针对取样分析技术破坏壁画文物完整性问题, 提出非接触式可见光谱法原位无损识别壁画文物矿物质颜料物质成分和粒径的方法。 构建非接触式获取平台原位无损采集壁画文物表面可见光谱; 通过调研和实测数据分析, 制备了壁画矿物质颜料可见光谱数据库。 分析数据库中的光谱数据发现: 同种化学成分的颜料具有相同的吸收特性, 表现为光谱曲线峰值位置和几何轮廓的相似性; 在不同粒径下又呈现出不同的散射特性, 表现为光谱曲线幅度的差异性。 为此, 构建了壁画文物矿物质颜料物质成分和粒径的可见光谱法无损识别流程和识别方法, 即提取光谱曲线几何轮廓特征构建表征空间实现了颜料物质成分的识别; 在此基础上, 提出了矿物质颜料需进行物理特征识别的理念, 并建立了光谱曲线幅度积分值与颜料平均粒径间的拟合关系, 实现颜料粒径识别。 以敦煌莫高窟壁画为例验证了该方法的可行性。

显微红外光谱分析技术是将红外光谱仪和显微镜结合发展而来的分析技术。 该技术样品处理简单, 可用于微区分析和微量分析, 并且能反映样品的本质特征。 人参包括林下山参、 园参和野山参, 而我国禁止采挖野山参。 因此, 药典只收录了林下山参和园参。 该工作使用显微红外光谱技术, 结合判别分析建立了对林下山参和园参的无损识别模型。 收集了20个林下山参和24个园参后, 采集了其显微红外光谱。 其中, 33个样品被随机划分为校正集, 11个为验证集。 建立模型时, 优化了预处理方法、 主成分数、 建模波段和扫描部位。 最后, 使用多元散射校正+Savitzky-Golay平滑的预处理方法、 3932.14～669.18 cm-1的波段、 4个主成分数和芦头部位建立了最优的判别分析模型, 准确率达到100%。 结果表明, 结合判别分析的显微红外光谱技术, 样品处理简单、 快速、 无损、 有效, 可用于林下山参和园参的无损识别。

为满足食品中反式脂肪酸（TFA）的快检需求, 提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。 采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱, 应用毛细管气相色谱（GC）法测定食品中TFA的含量作为建模参考数据。 根据食品中TFA含量将食品分为含TFA食品和无TFA食品。 采用偏最小二乘判别（PLSDA）、 支持向量机（SVM）、 簇类独立软模式（SIMCA）和K-最邻近法（KNN）等有监督模式识别方法建立了含TFA食品的识别模型, 并研究了不同光谱预处理方法和建模波段对模型性能的影响。 研究结果表明, PLSDA和SVM两种方法可对含TFA食品进行识别 , 但PLSDA方法识别效果明显优于SVM方法。 其中, 使用与TFA相关波段, 结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳, 校正集和验证集识别准确率分别可达96.4%和88%, 具有快速无损识别含TFA食品的可行性。 这种方法不需脂肪提取和研磨等样品预处理, 具有简单、 快速、 无需破坏样品等优点, 非常适合现场或在线快速检测。

对不同生长年限的林下山参96支(其中, 十五年生24支, 十二年生72支)和园参177支。 采集近红外光谱后, 应用主成分分析-马氏距离法进行判别分析。 采用原始光谱, 经过预处理后, 在全光谱范围内分别选择合适的主成分数, 对林下山参和园参以及不同生长年限的林下山参分别建立了判别分析模型。 所建立的两组模型对验证集的正确判别率均为100%。 表明该方法准确可靠、 快速无损, 可实际用于林下山参的质量控制。