品质性状的化学测定操作繁琐且存在破坏性和耗时较长等不足的问题, 光谱测定具有高效、 快速、 成本低等优点, 但测定准确度受到不同仪器以及不同机型的影响。 为了建立和优化快速测定苜蓿样品的粗蛋白（CP）、 粗脂肪（EE）、 酸性洗涤纤维（ADF）和中性洗涤纤维（NDF）近红外漫反射光谱的模型, 更好的测定苜蓿品质性状。 选取了25份苜蓿材料147份试验样品, 采用傅里叶变换近红外光谱技术（NIRS）扫描, 获得扫描光谱范围4 000~10 000 cm-1的光谱值, 软件TQ Analyst v9选用偏最小二乘法（PLS）和OPUS7.0选用定量2方法建立定量模型并优化, 并进一步交叉验证和外部检验评估模型效果。 结果表明利用2种软件建立的模型都能很好的预测CP的含量, 建模决定系数（R2cal）分别达到0.999 9和0.984 8, 交叉验证的均方根误差（RMSECV）分别为2.121和0.471, 外部验证决定系数（R2）都大于0.97, 残留预测偏差（RPD）值大于6.0。 EE应用TQ Analyst v9所建立的模型效果更好, R2cal为0.999 7, RMSECV为1.502, 外部验证的R2为0.9293, RPD值为3.89; ADF和NDF利用OPUS7.0建立的模型效果更好, R2cal分别为0.944 1和0.978 8, RMSECV分别为1.040和0.514, 外部验证的R2依次为0.914 5和0.911 8, RPD值分别为3.66和3.43。 4种品质性状建模效果表明, 相对分子结构相对简单的蛋白质和脂肪, 利用TQ Analyst v9更准确, 而对于分子结构更复杂的纤维素, OPUS7.0的预测效果更好。

成像光谱技术能够同时获取目标的图像特征和光谱特征, 很容易识别与背景环境光谱特征区别较大的传统伪装材料。 近年来, 成像光谱得到了迅速发展, 经历了多光谱技术到高光谱技术的跨越, 传感器的探测波段数、 光谱分辨率、 空间分辨率的显著提高。 得益于各国ISR无人机技术的应用, 高光谱传感器由星载拓展到机载, 可以在更近距离对**伪装目标进行识别, 对具有重要价值的**目标的生存能力构成巨大挑战。 目前, 应对高光谱的伪装材料主要设计思路是, 选择材料或材料体系具有与环境背景相似的颜色和光谱反射特征（传感器探测范围内）进行复合, 目的是与环境背景达到“同色同谱”来躲避高光谱侦察。 绿色植被是最常见的伪装背景, 也是本领域绝大部分研究的光谱模拟对象, 其反射光谱曲线在可见近红外波段具有: “绿峰”、 “红边”、 “近红外高原”和“水吸收带”四个主要特征, 分别由叶片的组织结构以及叶绿素和水分产生。 离体叶绿素光热稳定性较差, 不能直接用作伪装材料, 所以寻找和合成稳定性好、 具有类叶绿素结构及光谱特征的分子是当前的研究热点之一。 此外, 铬绿和钴绿是常用的伪装颜料, 具有类似绿色植被“绿峰”、 “红边”和“近红外高原”光谱反射特性, 研究者将其与高吸水填料复合来引入“水吸收峰”, 大致模拟出绿色植被反射光谱, 但是想要实现精确模拟, 仍存在一些难以解决的问题。 从绿色植被光谱特征出发, 分别阐述了模拟绿色植被可见光区和近红外光区光谱特征的材料选择依据及体系; 同时介绍了它们在精确模拟植被光谱时存在的问题, 以及通过改性和复合来提升光谱相似度和耐候性的相关研究工作, 总结并展望了绿色植被光谱模拟材料要解决的重难点问题和发展方向。

可溶性固形物（SSC）是一种综合参数, 主要包括糖、 酸、 纤维素、 矿物质等成分, 对评价果实成熟度和品质具有重要意义, 影响果实口感、 风味及货架期。 西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、 贮藏及运输过程中西瓜内部品质监控具有十分重要的意义, 有助于提高西瓜生产效益和市场竞争力。 在西瓜可溶性固形物含量的快速无损近红外光谱检测中, 近红外漫透射的方式所需光源的能量大, 同时大功率透射会对水果的内部品质产生影响; 采用近红外漫反射方式的研究较少, 但漫反射采集所需的能量小, 有助于实现仪器小型便携化, 成本低, 同时避免透射引起的水果品质变化。 以小型西瓜为研究对象, 利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、 瓜脐、 赤道部位的近红外反射光谱, 在976, 1 186和1 453 nm附近有明显的吸收, 利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。 首先, 采用光谱-理化值共生距离（SPXY）算法对西瓜不同检测部位的样品集进行划分, 以可溶性固形物含量为y变量, 光谱为x变量, 利用两种变量同时计算样品间距离, 以保证最大程度表征样本分布, 有效地覆盖多维向量空间, 增加样本间的差异性和代表性, 提高模型稳定性。 将西瓜样品划分为51个校正集和15个预测集, 校正集样本的SSC含量涵盖了预测集样本的SSC含量范围, 且变异系数均小于9%, 样品集划分合理, 有助于建立稳健可靠的预测模型。 其次, 对比分析西瓜瓜梗、 瓜脐、 赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度, 结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高, 预测效果较好, 预测集相关系数为0.629, 预测集均方根误差为0.49%。 对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题, 一方面与光谱的采集方式有关, 另一方面与西瓜的产地、 品种、 成熟期等因素引起的其性状上的差异有关。 在模型建立过程中根据实际情况确定西瓜的检测部位。 最后, 为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度, 采用光谱预处理方法进行优化, 结果得出经标准归一化预处理后, 建立的偏最小二乘回归预测模型效果最佳, 预测集相关系数为0.864, 预测集均方根误差为0.33%, 模型相关性较好, 预测精度得到了很大提升。 研究结果表明, 近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量, 为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。

测量重金属化合物氯化铬（CrCl3）、 氯化铜（CuCl2）、 氯化锌（ZnCl2）的可见-近红外反射光谱（VNIRS）, 将重金属反射光谱与重金属元素的核外电子排布式联系起来, 观察重金属化合物的反射光谱特征; 结合晶体场理论分析重金属的特征反射峰出现的波段位置和原因。 以湖北大冶地区土壤样品为例, 向土样中添加不同浓度梯度的CrCl3, CuCl2和ZnCl2并测定其可见-近红外反射光谱, 研究不同种类不同浓度的重金属对土壤反射光谱的影响。 对样本的反射光谱进行不同光谱预处理, 探究重金属浓度与土壤反射光谱之间的线性相关关系及显著相关（p<0.05）波段出现的位置和潜在机理。 结果表明, 重金属化合物CrCl3, CuCl2和ZnCl2在可见光-短波近红外波段范围内的反射光谱特征与重金属元素3d轨道上的电子填充状态有关。 添加入土壤中的重金属化合物影响了土壤的可见-近红外反射光谱, 其浓度与土壤反射光谱之间整体呈负相关, 最大负相关系数分别为-0.788, -0.880和-0.824。 样品反射光谱经不同预处理后, 重金属浓度与土壤反射光谱之间的线性相关关系有所变化, 显著相关波段信息更加丰富。 研究表明, 重金属的可见-近红外反射光谱与重金属的电子结构紧密相关, 可见-近红外反射光谱技术可以检测到土壤中较高浓度重金属的存在, 该技术在快速高效、 无损低耗地预测土壤重金属元素含量方面拥有巨大潜力。 基于部分重金属化合物的可见-近红外反射光谱特征, 结合晶体场理论为土壤重金属的定性和定量反射光谱分析提供了理论依据和实验参考。

试验探讨了近红外反射光谱测定大豆制品中寡糖(蔗糖、 棉籽糖及水苏糖)含量的可行性。 2012年—2014年, 从国内20个代表性大豆制品加工厂收集并筛选了160个大豆制品(包括去皮豆粕、 膨化豆粕、 发酵豆粕及膨化大豆各40个), 同时为使样品集中的寡糖含量均匀分布, 采用发酵豆粕和普通豆粕混合的方法, 配制人工混合豆粕样品40个, 使用偏最小二乘法, 采用不同导数或去散射方法对光谱进行预处理并建立近红外定标模型。 在光谱预处理中, 针对不同寡糖, 导数处理、 多元散射校正及矢量归一化方法得到良好的预测效果。 所建立的近红外定标模型的蔗糖、 棉籽糖和水苏糖的定标决定系数(R2cal)分别为0.99, 0.95和0.98, 交互验证决定系数(R2cv)分别为0.98, 0.94和0.97, 交互验证RPDcv值分别为7.24, 4.13和5.98, 表明适用于大豆制品(除发酵豆粕外)中寡糖的日常检测。

在快速发展的中国,有机食品、绿色食品和无公害食品在产地环境、生产规程、加工、包装,尤其是生产资料的使用等方面都有严格区分,导致检验和认证需要花费大量的人力、物力、财力和时间.因此我们需要一种方便、精确的检测技术.基于化学计量学,本研究首次利用可见-近红外反射光谱快速检测有机胡萝卜、绿色胡萝卜和无公害胡萝卜.选择最佳区间(650-700 nm),三种分类模型包括主成分分析结合k均值聚类、主成分分析结合线性判别分析、反向传播神经网络鉴别126个胡萝卜样本的准确率分别为93.65%、100%,和98.41%.结果表明,可见-近红外光谱结合化学计量学技术可以有效地验证有机胡萝卜、绿色胡萝卜和无污染胡萝卜.为质量检验机构提供了一个可行的检测方法,从而促进包括有机食品、绿色食品、无公害食品等安全食品的发展.

探讨一种基于近红外反射光谱的人体血清白蛋白、 球蛋白和总蛋白三种生化指标的无创检测方法。 采集58例志愿者舌尖处近红外反射光谱, 考虑这些光谱数据与血清蛋白浓度间因个体差异等存在非线性映射关系, 在计算归一化光谱反射率及分析样本蛋白含量统计分布上, 采用支持向量机分别建立三种蛋白成分近红外光谱定量回归模型, 并与传统的偏最小二乘法进行比较。 实验结果表明, 支持向量机校正模型的预测效果较好且明显优于偏最小二乘法校正模型, 对白蛋白、 球蛋白和总蛋白的预测相关系数分别达到0.894, 0.931和0.863, 预测的均方误差为2.19, 1.93和4.38。 因此, 支持向量机可有效抵抗活体检测定量分析中存在的非线性因素, 提高模型的鲁棒性。 同时也表明舌的近红外光谱信息能够较客观的反映人体理化指标的变化, 用于血清蛋白含量的快速无创检测具有较高的可行性。

采用舌诊近红外反射光谱对人体血清总蛋白(TP)含量进行无创检测。 采集58例舌尖反射光谱进行反射率归一化并记录相对应的血清总蛋白生化分析值, 将样本分为训练集和预测集, 运用主成分分析结合BP神经网络法和偏最小二乘算法分别建立预测模型。 主成分分析结合BP神经网络模型对预测集进行预测, 平均相对误差为7.35%, 均方根误差为3.069 1 g·L-1, 相关系数为0.902 1。 偏最小二乘模型对预测集进行预测, 平均相对误差为4.77%, 均方根误差为0.130 1 g·L-1, 相关系数为0.971 8。 实验结果证实了舌诊近红外反射光谱可以较为准确地用于总蛋白含量的无创检测。