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。

中红外衰减全反射光谱技术在人体血糖检测方面具有快速、绿色的天然优势。但人体血液中其他组分的存在会影响葡萄糖含量检测的准确度。因此，研究了人体血液中胆固醇、白蛋白以及尿素的存在对红外光谱法血糖检测的干扰程度。以117份含有不同干扰物以及不同质量浓度的葡萄糖仿体溶液为研究对象，对原始光谱进行SG（Savitzky-Golay）平滑处理后构建偏最小二乘回归模型，并构建Clarke Error Grid以及预测值与真实值对比图进行进一步分析。结果表明：全干扰物模型预测集相关系数（R_p）以及预测集均方根误差（RMSEP）分别为0.9785和40.0187，有85.7%的预测结果落在Clarke Error Grid可靠区（A区）；缺失胆固醇模型的R_p以及RMSEP分别为0.9042和175.7292，有40%的预测结果落在A区；缺失白蛋白模型的R_p以及RMSEP分别为0.9616和103.6627，有42.9%的预测结果落在A区；缺失尿素模型的R_p以及RMSEP分别为0.9742和38.6716，所有预测结果都落在A区。由此可以看出，胆固醇的干扰程度最大，白蛋白次之，尿素产生的干扰较小。本研究对提高红外光谱法葡萄糖检测的准确度具有一定帮助以及参考价值。

葡萄牙牡蛎(Crassostrea angulata)是中国南方重要的海水养殖生物。 由于长期的人工育苗, 且未采取种质保护措施, 其种质资源不断衰退, 从而给牡蛎消费市场带来了不良影响, 急需开展葡萄牙牡蛎良种选育工作。 选育营养好、 口感佳的葡萄牙牡蛎, 需要对大量样本进行营养成分分析, 传统的实验室化学法耗时费力, 成本较高, 因此需寻求一种高效的葡萄牙牡蛎化学成分含量测定方法。 采用美国Thermo Fisher公司的傅里叶近红外光谱仪对6个产地的105份经过冷冻干燥和研磨处理的葡萄牙牡蛎样本(去除闭壳肌)进行光谱扫描, 通过采集的光谱数据与测定的化学真实值对比分析, 检测了近红外光谱技术(NIRS)对葡萄牙牡蛎中蛋白质、 糖原、 牛磺酸、 锌、 硒和钙6种成分含量预测的准确性。 利用TQ Analyst软件, 选用偏最小二乘法(PLS), 乘法散射校正(MSC)、 一阶求导、 Norris平滑等光谱预处理方法, 建立了6种成分的近红外定量模型, 并选取1/3总样品量的样本作为验证样本, 对模型进行了外部验证和交叉验证。 葡萄牙牡蛎的蛋白质、 糖原、 牛磺酸、 锌、 硒和钙6个模型的校正相关系数(RC)分别为0.985 3, 0.965 1, 0.950 4, 0.955 4, 0.920 0和0.925 2, 预测相关系数(RP)分别为0.985 1, 0.963 6, 0.944 1, 0.946 1, 0.919 0和0.924 1, 交叉验证相关系数(RCV)分别为0.981 7, 0.946 1, 0.900 5, 0.897 5, 0.875 3和0.829 2。 结果表明, 模型预测值与化学真实值有很高的相关度, 近红外光谱技术可以比较准确地预测葡萄牙牡蛎中蛋白质、 糖原、 牛磺酸、 锌、 硒、 钙的含量。 本实验样本采集时间跨度长, 产地分布范围广, 数量大, 具有较好的代表性, 样本经过冷冻干燥处理, 减少了水分对光谱质量的影响, 提高了模型的准确性及稳定性。 鉴于近红外光谱技术分析过程高效, 不使用化学试剂, 检测成本低, 该模型的建立对开展大规模葡萄牙牡蛎营养成分快速分析, 选育肉质性状佳的新品系具有重要意义。

为了探究反射光谱检测水体中毒死蜱农药的可行性, 使用由ASD公司的FieldSpecPro地物波谱仪构成的高光谱采集系统在室内、 室外环境获取两种不同浓度区间的毒死蜱样品的光谱数据。 基于偏最小二乘（PLS）和主成分分析（PCA）算法分别对毒死蜱样品光谱数据建立全波段定量模型, 结果两种模型的预测能力均较高。 通过相关性分析（CA）计算相关系数来选择毒死蜱样品光谱的特征波长, 其中浓度区间为5~75 mg·L-1的室内、 室外实验光谱的特征波长为388, 1 080, 1 276 nm和356, 1 322, 1 693 nm, 浓度区间为0.1~100 mg·L-1的室内外实验样品光谱的特征波长为367, 1 070, 1 276, 1 708 nm和383, 1 081, 1 250, 1 663 nm。 结合PLS算法建立样品特征波长光谱数据的定量模型, 结果与全波段模型相比, 浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波长模型的校正集决定系数R2C分别提高至0.987 5和0.999 2, 预测集决定系数R2P分别提高至0.989 4和0.994 4, 校正集均方根误差RMSEC分别降低为2.841和0.714, 预测集均方根误差RMSEP分别降低为1.715和1.244; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波长PLS模型的校正集决定系数R2C分别提高至0.998 3和0.998 8, 预测集决定系数R2P分别提高至0.998 4和0.999 0, 校正集均方根误差RMSEC分别降低为1.383和1.186, 预测集均方根误差RMSEP分别降低为1.510和1.229, 验证集标准差与预测均方根误差的比值（RPD）有所增加, 尤其是针对浓度区间为0.1~100 mg·L-1的实验, RPD值显著增加至21.7, 说明基于特征波长建立的毒死蜱样品定量模型具有较高精度的预测能力, 但是通过不同浓度区间范围的对比实验发现, ASD地物光谱仪对低浓度的毒死蜱溶液预测的相对误差偏大, 存在客观上的检测下限。 为了保证不同试验条件下的毒死蜱农药的特征波长都得到分析, 增强模型使用的普适性与鲁棒性, 根据特征波长选择出4个波段, 即351~393, 1 065~1 086, 1 245~1 281和1 658~1 713 nm作为特征波段。 特征波段模型的波长变量个数共38个, 相比于全波段模型的432个波长变量, 模型变量精简了91.2%, 其中浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波段模型的R2C分别为0.993 7和0.987 8, R2P分别为0.979 8和0.998 2, RMSEC分别为1.690和2.516, RMSEP分别为1.987和0.659; 浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波段PLS模型的R2C分别为0.9882和0.9807, R2P分别为0.9391和0.9936, RMSEC分别为3.345和3.942, RMSEP分别为8.996和2.663, 且四种实验情况下的模型RPD值均大于2.5, 满足定量分析条件。 因此采用高光谱采集系统对室内和室外环境中毒死蜱农药的快速检测具有一定的可行性, 此研究结果对有机磷农药等面源污染物快速检测有实际的应用价值, 可为农田水体有机磷农药快速检测仪器的开发提供理论基础。

在废旧纺织品回收再利用中, 纤维类型和含量的快速、准确测定是回收方案的关键部分。以598个废旧涤棉混纺织物为研究对象, 采用便携式近红外(NIR) 光谱仪测试了样品的原始近红外光谱。在1 400～1 700和1 900～2 200 nm光谱区域, 100％棉和100％聚酯样品的光谱存在明显差异, 并且这些光谱差异存在于各种颜色纤维上。同时探讨了斜线光谱产生的原因可能是由于织物表面效果、着色方法及粘附在纤维表面的细小颗粒造成的。深色样品易造成其光谱基线在短波区发生漂移, 经导数预处理后, 基线漂移基本消除, 斜线光谱呈现出正常光谱的特征。 利用偏最小二乘(PLS) 法结合一阶导数、 S-G平滑、 均值中心化和正交信号校正法, 建立了废旧棉-涤混纺织物定量分析模型。 为了验证模型的可靠性, 选取346个样本采用内部交叉验证均方根误差(RMSECV) 和预测样品集外部检验法对模型进行检验, 模型的RMSECV值0.002、 校正集相关系数RC＝0.998、 预测相关系数RP=0.997、 预测标准差SEP＝1.121, 模型预测正确率可达97％。 对模型进行匹配样本t检验结果显示, NIR方法与国家标准方法无显着性差异。 NIR预测值与重量法测定值误差在±3％以内时, 二者的一致性在90％以上, 当误差在±5％以内, 二者的一致性在95％以上, 分析时间小于10 s。 因此, 利用近红外技术结合所建模型可以快速、 准确地预测废旧棉/涤混纺织物纤维成分的含量。

建立单粒糙米水份含量的近红外漫反射光谱(NIRS)模型,并结合不同的预处理及变量选择方法对其进行优化。 结果表明在5292～5616 cm－1 、7236～7600 cm－1、7884～8208 cm－1波数范围,用标准正态变化光谱预处 理建立的单粒糙米水份含量偏最小二乘(PLS)模型的预测能力最佳,其决定系数为0.98,预测误差均方根为1.01%；选择5492.56、7158.84、8285.12 cm－1 这三个波数变量建立的单粒糙米含水量多元线性回归(MLR)模型变量最少且预测能力较优,其决定系数为0.9661,预测误差均方根为1.137%。 结果表明应用近红外光谱技术能快速、准确地测定单粒糙米水份含量。

阐述了体系贡献度的概念内涵, 针对当前体系贡献度评估方法的缺陷, 通过研究体系作战下的天基对地**攻防对抗能力及其对作战结果的影响作用, 构建天基对地**体系贡献度评估指标体系; 对于数学含义明确的指标, 建立相应的数学量化模型, 对于数学含义不明确的指标, 提出了一种基于模糊综合的证据推理方法进行评估; 建立典型天基对地**作战体系, 针对不同的作战模式, 仿真分析天基对地**的作战过程, 进行天基对地**体系贡献度的评估和分析。仿真结果表明, 所建立天基对地**体系贡献度指标体系完善合理, 在所给定的作战体系中可有效地评估天基对地**的体系贡献度, 结果可靠有效。

以96批栀子不同炮制品为研究对象, 高效液相色谱测定栀子苷含量为参考值, 利用近红外光谱仪积分球漫反射测定其光谱图, 建模波段取8 660~7 500, 6 650~5 600和4 900~4 000 cm-1, 以标准正态变换（SNV）和二阶导数法（2nd derivative）为预处理方法, 主成分数为8, 采用偏最小二乘法（PLS）对83批栀子样品建立栀子苷的定量校正模型, 最终以13批栀子不同炮制品对模型进行验证。 结果, 定量模型的内部交叉验证决定系数（R2）为0992 85, 校正均方差（RMSEC）为0240, 预测均方差（RMSEP）为0254, 内部交叉验证均方差（RMSECV）为0386 91, RMSEP/RMSEC=106。 模型验证得到的相对分析误差（RPD）为881, 绝对偏差范围-039%~023%, 说明模型预测性较好。 通过相关系数法, 优选样品装样量、 扫描次数、 重复次数、 分辨率实验条件; 并由近红外一阶导和二阶导图, 除去温湿度和样品水分影响波段, 结合栀子苷对照品近红外光谱图, 确定建模波段。 首次利用NIRS法建立栀子不同炮制品栀子苷定量校正模型, 方法简单快速, 模型稳定可靠、 准确性高, 可同时应用于不同炮制品栀子中栀子苷含量的预测。

为寻找药品近红外通用性定量模型在建立过程中用于确立最优模型的关键评价参数组合, 收集整理了目前各种商品化化学计量学软件及文献中的13个常用于评价近红外定量模型的统计学参数, 结合人用药品注册技术要求国际协调会对于药品定量分析方法验证基本要求, 对92个药品近红外通用性定量分析模型的这些参数进行了计算和分析。 通过对各个参数之间相互关系的研究, 确定了适合于药品近红外通用性定量分析模型评价的参数组合, 并统计出了这些参数的数值范围: 用于模型准确性评价的关键参数为交叉验证均方根误差/预测均方根误差、 平均相对偏差和相对分析误差; 大部分交叉验证均方根误差/预测均方根误差结果在3%以内, 其中交叉验证均方根误差在数值上与平均绝对偏差相当, 大部分相对分析误差值大于2, 而平均相对偏差的数值与所建模型的类型（剂型、 样品的包装形式）和待测成分含量的分布有关。 模型线性评价关键参数为决定系数; 大部分模型的决定系数在80%～100%之间。 模型耐用性关键评价参数为预测均方根误差与交叉验证均方根误差的比值, 大部分模型该参数在1.5以内。 精密度评价关键参数为重复测定结果的标准差; 该参数对于规范近红外的操作, 以及考核模型能否在不同仪器间传递具有重要的意义, 但目前药品近红外通用性定量模型对于分析精密度的关注较少, 无法估计出具体数值范围。 该研究不仅为药品近红外通用性模型的建立者和使用者提供了评价模型优劣的依据, 也为完善药品近红外光谱通用性定量分析模型的参数评价体系提供了基础数据。

借助变量筛选方法可以从复杂的光谱背景下选择部分变量构建定量预测模型, 在一定程度上提高建模变量的解释性。 然而模型解释性的提高并不意味着建模变量有确切的理化意义。 本研究以甘草中红外定量预测模型为载体, 解析移动窗口偏最小二乘(mwPLS)、 组合间隔偏最小二乘(siPLS)和竞争自适应抽样方法(CARS)三种变量筛选方法所得变量与目标成分化学特征的相关性, 比较不同变量筛选方法下所筛变量解释性的差异。 结果表明, mwPLS优先筛出黄酮和皂苷两类成分红外光谱上区别明显的苯环骨架振动和皂苷母核上甲基取代基弯曲振动所对应的波段, siPLS筛出了黄酮类成分的(φ)C—O, (φ)CC, (φ)C—H伸缩振动的特征区间组合和皂苷类成分的C—O, C—H, O—H伸缩振动的特征区间组合。 相对于以上两种变量筛选方法, CARS筛选得到的变量能够更好地归属于甘草苷和甘草酸在中红外1 000～4 000 cm-1特征区的特征峰, 而且基于CARS筛选的变量建模, 模型的预测性能得到了提高。 因此, CARS筛选的变量能实现目标成分红外特征区大部分化学特征的解析, 有利于增强模型的解释性。