The electroencephalogram (EEG) rhythm and functional near-infrared spectroscopy (fNIRS) activation levels have not been compared between a healthy control group (HCG) and methamphetamine user group (MUG) with different addiction histories. This study used 64-electrode EEG and fNIRS to conduct an experiment that analyzed the resting and craving states. The EEG and fNIRS data of 56 participants were collected, including 14 healthy participants, 14 methamphetamine users with an addiction history of 0.5–5 years, 14 users with an addiction history of 5–10 years, and 14 users with an addiction history of 10–15 years. Isolated effective coherence (iCoh) within the brain network was used to process the EEG data. Statistical analysis was performed to compare differences in iCoh among the delta, theta, alpha, beta, and gamma bands and explore oxyhemoglobin activation levels in the ventrolateral prefrontal cortex, dorsolateral prefrontal cortex, orbitofrontal cortex, and frontopolar prefrontal cortex (FPC) of the control group. Finally, the Kmeans, Gaussian mixed model (GMM), linear discriminant analysis (LDA), support vector machine (SVM), Bayes, and convolutional neural networks (CNN) algorithms were used to classify methamphetamine users based on drug and neutral images. A 3-class accuracy was achieved. Changes in EEG and fNIRS activation levels of HCG and MUG with varied addiction histories were demonstrated.

实现乙烯气体（C₂H₄）实时在线精确检测对石油化工、煤矿等行业安全具有重要意义，但是C₂H₄在近红外波段的谱线强度信息不明确，具有谱带吸收特征，且与CH₄有明显的混叠干扰，因此对其浓度进行精确检测是目前激光吸收光谱测量面临的共性技术难题。将波长调制光谱中的标定方法与直接吸收光谱相结合，提出了一种适用于C₂H₄气体检测的标定直接吸收光谱法（CDAS）。该方法不需要激光吸收光谱反演过程中的确切谱线强度信息，并克服了波长调制光谱在测量过程中出现的非线性效应。为了避免特定工况（如煤矿）中CH₄的干扰，实验装置采用了高精度压强控制系统，并且在100 mbar（1 bar=10⁵ Pa）稳定压强下实现了CH₄和C₂H₄混叠光谱的分离。实验过程中对1626 nm附近的CH₄和C₂H₄仿真和实测吸收光谱进行了分析，确定了C₂H₄的标定光谱范围，进而验证了该方法在体积分数低于100×10^-6的范围内，对C₂H₄气体的检测误差不超过-1.47×10^-6，并且测量体积分数与标准体积分数之间的线性拟合优度达到了0.999。对体积分数为10×10^-6的C₂H₄直接吸收光谱进行分析，以1倍信噪比对应的浓度作为检测下限进行等效计算，得到检测下限为1.38×10^-6。在Allan方差分析中，积分时间为77 s时检测精度达到了0.04×10^-6。以上实验结果充分说明了标定直接吸收光谱法能够在近红外波段实现C₂H₄的精确检测，并为此类气体的检测提供了一种新思路。

傅里叶变换红外光谱（FTIR）技术已被广泛用于监测环境大气中的温室气体和痕量污染气体。本课题组基于便携式傅里叶变换红外光谱仪（EM27/SUN）收集的近红外太阳吸收光谱，利用非线性最小二乘拟合光谱反演算法，反演了深圳市沿海大气水汽及其稳定同位素HDO的柱浓度，并计算了水汽同位素比值δD以及水汽蒸散同位素δDET。在2023年2月27日到3月11日观测期间，干空气柱平均摩尔混合比XH2O的平均值为3226.11 mg/kg，标准偏差为27.42 mg/kg，ln(XH2O）与大气地表温度高度相关，相关系数为0.94。观测期间，水汽同位素比δD在-122.52‰和-16.54‰之间变化。利用Rayleigh蒸馏模型理解δD与水汽柱浓度之间的关系，结果发现ln（δD×1000+1）与ln（XH2O）之间有着显著的相关性（R=0.74），表明该地区大气水汽稳定同位素变化与水汽系数变化有着较大的相关性。最后，利用Keeling比值分析方法进行分析，结果显示，大气水汽蒸散同位素特征δDET在（-289.92±8.89）‰和（21.79±7.19）‰之间变化。便携式FTIR光谱仪及其测量方法能够被用于准确观测大气水汽及其稳定同位素的时间变化，为海边大气水循环研究提供了基础数据。

表面增强红外吸收光谱技术能够将红外光波高度局域在探测分子周围，极大增强光波与分子的相互作用，为实现微弱分子红外振动光谱信号的高灵敏探测提供了新思路。其中，二维材料极化激元由于具有高度局域化光场和低固有损耗等独特性质，为表面增强红外光谱提供了一种有效的方案。本文综述了二维材料极化激元增强红外光谱技术的研究进展：首先从不同材料体系出发介绍极化激元基本特性，论述极化激元与分子模式耦合机理；在此基础上总结二维材料极化激元增强红外光谱技术的几个重要研究方向，主要包括等离激元增强红外光谱技术、声子极化激元增强红外光谱技术和近场红外光谱增强技术；最后展望极化激元增强红外光谱技术未来可能的发展方向。

近红外光谱及成像检测凭借其高效、无损、非接触等优点近年来被广泛应用于农林产品、食品检测等方面。该技术可快速获取样品光谱和图像信息，进而结合化学计量学、机器学习建模等对样品进行品质安全、掺杂掺假、理化指标和产地溯源等方面检测，深受各行各业的认可。但光学仪器使用环境以及被测样品性质具有局限性，光学检测结果易受到各种因素干扰，从而影响检测精度，应当予以消除或削弱。简述了近红外光谱和高光谱成像的检测基本原理，并对国内外近红外光谱及成像技术在检测时受到的影响因素进行总结与归纳，结合国内外研究学者在相关方面的研究内容，重点在温度、光照、水分、曲率变化和湿度等5个方面及相关校正方法的应用进行阐述，对当前存在的部分问题提出总结与建议，以期为相关方向的研究人员提供参考及借鉴。

细菌是人类最常见的致病源之一，不仅严重危害人类健康和公共卫生安全，还带来了巨额的医疗支出。快速而准确的细菌检测对细菌感染的治疗具有重要的意义。光谱检测方法不但可以快速实时地获得细菌的分类、含量以及功能状态等信息，而且具有操作简单、非侵入性的优势，在细菌检测领域具有巨大的潜力。本文介绍了拉曼光谱、太赫兹光谱、可见光和近红外光光谱、荧光光谱在细菌检测方面的研究与应用，并对可见光和近红外光光谱的分子机制——光靶点，包括含有视网膜发色团的细菌视紫红质（ CBCRs）、带有四吡咯发色团的拟菌植物色素、带有对香豆酸发色团的光活性黄蛋白（ PYP）、带有黄素单核苷酸（ FMN）的光氧压力（ LOV）结构域、带有黄素腺嘌呤二核苷酸（ FAD）发色团的隐色剂和含有 FAD的蓝光感应域等进行了阐述。最后，针对现有细菌光谱检测技术的优缺点提出了细菌检测技术的优化策略，希望对细菌的光谱检测研究提供帮助。

以近红外光谱技术在油茶籽粕检测中的应用为研究对象，在简单介绍近红外光谱技术的原理、特点及分析过程的基础上，详细阐述了该技术在油茶籽粕检测中的建模过程，为后续工作者更好地建立油茶籽粕近红外光谱分析模型提供理论依据和指导。同时，通过分析近红外光谱技术在油茶籽粕检测指标、标准制定以及模型转移技术中的发展，总结出该技术在油茶籽粕检测中的三个研究方向：开拓新项目的模型建立、制定普遍适用的标准、解决台间差并完成模型转移。油茶籽粕广泛应用于动物饲料、特医食品、保健食品等行业，因此大力开拓和推广近红外光谱技术在油茶籽粕检测中的应用是必然趋势。

为实现柑橘可溶性固形物含量(SSC)快速无损检测, 基于可见/近红外技术开发了低功耗手持式柑橘可溶性固形物含量无损检测系统。 以宽谱LED光源结合特征窄带微型光谱仪为核心, 设计了手持式柑橘可溶性固形物含量无损检测终端。 开发了基于物联网技术的水果光谱仪云端数据系统, 该系统主要包括用户库、 设备库、 检测数据库和模型库, 通过通讯模块与手持式无损检测终端相连接, 可以实现光谱采集参数修改、 云端数据上传与下载、 云模型的调用等功能。 利用该检测系统获取的光谱数据, 建立一维卷积神经网络(1D-CNN)模型用于预测柑橘的可溶性固形物含量。 该网络包含输入层、 卷积层、 池化层、 全连接层和输出层等7层结构。 主机采集柑橘的光谱数据并建立1D-CNN柑橘可溶性固形物含量预测模型, 并用该模型与多种传统回归方法进行对比。 1D-CNN模型的预测相关系数和预测均方根误差分别为0.812, 0.488, 优于偏最小二乘法(PLS), 人工神经网络(ANN)和支持向量机(SVM)。 采用基于模型的迁移学习方法, 基于主机的1D-CNN模型对从机进行模型传递, 研究了从机标准样本数量对模型传递的影响。 发现使用少量从机光谱样本即可取得较好的效果, 从机预测集均方根误差为0.531。 研究结果表明, 研发的柑橘SSC云模型的手持式可见近红外无损检测系统具有检测快速、 低成本、 操作简便等优点, 基于该检测系统的1D-CNN网络可以有效提取柑橘光谱的有效特征并进行回归分析。 借助迁移学习算法, 可以实现1D-CNN模型在不同装置间的有效传递, 满足柑橘可溶性固形物含量无损检测的需求。 为手持式水果内部品质无损检测系统的开发与应用提供了借鉴和参考。

食用燕窝可以调节肠道菌群, 改善人体免疫。采用傅里叶变换红外光谱技术对鲜炖燕窝进行光谱扫描, 并用特征的光谱吸收峰与服用燕窝后的小鼠肠道菌群进行关联性分析, 解析燕窝中的功能因子与肠道菌群的关联, 为探讨燕窝调控肠道机理奠定研究基础。 结果表明, 服用仙炖燕窝后肠道菌在属水平上: 有益菌Lactobacillus和Lachnospiraceae_NK4A136_group呈现上升趋势, 有益菌Faecalibaculum和Akkermansia呈现下降趋势; 有害菌Desulfovibrio、 Enterorhabdus和Candidatus_Saccharimonas均呈现下降趋势。 两个产品燕窝的红外差异光谱主要集中在1 700～1 200 cm-1波段范围, 主要为酰胺键、 芳香CC键以及羧基CO基团的分布区, 这些官能团与有益菌Lactobacillus和Lachnospiraceae_NK4A136_group呈现正相关, 与有害菌Desulfovibrio和Enterorhabdus呈现负相关。 随后利用高分辨质谱对相应的鲜炖燕窝产品进行物质解析, 发现主要成分有氨基酸类, 脂类(磷酸酯类、 脂肪酰、 鞘氨醇等), 酯类和唾液酸等物质, 这些物质与肠道菌呈现不同的相关性, 总的来说脂类物质中特别是一些磷酸酯类(磷脂酸、 磷脂酰胆碱、 磷脂酰甘油、 磷脂酰乙醇胺)和脂肪酰类物质与有害菌呈现负相关, 与有益菌呈现正相关。 这些物质所含有的特征官能团也可以与红外结果相对应。 以上结果表明, 傅里叶变换红外光谱技术可为探讨燕窝中功能因子调控肠道菌群研究提供理论依据。

禹粮土在蒙药中使用历史悠久, 但由于缺乏质量指标, 质量得不到保证, 极大地影响了其应用。 采用FTIR、 XRD及ICP-MS法测定9批禹粮土样品的物质组成、 结构及元素含量, 探究禹粮土的质量控制方法。 结果显示, 9批生品禹粮土在FTIR波数为3 696、 3620、 1 621、 1 164、 913、 797、 778、 695、 537和469 cm-1存在共有峰, 其中797 cm-1为Fe—O—Fe伸缩振动吸收峰, 695 cm-1为Fe—O—Fe对称伸缩振动吸收峰, 469 cm-1为Si—O—Si特征峰。 禹粮土的XRD主要物相为Fe2O3和SiO2, 并有Al4（OH）8(Si4O10)、 K(Al4Si2O9)（OH）3、 CaCO3以及一些磷酸盐等其他矿物伴生。 生品禹粮土XRD衍射光谱的衍射角度2θ中24.870、 33.116、 38.436为Fe2O3的X射线衍射峰, 衍射角度2θ中20.837、 26.608、 36.512、 39.437、 40.235、 42.423、 45.759、 50.102和54.827为SiO2的X射线衍射峰。 通过ICP-MS对禹粮土中元素进行测定, 结果显示, 禹粮土的元素组成十分丰富, 且不同产地及不同批次元素含量差异较大； 禹粮土中Fe元素含量最高, 其均值为56.9 mg·g-1, 限量标准为生品禹粮土全铁量不低于4.55%, 生品禹粮土中Pb、 As、 Hg、 Cu和Cd元素限量不得超过50 μg·g-1。 元素聚类结果显示, 在欧式距离10～15将样品S3、 S5、 S6、 S7分为一类, 将S1、 S2、 S4、 S8、 S9分为一类, 聚类分析结果表明, 不同产地禹粮土元素组成和含量存在差异, 可以将河南与内蒙古产地的禹粮土分为一类, 山东和青海的禹粮土分为一类。 生品禹粮土主成分分析筛取了4个主成分, 累计贡献率为90.462%, 筛选K、 Sr、 Be、 As作为禹粮土样品的特征元素。