烤烟等级质量对配方设计和卷烟工业生产的稳定起着重要的作用。 采用传统外观分级法对2018年全国40个地级市产地的768份烤烟烟叶样品进行分类定级, 包括7个不同烟叶质量等级。 应用近红外光谱建立烟叶质量等级预测模型, 分析不同等级烟叶化学基团及相关成分的近红外吸收光谱特征。 结果表明: 不分产区建立全国烟叶等级预测模型, 建模集与预测集的预测标准差不大于1.35。 将样品按五大产区分区后, 建立各产区模型, 发现较全国模型, 分区后各个产区所建模型的预测标准差有所降低, 其中东南、 西南、 黄淮烟区模型提高较大, 检验集与预测标准差均不大于1.07。 对不同质量等级烟叶的平均光谱进行标准正态变量变换预处理后, 依据近红外光在不同频率范围吸收的有机基团及相关物质成分信息, 发现质量等级较好的烟叶, 纤维素含量较低, 淀粉等糖类物质含量较高; 质量等级较差的烟叶, 纤维素含量较高, 淀粉等糖类物质含量较低; 质量等级最差(上部低等)烟叶, 同时具有蛋白质类物质含量较高的特点。 因此, 应用近红外光谱可实现烟叶质量等级的快速预测, 预测偏差基本在相邻等级之间, 满足实际应用要求, 通过建立不同产区预测模型可进一步提高预测准确度; 同时, 不同等级烟叶在以纤维素、 淀粉和糖类、 蛋白质类等物质为主产生的基团吸收特征不同, 这也是应用近红外光谱实现烟叶质量等级快速检测的信息基础。 该研究结果对完善烟叶分级评价体系, 进一步优化分级方案, 为产品质量和维护等方面可提供了更加科学的方法指导和技术支撑。

苹果组织内部的病变会导致其光学参数发生变化。 用频域近红外光学成像法（FD-DOT）对苹果组织进行吸收系数和约化散射系数的检测, 并结合三维重构技术得到的重构图像可以直观地了解苹果内部的病变情况, 从而实现对苹果内部病变的无损检测。 选择可最大程度区分苹果正常组织与病变组织所对应的波长为740 nm的光作为激光光源。 当FD-DOT的入射光调制频率不同、 苹果内部病变的程度不同、 病变位置和大小不同时, 会导致成像精度的变化, 设计了一系列模拟仿真实验研究以上因素对苹果内部病变检测精度的影响: 设定不同的激光调制频率, 研究调制频率对重构图像精度的影响; 在苹果模型中某一位置添加不同大小的球形病变, 研究病变区域大小对重构图像精度的影响; 在苹果模型中不同位置添加一定大小的异质体, 研究病变位置不同对重构图像精度的影响。 首先用Abaqus建立苹果有限元网格模型, 设计了12个740 nm的近红外激光光源和6个检测器均匀排布在苹果模型表面, 根据实验需要, 在组织体模型中添加代表病变的球形异质体, 用经过高频调制的光源照射进苹果, 检测出射光的交流幅度和相位延迟, 然后借助开源软件NIRFAST计算并反推出待测苹果内部的吸收系数和约化散射系数分布并进行三维重构, 重构结果可以用重构图像的吸收系数对比度噪声比（CNR值）和吸收系数分布图进行评价。 实验结果表明, 想要检测到尺寸较大苹果的深处病变, 需要较高的入射光调制频率; 该方法可以检测到大小适宜的苹果中大部分半径大于5 mm的球形病变区域, 且随着病变区域在一定范围内扩大, 重构图像的精度逐渐增加, 但病变区域过大时, 图像精度开始降低; 病变区域距离检测器越来越近时, 重构图像的精度逐渐增加, 但当病变区域与检测器距离过小时, 重构图像的精度有降低的趋势; 病变区域距离检测器平面的垂直距离越近, 重构图像的精度越高。 以上实验结果将为应用频域近红外光学成像法对苹果进行无损检测奠定良好基础。

由上海棱光技术有限公司与中国农业大学联合研发的S450型近红外高密度光栅光谱仪, 使用高速采集技术可得到高密度光谱(波长范围900~2 500 nm, 采集间隔0.1 nm, 光谱包含16 001个数据点), 本文采用该仪器并以小麦、 烟草样品为实验对象, 针对高密度光谱的数据特点, 采用S.G.(savitzky-golay)平滑、 固定窗口组合滑动窗口平滑(FCMWS和一阶导数(FD)等数据处理方法, 并应用偏最小二乘法(PLS)对小麦粗蛋白、 烟草烟碱及总糖含量进行建模和预测, 对仪器整体性能以及数据处理方法的参数优化等, 进行了评价和比较研究。 结果表明: (1)小麦、 烟草样品的原光谱经S.G.平滑结合一阶导数预处理后, 模型性能大幅提高, 通过对参数拟合阶次M和平滑点数N进行优化得出, 当M一定时, N可选取范围较宽, 且当M=2和N处于201～801区间时模型效果理想且稳定; (2)FCMWS方法对小麦、 烟草样品的原光谱进行两层平均平滑, 经调整优化平滑参数K1和K2(K1为第一层平滑的固定窗口大小, K2为第二层滑动窗口大小)得出: 两层平滑参数相乘约为150~310时, 模型性能稳定且较优, 同时FCMWS方法极大地提高了建模速度; (3)以小麦样品为对象, 同时在两台S450型光谱仪上采集样品光谱, 对比分析了仪器间的性能差异, 结果表明光谱经S.G.平滑或FCMWS方法处理后, 不同仪器模型间相互预测数据的相对偏差小于2.00%, 远低于预测值与参考值间的相对偏差, 说明上述两种方法均可降低仪器的台间差异, 实现台间模型的稳定传递。 研究结果表明, 国产S450型高密度光栅光谱仪结合数据平滑去噪技术, 已满足小麦、 烟草等农产品品质检测和模型传递的性能要求, 且该光栅型仪器成本相对较低, 对农业领域推广近红外快速检测技术的应用具有实际意义。

模型传递是近红外光谱分析技术中一个关键的共性基础技术问题, 通过在同一工作原理的两台仪器之间寻求可行的数学方法, 使得在一台仪器上建立的模型能够应用于另外一台仪器样品光谱响应的预测, 对近红外技术的实际应用具有重要意义。 以150份烤烟作为试验样品, 以两台布鲁克公司MPA近红外光谱仪, 一台热电公司Antaris近红外光谱仪作为研究对象, 通过积分球漫反射检测技术获得光谱数据。 采用一阶导数(first-order derivative, 1st Der)和标准正态变量变换（standard normal variate, SNV)对光谱数据进行处理分析, 计算不同仪器间光谱的残差值、 残差一阶矩、 残差信号概率密度和最大信噪比等参数, 并采用偏最小二乘法（partial least squares, PLS）建立烤烟总糖含量数学模型, 检验模型传递效果。 结果表明, 一阶导数具有降低残差一阶矩, 将仪器偏差信号转换为标准高斯分布的优点, 但同时会降低信噪比。 标准正态变量变换同样可以降低一阶矩, 同时可大幅度提高信噪比, 但无法将仪器偏差信号转换为标准高斯分布, 需要进一步的信号处理。 一阶导数与SNV相结合可保留两种方法的优点, 同时在一定程度上弥补每种方法单独处理的缺点, 是一种可以消除以积分球漫反射作为光谱测量方式的因仪器厂家或型号不同、 使用年限不同等原因所产生的噪声的处理方法, 可实现傅里叶型近红外光谱仪之间的模型传递效果的明显改善。

卷积神经网络(CNN)在图像分类识别领域应用广泛, 但其在近红外光谱分类中的研究还未见报道, 对基于CNN的近红外光谱分类建模方法进行了研究。 针对近红外光谱数据的特点, 提出了一种改进的卷积神经网络建模方法, 对CNN经典模型LeNet-5所做改进: ①将方形矩阵卷积核改为适用于一维近红外光谱的向量卷积核; ②简化网络结构, 将LeNet-5结构中C5, F6及输出层改为单层感知机。 同时, 采用隔点采样的方法对近红外光谱降维, 加快收敛速度; 并对卷积核尺寸对建模结果的影响进行了研究。 以我国东北、 黄淮、 西南三大烤烟产区的600个中部烟叶样本的近红外光谱为实验对象, 建立烟叶产区分类NIR-CNN模型。 该模型对训练集和测试集的判别准确率为98.2%和95%。 实验结果表明, 应用卷积神经网络可对近红外光谱数据准确、 可靠地判别分类; 烟叶产区NIR-CNN建模方法可为卷烟企业烟叶原料科学合理利用提供指导, 为维护卷烟产品的质量稳定有重要意义; 基于卷积神经网络的近红外光谱判别方法也可推广到其他农产品的分类应用中。

无损检测植物叶片水分对植物生理生化研究及灌溉管理和旱情监测等均具有重要意义。 利用Gaia Sorter近红外高光谱仪(900～1 700 nm), 以不同生育期的60个鲜活玉米叶片为试验材料, 对叶肉不同区域的平均光谱及烘干称重法得到的水分含量分别用偏最小二乘法(PLS)及逐步多元线性回归(SMLR)进行建模分析。 结果表明, 验证集决定系数/标准偏差分别为0.975/1.18和0.980/1.02, 均取得较好的预测效果, 可实现单个玉米叶片平均含水量的测定; SMLR优选的特征波长(1 406和1 692 nm)建模预测结果表明, 利用高通量近红外相机结合滤光片方法实现玉米叶片冠层或高空遥感测量的可行性。 同时, 进行了叶片不同区域水分含量的成像分析, 结果表明, 验证集中6个叶片的叶肉与主叶脉区域水分含量的参考均值和预测均值的相关系数均达到0.85以上, 预测结果与实际情况相符合。

近红外光谱采集物质信息较全面， 是多种物质的复合信息， 但具体特征不明显； 化学指标虽能够体现物质的具体特征， 但所包含的物质信息却不够全面。 以2012年和2013年贵州、 湖南、 吉林、 江西、 山东、 四川六个产地共115个晒红烟样品为研究对象， 其近红外光谱采用一阶导数和平滑处理， 测定的26个化学指标及其26个计算值（譬如糖碱比等）采用归一化处理， 应用PPF投影技术对不同产地晒红烟进行相似性分析。 结合近红外光谱和化学指标的分析结果表明： 应用近红外光谱和化学指标分析六个产地晒红烟分布规律较为一致， 表明通过近红外光谱信息和大量检测数据均可分析产地特征的相似性； 对52个化学指标的方差贡献率分析得出， 决定产地特征的重要指标是亚硝胺； 应用近红外光谱对小产地之间进行聚类分析， 得出部分小产地之间具有可替代性， 结合主要内在的化学指标工业需求取向， 可合理替代不同烟叶原料， 降低产品加工质量的波动性。

为了探讨近红外光谱分析技术检测完整烟叶化学成分的可行性, 利用近红外光谱分析技术, 对初烤完整烟叶的光谱采集方式及总植物碱定量分析建模方法进行了研究。 以云南省昆明市不同乡镇、 不同品种的初烤烟叶为研究对象, 分别采用烟叶的叶尖、 叶中、 叶基光谱及其平均光谱建立初烤完整烟叶总植物碱近红外偏最小二乘法(PLS)定量分析模型以选择出代表完整烟叶信息的建模光谱; 分别用KS和SPXY方法对样品的校正集进行选择, 采用向后区间偏最小二乘法(BiPLS)、 无信息变量消除法(UVE)、 竞争适应性重加权采样法(CARS)等选择特征变量, 对模型进一步优化。 研究结果表明, 采用叶尖、 叶中、 叶基3个部位的平均光谱建立的模型相比单独每个部位光谱所建立模型的预测精度提高了8.5%~9.5%, 与全光谱建模相比, 用KS-BiPLS建立模型能明显改善模型的预测能力, 模型的预测精度约提高了10%, 模型的校正集决定系数和均方根误差分别为0.917 4和0.226 1, 检验集决定系数和预测均方根误差分别为0.902 0和0.200 7。 本研究方法适用于完整的初烤烟叶, 无需对样品进行预处理, 对于大量的初烤烟叶, 能够快速、 无损测定烟叶总植物碱含量, 可以节省大量的时间。 同时, 该研究为初烤烟叶分级、 提高原料的品质提供技术支持, 也将为卷烟生产的过程控制提供科学依据。