通过在感知层中加入定制化的微型光谱感知节点,近红外(NIR)光谱传感物联网(IoT)实现了NIR光谱分析技术和IoT技术的集成应用,进而可以满足IoT感知层中对物质成分传感的应用需求。近年来,中国科学院上海技术物理研究所依托成熟的InGaAs焦平面探测器技术,与山东大学联合,在NIR光谱传感IoT的研究和应用上取得了良好进展。首先,介绍了NIR光谱传感IoT的系统架构和关键技术。接着,为了实现光谱感知节点的微型化设计,重点介绍了集成多通道滤光片和集成线性渐变滤光片的两种微型光谱组件结构及其波长定标方法,并结合制备工艺对光谱组件的性能展开对比和分析。最后,基于集成式光谱组件,进一步介绍了NIR光谱感知节点、云服务器和手机客户端的研究应用情况,并对NIR光谱传感IoT的未来发展进行展望。

农田变量施肥作业需要对农田土壤养分信息进行高精度的快速原位采集, 已有的设备不能满足精细农业田间测量的需要, 为此基于近红外漫反射测量开发了一款新型车载式原位土壤参数检测仪。 检测仪采用光照稳定性更好的卤钨光源代替太阳光进行土壤光谱检测, 以提高仪器对工作条件的适应性。 由7个敏感波长(1 070, 1 130, 1 245, 1 375, 1 450, 1 550, 1 680 nm)构成的土壤氮素测量极限学习机模型提高了仪器的测量实时性和精度。 检测仪由机械部分、 光学部分及控制部分组成。 机械部分为检测仪提供平台支撑, 光学部分为检测仪提供检测光源, 主要由卤钨光源、 光源转接法兰、 近红外导光光纤、 检测总成（含入射光出口端、 InGaAS光电探测器及7个敏感波长的滤光片）等组成, 控制部分实现对土壤测量信号的采集及处理。 检测仪工作时, 卤钨光源通过近红外导光光纤、 检测总成中的入射光出口端将检测光源传输到待测土壤表面, 通过测量土壤表面漫反射光的光谱反射率检测土壤养分参数。 在卤钨光源和近红外导光光纤连接处设计光源转接法兰, 最大限度的减小检测光源在传输过程中的损失。 漫反射光经过检测总成中的滤光片滤波后, 由相应的InGaAS光电探测器实现光电转换, 再经信号处理单元计算出各个敏感波长处的反射率。 检测仪采用灰度标准板进行光学标定测试, 测试结果显示, 检测仪在7个敏感波长处的反射率与MATRIX-I型傅里叶光谱分析仪反射率相关系数最高为0.997 8, 平均值为0.927 8, 表明检测仪有较高的检测精度。 为进一步对检测仪农田土壤养分的检测精度进行评估, 进行了检测仪的农田应用试验, 检测结果表明检测仪检测值与实验室标准检测方法检测值的相关系数都在0.90以上。 试验结果表明, 车载式原位土壤参数检测仪能够实现对农田土壤养分信息的快速原位高精度检测。

利用近红外光谱在不同光程下对山茶油中掺杂大豆油的掺伪量进行定量检测研究,着重分析光程对掺伪量检测精度的影响.将大豆油按一定质量分数掺入山茶油获取实验样本,掺伪质量分数范围为1%～50%.利用QualitySpec型光谱仪采集样本在不同光程(1,2,4,10 mm)下的透射光谱,通过对比不同建模方法、预处理方法及建模波段范围所建立的掺伪量定量预测模型,分析光程对掺伪量检测精度的影响.研究结果表明,光程由1 mm增加到4 mm时,掺伪量定量预测模型性能随着光程的增加而逐渐变好,检测精度逐步提高;光程由 4 mm增加到10 mm时,掺伪量定量预测模型性能变差,检测精度下降,4 mm为较优的光程.在1,2,4和10 mm下所建立的较优掺伪量定量预测模型的预测集决定系数(R2P)和预测均方根误差(RMSEP)分别为0.923,0.977,0.989,0.962和4.58%,2.54%,1.72%,3.20%。

为了探索一种简捷、 快速、 高效的西红柿品质检测方法， 应用近红外光谱技术与光纤传感技术相结合的新方法， 快速测量西红柿果浆样品中营养成分的含量。 实验所用的主要仪器为近红外光纤光谱仪， 波长范围为900～2　500 nm。 以164个西红柿样品为标准样品， 进行了光谱采集及相应的化学值测定。 实验数据采用偏最小二乘法（PLS）进行回归，　建立西红柿果浆中总酸及可溶性糖含量的数学模型， 并对回归方法进行统计分析。 结果为： 西红柿果浆中总酸验证集的决定系数（R2）为0.967， 均方根误差（RMSEC）为0.133， 预测均方根误差（RMSEP）为0.103； 总糖验证集的决定系数（R2）为0.976， 均方根误差（RMSEC）为0.463， 预测均方根误差（RMSEP）为0.460。 均达到了较好的预测结果， 表明该方法对定量分析西红柿果浆中多组分含量是可行的。 基于该方法快速、 简便及可对同一样品多组分含量同时分析的优点,它是一种极具发展前途的传感器， 正在逐渐成为国际传感器领域的研究热点。

为了实现羊绒、羊毛纤维的快速、无损检测，建立了羊绒、羊毛近红外光谱数据库，包括228组各地羊绒、羊毛数据，并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程；然后，在对羊绒、羊毛原始近红外光谱进行预处理的基础上，对数据进行主成分分析，选出12种主成分，并结合改进的RBF模糊神经网络，建立羊绒、羊毛检测模型。通过与主成分分析马氏距离建模方法的对比分析实验表明，建立近红外光谱数据库，并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法，可快速建立高精度的羊绒、羊毛纤维检测模型。

开发了一款基于近红外漫反射测量的便携式土壤有机质测定仪。 测定仪主要由光学单元和电路单元组成。 光学单元包括光源、 入射和反射光信号传导光纤、 光电转换器件等。 电路单元包括光源驱动电路, 放大电路、 A/D转换电路、 液晶显示和U盘存储电路等。 工作时探头部分插入土壤形成密闭空间, 光源发出的光通过入射光纤传送到探头的顶端, 并照射顶端周围的土壤; 来自土壤的漫反射光沿反射光纤被传送到光电转换器件, 产生的电流再被送至电路单元进行放大、 滤波、 A/D转换、 显示和存储。 分别针对自然土样和烘干土样的性能试验结果表明, 反射率和SOM含量之间具有很高的相关性, 在土壤有机质实际含量大于2%时, 平均相对误差率低于5%。 开发的仪器能够满足农业生产需要。

为了研究近红外光谱模型的优化方法,提高模型的精度,利用遗传算法对64个掺加了肉骨粉的鱼粉样品近红外光谱进行变量筛选,采用偏最小二乘法回归建模,并用21个样品进行外部验证。遗传算法共选取310个波长变量,相对于全谱的1556个变量减少了80%,与全谱范围的偏最小二乘法相比,交互验证相关系数(RCV)从0.80提高到0.90,交互验证均方根误差从5.22%降低到3.62%,预测相关系数(RV)从0.91提高到0.96,预测均方根误差从3.85%降低到2.95%,模型的稳健性和预测精度都显著提高。试验结果表明遗传算法可以改善近红外光谱法预测鱼粉中肉骨粉含量的效果。