研究了基于响应量转换法测量浑浊介质中成分浓度方法的可行性， 以Intralipid为研究对象， 通过(monte carlo, MC)结合反向倍增法(inverse adding doubling, IAD)算法的模拟实验和双积分球系统结合IAD算法实验的方法， 验证了IAD算法和双积分球系统提取散射信息的有效性， 并进一步考察了散射系数预测成分浓度的可行性。 结果表明， 基于响应量转换法测量浑浊介质中成分的浓度有效可行， 用散射系数与浓度的线性关系模型预测浓度的相对误差保持在10%以内。

在近红外光谱定量分析中, 由于散射作用的存在使得光谱变化复杂, 从而导致校正模型的预测精度较低。 消除散射干扰是提高测量精度的有效处理手段之一。 为了消除散射对测量结果的影响, 文章提出了响应量转换法, 即根据被测介质在空间不同位置的光强随被测物浓度的变化率, 通过逆倍增模型推出被测介质的吸收系数作为新的响应变量, 从而建立校正模型。 以牛奶样品为例, 分析了脂肪和蛋白质浓度与吸收系数之间的关系, 利用蒙特卡罗模拟研究了散射对近红外牛奶成分测量结果的影响, 并通过传统预处理方法和响应量转换法进行散射干扰的消除。 实验结果表明, 响应量转换法能够有效消除散射干扰, 与传统MSC和SNV预处理方法相比, 脂肪预测精度分别提高了33.9%和55.9%, 蛋白质预测精度分别提高了46.5%和33.7%。