面向天然页岩与砂岩矿物元素组分快速定量分析的检测需求，笔者搭建了具有自动化分析功能的显微分析激光诱导击穿光谱系统，并采用该系统对油气页岩与砂岩天然岩石样本进行了快速检测。分析了砂岩与页岩光谱的不确定度差异，形成了流程化的包括光谱数据提取、筛选、校正、归一化的预处理方法，有效降低了单一样本与样本间光谱不确定度。基于偏最小二乘回归，形成了模型输入参数优化流程，避免了模型过拟合与欠拟合，提高了定量预测准确度。对岩石中的Si、Ca、Fe、Al、Mg等元素进行了定量分析，多数样本的平均预测均方根误差小于1%。本研究为天然岩石的矿物组分分析与岩性识别提供了技术支持。

水生植物能够净化污染物和抑制藻类生长，在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法，具有无接触、快速、无污染等特点。受周围水环境的影响，绿色水生植物的光谱特征峰比陆生植物更加难以区分，地面实测光谱数据不仅维度高，且存在大量重叠谱带和背景干扰，特征光谱不明显；同时，通过地面实测获取样本数据较为困难，适用于深度学习的地面光谱数据集较少。针对以上问题，本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象，使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中，首先使用4种光谱分析法对原始数据进行预处理，比较预处理前后分类模型的准确率，其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高，为99.50%；然后分别选取样本数据的40%、60%和80%作为训练集，验证模型在小样本下的泛化能力；最后利用Grad-CAM算法对模型进行可视化，分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明，本文模型能够有效提取水生植物的特征光谱，实现对4种水生植物的快速准确分类识别，为高光谱遥感卫星识别此4种水生植物提供了重要参考。

甲板漆是海事刑事案件中重要的物证之一，对甲板漆进行快速无损准确的鉴定是法庭科学物证检验的重要分支。红外光谱是常用的快速无损鉴定方法，红外光谱的预处理能够消除谱图的噪声和背景干扰，提高谱图的识别率。实验收集了常见的5种不同品牌的甲板漆共计100个样本，利用支持向量机和贝叶斯判别分析对多个红外预处理组合处理后的甲板漆谱图进行识别，根据识别率来筛选甲板漆红外预处理的最优方法，同时对支持向量机和贝叶斯判别分析的识别效果进行比较。结果表明，贝叶斯判别分析的效果要优于支持向量机，贝叶斯判别分析对经Savitzky-Golay二阶求导平滑和傅里叶自去卷积处理的甲板漆谱图训练集识别率为100%，测试集识别率为96%。该方法分类效果好，定性能力强，对法庭科学中甲板漆的鉴定有一定的借鉴意义。

在水稻抗倒伏育种中, 水稻茎秆纤维素含量作为重要的作物性状表现型数据, 用传统方法获取时受人力成本和时间成本的约束, 采集群体大小有限。 利用高光谱技术能够实现对作物性状信息的快速、 无损检测。 为探究水稻茎秆纤维素含量近红外光谱反演模型, 以田间小区试验的方式, 采集水稻灌浆期至成熟期茎秆基部倒2、 3节作为实验样本, 并在实验室内使用NIRQuest512型号高光谱仪测得茎秆近红外反射光谱数据; 采用标准变量正态变换（SNV）、 连续小波变换（CWT）及两种方法结合（SNV-CWT）对原始近红外光谱进行预处理, 经对比分析, 原始光谱经SNV处理后再通过CWT对应6尺度分解最优, 然后采用联合区间偏最小二乘法（SiPLS）、 迭代保留信息变量法（IRIV）对最优预处理（SNV-CWT）的光谱特征曲线进行光谱特征变量筛选, 分别提取了64个和16个特征变量; 为优化模型并提高其模型精度, 采用IRIV算法对SiPLS所选的特征变量进行二次筛选, 得到6个特征变量, 特征波长为1 200, 1 207, 1 325, 1 470, 1 482和1 492 nm, 最后基于优选出的特征变量分别建立水稻茎秆纤维素含量的支持向量机回归（εSVR）和核极限学习机（KELM）预测模型, 模型参数（惩罚系数C, 核函数系数γ和不敏感参数ε）分别采用灰狼算法（GWO）、 差分进化灰狼算法（DEGWO）和自适应差分进化灰狼算法（SaDEGWO）进行优化选择。 结果表明, 采用SNV-CWT方法光谱预处理后, 经SiPLS-IRIV方法筛选的特征变量构建的SaDEGWO优化的SVR模型精度最高, 模型参数Ｃ, γ, ε分别为302.838 2, 0.087 7, 0.070 8, 测试集的决定性系数（R2p）为0.880, 均方根误差（RMSEP）为15.22 mg·g-1, 剩余预测残差（RPD）为2.91, 表明模型具有较好的预测能力, 可为水稻茎秆纤维素含量预测提供参考。

鱼粉是一种在养殖业中占有重要地位的高蛋白饲料原料。 我国对鱼粉的市场需求很大, 但不同产地的鱼粉存在品质差异的问题。 为保证鱼粉品质安全, 建立鱼粉产地溯源系统具有非常重要的意义。 能量色散X射线荧光光谱根据元素辐射X射线荧光光子能量不同, 能够检测样品矿物质元素种类和含量。 鱼粉所含矿物质元素种类和含量会因鱼粉产地不同而存在差异, 因此提出采用能量色散X射线荧光光谱(EDXRF)法对鱼粉进行扫描检测来获得鱼粉的元素信息, 将原始光谱进行预处理后, 采用鲸鱼算法改进的自适应净信号权重局部超平面方法识别鱼粉样品的光谱向量, 从而对其产地进行溯源判别。 首先对产地来自辽宁和浙江的51份鱼粉样品进行压片, 并在EDXRF谱仪的检测程序中设置不同的滤光片, 得到51组(每组6条光谱)光谱。 然后对光谱进行预处理, 采用基于自适应迭代重加权惩罚最小二乘法算法(airPLS)进行基线校正, 从而消除基线漂移的影响, 提高精度。 采用小波变换对光谱进行平滑, 去除光谱曲线的高频噪声。 选取每个鱼粉样品6条光谱的有效区段, 计算谱峰面积, 获得代表样品矿物质元素含量的16维向量。 最后采取鲸鱼算法对自适应净信号权重局部超平面(ANWKH)方法的关键参数(近邻数、 主成分数、 调节参数)进行最优选择, 再利用寻找到的最优参数建立自适应净信号权重局部超平面模型, 随机选取每个产地鱼粉样品的70%作为训练集, 30%作为测试集进行鱼粉产地判别。 鱼粉样品分别来自辽宁和浙江两个产地, 经预测模型识别正确率分别为94.3%和100%, 总正确率为97.3%, 均高于人工寻找参数的自适应净信号权重局部超平面分类准确率。 结果表明, 基于能量色散X射线荧光光谱的鱼粉溯源方法能够准确地实现鱼粉产地溯源, 经鲸鱼算法改进后的自适应净信号权重局部超平面方法能够寻找到最优参数, 建立分类准确度更高的模型, 为以后进行更加详细的国内外鱼粉产地溯源提供了参考。

土壤水分是影响农业生产的重要因素之一, 对农作物生长发育情况和最终产量起着关键的作用, 然而农业用水浪费现象普遍存在, 预计至2020年我国灌溉水利用系数仅为0.55, 远低于0.7~0.8的世界先进水平, 因此准确有效地判断土壤含水量丰缺情况对农业生产实践具有重要意义, 光谱技术利用物体特征谱线的不同, 能够同时获取目标的图像信息和光谱信息, 从而更直观地表达目标的特征, 从而精确、 快速、 无损地对土壤水分的含量进行动态的检测, 该技术极大地促进了农业的精准化、 智能化和现代化, 在土壤水分含量检测中占有重要地位。 文章综述了国内外土壤水分含量检测的最新文献, 对基于光谱技术的土壤水分含量检测的研究进展进行了系统地讨论, 分析了传统方法的不足, 并阐述了光谱成像技术的优势: (1)实时性; (2)无损性; (3)精确性; 及其在土壤水分含量检测中的局限性: (1)土壤的构造复杂; (2)泛化能力不足; (3)气候条件制约。 重点阐述了光谱在土壤水分检测中的三个关键技术: (1)光谱数据预处理技术, 重点对比了常见的预处理技术原理及其效果; (2)光谱特征提取技术, 对比了常见的特征光谱提取方法, 重点分析了土壤水分的敏感波段; (3)光谱建模技术, 重点对比了土壤水分含量检测的线性和非线性模型, 分析其原理、 应用范围及模型精度, 得出非线性模型将成为光谱技术在土壤水分含量检测的主流建模方法。 最后依据上述分析, 对光谱技术在土壤水分检测领域中的应用前景和研究趋势进行了展望: 一是要提高该技术的泛化能力和鲁棒性, 建立可用于多种土壤类型的水分检测模型; 二是要建立大范围区域并动态实时更新的土壤光谱数据库, 为提高模型精度做好数据基础。

光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法, 对消除环境等干扰具有重要的作用。 以往文献主要对比研究不同的光谱数据变换方法, 光谱特征波长提取方法的对比研究以及二者的组合研究较少。 为了获取适宜的光谱预处理方法, 提高潮间带沉积物氮的最小二乘支持向量机（LSSVM）模型精度, 研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响, 以期实现潮间带沉积物氮的精确预测。 研究结果表明, 多元散射校正（MSC）或标准正态变换（SVN）光谱变换方法提高了光谱与氮含量的相关性, 最高相关系数分别达到0.69和0.71; 并且提高了LSSVM模型的预测精度, 模型的预测R2和RPD分别为0.88, 0.87和2.78, 2.69。 无信息变量消除（UVE）特征波长提取方法也提高了LSSVM模型的预测精度, 模型预测R2和RPD分别0.89和2.70。 但是, UVE提取的特征波长并不都与氮含量具有高相关性。 此外, 组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法, 也提高了模型预测精度, 但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。 研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。

在提取激光诱导击穿光谱(LIBS)全部特征峰的基础上,利用支持向量机建立了有效的茶叶分类模型。采集了15种茶叶样品的有效LIBS光谱数据(190~720 nm),运用窗口平移平滑和峰位漂移函数修正对光谱进行了预处理,再结合主成分分析降维,对绿茶、红茶、白茶实现了98.3%的识别率;对同一种类中不同品种的茶叶也实现了较好的识别。研究结果表明,LIBS在茶叶品种快速识别应用中具有较好的前景。

可见/近红外光谱技术是土壤成分检测的有效工具。波长筛选对可见/近红外模型土壤属性的预测精度有重要影响。以宁夏吴忠地区75个水稻土样为研究对象, 利用可见/近红外光谱技术采集土壤样品光谱, 采用SPXY(Sample set partitioning based on joint X-Y distance)方法选取了校正集和预测集样本, 比较了分别采用 Savitzky Golay平滑(SG smoothing)、多元散射校正(Multiple scatter correction,MSC)、标准正态变量变换(Standard normal variate,SNV) 3种预处理方法对光谱数据处理后建立土壤碱解氮偏最小二乘法模型和原始光谱数据建模的效果。在此基础上, 分别采用遗传算法(Genetic gorithms,GA)、连续投影算法(Successive projections algorithm,SPA)、竞争性自适应重加权算法(Competitive adaptive reweighted Sampling, CARS)、随机蛙跳(Random frog, RF)进行波长筛选, 最后应用偏最小二乘法建立基于不同波长筛选方法的土壤碱解氮含量预测模型。研究表明, 由于仪器性能稳定, 样品的颗粒度比较小和均匀, 本次实验原始光谱数据建模效果最好; 各种波长筛选方法均可有效减少参与建模的波长数, 且连续投影算法优于全谱建模, 所选波长数仅为全谱波长数的1%, 其预测决定系数(R2)、预测均方根误差和相对分析误差值分别为0.726, 3.616, 1.906。这表明连续投影算法可以有效筛选水稻土碱解氮敏感波段, 为土壤碱解氮传感器开发提供技术支持。

不同产区的西湖龙井茶的品质具有差异。采用近红外光谱技术和光谱预处理、主成分分析和判别模型等数学方法鉴别了分别产自龙井村、梅家坞村和葛衙庄三个地区的西湖龙井茶。结果表明，二阶导数光谱预处理方法对去除近红外光谱中的噪音最有效，贝叶斯判别分析是这三个地区产的西湖龙井茶的最佳判别模型。在模型中输入5个主成分数后，最佳的原始判别率和交叉验证判别率分别为100%和82.35%。在交叉验证判别中，产自葛衙庄、龙井村和梅家坞的茶叶的判别正确率分别为80%、83.33%和83.33%。因此，该模型可以用于龙井村、梅家坞村和葛衙庄三个地区产的西湖龙井茶的鉴别，为西湖龙井茶产区的判别提供理论依据。