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。

近红外光谱分析技术在航空航天、 生物医药、 环境检测、 食品安全等众多领域均有广泛应用。 高性能、 微型化、 低成本近红外光谱仪是制约基于近红外连续光谱分析的微小型检测装备发展的主要瓶颈, 是当前光谱仪发展的主要研究方向。 提出了一种基于微光机电系统(Micro-optical electro-mechanical system, MOEMS)集成扫描光栅微镜和改进型非对称式切尼-特纳(Czerny-Turner, C-T)光学结构的微型近红外光谱仪系统结构, 分析了光谱仪系统和集成扫描光栅微镜的工作原理, 基于光栅相关参数和光谱仪性能指标要求确定了集成扫描光栅微镜最大扫描角度。 分析了改进型非对称式C-T初始光学结构像差, 基于ZEMAX光学设计平台完成了光谱仪光学系统的仿真和优化设计, 确定了系统关键参数。 仿真分析了平凸柱面透镜对改进型非对称式C-T光学结构系统分辨率、 检测灵敏度等性能参数的影响。 基于仿真优化结果, 完成了微型近红外光谱仪机械结构设计、 加工与装调, 搭建实验平台完成了光谱仪相关性能参数测试。 结果表明, 设计的基于MOEMS集成扫描光栅微镜和改进型非对称式C-T光学结构的微型近红外光谱仪, 采用重庆大学自主研发的谐振频率为677.1 Hz的MOEMS集成扫描光栅微镜来实现同步扫描和分光, 0.8 ms时间内即可完成一次波长范围800～1 800 nm的光谱测量, 光谱准确性与国外品牌光谱仪比较无明显差异, 光谱整体分辨率半峰全宽（FWHM）≤11 nm, 波长稳定性≤±1 nm; 基于平凸柱面透镜的光学结构设计可将探测输出光强值提高15%以上, 可有效提高光谱测量的灵敏度; 同时, 经过平凸透镜二次聚焦后的光斑尺寸更小, 可选用感光面积小、 截至频率大的单管探测器实现光谱探测, 可降低系统成本、 抑制外部光噪声, 满足扫描频率较高的扫描光栅式光谱仪的光谱分辨率需求。 因此, 提出的基于MOEMS集成扫描光栅微镜和改进型非对称式C-T结构的近红外光谱仪满足高性能、 微型化和低成本的光谱仪发展需求。

归纳总结了现阶段国内外微型近红外光谱仪的发展现状，并对其原理结构以及优缺点进行阐述分析。最后对微型近红外光谱仪的发展前景进行了展望，微型近红外光谱仪在特定领域提高专用性的同时依然会朝着高信噪比、高分辨率、高稳定性、以及新材料、新工艺方向发展。

为了评估微型近红外光谱仪应用于现场水果糖度检测的可行性, 采用粒子群算法结合反向传播(BP)神经网络建立了苹果糖度的无损高精度快速检测方法, 研究了微型近红外光谱仪NIRscan以单波长和阿达玛变换两种测量模式获得的光谱数据, 应用多种不同的数据预处理方法和多元线性回归、偏最小二乘法、粒子群算法(PSO)、BP神经网络等算法建立分析模型。结果表明, 以阿达玛变换工作模式测得的光谱数据更好, 以1阶导数结合Savizky-Golay平滑算法作数据预处理, 应用PSO结合BP神经网络建立的苹果糖度预测模型具有更高的预测精度, 预测相关系数和均方根误差分别为0.9911和0.1502。该微型近红外光谱仪NIRscan用于苹果糖度的现场快速和高精度无损检测具有可行性。

数字微镜器件(Digital Micromirror Device, DMD)作为一种新型的空间光调制器, 具有分辨率高、生产成本低、加工效率高等优点, 使用起来非常灵活, 因此实验室搭建了基于DMD的近红外光谱仪。首先, 介绍了DMD近红外光谱仪的基本工作原理。其次, 对该光谱仪进行了波长标定, 提出基于同一样品吸光度曲线相关系数的方法对其进行了波长台间差标准化, 使得波长的台间差在理论上小于0.1 nm, 在模型转移时符合要求。又通过在强光与弱光条件下对其噪声与信噪比的测试实验对比得出DMD近红外光谱仪不同编码模版的选择准则: 在强光条件下扫描方法优于阿达玛方法, 在弱光条件下相反。最后, 利用该光谱仪对实际样品汽油和柴油进行检测, 测试结果表明该光谱仪性能稳定。该DMD近红外光谱仪检测波长范围为1 330~2 500 nm, 吸光度偏差小于等于0.000 4 AU。

通过消除光谱中的冗余信息变量, 挑选出代表样品性质的特征变量代替全谱建立定量模型, 可以提高近红外分析结果的准确性。 基于进化论中适者生存原理的竞争性自适应重加权采样（CARS）算法因具有计算速度快、 筛选得到的特征波长少等优点, 在近红外特征变量筛选方面得到了广泛的应用。 然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。 这是因为算法过于强调校正集交叉验证结果, 且并未考虑相邻变量之间的协同作用。 为了建立更加稳健的变量筛选方法, 通过结合“窗口”以及CARS算法的优势, 提出了一种基于窗口竞争性自适应重加权采样（WCARS）策略的近红外特征变量筛选方法, 并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。 采用WCARS方法可以实现准确定量分析, 且通过与竞争性自适应重加权采样（CARS）方法结果相比较, WCARS方法得到的校正集和预测集结果一致, 在一定程度上减少了过拟合问题的出现。 该策略能有效增强特征变量选择的稳健性, 提高了定量模型的可信度, 具有一定的应用价值。

近红外光谱仪是重要的光学分析仪器,具有重要的应用价值。为了实现近红外波段高动态、可调谐分辨率光谱的探测,设置入射狭缝、中间狭缝和出射狭缝,构建了基于准Littrow结构的单光栅双路光谱仪,并利用Zemax软件进行光学系统仿真。在此基础上,研制了实验室用近红外光谱仪,包括光机模块、控制分析模块和探测模块,系统的工作波长为600~1700 nm。结果表明:光束以准Littrow角2次经过平面光栅,能有效消除出射光斑的空间色散效应,减小出射光斑的几何尺寸,进而有效抑制光谱信号的边模噪声和降低杂散光强度;光路系统配合自主研制的高动态光电探测系统扩大了获取光谱信号的动态范围;经过光谱标定和相对辐射标定后,利用构建系统对窄带宽激光光源进行探测,系统最高的光谱分辨率(即半峰全宽)优于0.05 nm,测得复原激光光谱在中心波长±1 nm范围内的动态范围优于70 dB。