油茶（Camellia oleifera）炭疽病是油茶产业普遍发生的一种破坏性极强的病害， 严重制约了油茶产业的发展， 油茶患炭疽病初期只需及时修除树上的患病部位， 随着病情的加重需铲除患病枝干， 患病严重的病株要及时砍伐。 针对目前检测油茶炭疽病等级的实验复杂、 判定精度不高等问题， 提出采用激光诱导击穿光谱（LIBS）结合傅里叶变换近红外光谱检测油茶叶片炭疽病等级判定的方法， 以实现油茶炭疽病等级的快速、 高效和高精度判定。 健康和感染不同程度炭疽病油茶叶片的LIBS光谱中Fe、 Ca、 Mn、 CaⅡ等元素健康油茶叶片与患病油茶叶片存在显著差异， 且随着患病程度的增加元素的特征峰强度逐渐降低， 主要原因是这几类元素都是油茶生长所必需的元素; 健康油茶叶片与患不同程度炭疽病油茶叶片的傅里叶变换近红外光谱的吸光度也存在差异， 随着油茶叶片炭疽病等级的加重傅里叶变换近红外光谱的吸光度逐渐降低， 主要是由于傅里叶变换近红外光谱能够反映样品的物理特性。 分别采用归一化（Normalization）、 多元散射校正（MSC）、 标准正态变换（SNV）预处理方法结合竞争自适应重加权采样（CARS）、 连续投影算法（SPA）变量筛选方法建立了偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）的油茶炭疽病等级的融合光谱分类模型。 PLS-DA模型中LIBS(Normalization-CARS)-NIR(Normalization-CARS)-PLS-DA的预测集RMSEP=0.173, R2p=0.987, 误判率为0; SVM模型中LIBS-NIR-CARS-SVM的建模集精度100%， 预测集精度为97.59%。 实验结果表明: 基于LIBS与傅里叶变换近红外光谱融合检测油茶叶片炭疽病等级中PLS-DA模型比SVM模型的定性分析精度更高， 模型更稳定。 研究表明: LIBS光谱联合傅里叶变换NIR光谱可高效、 快速、 高精度地区分健康油茶叶片与各个等级的炭疽病油茶叶片。

绒柄牛肝菌(Boletus tomentipes Earle)是一种健康食品, 受广大消费者的青睐, 其子实体营养物质积累量受生长环境(海拔、 气候等)影响, 不同产地间营养物质含量差异显著, 为去劣存优, 急需建立一种准确、 快速、 廉价的产地鉴别技术。 采用数据融合策略结合随机森林算法(RF)对绒柄牛肝菌的产地进行鉴别, 比较了多种特征值提取方法对RF模型分类效果的影响。 扫描来自4个产地(北亚热带、 北温带、 南亚热带、 中亚热带)87个样品不同部位的傅里叶变换近红外光谱和傅里叶变换中红外光谱, 分析其光谱特征。 通过Kennard-Stone算法将所有样品划分为2/3的训练集(58)和1/3的验证集(29), 基于4种红外光谱(近红外的菌柄(N-b)、 近红外的菌盖(N-g)、 中红外的菌柄(M-b)、 中红外的菌盖(M-g))与三种数据融合策略(低级融合、 中级融合、 高级融合)的数据, 结合RF建立产地鉴别模型, 比较了不同方法提取的特征值(投影重要性指标值、 Boruta、 潜在变量)对模型分类效果的影响。 其中, 根据袋外错误率(oob)选择最优ntree和mtry; 以特异性、 灵敏度、 训练集正确率和验证集正确率评价模型分类性能, 综合多种评价指标, 找出绒柄牛肝菌产地鉴别的最佳方法。 结果表明: (1)近红外和中红外光谱均能反映不同产地绒柄牛肝菌间存在的细微差异。 (2)单一光谱结合RF建立判别模型效果不理想。 (3)三种融合策略均可提高绒柄牛肝菌的产地鉴定效果, 产地鉴别效果优劣依次为高级融合、 中级融合、 低级融合。 通过扫描绒柄牛肝菌近红外和中红外光谱, 采用基于特征值LV的高级融合策略, 结合RF建立不同产地绒柄牛肝菌鉴别模型, 有高验证集正确率(99.6%), 高灵敏度(0.969), 高特异性(0.986), 实现了绒柄牛肝菌产地的准确、 快速、 廉价鉴别, 可以作为绒柄牛肝菌产地溯源的一种可靠方法。

近年来食品安全问题频发, 消费者愈加重视食品原产地的环境安全, 导致地理标志产品的需求增加。 美味牛肝菌(Boletus edulis)作为一种健康食品, 其产品品质受原产地环境影响较大, 为保护消费者的身体健康, 防止假冒伪劣产品进入市场, 急需一种高效、 廉价的美味牛肝菌产地鉴别技术。 采用数据融合策略结合偏最小二乘判别(PLS-DA)模型对美味牛肝菌的产地进行鉴别。 扫描来自8个产地(昆明、 楚雄、 玉溪、 迪庆、 大理、 保山、 文山和曲靖)141个样品的傅里叶变换近红外光谱和傅里叶变换中红外光谱。 使用Kennard-Stone算法将所有样品划分为2/3的训练集和1/3的预测集, 利用三种融合策略(低级、 中级和高级)对4个单一光谱矩阵: 近红外的菌柄(N-b)、 近红外的菌盖(N-g)、 中红外的菌柄(M-b)、 中红外的菌盖(M-g), 建立偏最小二乘判别(PLS-DA)模型。 用交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)评价模型稳定性, 非错误率(NER)、 训练集正确率和预测集正确率评价模型分类性能, 综合多种评价指标, 找出美味牛肝菌产地鉴别的最佳方法。 结果表明: (1)近红外和中红外光谱均能鉴别美味牛肝菌产地; (2)中红外光谱所建立的模型优于近红外光谱所建立的模型; (3)三种融合策略均可提高美味牛肝菌的产地鉴别效果, 产地鉴别效果优劣依次为中级融合、 高级融合、 低级融合、 单一光谱模型。 通过融合近红外和中红外光谱使用PLS-DA进行基于特征值LV的中级融合策略, 建立不同产地美味牛肝菌鉴别模型, 有最少的变量数(49), 最高的产地训练集正确率(100%), 最高的产地预测集正确率(100%), 最低的RMSEP(0.133), 实现了美味牛肝菌产地的快速、 准确鉴别, 可以作为美味牛肝菌产地溯源的一种可靠方法。

微生物细胞的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)反映了细胞成分的分子振动信息, 具有的高度特异性, 为寻求一种基于FT-NIR的微生物快速鉴定方法提供了可能。 文章通过采集1株酵母和5株细菌标准菌株的近红外漫反射光谱, 采用主成分分析法对光谱数据进行了分析, 构建了基于FT-NIR的微生物快速鉴定模型。 分析结果表明: ①光谱鉴别指数Dy1y2值范围为1.61±1.05～10.97±6.65, 重现性良好; ②建立的基于线性判别分析模型的鉴定准确率为100%, 基于人工神经网络模型的预测结果平均相对误差为5.75%, 预测准确率高。 研究结果证实该方法可以实现基于FT-NIR结合多元数学统计方法的微生物快速鉴定, 并具有广阔的产业应用前景。

建立了一种快速同时测定香精香料理化指标的方法.利用傅里叶变换近红外光谱(FT-NIR)技术，建立了香精香料的折光指数、pH、相对密度及挥发总量四种理化指标的预测模型，同时考察了光谱预处理方法对模型的影响，并对模型预测结果的准确性与重复性进行了评价.结果表明，所建模型适用于不同种类的香精与料液，可快速同时对样品的折光指数、pH、相对密度及挥发总量四种理化指标进行预测，预测均方差RMSEP分别为0.00182，0.374，0.00393与3.04.可见，近红外光谱技术能够对烟用香精香料进行快速、无损与同时分析，并满足实际测量要求.