表面增强拉曼散射(SERS)技术具有灵敏度高、 检测速度快、 能够实时分析等优势, 广泛应用于医疗、 生物、 食品安全、 环境监测等领域。 目前SERS信号探测方式主要有单点探测、 长程探测两种方式。 由于存在样品分子分布不均、 激光光斑探测范围有限等因素干扰, 单点探测方式的重复性易受到影响。 为了弥补单点探测的不足, 近年来以光波导和光纤为载体的拉曼信号长程探测被大量研究。 归纳总结了近几年SERS信号长程探测的研究进展, 并分析了当前长程探测方式面临的挑战和未来发展趋势。 首先, 介绍了单点探测和长程探测基本原理。 其次, 介绍了基于光纤的SERS信号长程探测研究进展。 基于光纤的SERS信号长程探测方式包括空心光纤和实心光纤两类。 基于空心光纤的SERS信号长程探测方式采用空心光纤作为液体输运与信号传输的复合通道, 具有厘米量级的有效探测距离以及较高灵敏度, 但该探测方式进样困难且复合通道内待测样本分子不易彻底清洗; 基于实心光纤的SERS信号长程探测, 通常使用物理或化学手段对实心光纤的固有结构进行处理, 探测距离一般在微米至毫米量级, 该类型的制作难度相对较高。 然后概述了基于光波导的SERS信号长程探测研究情况。 基于液芯光波导的SERS信号长程探测方式将微流体与SERS相结合, 可有效增加样品分子与SERS“热点”的接触面积, 提高其探测灵敏度。 该方式可达到单分子检测水平, 但在微通道中制备增强介质存在困难。 基于固体光波导的SERS信号长程探测目前大多处于理论分析阶段, 常通过仿真软件对SERS长程探测结构进行研究分析, 探明其作用过程机理。 最后, 对SERS信号长程探测方式研究进展进行了总结和展望, 并提出可行的研究建议, 为SERS信号长程探测相关研究提供参考依据。

随着时代发展, 人们对饮食要求越来越高, 从“能吃饱”逐渐变成“要吃好”。 目前人们对食品安全问题十分重视, 因此, 迫切需要一种无损、 快捷的食品检测技术以满足人们的需求。 光谱技术能够根据待测食品样本的物理结构和化学成分推算出其物质特性和组成成分, 在掺伪检测、 新鲜度检测以及有害物质残留检测等方面, 应用前景广阔。 与食品检测中的传统检测技术相比, 光谱技术具有迅速、 精度高、 没有样品损耗以及重复性好等优点, 已经成为食品检测中重要的发展方向。 该文整理了国内外近5年来食品检测中的光谱技术应用相关研究文献, 重点在数据预处理方法、 特征波段选择算法以及数据建模方法三个方面对食品检测中的光谱技术应用进行系统综述。 该文所论述食品检测中光谱技术的应用主要采用多元散射校正（MSC）、 标准正态变换（SNV）以及SG平滑算法对所采集光谱数据预处理; 采用连续投影算法（SPA）、 主成分分析（PCA）以及竞争性自适应重加权采样（CARS）进行特征波段选择; 采用偏最小二乘（PLS）、 支持向量机（SVM）以及人工神经网络（ANN）对检测结果数据进行分析。 同时总结展望了食品检测中光谱技术应用的发展方向: 光谱检测技术与多种食品检测技术相互融合将会成为未来发展方向; 将光谱与在线检测技术相结合, 实现对食品样本在线实时检测, 将会取得更有价值的检测结果; 研发便携式光谱检测设备, 将会更方便地进行食品现场检测, 检测效率将会显著提升, 并且具有很大市场潜力。

生物气溶胶是指含有细菌、 真菌、 花粉等生物性粒子的气溶胶。 生物气溶胶的传播会造成严重的危害, 对人体健康、 大气环境等有着潜在的影响。 此外, 在**活动中, 生物气溶胶还可作为生物战剂的释放方式。 因此, 对空气中生物气溶胶进行实时检测, 快速识别气溶胶种类, 判断生物气溶胶浓度、 危险程度等, 是降低致病性生物气溶胶暴露, 保护人员及环境安全, 以及防范生物恐怖袭击的重要手段。 基于荧光法的生物气溶胶实时检测系统利用生物粒子含有色氨酸、 酪氨酸、 核黄素等典型荧光基团, 通过激光诱导生物荧光基团产生特定的荧光光谱, 从而完成对生物气溶胶的检测和识别, 具有甄别气溶胶颗粒生物特性的同时, 获取其粒径尺寸及形态等物理特征的技术优势。 简要介绍了生物气溶胶及其实时检测的基本原理, 概述了生物气溶胶实时检测系统在三个方面的研究, 包括荧光激发光源的触发方式、 荧光激发光源类型以及信号采集系统。 最后, 对生物气溶胶实时检测系统的发展方向进行了探讨, 为后续生物气溶胶实时检测系统的研究开发提供了参考。

生物学检测是生物医学中常见的一种检测手段, 是以细胞因子特定的生物活性变化作为检测依据, 主要应用于生物医学与农林业等领域, 对研究医学病理和作物病害规律有重要作用。 传统的检测手段主要通过观察检测样本对不同化学试剂的反应而做出判断, 虽然检测精度较高, 但存在操作繁琐、 检测周期较长等问题。 高光谱成像技术融合了光学成像与光谱分析两种传统分析手段, 可以同时获取被检测样本的图像数据与光谱信息。 高光谱图像中的图像数据反映检测样本的外部特征与表面纹理, 而光谱信息又可以对检测样本的内部物理结构以及化学成分等展开分析。 显微高光谱成像技术则是将高光谱成像技术与生物显微镜结合起来, 通过观察微观世界的图像数据与光谱信息对检测样本进行分析, 是一种快速、 无损、 准确的光学成像分析技术。 近年来显微高光谱成像技术由于其高分辨率、 数据连续等特点, 在生物学检测领域引起了越来越多的关注, 成为生物学检测的重要手段之一。 该文章从光谱成像基本原理、 数据处理以及生物学检测应用等出发, 综述了近十年来显微高光谱成像技术在生物学检测方面的研究现状, 在总结所取得研究成果的基础上, 提出目前显微高光谱成像技术存在的一些问题, 并对其在今后生物学检测领域中的发展趋势进行展望, 以期为显微高光谱成像技术在生物学检测中的研究与应用提供参考。

随着现代遥感技术的快速发展, 遥感影像变换检测技术受到重视并被应用到地理国情检测、 土地调查、 生态系统监测、 食品安全保障和**侦察等领域。 高光谱影像所具有的更精细的光谱分辨率以及多时相高光谱影像所提供的更加丰富和更为详细的光谱变化信息为进一步精细判断地表的变化提供了可能。 然而高光谱影像高复杂度的数据结构、 高维度的数据特征、 高冗余信息, 以及不同时相光谱信息对环境的敏感性极大地增加了多时相高光谱变化检测的难度。 文章以变化检测过程中所涉及的技术手段为主线, 首先从六个方面对多时相高光谱影像变化检测的研究动态及现状进行分析, 包括: (1) 基于高光谱影像间广义相似度度量的传统高光谱影像变化检测方法, 该类方法主要沿用了高光谱影像出现之前多光谱变化检测的技术路线; (2) 基于降维的高光谱影像变化检测方法, 该类方法主要为克服高光谱影像所具有的高维度、 高冗余等特性给变化检测带来的不良影响而展开; (3) 基于统计建模的高光谱影像变化检测方法, 该类方法通过对高光谱影像的统计特性和多维度相关性进行挖掘和建模来确定各像元的变化属性; (4) 基于分类方法的高光谱影像变化检测方法, 该类方法将图像的分类策略引入到变化检测过程中为获得“from-to”类型的变化信息提供保障; (5) 基于光谱解混的高光谱影像变化检测方法, 该类方法主要面对高光谱影像低空间分辨率所带来的混合像元问题如何提取精细的变化信息而展开; (6) 基于深度学习的高光谱影像变化检测方法, 该类方法通过将深度学习技术应用于多时相高光谱变化检测中而产生的一类新兴而具有发展前景的变化检测技术。 进一步, 对目前多时相高光谱影像变化检测中面临的挑战性问题进行了提炼和分析展望。

量子级联激光器（QCL）具有出射功率高、 覆盖范围宽等优点, 在中红外探测领域发挥重要作用。 由于激光器对外界环境变化的敏感性导致激光波长波动, 在400 s的观测时间内频率漂移峰峰值高达180 MHz, 在一定程度上限制了QCL激光器的性能, 影响分子光谱探测的准确度。 频率锁定技术作为改善激光器运行状态最有效的方法在中红外区域得到广泛应用。 该研究发展了一种基于气体分子吸收的QCL激光频率锁定技术, 以5.3 μm QCL激光器为例, 采用调制激光波长的方法将激光频率锁定于一氧化氮（NO）分子1 875.812 8 cm-1处的吸收峰上。 介绍了误差信号的产生原理, 分析了使用三次谐波信号作为误差信号用于频率锁定的优越性。 使用长30 cm的单通道NO吸收池得到了高信噪比（SNR）的NO吸收信号, 标定了三次谐波幅值电压与激光频率的转换系数。 并对锁定过程进行详细的介绍, 探究了反馈控制回路中比例、 积分、 微分参数设置在激光锁频过程的重要性, 给定了详细的锁定参数。 主动干扰激光器锁定, 从扰动开始至恢复稳定的时间好于40 ms, 证明了该锁定系统可以抵抗外界干扰迅速响应并保持稳定。 使用误差信号的波动结合电压-频率转换系数分析了频率锁定系统的稳定性, 在10 ms的积分时间下频率漂移好于673 kHz, Allan方差分析结果显示, 当积分时间延长至100 s时, 相对频率漂移为4.5 kHz（对应稳定度为8×10-11）, 有效提高了激光频率的长期稳定性。 这种使用直接调制激光器而不需要使用外部调制器件的方法, 简化了系统复杂度的同时也提升光学探测系统的探测性能。

在照明领域中, LED已被证明是一种很有前途的人造光源, 其光谱可以用来合成日光光谱。 目前通过不同种类的LED合成日光光谱的关键问题是如何从LED数据库中选择LED型号和确定各型号LED的工作参数。 针对这一问题, 科学家们提出了通过各种数学模型来表示LED的光谱功率分布, 如高斯函数、 洛伦兹函数、 logistic功率峰函数等。 这些数学模型可以准确地反映出LED的非线性光谱特征, 包括峰值波长、 半高宽、 红移等。 但是通过数学光谱模型模拟的LED光谱与真实的LED光谱并不完全相同, 通过数学光谱模型模拟的LED光谱曲线都是轴对称的。 然而, 真实的蓝色和绿色LED光谱曲线在短波长的一面更陡, 在长波长的一面更缓, 红色LED光谱曲线则相反。 基于现有的多个LED的基础上提出了一个新的模拟日光光谱的方法。 通过设计一个滤光片和调节各个现有的LED光源的辐射量权重（LED光源的辐射量权重为当前LED光源的辐射量与该LED的最大辐射量的百分比）来进行仿真实验, 以此模拟出一个新的光源, 使其光谱与日光光谱相接近。 即将一个滤光片放置在多个LED的混合光源下, 通过滤光片的光谱透射率和各个LED光源的辐射量权重来限制光源的光谱, 使得修正后的多个LED混合光源的光谱尽可能的接近日光光源光谱。 因工业要求需要对滤光片的光谱透射率曲线进行平滑约束。 最后通过优化后的滤光片的光谱透射率求出各个LED光源的辐射量权重的最小二乘解, 从而得到各个最优的LED光源的辐射量权重。 通过仿真实验, 最后该方法得到的模拟日光光源的相关色温(CCT)为6 492 K, 目标光源的相关色温为6 503 K。 模拟日光光源光谱与日光光谱的拟合优度(R2)为0.992 6。 该方法对基于LED的日光光谱拟合的研究有重要的参考价值。

光声池是发生“光-热-声”耦合的场所, 光声池性能的优劣直接影响检测系统的精度与灵敏度。 为了提高光声池的性能, 在传统圆柱形光声池的基础上, 提出了一种两级缓冲式光声池。 利用COMSOL软件中热粘性声学物理场接口仿真分析了缓冲隔板高度及缓冲隔板数量对光声池内声场的影响规律。 结果表明, 光声池的共振频率随缓冲隔板数量和高度的增大而减小。 当缓冲隔板的数量固定, 缓冲隔板高度H大于11 mm时, 光声池的共振频率随缓冲隔板高度的增加而急剧减小。 在光声池共振频率要求范围内, 共振频率的减小有利于光声信号幅值的提高; 当缓冲隔板的高度固定时, 光声池的声压随缓冲隔板数量的增加而减小; 当缓冲隔板高度在0～11 mm之间时, 声压值保持相对稳定; 当缓冲隔板高度大于11 mm时, 声压值随缓冲隔板高度的增加而急剧减小。 流场方面, 通过在缓冲腔内设置缓冲隔板可减小左侧缓冲腔内的速度梯度。 一级缓冲方式虽可一定程度减小速度梯度, 但在缓冲隔板处出现速度波动, 而两级缓冲方式不仅减小了光声池内的速度梯度, 而且使气体流速更加平稳。 考虑到光声信号幅值、 声压及光声池内速度梯度等指标, 选用缓冲隔板高度为11 mm, 缓冲隔板数量为2。 基于所给最优参数的两级缓冲式光声池, 仿真及实验结果表明: 所设计的两级缓冲式光声池和同尺寸的圆柱形光声池相比, 声压由3.34×10-5降低为3.32×10-5, 本底噪声由(2.83±0.11) μV降低为(1.26±0.03) μV, 共振频率由1 344 Hz降低为1 299 Hz。 虽声压减小了1.2%, 但声噪比提高了2.22倍, 且共振频率在满足要求的范围内降低了3.3%, 使光声信号幅值得到一定程度提升。 整体来说, 两级缓冲式光声池稳定了气体流动噪声, 减小了流动噪声的波动幅度, 为光声池优化设计提供了一种新的思路。

藏北高原地区草地不断退化, 荒漠化日剧严重; 估算砾石粒径对于荒漠化评价及动态监测具有重要意义。 基于高光谱遥感技术, 结合地面调查、 GPS定位、 砾石光谱测定和砾石粒径测定, 优选出与砾石粒径相关性最高的波段, 并建立砾石粒径与敏感波段之间的线性拟合模型, 利用高分五号高光谱影像对实验区的砾石粒径空间分布特征进行了提取。 主要结论: 相关性较好的波段在369.9、 371.5和910.5 nm, 其中一阶导数在910.5 nm处的光谱值与砾石粒径的拟合效果是最好的（R2=0.738）; 不同光谱吸收参数与砾石粒径的拟合对比, 在2 340 nm附近的吸收面积与砾石粒径建立的拟合回归模型的拟合精度是比较高的（R2=0.728）; 对砾石粒径进行空间遥感反演, 精度达到70%, 并简要分析砾石粒径的空间分布特征, 为藏北高原的荒漠化分析提供了参考依据。

稻米霉变会引起营养物质流失, 同时产生有毒物质, 不仅降低其自身品质, 还会感染其他正常稻米。 为减少霉变引起的稻米损耗, 需及时分离霉变稻米。 高光谱技术具有快速、 无损的特点, 因此, 尝试利用高光谱技术对稻米霉变情况进行检测。 发芽稻米与发霉稻米具有相似的光谱特征, 易被误判为发霉稻米, 影响后续稻米霉变程度的检测, 因此, 提出利用高光谱技术结合多种预处理及判别模型区分发芽稻米与发霉稻米, 并对不同霉变程度的稻米进行判别。 将正常、 发芽、 发霉和发芽发霉的稻米样本建立模型进行区分检测, 并对轻度、 中度、 重度和完全发霉的稻米样本进行判别。 利用高光谱采集仪器对正常、 发芽、 发霉和发霉发芽的稻米样本进行光谱图像采集, 提取采集图像感兴趣区域（ROI）的光谱, 以ROI内光谱的平均反射率作为稻米样本的光谱特征。 对提取的光谱数据进行SNV、 Normalize和MSC等预处理; 利用KS算法将样本以1∶3的比例均匀地划分为用于验证模型效果的预测集和建立光谱与样本关系的建模集; 分别建立PLSR、 SVM和RF模型, 以3种模型的预测集正确率评价各模型预测效果, 挑选出效果最优的判别模型。 在正常、 发芽、 发霉和发芽发霉稻米的检测中, 得到最优的判别模型为基线校正法预处理后的随机森林（Baseline-RF）模型, Baseline-RF模型的预测集判别准确率为100%; 在稻米霉变程度的检测中, 通过对不同模型的预测结果进行比较得出, SNV-RF模型的预测集中未出现误判样本, 表现出最优的判别效果。 为简化模型, 在冗长的原始光谱中提取特征波长, 以特征波长光谱建立SNV-RF模型, 结果显示利用CARS算法挑选后的特征波长具有较好的判别能力, 整体的判别准确率为97.5%。 实验结果显示高光谱技术结合CARS-SNV-RF模型能够快速准确地判别稻米的霉变程度, 为霉变稻米的快速判别提供一定的理论基础和实验参考, 对提高稻米品质、 减少稻米浪费具有重要意义。

中国已经全面禁止了象牙交易, 但象牙的走私并未因此而终止。 对象牙及其制品的鉴定是打击走私一个重要环节。 传统的形态学鉴定法, 是基于横截面上施氏结构的有无, 但有的象牙本身缺少特征纹路, 有的则经过雕刻加工后纹路消失, 这类样品往往无法鉴定。 从分子生物学角度鉴定象牙具有更高准确性, 象牙DNA含量极低, 象牙中提取DNA的难度较大。 已有学者采用光谱技术鉴定和区分象牙等材质, 并表明采用拉曼光谱和近红外光谱的短波区域可以区分象牙及其类似物（其他动物牙齿）。 采用近红外光谱的长波波段1 000~1 800 nm, 通过建模的方式建立了象牙的鉴别方法。 以非洲象（Loxodonta spp.）象牙、 亚洲象（Elephas maximus）象牙、 猛犸象（Mammuthus spp.）象牙为校正样品集, 其他非象牙材质制品, 包括抹香鲸（Physeter macrocephalus）牙、 河马（Hippopotamus amphibius）牙, 象牙果（Phytelephas macrocarpa）, 模仿成象牙的塑料制品等为验证样品集, 采集了230件样品共383条近红外光谱信息。 比较了象牙样品颜色和厚度等对光谱鉴定结果的影响, 建议扫描具有该物质典型颜色部位, 同时取样品厚度大于1 mm的部位进行扫描, 否则易造成误判。 基于象牙光谱4个较敏感波段, 1 160~1 200、 1 430~1 500、 1 680~1 710和1 720~1 750 nm, 以及SIMCA（soft independent modeling by class analogy）定性分析方法, 建立象牙的鉴别模型。 建模过程中, 在平衡假阳性率和假阴性率后, 推导出本模型的最佳主因子值为2和F值为0.21。 采用所建立的模型鉴定样品, 对象牙的识别准确率达到100%, 对角制品、 塑料仿制品以及象牙果仿制品等伪品的识别率也达100%, 但对质地较相近的其他动物的牙齿, 如野猪牙、 抹香鲸牙等, 则易错鉴为象牙, 需要结合其他方法做进一步的鉴定。 光谱模型鉴定方法具有无损、 简便等特点, 同时通过模型鉴别光谱图形较人为观察更加客观和高效, 因此较适合作为监管部门现场执法用的快速查验初筛方法。

乳腺癌是世界上对于女性非常危险的疾病, 其患病率逐年增长, 是世界妇女死亡的主要原因。 在大样本情况下, 乳腺癌临床诊断受优质医疗资源相对短缺的限制, 诊断周期长、 检测费用高。 因此, 高效、 准确、 性价比高的乳腺癌诊断方法具有广阔的应用前景, 为临床诊断迫切需求。 荧光光谱检测是一种可以表征细胞中物理和化学综合变化的方法, 可用于表征正常和癌变细胞的特征。 机器学习擅长从大量数据中挖掘有用信息, 是进行分类和预测的有效手段。 以往机器学习多使用包含部分生化信息的数据库训练模型, 易导致信息缺失。 荧光光谱是细胞多种物质的叠加光谱, 使用荧光光谱特征峰诊断乳腺癌存在量化不确定性问题。 因此, 提出了机器学习结合乳腺癌样本荧光光谱的诊断方法。 使用405 nm波长的激光, 采集了正常和癌变乳腺组织(已做出病理诊断)的荧光光谱数据, 以此作为数据集, 比较了K-近邻(KNN)、 支持向量机(SVM)、 随机森林(RF)三种算法对正常和癌变乳腺组织荧光光谱的分类能力。 判别结果显示: 与SVM算法相比, KNN和RF算法的准确率更高、 平衡召回率和精度的能力更强, 对乳腺癌荧光光谱的分类能力更好, 其准确性、 召回率、 精度以及F1-score函数结果均在95%之上, 更利于乳腺癌的诊断。 进而探讨了权重KNN(WKNN)算法对正常和癌变乳腺组织荧光光谱的分类能力。 WKNN较KNN算法的分类评估结果有小幅度提升, 且具有更好的抗噪和适应能力, 算法简单。 综上所述, 本文提出的机器学习结合荧光光谱的乳腺癌诊断方法, 精度高、 速度快、 性价比高, 是未来乳腺癌诊断方法的发展方向, 具有重要的临床应用价值。

多轴差分吸收光谱仪（MAX-DOAS）结合计算机断层重建算法可获取目标痕量气体的空间分布情况。 为研究在具有背景浓度的条件下, 如城市背景下某个竖直截面上重建NO2空间分布的可行性, 设计了气体浓度可控条件下的验证性实验; 证明了利用MAX-DOAS在竖直平面重建NO2气体分布的可行性。 将充入标准气体的JGS1石英玻璃样品池作为研究对象, 使用两台MAX-DOAS采集光谱数据。 将气体浓度的梯度作为先验信息, 利用经典的ABOCS算法和Barzilai-Borwein算法重建了竖直平面内的NO2气体分布, 验证了利用MAX-DOAS在竖直平面内重建NO2气体空间分布的可行性, 同时确定了背景浓度对重建结果的影响。 研究结果表明, 以天空为背景的光谱作为参考谱和以空样品池为背景作为参考谱, 反演得到的NO2浓度非常接近, 因此研究对象中的样品池容器在NO2竖直平面分布重建方法中对实验结果的影响可以忽略。 实验中以市区为背景的MAX-DOAS具有较高的背景浓度, 特别是在仰角较低的情况下NO2背景浓度几乎达到6×1016 molec·cm-2, 以城市郊区没有明显的污染源为背景的MAX-DOAS, 背景浓度较低可以忽略。 重建结果显示, 当仰角为28°时, 气体沿光路的平均分子数密度为3.932 7×1015 molec·cm-2, 且在样品池内下部密度大, 上部密度小; 重建得到的SCD和测量得到的SCD符合比较好, 计算结果显示重建得到的气体分子数密度的峰值为5.77×1015 molec·cm-2, 与以城市郊区为背景的MAX-DOAS反演结果较为接近, 而以市区为背景时, 特别是仰角较小时, NO2背景浓度特别明显, 重建结果比测量结果的值小很多。 结果表明, 背景浓度在重建图像中表现为伪影, 影响对气体分布的观察, 而如果在重建算法时加入利用样品池内外气体存在浓度突变这一先验信息, 能够减轻背景浓度对重建结果造成的影响。

甘蔗的纤维分是甘蔗选育过程和制糖、 造纸等行业生产中不可忽视的因素, 采用透射形式的可见-近红外光谱法对活体甘蔗纤维分进行无损检测具有重要意义。 采集了6个品种不同生长阶段的123个甘蔗蔗茎样本, 将其按2∶1的比例采用Duplex样本集划分方法分为校正集（82个样本）和预测集（41个样本）。 以120°的测量夹角获取了蔗茎在去除蜡质前后两种不同状态下的透射光谱, 并选取噪声较小且幅值变化明显的670～950 nm波段作为实际建模波段。 观察波形发现, 去除蜡质后蔗茎的透光率显著增高, 且建立偏最小二乘（PLS）回归模型分析了蜡质对于模型预测能力的影响, 去蜡后的蔗茎样本建模效果更为良好。 将一阶微分（FD）、 连续小波变换（CWT）、 标准正态变换（SNV）等9种预处理方法分为基线校正、 散射校正、 平滑处理、 尺度缩放四个步骤。 按各步骤的顺序进行排列组合产生108种预处理组合, 分别对处理得到的光谱数据进行PLS建模分析, 最终得到了综合建模效果最优的预处理方法FD+SG。 为筛选得到携带最有效信息的波长, 采取无信息变量消除法（UVE）、 遗传算法（GA）、 竞争性自适应重加权采样法（CARS）以及随机青蛙算法（RF）等有效变量提取算法对最优预处理后的透射光谱进行重要波长筛选。 分别对各算法提取出的重要波长进行PLS建模分析, 其中采用UVE方法提取出来的重要波长建模效果最好, 所选波长的数量为40个, 占全波段的14.3%。 预测集的决定系数（R2p）为0.73, 比相同预处理下的全波段PLS建模结果提升了14.1%, 预测集的均方根误差（RMSEP）为0.88%（%表示甘蔗纤维分的单位）, 比全波段建模结果下降了14.6%。 研究结果表明, 可见-近红外透射光谱能够对活体甘蔗纤维分进行有效预测, 此研究可为相应便携式传感器的开发提供理论依据, 为甘蔗育种、 各行业生产的节本增效提供技术支撑。

亲脂性偶氮染料苏丹红Ⅲ(Sudan Red Ⅲ)分子因染色后可使食品鲜艳、 不褪色, 常被放入食品添加剂中, 食用后对人体的肝肾器官有明显的毒性作用, 严重影响人类身体健康。 苏丹红分子的毒性与其分子几何和电子结构密切相关, 对其结构、 电子激发等研究具有重要的指导意义。 采用密度泛函理论(DFT)方法结合def2-TZVP基组对苏丹红Ⅲ分子结构、 红外与拉曼光谱和紫外光谱进行系统研究, 结果表明PBE0和B3LYP杂化泛函方法计算的红外和拉曼光谱与实验值吻合; 采用含时的B3LYP杂化泛函计算得到的苏丹红Ⅲ分子的紫外-可见吸收峰为228、 353和490 nm, 与实验符合较好, 它们是基态电子向第2激发态、 第6激发态、 第30激发态跃迁所致。 采用空穴—电子分析法考察电子激发可知, S0→S2激发类型是氧、 氮原子到萘环和苯环上的n—π*电荷转移激发, 同时伴随着萘环、 苯环环内间的π—π*局域激发。 S0→S6激发类型是氮、 氧原子到萘环, 氮原子到苯环上的n—π*和萘环环内间π—π*电荷转移激发的叠加。 S0→S2和S0→S6激发类型属于电荷转移激发为主的混合激发。 S0→S30激发类型属于萘环环内的π—π*局域激发, 同时也伴随着氧、 氮原子到萘环上的n—π*和苯环到萘环上的π—π*电荷转移激发, S0→S30激发类型是以局域激发为主。 通过分子片段对空穴、 电子的贡献热图分析, 进一步证实了上述电子激发转移过程。 系统研究苏丹红Ⅲ分子的光谱及电子激发, 为实验检测食品苏丹红Ⅲ分子提供理论参考。

激光冲击强化(LSP)作为一种新型的激光表面处理技术已应用于航空发动机、 机匣等关键部件的强化延寿处理, 确保LSP加工质量的一致性及稳定性对上述航空装备的长寿命服役具有重要意义。 然而, 在高能瞬态LSP过程中, 保护层容易发生烧蚀破损, 极大地限制了LSP的工业应用。 因此, 通过分析激光诱导等离子体光谱信号, 提出了一种基于ReliefF特征权重融合的LSP保护层烧损实时检测方法。 以4 mm厚的7075铝合金为LSP靶材, 以黑胶带为LSP保护层。 首先, 利用长波段范围的Ocean Optics-HR4000光谱仪和高分辨率的Princeton SP2750光谱仪同步采集LSP瞬态过程中产生的等离子体光谱信息; 其次, 根据Princeton SP2750光谱仪采集的高精度光谱信号, 分别选取波长为394.40和396.15 nm的Al Ⅰ谱线以及波长为393.36和396.80 nm的Fe Ⅰ谱线, 提取其峰值强度与Stark展宽特征, 然后结合ReliefF特征重要度筛选出对保护层烧损状态更加敏感的两条Al Ⅰ谱线, 并且定性分析了Al Ⅰ谱线的峰值强度和Stark展宽对保护层烧损状态的敏感程度和瞬态变化规律; 再次, 基于ReliefF算法构造了一种融合多谱线特征信息的特征参数I-FWHM（Intensity-FWHM）, 然后基于特征类间距离, 定量评估了各特征对三类烧损状态的区分能力; 最后, 结合阈值分割法实现了LSP保护层烧损实时检测。 实验结果表明, 峰值强度对于区分正常状态与轻微破损状态的能力很差, 而对于区分轻微破损与完全破损的能力很强; Stark展宽对于区分正常状态与轻微破损状态的能力远优于强度, 而对于区分轻微破损与完全破损的能力相对较弱。 I-FWHM融合了上述单一特征的优点, 能同时较好地区分三类烧损状态, 因此对于LSP过程中保护层烧损状态的实时检测具有更强的抗干扰能力和更高的鲁棒性。

食用燕窝可以调节肠道菌群, 改善人体免疫。采用傅里叶变换红外光谱技术对鲜炖燕窝进行光谱扫描, 并用特征的光谱吸收峰与服用燕窝后的小鼠肠道菌群进行关联性分析, 解析燕窝中的功能因子与肠道菌群的关联, 为探讨燕窝调控肠道机理奠定研究基础。 结果表明, 服用仙炖燕窝后肠道菌在属水平上: 有益菌Lactobacillus和Lachnospiraceae_NK4A136_group呈现上升趋势, 有益菌Faecalibaculum和Akkermansia呈现下降趋势; 有害菌Desulfovibrio、 Enterorhabdus和Candidatus_Saccharimonas均呈现下降趋势。 两个产品燕窝的红外差异光谱主要集中在1 700～1 200 cm-1波段范围, 主要为酰胺键、 芳香CC键以及羧基CO基团的分布区, 这些官能团与有益菌Lactobacillus和Lachnospiraceae_NK4A136_group呈现正相关, 与有害菌Desulfovibrio和Enterorhabdus呈现负相关。 随后利用高分辨质谱对相应的鲜炖燕窝产品进行物质解析, 发现主要成分有氨基酸类, 脂类(磷酸酯类、 脂肪酰、 鞘氨醇等), 酯类和唾液酸等物质, 这些物质与肠道菌呈现不同的相关性, 总的来说脂类物质中特别是一些磷酸酯类(磷脂酸、 磷脂酰胆碱、 磷脂酰甘油、 磷脂酰乙醇胺)和脂肪酰类物质与有害菌呈现负相关, 与有益菌呈现正相关。 这些物质所含有的特征官能团也可以与红外结果相对应。 以上结果表明, 傅里叶变换红外光谱技术可为探讨燕窝中功能因子调控肠道菌群研究提供理论依据。

高光谱检测是物质定性识别的重要手段, 光谱解混是高光谱分析识别的关键。 针对化合物或矿物混合光谱分析不准确的问题, 采用非负矩阵分解（NMF）盲源解混方法, 建立了一种基于加权NMF高光谱反射曲线的盲源解混分离方法, 用于矿物混合后高光谱的分解与识别。 假设混合光谱模型是多种组分光谱按比例组合的线性方程, 该算法以混合光谱与组分光谱基向量光谱角余弦值为初始权, 采用最小欧氏距离和重加权稀疏约束来建立组合条件从而促进解混矩阵的稀疏性, 开展方程的NMF约束迭代计算, 最终分解出矿物混合光谱的源光谱基向量和丰度矩阵。 选取化学纯的氧化铜和氧化亚铜、 碱式碳酸铜和氢氧化铜、 孔雀石和蓝铜矿三类混合物的高光谱曲线为试验对象, 经过均值化和白化等数据预处理后, 进行基于加权NMF高光谱反射曲线的盲源解混试验, 并以解混性能指数、 光谱均方根误差和光谱角距离为评价指标分析算法的解混效果。 结果表明, NMF解混方法的盲源解混效果十分明显, 在未知混合光谱先验条件基础上, 可以准确分离出源光谱特征, 样本分离精度均小于0.15。 解混后光谱与源光谱的曲线整体变化趋势相同, 保持了源光谱相似的吸收位置和吸收峰, 但是对应吸收位置存在微小偏移, 解混后光谱与源光谱在反射率数值上存在明显的差异。 对混合光谱数据加入5%～15%的高斯噪声后, 再进行基于加权NMF解混处理。 发现混合光谱解混分离的精度随着噪声增大只有微小减小, 解混后光谱角距离以及均方根误差并未发生明显的变化, 说明NMF解混算法具有较好抗噪性能, 对实测非纯物质光谱解混具有一定适用性, 可以作为矿物混合后组分识别与分离鉴定的基础方法。

随着经济发展对石油资源需求量的不断增大, 各种石油污染问题日渐严重, 对生态环境及人类健康造成巨大威胁。 因此, 准确识别及时处理油类污染物对减轻溢油危害具有重要意义。 石油是一种复杂的有机化合物, 主要由较强荧光特性的芳香烃成分及其衍生物组成, 不同类型的石油所含多环芳烃的成分和含量不同, 三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。 基于三维荧光光谱技术, 采用BP神经网络结合自加权交替三线性分解（SWATLAD）算法对油类污染物进行定性定量的研究。 实验以0#柴油、 95#汽油和煤油为研究对象, 首先, 使用F-7000荧光光谱仪采集待测样品的光谱数据, 对得到的数据进行激发、 发射校正和去散射处理。 其次, 为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题, 提出了一种改进的阈值函数, 去噪后的信噪比（SNR）和均方误差（MSE）分别为18.354 7和10.261 7, 更为真实的还原有用信号。 并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练, 训练后预测值与真实值的曲线拟合度较好, 表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据, 简化了实验操作步骤。 最后, 采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解, 解析得到的0#柴油、 95#汽油和煤油的激发与发射光谱与真实光谱拟合度较高, 计算平均回收率分别为103.64%、 99.33%和97.85%, 经验证, 三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、 精确检测。

基本密度是评估木材制浆造纸性能的重要指标。 采用近红外光谱技术检测造纸木片基本密度, 实时掌握原料材性变化, 能够为制定和优化制浆生产工艺提供基础理论数据。 但在实际生产中, 原料来源的复杂性造成木片水分含量波动较大, 光谱中的水分干扰信息严重影响模型预测效果, 成为制约近红外技术实际应用的主要因素。 以杨木片为研究对象, 通过对木片失水过程的近红外光谱动态监测, 结合主成分分析明确光谱中水分吸收信息的特征响应, 揭示了木片水分中结合水和自由水的变化规律。 分别采用不同水分条件下的木片光谱建立偏最小二乘回归(PLS)模型预测木片基本密度, 通过对比分析模型预测性能, 探究木片水分变化对近红外预测木片密度的影响, 并采用外部参数正交化算法(EPO)消除光谱中水分的干扰, 提高模型对水分变化的抗干扰能力。 研究结果表明, 基于饱水木片光谱的模型具有最好的预测精度, 模型的建立主要依靠近红外光谱对木片纤维结构特征信息的获取。 而光谱中大量的水分吸收信息对建模是冗余无用的, 并且会导致模型对样品水分高度敏感, 当测试集水分含量变化时, 模型预测出现严重偏差。 通过EPO算法对木片失水过程动态光谱的解析, 提取水分校正因子, 能够有效消除水分变化引起的光谱差异。 基于水分校正的基本密度预测模型对不同水分条件下的测试集均表现出稳定的预测性能, 均方根误差、 决定系数和预测相对标准偏差分别为12.23 kg·m-3、 0.883 4和2.93。 该研究将EPO算法引入对木材材性的近红外光谱分析, 构建了抗水分干扰的稳健型基本密度预测模型, 较好地解决了水分含量波动对原料材性快速检测的影响, 为近红外光谱技术在制浆造纸领域的推广应用提供了依据。

随着高速模数转换器的出现, 数字化脉冲滤波成形算法被广泛应用于核仪器。 现行的滤波成形算法中梯形成形算法输出脉冲宽度可调, 有利于提升核仪器的脉冲通过率; 高斯成形算法具有优越的信噪比, 使得核仪器的能量分辨率较优。 为保留高斯成形算法的优点, 提升其对重叠核脉冲的分辨能力, 必须使其输出脉冲宽度变窄。 该研究在假设输出脉冲形状为高斯函数、 幅度与输入脉冲相等的情况下, 基于傅里叶变换推导了数字化脉冲对称高斯成形算法的递推公式。 该递推公式仅由乘法和加法运算构成, 易于在现场可编程门阵列中实现。 通过对理想脉冲仿真发现: 随着输出脉冲标准差的增加, 对称高斯成形算法成形后脉冲越宽, 对重叠脉冲的分辨能力也越弱; 对称高斯成形算法成形后脉冲宽度比梯形成形后最窄脉冲更小, 说明对称高斯成形算法具有更优的重叠脉冲分辨能力。 通过对18种信噪比的脉冲各10 000次仿真发现: 在同一输出脉冲标准差下, 随着输入脉冲的信噪比增加, 输出脉冲幅度均值先增加, 当信噪比大于55 dB后输出脉冲幅度维持稳定; 随着输出脉冲标准差增加, 输出脉冲更平滑, 结合频谱图发现切断频率亦更小, 说明其去除噪声的能力更强, 有利于提升核仪器的能量分辨率。 在全反射X荧光仪硬件平台上现场测试发现: 随着输出脉冲标准差增加, 谱仪能量分辨率提升了5.42%, 进一步证实了增大输出脉冲标准差可提升噪声去除能力、 脉冲幅度提取亦更准确; 能谱总计数率下降了13.02%, 进一步证实了成形后脉冲越宽丢弃的重叠脉冲亦越多。 上述结论充分证实本文所设计的对称高斯成形算法提升了高斯成形算法的重叠脉冲分辨能力, 并能有效应用于数字化多道脉冲幅度分析器实现脉冲高速实时处理。

木材抗拉强度是评价木材力学性质的重要指标。 针对近红外光谱建模中样本数据量小、 波长信息冗余所导致预测模型精度低的问题, 提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。 以桦木为例, 选取150个桦木样本作为实验对象, 首先使用900～1 700 nm波段的近红外光谱仪采集试件光谱数据, 并采用力学试验机获得相应的抗拉强度真值; 然后对采集的光谱数据运用多元散射校正（MSC）、 一阶求导和卷积平滑（SG）相结合的方法进行预处理, 完成光谱平滑滤波; 分别采用变量组合集群分析算法（VCPA）、 蒙特卡罗无信息变量消除法（MC-UVE）、 迭代变量子集优化算法(IVSO)及MC-UVE-IVSO组合优化算法进行波长筛选, 并对比优选波长结果; 最后在优选近红外波长基础上, 建立桦木抗拉强度的偏最小二乘预测模型（PLS）。 实验结果表明: 基于MC-UVE-IVSO算法优选波长的PLS模型, 光谱变量数由512减小到98, 优选波长占总波长的19%, 其预测决定系数R2为0.94, 预测均方根误差RMSEP为7.50, 性能偏差比RPD为3.16, 相比于全波段、 MC-UVE、 VCPA、 MC-UVE-VCPA与IVSO相应的R2（0.92、 0.93、 0.82、 0.87、 0.93）、 RMSEP（17.91、 11.7、 14.91、 12.12、 8.47）和RPD（2.81、 2.91、 2.25、 2.28、 2.78）均有不同程度提升; 通过统计特征波长所建立的预测模型箱形图, 进一步证明了MC-UVE-IVSO算法在处理多变量波长的稳定性。 实验结果表明, MC-UVE方法可以消除与建模不相关的多数变量, 而IVSO算法能有效搜索出最优变量子集, 基于MC-UVE-IVSO的光谱优选算法提升了木材抗拉强度预测模型的准确性和稳定性, 为木材近红外光谱的无损、 快速与精准检测提供了一定的理论基础。

寻找珊瑚药材与奶珊瑚饮片的差异性化学指标, 为奶珊瑚饮片的质量标准完善提供参考。 以奶水比例、 煎煮温度、 干燥时间、 干燥温度作为炮制工艺因素, 通过正交试验制备一系列奶珊瑚饮片。 使用滴定分析法、 X射线衍射法、 红外光谱法, 分别检测珊瑚药材与奶珊瑚饮片中的碳酸钙含量、 碳酸钙晶型、 有机与无机成分组成。 珊瑚奶制前后的碳酸钙含量均约80%, 珊瑚药材按照规范工艺炮制后的碳酸钙含量可能略有增加。 珊瑚奶制备前后的碳酸钙晶型均以方解石为主, 珊瑚药材2θ=47.953°处X射线衍射特征峰可能在炮制后有所差异。 珊瑚奶制备前后的有机成分具有明显差异, 奶珊瑚饮片的红外光谱对应于脂肪、 蛋白质、 碳水化合物等3 050~2 750、 1 770~1 720、 1 710~1 600 cm-1特征谱带峰面积显著高于珊瑚药材。 红外光谱特征谱带峰面积对于奶水比例、 煎煮温度、 干燥时间、 干燥温度等炮制工艺因素的变化较为敏感。 红外光谱可以客观、 量化地鉴别珊瑚药材与奶珊瑚饮片, 还有可能用于评价奶珊瑚饮片的炮制工艺是否符合规范要求。

水体重金属铅（Pb）污染对人类健康及水生态环境具有重要影响。 为实现水体重金属Pb的现场快速检测, 以蛋白核小球藻为吸附剂, 开展了基于蛋白核小球藻富集-X射线荧光（XRF）光谱的水体重金属Pb快速检测研究。 结果表明: 蛋白核小球藻与重金属Pb反应液的pH值为7且反应温度为25 ℃时, 蛋白核小球藻对重金属Pb具有快速高效吸附特性, 在反应时间为5 min时对0.012 8～0.353 5 mg·L-1这一较宽浓度范围内重金属Pb的吸附效率高达92%以上, 但对类金属As的吸附效率却低于5%, 因此基于蛋白核小球藻的富集作用可以有效避免重金属Pb与类金属As共存时As的Kα最优特征谱峰对XRF光谱测量过程中Pb的Lα最优特征谱峰的干扰与影响; 在蛋白核小球藻对重金属Pb的最佳吸附反应条件下, 当反应液样品富集量为10 mL时, 建立了基于蛋白核小球藻富集-XRF光谱的水体重金属Pb定量检测方法, 水体重金属Pb浓度与XRF光谱中Pb的Lα特征谱峰净积分荧光强度间具有良好的线性关系, 相关系数r为0.990, 检测限为7.2 μg·L-1, 低于我国《地表水环境质量标准（GB 3838—2002）》中Ⅰ类水质标准中重金属Pb的标准限值; 采用该方法对合肥市市内派河、 匡河、 南淝河、 四里河及十五里河实际水体水样中重金属Pb进行检测, 回收率均在87.84%～115.66%范围内, 表明所建立的藻富集与XRF光谱法相结合的水体重金属Pb快速检测方法能够很好地应用于实际水体中重金属Pb的快速分析与检测。 该研究为发展水体重金属现场快速监测技术与仪器奠定了方法基础。

搭建气体动力学悬浮无容器激光加热装置耦合皮秒级时间门控拉曼光谱仪, 突破常规加热法的温度与坩埚材料的限制的同时, 依靠皮秒级脉冲激光极短的测量周期大幅度屏蔽高温极端条件下黑体辐射对拉曼信号的干扰。 并利用该平台首次原位测定了高熔点MgTi2O5超高温下（1 903、 1 953和2 003 K）的高信噪比熔体拉曼光谱。 并通过耦合三代增强型电荷耦合探测器（ICCD）与纳秒级脉冲激光实现测定MgTi2O5晶体样品室温（RT）到1 673 K的完整温度范围的原位拉曼光谱。 在RT升至1 953 K的升温过程中晶体的拉曼光谱出现展宽和红移现象, 相对强度降低, 当温度升高到熔体（2 003 K）成为单一宽泛的包络线, 表明此时晶体的长程有序的结构已经被破坏, 体系内微结构发生本质改变。 运用密度泛函理论（DFT）计算其常温拉曼光谱, 比照实验光谱, 对主要振动模式进行了归属分析, 拉曼光谱位移低于350 cm-1的低波数区的振动主要归属于晶体的晶格振动, 中波数区域485 cm-1的振动峰为Ti—O—Ti弯曲振动, 主要特征峰648 cm-1处为TiO6八面体内O—Ti伸缩振动; 787 cm-1处为TiO6八面体内O—Ti—O的弯曲振动。 对熔体结构运用量子化学从头计算法, 模拟了系列团簇模型的拉曼光谱, 获得了特征振动模式的波数和散射截面, 实验拉曼光谱采用散射截面校正后, 解谱并定量分析了熔体中团簇结构的分布。 定量分析显示, MgTi2O5晶体熔化后, 存在TiO4四面体构型（不同构型的Qi相对摩尔分数分别为54.6%Q0、 20.1%Q1、 5.0%Q2、 4.8%Q3, Qi为不同桥氧数i的钛氧四面体）和TiO6八面体构型（H0的相对摩尔分数为14.8%, H0为孤立的六配位钛氧八面体）。 Ti4+主要以孤立四面体结构Q0、 二聚体结构Q1四配位形式存在, 少部分以孤立的钛氧八面体H0六配位的形式存在。 结果表明: MgTi2O5熔体成分中占较大比例的孤立结构, 破坏了体系网络连接性, 抑制了玻璃形成能力, 因此该高温熔体不具备形成玻璃的条件。 在升温过程中MgTi2O5晶体的拉曼光谱显示无相变发生; 熔融过程中, 晶体微结构中的Ti—O多面体结构由单一TiO6型转变为TiO4与TiO6型共存。

西头遗址位于陕西省咸阳市旬邑县, 是一处包含了自新石器时代到明清时期丰富遗存的人类文化遗迹。 在该遗址的上西头村和南头村发掘点中发现了许多新石器时代的窑洞式房址, 且部分房址的地坪为“白灰面-草拌泥”复合建筑材料, 保存较为完整。 本文首先采用了体视显微镜、 偏光显微镜、 超景深显微镜和扫描电子显微镜（SEM）对“白灰面-草拌泥”地坪的结构进行了显微观察, 为进一步解决样品的制作材料、 制作工艺分析和技术原理等问题, 又利用X射线衍射仪（XRD）、 傅里叶变换红外光谱仪（FTIR）、 热重差热分析仪（TGA-DSC）、 能谱仪（EDS）等多种分析手段对“白灰面”、 草拌泥以及“白灰面-草拌泥”交界面进行了成分的分析检测。 研究结果表明: “白灰面”主要成分是二氧化硅和由料礓石烧制后经过碳酸化反应生成的碳酸钙; “白灰面”有三层, 应是经过三次涂抹叠加而成, 每层白灰面厚度都基本一致且均不超过1 mm; “白灰面”的基底是草拌泥, 其中的秸秆纤维起加筋强化和抑制开裂作用; 涂抹“白灰面”时, 石灰水渗入草拌泥中而氢氧化钙发生碳酸化反应产生了碳酸钙, 有助于草拌泥结构的稳定性和强度; “白灰面”和草拌泥两种建筑材料至今仍结合紧密, 两者之间仅有10~20 μm的间距, 说明至少在新石器时代晚期中国先民已经广泛掌握了“白灰面-草拌泥”这种复合建筑材料及其施工工艺。 该研究对于了解中国远古先民对于天然材料的认识、 利用以及梳理传统建筑科技文明的发展脉络具有重要意义。

恒星的分类问题一直是天文研究的一大热点, 恒星的亚型分类对探究恒星演化、 稀有天体识别等具有重大意义。 针对LAMOST光谱亚型分类问题设计了SSTransformer (stellar spectrum transformer)分类模型, 该模型主要由三部分组成, 包括输入模块、 嵌入模块、 SST编码模块。 在输入模块中, 将光谱数据进行分块处理, 这些块经过线性投射层被映射为向量。 在嵌入模块中, 为了提取有用的数据特征, 将线性投射层的输出加入一个可学习的类别嵌入块, 为了保留位置信息, 再加入位置嵌入块, 之后将这些数据特征向量送入SST编码模块。 最后在SST编码模块中, 对数据特征进行提取处理, 并利用多层感知器结合新特征对恒星光谱进行分类。 采用的A、 F、 G、 K、 M型恒星光谱数据均来自LAMOST DR8中的一维低分辨率光谱, 35 256条一维光谱数据用于SSTransformer模型的训练, 8815条一维光谱数据用作模型的测试。 为了加快模型的收敛速度, 对数据采用Z-Score归一化处理。 由于是多分类问题, 实验采用了准确率、 精确率、 召回率、 F1-Score、 Kappa系数五个评价指标。 实验结果证明, 利用SSTransformer模型可实现对一维恒星光谱数据有效的筛选分类, 分类准确率达到98.36%, 比支持向量机(support vector machine, SVM)算法、 极端梯度提升(eXtreme Gradient Boosting, XGBoost)算法, 以及卷积神经网络(convolutional neural networks, CNN)的分类准确率更高。

红移是星系的基本参数之一。 大量已知星系只有测光图像而并没有光谱, 因此通过测光图像而非光谱来求取红移值具有重要的研究意义。 首先构建了一种基于测光图像估计星系红移的回归网络(GRRnet)。 它和以往的类似方法相比网络层数更深, 而且增加了注意力机制, 使模型能聚焦更为有用的信息。 在GRRnet的基础上, 进一步提出了一种两步走的策略, GRRnet-C-R: 第一步把星系按照红移进行粗分类; 第二步按照分好的类分别进行回归估计, 最后再合并到一起。 这种策略可明显减小测光红移估计的误差。 该工作的数据全部来源于斯隆数字巡天(SDSS)的第十六次数据发布SDSS DR16, 从中选取了96 024个红移小于0.6的星系, 每个星系的相关数据包含g, r, z三个波段的合成图像、 u, g, r, i, z五波段的测光值、 以及被视作标签的光谱红移。 在预处理过程中, 将测光图像剪切成50×50的尺寸, 目的是在保障减少计算量的同时能框选住大部分星系。 由于对比算法NetZ的输入尺寸为64×64, 为了保持输入尺寸一致, 使用cv2.resize函数将图像尺寸更改为64×64。 实验采用了七种评价指标与多种方法进行对比, 结果表明GRRnet-C-R的均方误差(MSE)低至0.001 46, 与随机森林(RF)、 极限梯度提升(XGBoost)和NetZ相比误差分别降低了22.3%、 21.9%和18.0%。 GRRnet-C-R的线性回归决定系数R2达到了0.948, 取得了一个很好的模型拟合效果。 实验结果证明了这种两步走的策略能有效降低测光红移估计的误差, 这为之后的测光红移估计提供了一种新的思路和方法。

光谱型太阳辐射计可以直接测量得到太阳辐射变化, 反映各个波段对应的辐射度信息, 其直射通道全波段的仪器定标精度直接影响大气参数的反演精度。 常用的Langley拟合法在大气强吸收波段定标精度不高, 最终计算的可降水量、 强吸收波段透过率数据均存在一定的误差。 为了满足可见-近红外全波段太阳光谱的高精度测量需求, 提出一种非吸收波段的Langley定标法和基于理论计算强吸收波段大气层顶太阳辐照度相结合的混合定标法, 得到光谱辐射计全波段的定标值。 因为仪器响应函数是随波长缓慢变化的, 通过非吸收波段定标的仪器响应函数按波长线性插值得到强吸收波段下的仪器响应函数, 再结合大气层顶太阳辐照度和仪器定标值之间的关系得到强吸收波段下的仪器定标值。 通过对比Langley定标法、 改进Langley法以及混合定标法的仪器定标值变化曲线发现, 前两种方法在强吸收波段的定标值有明显的突变, 而混合定标法计算的强吸收波段仪器定标值变化更平缓, 符合仪器响应规律; 通过对比不同定标法测量的大气透过率与CART理论计算透过率的相对偏差, 发现混合定标法平均偏差减少了1.15%, 误差的减小主要归因于混合定标法提高了强吸收波段大气透过率的测量精度。 将改进Langley法和混合定标法计算得到的可降水量数据与国外同类型的POM辐射计测量得到的可降水量数据进行对比, 混合定标法计算得到的可降水量与POM辐射计的计算结果几乎一致, 相对误差在10%以下, 而相对于改进Langley定标法平均减少了40%; 对于测量的大气透过率, 与POM辐射计测量的透过率数据进行对比, 在940 nm水汽强吸收带处, 混合定标法测量的相对误差减小了25%。 因此混合定标法对于光谱型太阳辐射计直射通道全波段定标、 可降水量计算以及强吸收波段透过率计算有应用价值, 较好地改善了强吸收波段的定标精度。

“缅绿料”是近年来滇西市场上出现的新兴缅甸石英质玉石品种, 特点是质地细腻, 绿色带深浅不同的蓝、 黄色调, 部分绿色品种与高品质澳洲绿玉髓较为相似, 但其颜色成因尚不清楚, 鉴定评价及市场推广亦亟需相关理论支持。 运用红外光谱仪、 拉曼光谱仪、 紫外-可见光谱仪、 X射线荧光光谱仪、 X射线粉末衍射仪、 岩矿薄片鉴定等方法对“缅绿料”的矿物组成及结构、 化学成分、 谱学特征及颜色成因等进行探究。 结果表明主要矿物为α-石英（含微量斜硅石）, 以隐晶质为主, 少量微晶质, 含量占90%以上, 其次为显微细粒状、 鳞片状绢云母及镍滑石, 以及微量镍绿泥石、 铬钙钛矿, 局部偶见次生浸染状铁泥质, 整体呈含鳞片显微粒状结构。 红外透射光谱主要显示α-石英的红外吸收特征, 1 019、 800～600和462 cm-1处吸收峰分别归属于νas(Si—O—Si)反对称伸缩振动、 νs(Si—O—Si)对称伸缩振动及δ(Si—O)弯曲振动。 3 463及1 639、 1 399 cm-1处吸收峰由赋存于石英微空隙间的自由水分子的νas（H—O—H）反对称伸缩振动及δ（H—O—H）弯曲振动引起。 拉曼光谱除显示α-石英特征拉曼组峰204、 262、 355、 395、 463 cm-1外, 501 cm-1处的弱拉曼峰指示含微量斜硅石, 675 cm-1处拉曼峰指示含镍滑石。 综合化学成分及紫外-可见光谱特征表明, 该玉石含Mg、 Al、 Cl、 K、 Ca、 Ti、 Cr、 Fe、 Ni等杂质元素, Ni和Fe是主要致色元素。 Ni、 Fe含量的显著差异是其呈现绿-蓝绿、 绿黄-黄绿两种颜色系列的原因。 高含量Ni、 低含量Fe形成绿-蓝绿色系列, 蓝色调变化与Ni含量呈正相关性; 同等低含量的Ni和Fe形成绿黄-黄绿色系列, 黄色调变化与Fe、 Ni含量呈负相关性。 综上, “缅绿料”归属为绿玉髓, 其颜色特征由镍滑石、 绢云母及次生铁泥质等杂质矿物引起, Ni元素以游离态Ni离子和杂质矿物镍滑石两种形式存在, 其中镍滑石在其他来源的绿玉髓中较少见, 可作为产地溯源的重要参考特征。 该研究丰富了绿玉髓的种类及产地信息数据, 亦为进一步探究“缅绿料”成矿地质条件背景提供了基础数据。

我国四川绵阳平武县虎牙乡雪宝顶矿区产出一种晶形完整、 颗粒大, 颜色稀少的橘黄色调白钨矿, 受到宝石及矿物晶体收藏者们的青睐。 以5颗雪宝顶白钨矿样品为研究对象, 采用常规宝石学仪器、 傅里叶变换红外光谱仪、 紫外-可见分光光度计、 激光显微共聚焦拉曼光谱仪、 荧光光谱仪等进行测试, 旨在厘清该产地白钨矿的主要宝石学特性。 测试结果表明, 白钨矿的指纹区红外吸收处于440 cm-1处和800~900 cm-1范围内（806、 817、 856、 867 cm-1）——分别归属于［WO4］2-四面体基团的面外弯曲振动和反对称伸缩振动, 此外在2 000~3 000 cm-1的官能团区可见和水相关的明显吸收峰。 拉曼光谱测试表明, 位于911 cm-1的主峰归属于［WO4］2-的ν1对称伸缩振动; 位于797 cm-1处的峰归属于［WO4］2-的ν3非对称伸缩振动; 位于332 cm-1的峰和400 cm-1附近的弱峰归属于［WO4］2-的ν2面外弯曲振动; 位于211 cm-1附近的弱峰是由（Ca—O）的平移模式导致。 紫外-可见分光光度计测试结果表明, 该产地白钨矿深橘黄色调与584、 588、 682、 743、 750、 803和874 nm处的吸收有关, 可能与稀土元素Pr和Nd的混合物“didymium”的存在有关。 三维荧光光谱表明无色与深橘黄色调白钨矿样品的荧光主峰数量相同, 峰位相近, 均位于λex235 nm/λem455 nm, λex250 nm/λem490 nm和λex265 nm/λem523 nm附近。 浅橘黄色调样品除了上述荧光主峰以外还出现λex250 nm/λem425 nm附近荧光峰。

硬水铝石是珠宝市场上流行的彩色宝石, 因其具有独特的变色效应（日光下呈现棕黄绿色, 白炽灯下呈现紫红色）而被广大消费者欢迎。 研究硬水铝石的变色成因对于宝石的切割加工、 优化处理以及价值评估有着重要意义。 目前硬水铝石的变色成因研究较少, 考虑到硬水铝石的化学成分和晶体结构与刚玉类似, 刚玉的颜色成因理论研究较为成熟, 因此, 为研究硬水铝石的变色成因, 本文选取与硬水铝石变色效应非常相近的变色刚玉, 从二者的微量元素、 紫外-可见光光谱与晶体结构等方面进行对比研究。 运用激光剥蚀电感耦合等离子体质谱仪测试了样品的微量元素, 根据测试结果, 硬水铝石样品中致色元素主要有Fe、 Cr、 V、 Ti, 刚玉样品中致色元素主要有Mg、 Ti、 Fe、 V、 Cr, 二者的微量元素种类相似, 但含量有差异。 运用紫外-可见光光谱与偏振紫外-可见光光谱表征了变色硬水铝石与变色刚玉在可见光区的吸收特征, 发现硬水铝石中存在位于387、 398、 438和448 nm处的吸收峰以及中心位于572 nm左右的宽缓吸收带, 正是这一宽缓吸收带导致了变色效应, 与之对应的, 变色刚玉中存在位于377、 388和450 nm处的吸收峰以及中心位于560 nm左右的宽缓吸收带。 二者在可见光区的吸收特征非常类似。 有差异的是, 变色刚玉的560 nm吸收带不存在明显的偏振性, 而硬水铝石的572 nm吸收带存在偏振性, 晶体中电荷转移导致的吸收特征往往具有偏振性。 通过二者晶体结构的对比分析与刚玉中的电荷补偿理论分析, 推测硬水铝石中398 nm吸收峰由Fe3+导致, 387、 438和448 nm吸收峰由Fe3+-Fe3+离子对导致, 572 nm处的宽缓吸收由Cr、 V、 Fe2+-Ti4+离子对产生。 硬水铝石的变色效应是在Cr、 V、 Fe2+-Ti4+离子对的综合作用下产生的。 本研究通过类比变色效应相近的刚玉, 研究了硬水铝石的变色成因, 为研究宝石中的类似问题提供了新思路。

牙周炎是牙齿周围软硬组织的一种感染性、 破坏性疾病, 主要临床表现为牙周袋的形成, 临床附着丧失以及牙槽骨吸收。 可见近红外光谱技术具有无创、 快速检测等优势, 在医学领域得到了较为广泛的应用。 利用可见近红外光谱技术检测重度牙周炎牙龈组织内含氧血红蛋白和脱氧血红蛋白含量。 本研究纳入5名健康对照者和5名重度牙周炎患者, 采集健康者20个位点和重度牙周炎20个位点龈缘、 龈缘下4 mm及龈缘下7 mm的牙龈组织光谱（400～1 700 nm）, 研究发现含氧血红蛋白与脱氧血红蛋白分别在544和576 nm处表现出明显光谱吸收特征。 对原始光谱数据进行包络线去除分析, 并计算含氧血红蛋白和脱氧血红蛋白的相对吸收深度。 结果表明重度牙周炎牙周袋内的含氧血红蛋白和脱氧血红蛋白含量均显著高于健康组（p<0.05）, 而重度牙周炎深牙周袋内不同深度位置其含氧血红蛋白和脱氧血红蛋白含量无统计学差异。 研究结果可反映重度牙周炎与健康牙龈组织中血氧含量差异, 为可见近红外光谱技术应用于牙周炎患者牙龈组织中含氧血红蛋白和脱氧血红蛋白含量的无创检测提供科学依据。

土壤有机质(SOM)含量是制定枣园土壤施肥方案的主要依据。 合理的施肥方案对提升红枣品质、 减少农户投入和增加枣园产出有重要意义。 利用传统方法获取枣园SOM含量耗费时间和资源, 不符合枣园精准施肥管理的需求, 土壤有机质高光谱检测是一种有效的替代方法。 为筛选南疆枣园SOM的高光谱快速检测模型, 采用网格布点法采集158个枣园土壤样品, 测定风干土样的室内高光谱数据和SOM含量。 分别将400~2400 nm全波段(R)和通过竞争自适应加权算法(CARS)、 连续投影算法(SPA)、 粒子群优化算法(PSO)三种数据降维算法筛选的数据集与偏最小二乘回归(PLSR)、 反向传播神经网络(BPNN)、 卷积神经网络(CNN)三种建模方法结合构建12种枣园SOM含量的组合反演模型, 通过对比模型的精度评价指标和训练时间, 筛选枣园SOM含量最优光谱反演模型。 结果表明: (1) CARS、 SPA、 PSO三种降维算法都能将光谱数据压缩至原来的10%以下, 筛选波长数分别由原来的2 001个变量降为98、 156、 102个, 降维组合模型的验证集RPD均大于1.50, 均能实现对枣园SOM含量的反演, 与R组合模型相比, 降维组合模型至少能节省30%的时间成本, 特别是与BPNN和CNN等构建的组合模型, 能节省90%的训练时间, 且模型稳定性更强, 模型效果更优。 (2) CARS数据集构建组合模型的验证集R2均大于0.85, RPD均大于2.50, RPIQ均大于1.60, 在三种降维算法中效果最好; PSO数据集的组合模型验证效果略低于CARS数据集, 但优于R数据集, R2均大于0.80、 RPD均大于2.00; SPA数据集构建组合模型的验证效果要低于R数据集, 在三种降维算法中效果最差。 (3) BPNN和CNN两种方法的反演模型验证效果均优于PLSR模型, 而在模型训练时间和模型验证效果等方面, BPNN模型优于CNN模型, 其结合CARS数据集的验证效果最优, R2为0.91、 PRD为3.34、 RPIQ为3.17、 nRMSE%为11.93, 训练时间为58.00 s, 模型符合快速检测枣园SOM含量的要求。 CARS-BPNN模型为反演南疆枣园SOM的最优模型, 研究结果能够为南疆枣园土壤养分快速检测与制定施肥方案提供参考。

柚子果皮厚, 果皮与果肉属于两种不同的介质, 对光的折射、 吸收程度存在差异, 针对建立水果可溶性固形物含量（SSC）检测模型时, 光谱采集量与目标不匹配, 导致模型精度差的问题, 以上饶马家柚为研究对象, 自主搭建可调实验平台, 采集并分析柚子整果的光能量衰减规律, 寻找柚子厚度与透光性的关系, 探索果皮厚度、 光透射深度对柚子SSC检测精度的影响。 首先将透射光源放置在柚子赤道圈的正上方, 统计柚子赤道圈不同区域接收到的光谱强度, 绘制光谱强度分布图, 结果显示, 距离光源发射点越远, 光谱强度越低, 入射点由远及近的位置接收的光强分别占33.40%、 2.90%、 0.50%、 0.40%、 0.20%, 柚子皮对光的吸收较为明显, 散射出的光所占比重较少; 采用切片法, 记录剩余厚度与对应的光谱强度值, 绘制光谱强度的变化规律曲线, 随着剩余厚度逐渐减少, 光谱强度逐渐增加, 在32.90 mm的位置, 光谱强度发生了巨大的变化, 果实厚度高于32.92 mm时, 果实接收的光谱强度普遍较低, 当果实低于32.92 mm时, 光谱强度呈跳跃式增加。 采集果肉、 整果、 果皮光谱, 采用偏最小二乘法（PLS）建立SSC预测模型, 去皮后的果肉模型相关性最高。 采集柚子果肉、 果皮+果肉厚度为40、 30、 20和10 mm时的光谱, 建立不同厚度的SSC预测模型, 果肉厚度为20、 40、 60和80 mm时, 预测集相关系数分别为0.91、 0.89、 0.87和0.86, 果肉在透射深度为20 mm时, 水果SSC预测模型精度最佳。 果皮+果肉的光谱透射深度为20、 40、 60和80 mm, 预测集相关系数分别为0.78、 0.86、 0.93和0.84, 果皮+果肉的透射深度为60 mm时, 有最好的预测效果。 研究结果表明, 果皮和果肉内部组织成分的差异, 会影响SSC预测的结果, 但是调整可见/近红外光在水果内部的传输距离, 可以优化模型精度, 研究揭示了可见/近红外光在水果组织中的漫透射传输特性, 可为厚皮果的品质在线分选装置研发提供实验依据。

随着激光技术的发展, 激光**得到了快速发展, 针对来袭激光的威胁, 激光告警也成为目前各国发展的重点, 不同的激光告警系统探测不同的参数, 根据告警参数采取相应的躲避和反击措施; 目前激光告警主要探测参数有来袭激光方位角、 俯仰角、 激光波长、 激光脉冲宽度等, 但现有激光告警系统无法实现多参数的同时探测, 且光谱范围窄、 视场小、 探测俯仰角和方位角为相对角度、 无法获得绝对来袭方向。 为此本文提出宽光谱波段、 大视场、 多参数激光告警新方法, 可实现450～1 700 nm宽光谱来袭激光波长、 绝对方位角、 绝对俯仰角、 脉冲宽度多参数的高精度综合测量, 该方法主要由激光脉冲宽度测量、 绝对角度及激光波长测量、 控制及数据处理三大部分组成。 其中脉冲宽度测量模块由光学镜头、 多带通窄带滤光片、 高速光电探测器组成, 实现来袭脉冲激光的高速光电转换; 绝对角度及激光波长测量模块由光栅、 大视场宽波段消色差镜头、 多带通窄带滤光片、 宽波段面阵探测器、 三维电子罗盘组成, 通过一级和零级衍射光斑位置获得来袭激光波长、 相对方位角和相对俯仰角信息, 结合三维电子罗盘测得的方位角、 俯仰角以及横滚角, 进而获得来袭激光的三维绝对方位角和绝对俯仰角。 多带通窄带滤光片主要是根据常用几个军用激光波长进行选通滤光, 有效滤除背景光的影响, 降低系统虚警、 漏警。 理论分析推导具体测量方法和参数, 设计宽光谱多参数激光告警探测系统样机, 并进行实验可行性验证。 实验结果表明, 该系统的方位角视场120°、 俯仰角视场96°、 角度测量精度优于1°、 中心波长测量精度优于10 nm、 脉宽测量精度优于3 ns。 该技术将为海、 陆、 空、 天领域对来袭激光的高精度多参数综合探测奠定基础, 有望提高复杂战场的生存能力。

近红外光谱（NIRS）技术在作物种子品种鉴别上具有一定的可行性, 但如果待测种子的存储时间不同, 识别模型的准确性会受到影响。 为了降低存储时间对识别模型的影响、 提高模型的预测能力, 将NIRS技术与图像处理技术相融合, 提取出与品种生理生化指标相关的光谱特征和与品种相关的表观图像特征。 为了提取出最优的光谱特征, 首先提出一种改进的后向间隔偏最小二乘（IM_BiPLS）光谱区间选择算法。 针对BiPLS分段数难以确定的问题, 让分段数在一定范围内变化, 以每个分段数所取得的组合区间建立模型的相关系数和交叉验证均方根误差之比作为评价指标, 该指标最大时的分段数所对应的波段组合为最优。 然后使用竞争自适应重加权法（CARS）去除IM_BiPLS所选波段中的无信息变量和共线性变量实现光谱特征优选。 为了提取与品种相关的表观图像特征, 首先使用基于最大熵和双重区域标记的图像分割算法完成不感兴趣区域去除和单粒种子图像分割; 然后提取单粒种子的形态、 纹理和颜色特征并计算出每个图像样本所有种子的统计平均特征。 最后使用CARS对这些特征进行深层次优选完成图像特征提取。 以10个黄色玉米品种为研究对象, 采集216个样本的NIRS数据和对应的图像。 针对光谱数据, 使用IM_BiPLS算法从全谱1 845个变量中选出了具有736个变量的波段组合, 使用CARS进一步从中优选出光谱变量29个。 针对图像数据, 提取出图像特征29个, 使用CARS进一步优选出图像特征11个。 分别以IM_BiPLS提取的光谱特征波段、 IM_BiPLS-CARS优选的特征波长、 图像特征(Image)、 CARS提取的图像特征(Image-CARS)以及IM_BiPLS-CARS优选的特征波长融合CARS提取的图像特征（Compound）为输入, 以样本对应的类别为输出, 建立BP神经网络模型。 测试结果表明Compound-BP模型的性能最佳, 训练准确率和验证准确率均为100%, 测试准确率为97.7%。 实验结果说明NIRS特征融合图像特征可以有效地提高识别模型的精度, 降低存储时间对模型的影响, 为实现玉米种子品种的无损、 快速、 精确识别提供参考。

自然场景下获取的黄瓜病害图像存在光照、 土壤等噪声, 严重影响黄瓜病害识别精度, 现有检测模型占用内存较大, 难以实现黄瓜病害的实时检测。 以自然环境中黄瓜霜霉病、 白粉病和炭疽病3种病害的可见光光谱图像为研究对象, 提出一种基于可见光谱和改进YOLOv5目标检测网络的黄瓜病害识别模型, 探索自然环境中黄瓜病害的准确实时检测并降低检测模型存储成本的方法。 为平衡检测精度和模型所需存储空间, 以轻量级网络结构YOLOv5s为基线模型, 引入SE注意力机制, 提取特征维度信息, 降低复杂背景对检测结果的影响, 提高模型的检测精度; 引入深度可分离卷积替换基线模型中的标准卷积, 减少模型参数带来的计算负担, 提高检测速度。 检测模型接收任意像素的可见光光谱图像并调整成640×640像素作为检测网络输入, 输出表示黄瓜病害发生区域及病害类别, 使用COCO数据集上预训练权重初始化网络权重。 实验结果表明, 改进后的YOLOv5s-SE-DW模型对黄瓜霜霉病、 白粉病和炭疽病的检测精度分别达到了78.0%, 80.9%和83.6%, mAP高达80.9%, 模型存储空间仅为9.45 MB, 浮点运算次数仅为11.8 G, 相比基线模型mAP提高了2.4%, 运算次数减少了4.6 G, 模型所需的存储空间降低了4.95 MB, 在减小模型所需内存的同时提升病害检测准确率; 进一步与经典两阶段目标检测网络Faster-RCNN和单阶段目标检测网络YOLOv3, YOLOv3-tiny, YOLOv3-SPP以及YOLOv4进行对比, 提出的YOLOv5s-SE-DW模型相比对比模型中表现最优的YOLOv4模型mAP提高了3.8%, 检测时间和存储空间大幅度降低。 综合结果表明, 所提出的YOLOv5s-SE-DW网络对于自然场景中的黄瓜病害检测具有良好的精度和实时性, 能够满足黄瓜实际种植环境中病害检测的需求, 为实际应用场景下黄瓜病害自动检测的实现提供参考。

人们对鱼类的品质追求越来越高, 因此对于开发水产养殖中鱼类重要参数脂肪含量的检测显得愈发的重要, 传统的检测方法虽然经过许多研究人员的修改和改进, 但仍然存在费时费力, 需要专业的人员培训存在一些问题。 光谱技术也存在仅使用整条鱼片作为预测样本, 缺乏普遍性, 整个鱼片的成分分布不均匀, 采样时间过长等导致图像质量不高等问题, 该研究通过MCR-ALS算法重建后的数据和图像的增益效果, 评估了采用近红外高光谱成像技术预测并实现鲑鱼片重要参数（脂肪）可视化的可行性。 首先将购买的新鲜三文鱼按照背面和腹部切块分割, 每条三文鱼制作成20个样本, 共100个样本, 其中75个样本用于校正集, 25个样本用于预测集。 用高光谱成像系统采集三文鱼样本的光谱数据, 再通过索氏提取器测定三文鱼脂肪的含量, 并建立其理化值样本, 然后通过MCR-ALS对光谱数据进行重构, 发现重构后的光谱有效信息随着组分推荐评分上升, 通过连续投影算法（SPA）选择特征波长, 并建立最小二乘支持向量机（LS-SVM）模型评估两种预测效果（原始和重建数据）。 MCR-ALS-SPA-LS-SVM的预测精度最高, Rp=0.955 5, RMESP=1.650 5, RPD=3.389 9; 采用MCR-ALS和未处理的模型对鱼片脂肪进行视觉图像预测, 大大减少了噪音的输入, 有效还原了鱼片的轮廓, 并且令鱼的脂肪条纹更加的清晰, 图像质量更优。 进一步分析聚类图像, 通过不同成分的主成分贡献和相同成分的主成分贡献比, 发现类别为20种时, 样品与背景簇存在干扰, 然而采用少量的簇类分析发现, 仅5和10个种类即可完整描绘出整个样品的轮廓, 对于光谱强反应物质存在很好的聚类效果, 具有简化模型的可能。 无论是数据还是图像, 令人满意的预测结果证实了近红外高光谱成像用于鲑鱼脂肪定量和视觉图像预测的可行性, 并且算法的优化大大缩短了检测时间, 为实时在线检测创造了更好的条件。

近年来, 基于深度学习的模型在高光谱图像(HSI)分类方面效果显著。 针对小样本数据基于深度学习的高光谱图像分类方法分类精度不高的问题, 提出一种融合卷积长短期记忆(ConvLSTM)和多注意力机制网络的高光谱图像分类方法。 该方法分三个分支: 光谱分支、 空间X分支和空间Y分支分别提取光谱特征、 空间X特征和空间Y特征, 并将三个方向的特征融合进行高光谱图像分类。 由于ConvLSTM在学习有价值的特征和对光谱数据中的长期依赖关系建模方面表现出良好的性能, 所以在光谱分支中用了3个隐藏层、 卷积核大小为3×3、 通道分别为150、 100和60提取光谱信息。 在空间X分支和空间Y分支, 采用基于DenseNet和3D-CNN的Dense空间X块和Dense空间Y块分别提取空间X特征和空间Y特征。 为了增强特征提取, 在这三个分支中还分别引入了其特征方向的注意力机制, 针对信息丰富的光谱波段设计了光谱注意块, 信息丰富的像素点分别设计了空间X和空间Y注意块。 在三个公开的高光谱数据集上进行了实验, 即Indian Pines(IP)、 Pavia University(UP)和Salinas Valley(SV)数据集; 并对比了其他五种方法: 基于RBF径向核的支持向量机模型(SVM)、 更深更广的卷积神经网络模型(CDCNN)、 快速密集光谱-空间卷积网络模型(FDSSC)、 空谱残差网络模型(SSRN)、 双分支双注意力机制网络模型(DBDA)。 实验中, IP数据集上训练样本和验证样本的大小设为总样本的3%, UP和SV数据集上训练样本和验证样本的大小设为总样本的0.5%。 该方法和所有基于深度学习的方法, 批处理大小均设置为16, 优化器设为Adam, 学习率设置为0.000 5, 并动态调整学习率。 由于SVM直接利用光谱信息进行分类, 输入样本块像素大小为1×1, 其他基于深度学习方法的输入样本块像素均设置为9×9。 实验结果表明, 该方法能充分利用高光谱图像的光谱和空间特征, 在OA、 AA、 KAPPA等评价标准上均获得了更好的效果, 其中, 该方法的OA指标比次优的算法平均提高0.12%～2.04%。

土壤有机质(SOM)作为土壤的重要组成部分, 其含量高低能够反映土壤的肥力和质量状况。 相较于传统SOM的测定方法, 利用无人机高光谱影像可快速、 精准获取田块尺度的SOM含量。 为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤有机质估算精度的差异, 以东北黑土区的玉米试验田为研究区, 分别采集了拔节期和吐丝期的土壤样本及同时期无人机高光谱影像作为数据源, 分析作物覆盖条件下土壤光谱反射率与有机质含量的相关关系, 并根据其响应波段构建光谱指数。 以施肥量和光谱指数作为自变量, 通过特征变量的筛选分别建立多元逐步线性回归模型（SMLR）、 支持向量机（SVM）、 随机森林（RF）和eXtreme gradient boosting（XGBoost）模型, 并验证比较各模型的精度（选用R2和RMSE为评价指标）。 结果表明, 作物覆盖条件下土壤有机质含量的响应波段为450~640 nm。 多年长期施用化肥对SOM含量有着显著影响, 将其作为协变量引入模型明显提高了对SOM的估算精度。 4种模型检验精度的对比结果为: XGBoost>RF>SMLR>SVM, 其中以拔节期XGBoost的估算结果最好（建模集和验证集的R2、 RMSE分别为0.516、 0.253和0.590、 0.222）。 可以利用无人机高光谱技术快速估算田块尺度玉米农田的土壤有机质含量, 且XGBoost模型是估算作物覆盖条件下土壤有机质含量的较优选择。

针对目前粮食产量定量评估模型泛化能力不足、 预测时间滞后以及早期估产时间窗口难以确定等问题, 以Sentinel-2遥感数据和实测玉米产量作为数据源, 开展县域尺度玉米估产及早期最优估产时间窗口确定研究。 基于玉米生长期内的时序影像数据集, 通过玉米产量实测数据与影像植被指数建立相关关系, 并采用MLRM（多元线性回归模型）, GPR（高斯过程回归模型）, LSTM（长短期记忆人工神经网络模型）, 建立玉米时序估产模型。 实验结果表明, 基于LSTM在NDVI、 GNDVI、 以及GN（NDVI与GNDVI组合）这三种植被指数作为参数建立的时序估产模型中, 无论在估产精度, 模型可靠性、 产量异常值捕捉、 以及早期最优估产时间窗口确定等方面均优于基于GPR、 MLRM建立的时序估产模型。 同时基于LSTM时序估产模型, 采用截止到抽雄期的NDVI时序影像数据作为参数, 其结果的决定系数R2可达0.83、 均方根误差RMSE为0.26 t·ha-1、 相对分析误差RPD为3.52; GNDVI时序影像数据作为参数, 其结果的决定系数R2为0.79、 均方根误差RMSE为0.30 t·ha-1、 相对分析误差RPD为2.87; 以GN时序影像数据作为参数, 其结果决定系数R2为0.83、 均方根误差RMSE为0.27 t·ha-1、 相对分析误差RPD为3.05; 以NDVI作为LSTM模型参数的估产效果最优, 相较于玉米收获期可提前2个月就能预测当年的玉米产量, 对于县域尺度玉米产量预报具有一定的现实意义, 同时也为类似作物的估产研究提供相关参考。

高光谱技术可提供近乎连续的地物光谱曲线, 对土壤组分定量反演具有极大的潜力。 针对受污染土壤, 通过综合分析实验室测定的土壤镉（Cd）含量和同期获取的高光谱数据, 提出了一种基于深度森林2021（Deep Forest 2021, DF21）算法的高光谱土壤Cd含量反演模型。 采用原始光谱数据（OS）和其经主成分分析（PCA）降维处理后的数据作为模型输入参数, 分别构建了基于原始光谱数据的DF21（OS-DF21）模型和基于PCA降维数据的DF21（PCA-DF21）模型。 随后, 基于相同训练样本, OS-DF21和PCA-DF21分别建立了土壤Cd含量和输入参量之间的关系, 并据此对检验样本土壤Cd含量进行了定量反演和对比分析。 选取决定系数（R2）、 均方根误差（RMSE）和相对分析误差（RPD）对模型反演性能进行了评估。 分析结果表明: OS-DF21模型反演精度最佳, 其R2、 RMSE和RPD分别可达0.873、 0.120和2.892。 相比而言, PCA降维处理虽可降低光谱数据的冗余度, 但PCA-DF21模型的预测能力有所下降。 尽管如此, PCA-DF21模型仍表现出较好的土壤Cd含量反演能力, 其R2、 RMSE和RPD分别为0.779, 0.159和2.190。 因此, DF21算法可作为研究区及类似环境区域的土壤重金属快速勘测的补充手段。

利用近红外高光谱成像技术（NIR-HSI）, 将采集的光谱信息融合图像纹理信息建立分类模型, 实现灵武长枣瘀伤等级的判别。 采用瘀伤装置获得瘀伤等级为Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ、 Ⅴ级的200个长枣样品, 并按3∶1的比例划分校正集和预测集。 采集不同瘀伤等级长枣的近红外高光谱图像, 使用ENVI软件提取感兴趣区域（region of interest, ROI）并计算平均光谱值。 为消除无用信息的干扰, 采用正交信号修正（OSC）、 基线校准（Baseline）、 多元散射校正（MSC）、 移动平均（MA）、 卷积平滑（S-G）和去趋势（De-trending）对原始光谱进行预处理并建立偏最小二乘判别分析（PLS-DA）模型; 基于最优预处理方法所得的全波段数据采用变量组合集群分析法（VCPA）、 无信息消除变量算法（UVE）、 竞争性自适应加权抽样算法（CARS）、 区间变量迭代空间收缩法（iVISSA）和连续投影算法（SPA）提取特征波长后建立PLS-DA模型; 将高光谱图像进行掩膜, 利用主成分分析（PCA）获取贡献率最高的主成分图像, 并在该图像上采用灰度共生矩阵（GLCM）提取纹理参数, 包括能量（ASM）、 熵（ENT）、 对比度（CON）和相关性（COR）, 建立图谱融合的PLS-DA模型。 结果表明, 原始光谱数据建立的PLS-DA模型, 校正集和验证集准确率分别为89%和86%; 原始光谱经De-trending预处理后的PLS-DA模型效果最优, 校正集和预测集准确率均为90%, 较原始光谱模型分别提高了1%和4%; 基于SPA选择特征波长后建立的PLS-DA模型的校正集和预测集准确率均为90%; De-trending-SPA-COR-PLS-DA图谱融合模型效果最优, 模型校正集和预测集准确率均为92%。 因此, 利用近红外高光谱成像技术融合纹理信息可实现不同瘀伤等级灵武长枣的快速无损判别。

为实现成品红茶中外源蔗糖含量的快速有效检测, 将凤庆大叶种红茶作为研究样本, 采用近红外光谱技术, 构建了成品红茶中外源蔗糖含量的定量预测模型。 首先, 制作不同外源蔗糖含量（0、 250、 500和750 g）成品红茶样品并采集其近红外光谱数据。 为提高模型预测精度, 选取标准正态变换（SNV）、 多元散射校正（MSC）、 平滑（Smooth）和中心化（Center）4种不同的预处理方法降噪处理后建立偏最小二乘回归（PLSR）模型, 根据模型效果, 优选出最佳的SNV预处理方法, 其校正集相关系数（Rc）为0.907, 预测集相关系数（Rp）为0.826, 相对标准偏差（RPD）为1.75。 为减少光谱中冗余信息对模型运算速度的影响, 利用竞争性自适应加权算法（CARS）、 混合蛙跳算法（SFLA）、 迭代空间收缩算法结合迭代保留信息变量算法（VCPA-IRIV）和变量迭代空间收缩算法（VISSA）等方法从SNV预处理后的光谱中提取对蔗糖敏感的特征波长, 利用主成分分析（PCA）将全光谱和所筛选的特征波长降维处理后, 分别建立线性PLSR和非线性的支持向量回归（SVR）、 随机森林（RF）定量预测模型。 结果表明, 经过SNV预处理后, 非线性的SVR和RF模型性能优于线性的PLSR模型, 其中VCPA-IRIV-SVR为最优模型, 其Rc值为0.950, Rp值为0.924, RPD值为2.51。 研究表明近红外光谱技术对于红茶加工过程中掺杂蔗糖含量的定量预测是可行的, 为实现红茶安全质量的无损检测提供了支撑。