散射校正算法对上述光谱数据校正后，RMSECV降低至98.1 mg/dL。对比分析处理前后两组模型的精度，证实了采用适当的预处理方法能够有效校正不定光程引起的光谱误差，提高模型预测精度。

在介绍中红外无创血糖研究进展的基础上，实验探讨了组织液渗透到手指皮肤表面时，角质层对血糖测量的影响。加入角质层干扰信息前，用偏最小二乘法(PLSR)建立了模拟组织液中葡萄糖定标模型，其内部交叉验证均方差(RMSECV)为9.6 mg/dL；加入三个志愿者手指皮肤吸收的干扰信息后，所得三个模型的RMSECV分别为17.4,16.3和17.1 mg/dL。结果表明，当组织液渗透到手指皮肤表面时，不同志愿者的角质层对定标模型的影响程度大致相同；计入角质层的干扰，中红外光谱无创血糖的检测精度有望达到18 mg/dL。

在探讨近红外光谱快速检测丙氨酸氨基转移酶的可行性过程中, 首先对不同厚度(0.5, 1, 2和4 mm)血液样品的近红外透射光谱进行了分析。 发现全血样品0.5 mm厚时的近红外透射光谱更适合于进行光谱分析。 进而采集了176个全血样品0.5 mm厚时的近红外光谱。 对采集的光谱进行多元散射校正、 二阶微分法光谱预处理后, 采用逐步多元线性回归和偏最小二乘回归方法建立定量分析模型, 预测了全血丙氨酸氨基转移酶的含量。 结果表明： 利用近红外光谱法测定丙氨酸氨基转移酶时, 采用偏最小二乘回归方法建立的定标模型预测效果最好, 定标相关系数、 定标标准差和预测标准差的值分别为： 0.98, 2.42和7.22。