经典名方一贯煎由生地黄、 北沙参、 麦冬、 当归、 枸杞子、 川楝子6味药组成, 具有滋养肝肾、 疏肝理气之效。 红外光谱技术具有快速无损的优点, 可完整的将不同批次一贯煎基准样品的信息表达。 运用傅里叶变换红外光谱仪采集样品的红外光谱, 对原始光谱进行预处理, 得到相对峰高, 对共有峰进行归属, 采用聚类分析（HCA）、 主成分分析（PCA）及正交偏最小二乘法-判别分析（OPLS-DA）对图谱数据进行评价。 结果表明15批一贯煎基准样品中868、 822和779 cm-1波段为糖骨架伸缩振动吸收峰, 多为枸杞所贡献, 815 cm-1波段处少数为麦冬所贡献； 生地黄单煎液在1 148 cm-1波段处、 沙参单煎液在1 158、 1 082和1 019 cm-1波段处、 当归单煎液在993 cm-1波段处均有对糖苷类成分的贡献； 川楝子单煎液1 746 cm-1波段处可溶性脂类糖苷成分吸收峰明显, 一贯煎复方中此处吸收峰并不明显, 可能为川楝子与其他五味药配伍煎煮过程中化学成分发生变化。 HCA结果显示, 当组间距离=10时, S1、 S2、 S15聚为一类, S9、 S11、 S12、 S13、 S14聚为一类, S3、 S4、 S5、 S6、 S7、 S8、 S10聚为一类, 表明不同批次一贯煎汤剂内部质量存在一定差异。 PCA分类结果与聚类分析结果基本一致, 并计算不同批次的主成分综合得分, 其中批次3一贯煎汤剂质量最佳, 批次1质量最次, 由载荷散点图分析得到1 104、 1 142、 1 412、 1 260和868 cm-1波段峰对主成分1的贡献率较大； 777、 2936、 923、 1 721、 818和637 cm-1波段峰对主成分2的贡献较大。 OPLS-DA结果与HCA和PCA结果一致, 以VIP＞1为标准, 筛选出七个导致样品之间产生差异的波段, 分别为777、 637、 923、 2 936、 1 260、 1 412和1 630 cm-1, 该结果与PCA载荷图中寻找的重要性权重变量基本一致。 所建立的一贯煎红外指纹图谱方法简单、 准确度高, 可用于经典名方的快速鉴别分析, 为经典名方一贯煎的质量控制与评价提供参考。

铁质文物是我国文化遗产的重要组成部分。 由于化学性质较为活泼, 铁质文物易发生腐蚀劣化。 锈蚀产物对铁质文物的稳定性有较大影响, 因此判断铁质文物锈蚀产物的组成特征, 对于铁质文物稳定性评估具有重要意义。 以赤铁矿（α-Fe2O3）, 磁铁矿（Fe3O4）, 四方纤铁矿（β-FeOOH）三种铁质文物的锈蚀产物为研究对象, 采用拉曼光谱成像结合主成分回归法（PCR）和偏最小二乘法（PLS）, 同时结合多种预处理方法, 构建了两组二元混合锈蚀（α-Fe2O3+Fe3O4, α-Fe2O3+β-FeOOH）的定量模型。 结果表明, 对于α-Fe2O3+Fe3O4二元体系, PCR和PLS算法构建模型的定量效果基本一致, α-Fe2O3和Fe3O4的PLS定量模型结果均表明, 一阶导数+Savitsky-Golay（S-G）平滑（9）条件下建模效果最好。 对于α-Fe2O3+β-FeOOH二元体系, PLS方法所构建模型优于PCR方法, α-Fe2O3和β-FeOOH的PLS定量模型结果均表明, MSC+S-G平滑（5）条件下建模效果最好。 研究结果为定量评估铁质文物锈蚀产物的化学稳定性提供了有效方法。

糖度是影响鲜食葡萄品质与风味的关键因素, 对其可溶性固形物SSC的检测具有切实需求。 近年来, 随着芯片级光谱传感器的生产技术趋于成熟, 具有高精确性与稳定性的片上光谱传感器为可见/近红外检测技术开辟了新的途径。 设计、 搭建、 测试了一套体积小、 易操作、 低成本的用于鲜食葡萄糖度无损检测的光学系统。 系统以两块搭载芯片级光谱分析技术的新一代可见/近红外光谱传感器AS7263（美国AMS半导体公司）为核心元件。 每个AS7263传感器具有6个集成了纳米光干涉滤波器的数字光谱通道和一个可通过单芯片准确控制电流（1~100 mA）的LED光源。 传感器光谱通道的中心波长范围610~860 nm; 两个LED光源的中心波长分别为730和850 nm, 半峰全宽（FWHM）为50 nm。 首先, 运用此原型在避光环境下采集276颗巨峰葡萄浆果的光谱信息; 用手持式PAL-1糖度仪检测样本SSC（°Brix）并计算基于t分布的样本糖度真值SSCt: SSCt0.9与SSCt0.95。 其次, 针对样本原始光谱数据, 采用PCA提取主成分, 根据得分因子分布, 剔除了16个位于置信区间外的异常样本; 进一步采用一阶导数First Derivative（FD）、 归一化Normalization（0, 1）与标准化Standardization（0, 1）3种方式做数据预处理, 求取样本在12个通道下的吸光度A或Kubelka-Munk函数值F（R）。 针对可见/近红外光谱自变量之间具有多重相关性、 光谱信息与糖度信息之间非线性相关的特点, 建立PLS-BP神经网络糖度预测模型（自变量为吸光度A或F（R）值, 因变量为SSCt）。 结果显示, 当t分布的置信概率为0.95、 光谱预处理方式为Standardization（0, 1）、 光谱信息指标为吸光度A时所建立的预测模型精度最高: 决定系数rp2为0.93、 均方根误差RMSEP为0.181、 预测集偏差Bias为-0.01、 残留预测偏差RPD为3.78, 可认为模型具有较高精度与较好适应性对葡萄SSC做出预测。 最后, 结合实验结果, 作了葡萄浆果SSC光谱检测原理的分子尺度分析: 在各分子振动类型中, O—H键伸缩振动的3倍频、 4倍频, O—H键剪式振动与伸缩振动3倍频、 4倍频的合频, CO键伸缩振动的8倍频、 9倍频为可见/近红外光谱检测的有效振动频率。 该研究为未来工业与消费领域在线质量检测设备的高精度化、 便携化、 低成本化提拱了技术参考。

激光诱导击穿光谱法以其快速、 高效、 无害、 全谱直读、 几乎不需要样品制备等优势, 广泛用于元素定量分析领域, 为了建立简单易行的分析方法, 利用自行研制的聚丙烯塑料（PP）标准样品（RM）, 结合偏最小二乘法（PLS）, 运用激光诱导击穿光谱方法（LIBS）, 建立了Pb和Cr元素的PRM-PLS-LIBS分析模型。 PP标准样品是按照国际标准要求进行研制, Pb和Cr的含量梯度根据各个国家和地区的限制要求, 设定范围在0~1 000 mg·kg-1, 具体数值由定值结果结合不确定度给出, 并且该套标准样品均匀性和稳定性良好, 应用该标准样品建立的Pb和Cr的标准曲线的相关系数分别为0.999 2和0.998 9, 检出限分别为35和28 mg·kg-1, 已经达到定量分析能力。 为了提高定量分析模型的准确度, 需要对标准曲线的数据进一步优化。 在数据量较小的情况下, 通过对基线类型的多重优化, 比较了偏最小二乘法（PLS）和经典最小二乘法（CLS）。 实验数据表明, PLS的校正均方根误差（RMSEC）和校正系数（Corr. Coeff）都明显优于CLS。 通过优化Pb和Cr的分析波长范围和基线类型, 校正曲线的给定值与预测值之间的校正系数达到1.000 0, 进一步提高了模型的准确度。 随机选取一套PP标准样品, 对校正曲线进行验证。 取高含量样品（PP-306）和低含量样品（PP-302）进行测定, 将Pb和Cr的测定数据代入PCRM-PLS模型中, PP-306中Pb和Cr的测定值分别为998和96 mg·kg-1, PP-302中Pb和Cr的测定值分别为980和95 mg·kg-1, 都在给定值范围内, 方法有效可靠。

针对传统光谱法检测鸡蛋新鲜度存在的效率低、 准确率不够高等问题, 提出采用可见-近红外光谱结合极度提升树(XGBoost)等算法对鸡蛋新鲜度分类进行研究, 以期在保证足够高准确度的同时大幅提高检测效率。 将不同储存条件下的鸡蛋作为样本, 并分别划分为训练集和测试集, 采用训练集的综合评价指标(F-measure)和准确率(Accuracy)评估分类模型的性能。 具体地, 首先利用可见-近红外光谱系统采集鸡蛋的反射光谱, 将所得的光谱数据经过不同预处理后再结合随机森林(random forest, RF)、 偏最小二乘(partial least squares, PLS)、 支持向量机(support vector machine , SVM)、 多层感知机(muhi-layer perception , MLP)以及XGBoost等分类算法构建鸡蛋新鲜度分类评估模型, 并对比各模型性能指标。 分析结果发现, 经Savitzky-Golay一阶导(Savitzky Golay first-order derivative, SG-1st-Der)预处理后的RF、 SVM、 XGBoost模型和经标准正态变量(standardized normal variate, SNV)预处理后的PLS、 MLP模型具有较好的训练结果。 为进一步提高模型精度和运算效率, 提出利用区间偏最小二乘法(interval partial least squares, IPLS)对SG-1st-Der和SNV预处理后的光谱数据首先进行降维, 然后再分别建立基于RF、 SVM、 XGBoost、 PLS及MLP等算法的预估模型, 最后通过测试集对模型进行验证。 结果发现原始光谱数据经SG-1st-Der预处理后所建立的IPLS-XGBoost分类模型性能最优, 在不同储藏条件下测试集的F-measure分别为92.33%和90%, Accuracy分别达到94.44％和91.67％, 而程序运行时间均不超过0.6 s。 表明, 可见-近红外光谱结合IPLS-XGBoost分类算法可应用于鸡蛋新鲜度评估, 该方法在模型分类性能、 准确度评估、 运行速度等方面比传统方法更具优越性。

利用衰减全反射傅里叶变换红外光谱(ATR-FTIR)结合偏最小二乘法(PLS)对牛预混料中违禁添加的盐酸土霉素含量进行了快速定量检测。 在空白牛预混料中中添加不同质量的98.00% (W/W)盐酸土霉素原药, 配制成盐酸土霉素浓度为0.00%～5.00%的113个混合样品, 纯水作为萃取剂, 萃取液经红外灯烤干后用于红外光谱测定。 为考察不同光谱预处理方法及变量选择方法对模型结果的影响, 选用了3种预处理方法: Savitzky-Golay卷积平滑法(S-G)、 标准正态变换法(SNV) 和多元散射校正法(MSC)和3种变量选择算法: 区间偏最小二乘法(iPLS)、 移动窗口偏最小二乘法(MWPLS)、 自主软收缩法(BOSS)。 其中, SNV预处理结合BOSS算法获得了最佳模型效果: RMSECV=0.337, R2CV=0.947, RMSEP=0.317 7, R2pre=0.935。 所得模型对含量在0.53%~4.67%的29个样品进行外部验证, 预测结果的平均相对误差为0.127, 预测效果较好。 同时, BOSS算法选取的变量主要集中在盐酸土霉素特征峰的吸收区域(1 674~1 593和1 175～1 017 cm-1), 可以为ATR-FTIR技术对饲料中土霉素盐酸盐的快速检测提供有价值的参考。

为提高激光诱导击穿光谱（LIBS）技术对猪饲料中重金属的定量分析精度，以市场常见猪饲料中的Cu元素为研究对象，采用偏最小二乘法（PLS）建立猪饲料中Cu元素定量分析模型，结合空间限域提高LIBS信号强度及定量模型精度，实验所用空间限域腔内腔直径和高度分别为4.5 mm和2 mm。采用九点平滑、标准正态变量变换、多元散射校正等方法对60组猪饲料样品的LIBS进行光谱预处理，并建立PLS预测模型。结果显示，基于圆柱形空间限域，利用九点平滑结合多元散射校正预处理效果最好。传统LIBS条件下预测集相关系数（R）为0.8684，预测均方根误差（RMSEP）为49.3，预测集平均相对误差（ARE）为43.95%；结合空间限域LIBS条件下R为0.9881，RMSEP为14.4，ARE为12.51%。研究结果表明，外加空间限域的LIBS技术能够明显提高猪饲料中Cu元素的光谱信号强度及PLS模型的精度，为猪饲料的精准安全检测提供较好的支持作用。

渣驯通常分为4个等级, 藏医传统用药经验认为色黑、 质重、 粪便少的渣驯质量更优。 不同等级渣驯外观性状差异较小, 成膏后更不易区分。 傅里叶红外光谱技术（FTIR）具有快速无损的优点, 已广泛用于药材鉴别领域。 以4个等级渣驯为研究对象, 探究傅里叶红外光谱技术鉴别不同等级渣驯的可行性。 收集渣驯药材及代用品共56批, 按粪便比例和外观形态将药材分为4个等级, 采用《六省区藏药标准》中炮制方法将各批次药材加工成干膏。 采集不同样品4 000～400 cm-1范围的红外光谱信息, 以不同化学计量学方法建立模型。 预处理方式采用Saitzky-Golay（S-G）平滑、 纵坐标归一化、 二阶导数转化, 渣驯红外光谱主要吸收区域为3 500～3 200, 3 000～2 800, 1 800～1 350, 1 350～900和900～400 cm-1, 代用品吸收峰的波数差异较大。 1 779 cm-1附近仅有Ⅰ等级渣驯和Ⅱ等级渣驯的吸收峰, 1 768 cm-1附近Ⅰ等级渣驯和Ⅱ等级渣驯峰强度明显强于Ⅲ等级渣驯和渣驯代用品, 1 660 cm-1附近仅代用品渣驯无吸收峰, 1 257 cm-1仅代用品具有吸收峰, 均可作为不同等级渣驯的鉴别依据; ③号区域内及⑦号区域吸收峰差异均与传统分级相关, 品质越好的峰强度越大, 可作为多批次渣驯验证区域。 根据SIMCA软件统计结果, 主成分分析（PCA）较难区分不同等级渣驯; 偏最小二乘法（PLS-DA）能更好地区分4个等级药材, 外部验证结果表明该模型能很好地区分不同等级渣驯; 通过SPSS21.0软件统计, 系统聚类（HCA）可以区分部分Ⅲ等级渣驯及代用品渣驯。 傅里叶变换红外光谱结合化学计量学能快速鉴别渣驯优劣, 区分代用品, 为渣驯质量评价提供一种快速有效的方法。

岩石是由多种矿物组成, 其反射率光谱吸收特征与矿物含量之间存在紧密联系, 矿物光谱在特定波段处的光谱吸收特征是定量估算含量的重要指标之一。 为提升岩石光谱吸收特征定量反演矿物含量的准确度与精度, 以白云母为研究对象, 分析岩石光谱在2.2 μm附近的光谱吸收特征及其白云母含量, 采用Savitzky-Golay平滑滤波和连续统去除法对岩石光谱反射率进行处理, 进而提取光谱吸收特征参数(吸收深度、 吸收宽度、 吸收面积), 分析岩石光谱在2.2 μm附近吸收特征与白云母含量之间的相关性。 研究中采用单一吸收特征建立统计模型、 多维吸收特征建立偏最小二乘法(PLS)和多层感知器(MLP)模型, 对岩石中白云母含量与光谱吸收特征参数进行分析, 进而提出一种非线性预测岩石中矿物含量的方法。 研究结果表明, 岩石光谱在2.2 μm附近的光谱吸收特征中, 吸收深度与白云母含量之间的相关性最高。 基于单一吸收特征的统计模型中, 二次曲线模型对吸收深度拟合的效果最佳, R2为0.935 0, RMSE为0.063 0, 岩石光谱的吸收深度随白云母丰度满足二次曲线变化, 岩石中白云母的含量越高, 岩石光谱吸收深度值越大; 基于多维光谱吸收特征的PLS模型相较于MLP模型拟合的效果更佳, 其R2为0.947 7高于MLP的0.901 2, RMSE为0.002 7低于MLP的0.005 1; 整体上, 多维模型优于单一维度模型, PLS模型反演能力最佳, 该模型在预测白云母含量上具有运算量小、 精度高的特点。 通过分析岩石在诊断特征处的光谱吸收特征, 为其矿物组分的含量等进行定量反演提供理论参考, 为矿产资源监测与评估提供快速高效便捷的方法。