小麦是制作馒头的主要原料之一, 小麦中水、 蛋白质、 淀粉会因产地以及烘干程度的差异而不同, 进而影响到加工成馒头的品质。 所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。 感官评定是鉴别小麦产地和烘干程度常用的方法, 对比感官评定, 光谱分析可以识别样品中的分子结构等信息。 基于此, 尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。 首先选取了两个不同产地的小麦, 再利用微波干燥法对两个不同产地的小麦做烘干预处理, 使烘干的小麦水含量为12%±0.5%, 原麦水含量为18%±0.5%。 分别标记为原麦A, 烘干A, 原麦B, 烘干B, 再将小麦研磨成粉末, 过100目筛网筛选后, 置于自封袋中备用。 随后分别采集四种小麦样品的近红外和中红外光谱信息, 在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理, 利用主成分分析对预处理后的数据进行降维处理, 再结合线性判别分析（linear discriminant analysis, LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、 中红外光谱数据识别模型。 另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间, 将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。 然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、 比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、 比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。 结果表明, 同种光谱分析方法, 利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。 同种建模方法, 近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。 而在同种建模方法下, 利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高, 光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%, 预测集识别率为97.50%; 而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。 对比利用单一光谱数据建立的小麦识别模型识别率, 光谱数据融合之后建立的小麦识别模型识别率得到显著提高, 该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率, 结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。

波段筛选方法的选取以及随后的光谱特征波段的提取对高光谱模型效果的影响较大。 为了快速准确检测羊肉的pH值, 开展并讨论了利用两种特征波段筛选方法对羊肉pH值高光谱模型的影响研究。 本研究采用二阶导数(2D)、 多元散射校正(MSC)和中心化处理(mean-centering)相结合的方法对所提取纯肌肉部分的代表性光谱进行预处理, 利用联合区间偏最小二乘(siPLS)和联合区间偏最小二乘结合遗传算法(siPLS-GA)对全波段473～1000 nm范围光谱进行特征波段的提取, 并分别建立相对应特征波段范围羊肉pH的PLS预测模型, 同时与全波段的PLS模型效果相比较。 结果表明采用siPLS-GA提取的特征波长建立的PLS模型效果最优, 其选取的特征波长点数为56, 校正集相关系数(Rcal)和均方根误差(RMSEC)分别为0.96和0.043, 预测集相关系数(RP)和均方根误差(RMSEP)分别为0.96和0.048。 siPLS-GA方法既能够减少建模使用的光谱变量, 又可以提高模型精度, 因此利用高光谱图像技术结合siPLS-GA可以实现羊肉pH的特征波段筛选和快速准确检测。

目前临床上血氧饱和度的无创检测主要基于双波长的脉搏血氧饱和度测量原理, 但其检测精度仍然需要进一步的探究和完善。 近年来, 国内外的很多研究者采用三波长甚至八波长的方法测量血氧饱和度, 从某种程度上减小了误差。 动态光谱法作为一种新型血液成分无创检测方法, 能消除受试者个体差异和测量环境等的影响, 在血红蛋白浓度的无创检测研究中取得了很好的效果。 基于动态光谱法对多波长下脉搏血氧饱和度检测进行了研究: 对60名重症监护患者进行动态光谱采集以及动脉抽血分析血氧饱和度值; 采用高灵敏度光纤光谱仪, 采集受试者指端透射多波长下的光谱信息; 以单拍提取法提取波长范围为606.44~987.55 nm的动态光谱; 以动脉血气分析中血氧饱和度值为参考真值, 建立血氧饱和度与多波长动态光谱数据的组合间隔偏最小二乘校正模型; 得到预测集的相对误差为±0.017 6, 而两波长测量装置监护仪上得到的数据相对误差为±0.116 4。 结果表明: 利用高灵敏度光纤光谱仪采集多波长光谱信息, 用动态光谱法进行数据预处理, 进行多波长血氧饱和度检测, 有效降低了血氧饱和度的测量误差。