可溶性固形物含量（SSC）是反映苹果品质和成熟度的重要生理指标, 能够用于苹果品质分析和成熟度预测。 以新疆阿克苏冰糖心红富士苹果为研究对象, 从果实膨大定形期至完熟期, 以等间隔周期3 d采摘样本, 测其380~1 100 nm的可见/近红外光谱和SSC, 共552个样本。 然后融合分数阶微分（FD）及置换重要性-随机森林（PIMP-RF）算法, 构建成熟期苹果SSC预测的集成学习模型。 结果表明, 基于PLS模型优选的分数阶微分阶次为0阶、 0.4阶、 1.1阶和1.6阶, 且通过PIMP-RF算法进行特征重要性和可解释性分析结果显示, 利用可见/近红外光谱预测成熟期苹果SSC的关键波长主要为可见光波段, 这为今后研发新疆冰糖心红富士苹果的快速无损检测设备提供参考； 基于分数阶微分技术和PIMP-RF算法构建的成熟期苹果SSC集成学习模型具有很好的预测能力, 其训练集的相关系数r等于0.989 2, 平均绝对误差MAE等于0.241 2, 均方根误差RMSE等于0.309 1, 平均绝对百分误差等于0.018 3； 测试集的相关系数r等于0.903 8, 平均绝对误差MAE等于0.549 9, 均方根误差RMSE等于0.740 8, 平均绝对百分误差等于0.043 4, 相比于FD0-PIMP-RF、 FD0.4-PIMP-RF、 FD1.1-PIMP-RF和FD1.6-PIMP-RF模型, 集成学习模型为最优。 故而, 集成分数阶微分技术与PIMP-RF算法, 结合可见近红外光谱技术可有效地实现成熟期苹果的可溶性固形物含量预测。

煤炭是我国最主要的能源, 在开采、 运输、 洗选加工、 精煤储运等过程中都需要及时了解煤的成分、 含量以及混矸程度, 以便掌握和监控煤炭质量。 目前, 基于可见光-近红外反射光谱的煤炭原位测试技术已经成为一个研究热点。 颗粒度是影响光谱特征的重要因素, 开展颗粒度对不同煤种反射光谱特征的影响研究, 对于深刻认识煤的光谱特征, 进而提高煤光谱识别精度具有重要意义。 为此, 选取我国主要煤炭富集区（包括内蒙古乌海、 新疆哈密、 山西阳泉）的褐煤、 烟煤、 无烟煤为研究对象, 利用SVC HR-1024光谱仪对不同颗粒度煤样的可见光-近红外光谱进行测试, 分析了颗粒度对煤样光谱反射率的影响规律, 以及颗粒度对于不同煤种光谱影响的差异。 在此基础上, 对实验现象背后的物理机理进行了分析讨论。 研究表明, 变质程度不同的煤反射光谱特征基本相似, 即在可见光波段反射率较低且随波长增加出现缓慢下降趋势, 在近红外波段快速上升。 当煤样颗粒度>0.10 mm时, 颗粒度大小对光谱特征的影响较小, 煤样反射光谱特征随颗粒度变化规律不明显; 当颗粒度<0.10 mm时, 颗粒度对煤样的光谱影响增大, 且影响主要体现在近红外波段的反射率光谱曲线的斜率大小, 颗粒度越小, 光谱反射率曲线斜率越大。 0.10 mm颗粒度可作为颗粒度对煤的光谱特征影响的敏感界限。 不同煤种可见光-近红外光谱曲线受颗粒度的影响程度不同, 褐煤的影响最大, 烟煤次之, 无烟煤影响最小。 实验表明, 利用反射光谱进行煤质分析和煤种识别时需要考虑颗粒度的影响, 同时, 选择颗粒度小于0.10 mm的粉末状样品效果要好于大颗粒或块状样品。

为实现水面溢油目标的偏振遥感, 选择合适的波段和观测角度, 需要油膜的光谱偏振特性数据作支撑。 在实验室采用椭偏测量的方法, 针对不同厚度机油油膜和纯净水作为背景样本, 测量了不同观测角度下从紫外到近红外波段（270~900 nm）的镜面反射光谱偏振参数: 辅助角ψ和相位差Δ, 并对在相同条件下油和水的测量结果作对比。 分析表明除布儒斯特角附近位置外, 不同厚度的油膜与水的起偏特性在各观测角都存在差异。 通过在45°入射角所测的ψ和Δ, 得到水/油样本的光谱折射率和消光系数, 水折射率经过偏移修正后, 与Schiebener水折射率模型的标准差为3×10-5。 根据之前得到的油/水参数, 对油膜在水背景的物理现象作薄油膜理想介质层建模, 用菲涅耳定律仿真自然光的镜面反射, 发现在全观测波段相同入射光条件下油膜的反射光存在明显的偏振度（DOP）或偏振角（AOP）光谱偏振可观测性。 模型与实际测量结果对比发现: 在300~350 nm仿真结果和实际测量相符, 油膜的反射光偏振性质趋近于油样本; 在350~550 nm, 油膜模型仿真结果比实验的干涉效应更明显, 油膜实验数据表明其光谱起偏性质依然与油保持一致; 在大于550 nm直到近红外波段, 实验干涉效应开始显著。 说明油膜比油有更强的散射或吸收特性, 辨识参数得到油膜的消光系数存在不同于油的随波长先变小后变大的性质。 总之, 利用光谱椭偏测量方法, 通过多波段、 多角度测量, 分析液体样本的光谱偏振特性和折射率等性质; 偏振观测的恰当角度与油/水的布儒斯特角有关, 在布鲁斯特角之外的位置观测, 油膜的光谱椭偏角相较水都存在分辨能力; 对小于200 μm的薄油膜近红外波段可重复性较差, 而紫外和可见蓝紫波段相比之下有很好的可重复性和区分性, 更适合于对甚薄油膜表面种类的遥感观测。 该实验涉及的方法可以用于其他油种油膜的偏振光谱测量, 实验数据为偏振遥感工作的波段选择与观测角度提供提供参考。

在种鸡蛋孵化过程中, 部分种蛋由于未受精不能正常出雏, 不但会造成大量浪费, 还有可能引起霉菌感染其他种蛋, 利用可见/近红外透射光谱分析技术可以对种鸡蛋中的受精蛋和无精蛋进行检测。 为研究孵化初期无精蛋最佳的判别时间, 本文通过对孵化环境下种鸡蛋品质随时间变化的研究, 最终发现在孵化24 h内的种鸡蛋品质还在新鲜状态, 在72 h后的种鸡蛋品质变为不可食用级别, 最终发现36 h内是最佳的判别时间。 研制了基于可见/近红外透射光谱的静态采集系统, 并使用该系统进行了光谱采集。 对比同一品种不同样品及不同品种的光谱建模效果, 剔除了由蛋黄与蛋壳颜色造成的样本光谱差异区域, 选取的有效光谱波段为355～590和670～1 025 nm。 采用主成分分析法进行预处理, 通过不同时间、 不同主成分数建模效果的比较, 确定最佳的主成分数。 同时采用多元散射校正、 附加散射校正、 导数校正与主成分分析的光谱预处理方法在不同的建模方法下进行对比, 并考虑到实际应用与最终的生产效益, 建立了有效的判别模型。 最佳判别模型为使用24h时采集光谱且采用主成分分析法进行数据预处理并使用Fisher算法建立的模型, 判别准确率能达到87.18%。 该研究为早期受精蛋与无精蛋的无损伤在线鉴别提供了一种新的方法。

鸡蛋新鲜度是反映鸡蛋内部品质的一个重要指标。 为了能够实现鸡蛋新鲜度的快速无损检测, 利用微型光纤光谱仪采集鸡蛋550～950 nm的透射率光谱曲线, 与鸡蛋的哈夫单位值进行了定量分析。 通过不同的预处理方式分别结合偏最小二乘回归(partial least squares regression, PLSR)与支持向量回归(support vector regression, SVR)建立模型, 比较了不同模型的预测结果, 发现一阶微分结合SVR能够实现较好地预测, 且利用SVR建模要优于PLSR。 为了提高运算效率, 减少无用信息对建模的不良影响, 分别利用线性降维主成分分析法(principal component analysis, PCA)与非线性降维局部线性嵌入(locally linear embedding, LLE)对一阶微分后的光谱数据降维, 比较两种降维方法的预测效果, 得出了LLE降维要优于PCA降维, 其训练集和预测集的相关系数与均方根误差分别为92.2%, 7.21和91.1%, 8.80, 训练集交叉验证的均方根误差相比减少了0.79。 实验结果表明, 利用局部线性嵌入结合支持向量回归进行非线性建模, 能够提高鸡蛋新鲜度的预测能力, 表明该方法对鸡蛋新鲜度的可见/近红外光谱检测可行。

为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。

要实现农田合理施肥, 需要对土壤养分状况进行实时、 准确地诊断, 因而建立快速、 稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法, 从可见/近红外光谱建模的几个重要环节, 即特征波段、 预处理方法及回归模型方法的选择, 研究了土壤有效氮、 磷、 钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理, 通过逐波段相关分析在可见-近红外区优选特征波段, 并应用了局部非线性回归方法(BP神经网络局部回归法)建模, 所建模型对土壤有效氮、 磷、 钾含量估测的相关系数r分别为0.90, 0.82和0.94, BP神经网络局部建模比全局建模具有更好的精度和稳定性, 估测精度提高幅度分别为40.63%, 28.64%, 22.90%。因此, 采用局部BP神经网络回归建模法建立土壤有效氮、 磷、 钾的光谱定量分析模型, 可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性, 为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。