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。

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。

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。

应用便携式近红外光谱仪采集320份生鲜猪肉在近红外光谱中波区的光谱信息, 采用不同优化方法建立猪肉胆固醇预测模型, 并对异常样品的剔除及组合预处理方法对模型性能的改善进行了分析。 研究表明: 通过对异常值的二次剔除, 并使用SG一阶导数（savitzky-golay first derivative, SG 1stD）、 SG平滑（savitzky-golay smoothing, SGS）和正交信号校正（OSC）的组合预处理方法, 可获得最佳生鲜猪肉胆固醇预测模型, 其参数如下: 校正集相关系数（Rc）=09137, 校正标准差（standard error of calibration, SEC）=25607, 验证集相关系数（Rp）=0656 7, 预测标准差（standard error of prediction, SEP）=4985 5, 主因子数（principal factor, PF）=4, 范围误差比（ratio of performance to standard deviation, RPD）=25032, 相对预测标准差（relative standard error of prediction, RSEP）=8625 4%, SEP/SEC=1946 8, 说明模型在近红外光谱中波区对猪肉胆固醇的分辨能力和预测准确度较好, 通过向校正集中补充代表性样品可使模型稳健性进一步改善。 对检验集样品预测值（prediction value, PV）与参比值（reference value, RV）的t检验显示二者之间无显著性差异（p＞005）, 检验集样品总体预测准确率为625%, 其中50～70 mg·(100 g)-1区段的局部预测准确率达到917%, 可以用于生鲜猪肉胆固醇浓度的在线快速初步定量分析。 该研究将便携式近红外光谱用于在近红外中波区对生鲜猪肉及肉制品中胆固醇浓度的分析和检测, 通过进一步的研究和改进, 可将其应用于产品的原料分级、 品质和过程控制及市售产品的抽检等。

为了使光谱仪在分辨率基本不变的同时增宽工作光谱范围, 利用非成像原理设计了自由曲面透镜, 将光源发出的宽工作谱段的光束准直为两束波长不同、方向不同的平行光, 实现探测器上光谱的折叠分布.首先, 根据两束入射光线经自由曲面折射前、后的矢量关系, 建立自由曲面上点坐标的一阶偏微分方程组；然后, 采用Runge-Kutta法对偏微分方程组进行数值差分求解, 得到自由曲面离散采样点, 进而构建得到自由曲面透镜, 将自有曲面透镜导入ZEMAX软件中对光源的双光束准直进行模拟, 在Tracepro软件中进行光线追迹分析其照度分布；最后, 将自由曲面透镜应用于近红外光谱仪中, 将波段为800~2 400 nm的光源准直为两束波长分别为800~1 600 nm和1600~2 400 nm的方向不同的平行光束, 经单个光栅色散后由成像透镜组成像在探测器表面, 形成两组相互平行且首尾相连的折叠光谱, 光谱仪的分辨率优于10 nm.结果表明, 采用该自由曲面透镜可以同时实现光谱仪的高分辨率和宽工作光谱范围, 且使光谱仪的结构更加紧凑.

近红外光谱分析技术凭借分析速度快、 样品预处理简单等特点, 被广泛用于农业、 医药、 环境、 石油化工等领域。 为实现高效率的现场检测, 便携式的近红外光谱仪越来越备受关注。 由于近红外光谱分析技术能够对多组分同时进行测定, 因此在该研究中使用便携式近红外光谱仪探索同时对稀溶液中多种重金属离子定量分析的可行性。 使用胺基改性聚合淀粉富集水中的镍离子和铜离子, 然后使用便携式近红外光谱仪直接采集胺基改性聚合淀粉的近红外漫反射光谱, 再借助光谱预处理方法和偏最小二乘回归法建立模型, 最后通过交叉验证和外部验证证明所建立模型的稳定性。 结果表明, 在其他干扰离子存在下, 氨基改性聚合淀粉仍能分别以99.5%和99.8%高效率地富集稀溶液中的镍离子和铜离子。 便携式光谱仪采集的近红外漫反射光谱分别经连续小波变换和多元散射校正结合卷积求导光谱预处理之后, 使用偏最小二乘回归能够得到相关系数分别为0.981 9和0.965 4的稳健模型, 实现了对稀溶液中镍离子和铜离子的同时测定, 并且检测到的镍离子和铜离子的最低浓度均为3.0 mg·L-1。 该方法不仅提高了近红外光谱分析技术的检测灵敏度, 同时也表明了便携式近红外光谱仪对多种重金属离子同时定量分析的可行性, 是一种拓宽近红外光谱分析技术的有益探索。

In this work, multivariate detection limits (MDL) estimator was obtained based on the microelectro- mechanical systems–near infrared (MEMS–NIR) technology coupled with two sampling accessories to assess the detection capability of four quality parameters (glycyrrhizic acid, liquiritin, liquiritigenin and isoliquiritin) in licorice from different geographical regions. 112 licorice samples were divided into two parts (calibration set and prediction set) using Kennard– Stone (KS) method. Four quality parameters were measured using high-performance liquid chromatography (HPLC) method according to Chinese pharmacopoeia and previous studies. The MEMS–NIR spectra were acquired from fiber optic probe (FOP) and integrating sphere, then the partial least squares (PLS) model was obtained using the optimum processing method. Chemometrics indicators have been utilized to assess the PLS model performance. Model assessment using chemometrics indicators is based on relative mean prediction error of all concentration levels, which indicated relatively low sensitivity for low-content analytes (below 1000 parts per million (ppm)). Therefore, MDL estimator was introduced with alpha error and beta error based on good prediction characteristic of low concentration levels. The result suggested that MEMS– NIR technology coupled with fiber optic probe (FOP) and integrating sphere was able to detect minor analytes. The result further demonstrated that integrating sphere mode (i.e., MDL_0.05;0.05, 0.22%) was more robust than FOP mode (i.e., MDL_0.05;0.05, 0.48%). In conclusion, this research proposed that MDL method was helpful to determine the detection capabilities of low-content analytes using MEMS–NIR technology and successful to compare two sampling accessories.