以番茄可溶性固形物含量（SSC）的无损速测为例， 分别采用线性渐变分光（LVF）、 数字光处理（DLP）近红外光谱仪对大、 小番茄采集近红外光谱数据; 分别基于两种近红外光谱仪数据计算大、 小番茄平均光谱及差谱， 并比较两种近红外光谱仪所采集大、 小番茄近红外光谱数据的特征; 对两种近红外光谱仪的数据分别进行主成分分析（PCA）， 并比较了大、 小番茄前3主成分的得分分布; 按SSC梯度对数据进行分级， 采用偏最小二乘（PLS）回归结合全交互验证算法分别基于两种近红外光谱仪数据建立番茄SSC定量校正模型。 结果表明: （1）大、 小番茄LVF近红外光谱的平均光谱及其差谱的光谱特征分别与DLP近红外光谱的平均光谱及其差谱的光谱特征相似。 （2）大、 小番茄LVF近红外光谱数据PCA前3主成分得分散点分离趋势不明显， 而DLP近红外光谱数据PCA前3主成分得分散点基本上不具有分离趋势。 （3）基于LVF近红外光谱数据所建各模型的相对预测性能（RPD）皆不低于2.11， 其中标准化预处理所建模型具有最佳性能， 模型维数（Nf）、 校正测定系数（R2C）、 校正均方根误差（RMSEC）、 交互验证测定系数（R2CV）、 交互验证均方根误差（RMSECV）、 RPD、 预测相关系数（RP）、 预测均方根误差（RMSEP）分别为8、 0.949 1、 0.27、 0.899 9、 0.38、 3.16、 0.882 6、 0.63; 基于DLP近红外光谱数据所建各模型的RPD皆不低于1.60， 其中标准化预处理所建模型具有最佳性能， Nf、 R2C、 RMSEC、 R2CV、 RMSECV、 RPD、 RP、 RMSEP分别为5、 0.823 5、 0.49、 0.728 6、 0.62、 1.94、 0.788 4、 0.80。 该研究可为番茄SSC的无损快速测定以及果蔬品质无损快速检测的仪器选择与评价提供一定的参考。

中红外光谱以及近红外光谱在现代分析化学中有重要的地位, 是人类认识物质结构、 功能、 成分以及含量的重要途径。 小杂粮泛指生育期短、 种植面积少、 种植地区和种植方法特殊, 有特种用途的多种粮豆, 其特点是小、 少、 特、 杂。 小杂粮营养丰富, 既是传统口粮, 又是保健食品资源。 随着人民生活水平的提高和膳食结构的改善, 小杂粮作为药食同源的新型食品资源, 在现代绿色保健食品中占有重要地位。 对小杂粮进行品质检测可为小杂粮生物活性物质研究、 品质分级、 小杂粮育种、 产地溯源与真伪鉴别等方面提供可靠的数据支撑。 按照麦类小杂粮及豆类小杂粮分类, 对国内近30年来小杂粮品质检测有关文献加以综述。 研究表明, 麦类小杂粮品质检测文献更多, 约占文献数量的2/3左右, 且以近红外光谱技术应用居多; 豆类小杂粮品质检测文献相对较少, 约占文献数量的1/3左右, 且以中红外光谱技术应用居多。 中红外光谱、 近红外光谱在小杂粮品质检测分析方面有诸多重要应用。 其中, 中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征, 而近红外光谱则更多应用于小杂粮中粗蛋白、 粗脂肪、 水分等主要品质指标的定量分析检测, 可为小杂粮品质监测、 科学育种提供高效的数据来源。 近年来, 随着化学计量学的发展和计算机技术的进步, 近红外光谱不再局限于小杂粮品质指标定量分析, 而且还被应用于小杂粮产地溯源等领域, 亦取得了良好的效果。 最后对中红外光谱、 近红外光谱在小杂粮品质无损分析检测方面做出了展望。

农产品及食品的品质与安全一直以来都是人们关注的焦点, 不仅关系着人们的身体健康, 而且关系着社会稳定甚至****。 由于农产品及食品的品质不合格引发的安全事件备受社会各界的广泛关注。 对农产品及食品的品质的监管长久以来都是分析检测领域的重点和难点。 我国人口众多, 对农产品和食品的消费量非常大。 面对如此大量农产品及食品品质的无损快速检测需求, 光谱法以其快速、 无损、 高效、 环境友好、 可现场检测等诸多特点, 为农产品及食品品质的无损快速分析提供了良好的解决方案。 然而, 传统的光谱法在检测过程中所使用的数据量十分庞大, 不仅在建立校正模型过程中会消耗大量时间, 而且难以完成大量农产品及食品的品质在线高通量无损快速检测。 大量数据的计算成为限制光谱类分析仪器工作效率的主要瓶颈之一, 并且大量数据的计算对仪器设备的硬件配置也提出了非常高的要求, 从而间接地提高了光谱分析技术的应用成本。 近年来, 关键变量筛选技术脱颖而出, 并成为光谱分析的一个新热点。 通过筛选, 采用少量关键变量建立校正模型即可得到和全谱数据建模准确度相差无几的分析结果, 从而可以有效提高分析仪器的工作效率并间接地降低光谱分析技术的应用成本, 进而为农产品及食品品质的高通量检测提供了可靠的技术支持、 为满足人民日益增长的美好生活需要提供科技保障。 针对光谱关键变量筛选在粮食及粮食作物、 蔬菜、 水果、 经济作物、 肉类、 食品品质与安全领域的无损检测应用进行综述, 对光谱关键变量筛选技术的应用从筛选方法、 应用范围、 应用效果等方面进行了分类总结归纳, 并就光谱关键变量筛选技术在农产品及食品品质无损检测中的应用从变量筛选方法特点及趋势、 所选变量的稳定性和可靠性、 所选变量的实际意义等方面进行了展望。

种子是农业生产过程的重要生产资料。 种子质量评价、 活力与老化检测、 纯度与真伪鉴别、 分类与溯源研究是种子品质检测中的常见问题。 种子质量主要包含种子含水率、 蛋白含量、 脂肪酸含量、 淀粉含量等, 是种子品质分级的重要指标, 并且关系到种子存储过程的安全问题。 种子活力是种子发芽和出苗率、 幼苗生长的潜势、 植株抗逆能力和生产潜力的总和; 高活力种子具有明显的生长优势和生产潜力。 种子老化是指种子活力的自然衰退, 表现为种子变色、 发芽率低、 生长势差、 作物减产。 种子的纯度与真伪则会影响作物产量和农产品品质; 而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法, 进而为作物产量与产品品质提供保障。 对于种子品质分析, 传统方法通常需要对样品做不可逆的破坏性分析, 且分析时间长、 过程复杂, 难以适应现代农业对种子生产环节的需要。 因此, 开展种子品质无损快速检测技术研究成为当前亟待解决的问题。 近年来, 随着化学计量学的发展和计算机技术的进步, 近红外光谱法以其快速、 无损、 高效等优势, 在农产品、 食品、 农业投入品等的无损快速分析方面得以广泛的应用。 进一步地, 将光谱技术与成像技术相结合, 高光谱成像技术近年来日益兴起, 相比较于传统的光谱技术, 高光谱成像技术在获得待测样品的光谱信息的同时, 还可以获取样品的空间分布信息以及图像特征。 基于近红外光谱及高光谱成像等无损快速检测技术, 从种子质量评价、 活力与老化检测、 纯度与真伪鉴别、 分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。 在分析不同检测技术特点的基础上, 分别就上述种子品质检测方面的问题加以整理。 进而对种子品质无损快速检测的技术特点进行了总结与展望。

土壤水分对近红外光谱表现出强烈的吸收和对土壤有机质含量的预测造成干扰。 研究选择41个样本作为校正集和9个样本作为预测集, 所有样本做不同含水率（5%, 10%, 15%和17%）的处理。 采用S/B和DS算法分别对预测结果和全光谱进行校正, 消除土壤水分的影响。 结果得出预测结果偏差减小和模型预测性能得到改善, Rp高于0.89和RMSEP低于0.885%。 研究表明S/B和DS算法能有效消除土壤水分的影响和提高土壤有机质预测的准确性。

可溶性固形物（SSC）是一种综合参数, 主要包括糖、 酸、 纤维素、 矿物质等成分, 对评价果实成熟度和品质具有重要意义, 影响果实口感、 风味及货架期。 西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、 贮藏及运输过程中西瓜内部品质监控具有十分重要的意义, 有助于提高西瓜生产效益和市场竞争力。 在西瓜可溶性固形物含量的快速无损近红外光谱检测中, 近红外漫透射的方式所需光源的能量大, 同时大功率透射会对水果的内部品质产生影响; 采用近红外漫反射方式的研究较少, 但漫反射采集所需的能量小, 有助于实现仪器小型便携化, 成本低, 同时避免透射引起的水果品质变化。 以小型西瓜为研究对象, 利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、 瓜脐、 赤道部位的近红外反射光谱, 在976, 1 186和1 453 nm附近有明显的吸收, 利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。 首先, 采用光谱-理化值共生距离（SPXY）算法对西瓜不同检测部位的样品集进行划分, 以可溶性固形物含量为y变量, 光谱为x变量, 利用两种变量同时计算样品间距离, 以保证最大程度表征样本分布, 有效地覆盖多维向量空间, 增加样本间的差异性和代表性, 提高模型稳定性。 将西瓜样品划分为51个校正集和15个预测集, 校正集样本的SSC含量涵盖了预测集样本的SSC含量范围, 且变异系数均小于9%, 样品集划分合理, 有助于建立稳健可靠的预测模型。 其次, 对比分析西瓜瓜梗、 瓜脐、 赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度, 结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高, 预测效果较好, 预测集相关系数为0.629, 预测集均方根误差为0.49%。 对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题, 一方面与光谱的采集方式有关, 另一方面与西瓜的产地、 品种、 成熟期等因素引起的其性状上的差异有关。 在模型建立过程中根据实际情况确定西瓜的检测部位。 最后, 为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度, 采用光谱预处理方法进行优化, 结果得出经标准归一化预处理后, 建立的偏最小二乘回归预测模型效果最佳, 预测集相关系数为0.864, 预测集均方根误差为0.33%, 模型相关性较好, 预测精度得到了很大提升。 研究结果表明, 近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量, 为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。

农产品质量安全日益受到关注。 由于传统检测方法存在耗时长、 操作复杂、 消耗大量溶剂、 成本高等问题, 因而迫切需要开发快速无损检测技术。 在电磁波谱中位于微波和红外辐射之间的太赫兹波, 因其所处波段的特殊性, 使其具有了瞬态性、 高穿透性、 宽带性、 相干性和低能性等一系列特性, 太赫兹技术可以有效反映有机生物分子的结构和性质, 作为物质“指纹”谱, 该技术逐渐应用于有机生物分子的定性、 定量分析, 在近红外光谱、 拉曼光谱、 X射线等众多光谱类快速无损检测技术中成为一种极具竞争力的新兴检测技术。 首先介绍了太赫兹波特点, 太赫兹光谱及其成像技术原理; 其次, 在其基础上总结了太赫兹数据处理一般流程及其主要步骤中的常用分析方法, 着重对定量、 定性分析步骤中模型搭建方法、 评估方法、 评估指标进行了阐述; 再次, 讨论了近几年来太赫兹技术在农产品品质检测中的几个关键领域应用和研究进展, 具体包括农药残留、 抗生素、 毒素等微量有害物质检测, 掺假、 转基因和外源异物的鉴别以及农产品内部营养成分含量预测等; 最后, 系统探讨了太赫兹技术在农产品品质检测领域尚需解决的问题, 以此为导向总结需要进一步加强的研究方向, 并对太赫兹技术在农产品品质领域未来发展作出展望。 已有研究文献表明太赫兹技术在农产品品质检测领域的有效性。 尤其, 对非极性物质不敏感的特性, 使其对已包装农产品的品质检测与评估具有得天独厚的优势。 随着机器学习、 强化学习等信息科学技术发展, 一方面进一步加强太赫兹数据分析技术研究, 通过数据自主学习, 从数据角度揭示科学规律, 构建精度更高、 运算开销更小、 实时性更强、 泛化能力更好的分析模型; 另一方面从分子振动理论出发, 结合化学、 物理学知识, 研究太赫兹光谱特性的形成机理, 并将获取的先验知识应用于分析模型的构建, 通过数据与机理二者有机结合, 提高太赫兹光谱分析软实力。 未来硬件系统开发上以便携、 低成本、 灵敏度高为目标, 最终实现太赫兹技术应用从实验室研究阶段逐渐走向商用工程化应用。

使用时域有限差分方法系统地研究了直径从2 μm到50 μm的GaN基微盘在蓝光波段的模式强度和分布。设计了一种可以比拟微盘内高密度激子分布的偶极子排布方式, 使其能够激发盘内所有光学模式。研究了盘内最大激发强度和有效共振频率数量随微盘直径的变化关系, 揭示了盘内模式间的竞争关系, 并给出了微盘内三种典型的激发后的光场分布。

利用X射线荧光光谱检测土壤重金属砷、 锌、 铅和铬元素的含量。 通过分析仪器检出限和准确度， 得出仪器适用性良好。 然后， 利用二维相关同步光谱获得重金属元素的X射线荧光光谱能谱范围和变量数， 得出铅元素的能谱范围分别为10380~10740和12435~12900 keV，砷元素的能量范围是10380~10740和11610~11880 keV，铬元素的能量范围是5310~5520和5805~6015 keV， 锌元素的能量范围是8520~8805和9555~9630 keV， 铅、 砷、 铬和锌的变量数分别为57， 44， 30和26。 最后， 根据获得的能谱范围， 采用偏最小二乘回归方法建立重金属元素的X射线荧光光谱定量分析模型， 得出砷元素的模型性能最佳， 其次是铅、 锌和铬， 预测相关系数都高于092。 研究表明， 利用二维相关光谱获得的能谱范围有助于提高模型的预测性能和便携式X射线荧光光谱检测仪器适用于土壤重金属的原位监测。