开放光程傅里叶变换红外光谱（OP-FTIR）可以实现快速、 灵活、 定量化地探测气体, 但相较于气体池抽取气体的方式, OP-FTIR的信号微弱, 对气体的探测能力受到制约, 为提高其对气体的探测能力, 以自然状态的气体流动为扰动对测得的气体红外光谱数据进行二维相关分析。 以乙醇气体和两种白酒挥发物作为验证对象, 用OP-FTIR方法测得乙醇气体以及泸州特酿和汾酒挥发物的红外吸收光谱。 未经处理的乙醇气体红外吸收光谱图中, 并没有观察到明显的乙醇特征峰, 对该红外吸收光谱数据进行二维相关分析, 其二维相关同步谱图中对角线上（1 050, 1 050 cm-1）处有明显的自相关峰, 该自相关峰来自于乙醇, 结果验证了: 结合二维相关红外光谱, 提高了OP-FTIR方法对气体的探测能力。 对不同浓度乙醇气体的红外吸收光谱数据进行二维同步相关处理, 发现二维相关同步谱图中以1 050 cm-1 为中心的自相关峰强度随着乙醇气体浓度的增加而增强, 说明基于二维相关光谱的OP-FTIR气体探测方法具有一定的定量分析能力。 用OP-FTIR方法探测泸州特酿和汾酒的挥发物时, 在820～1 480 cm-1波段探测挥发物中的乙醇气体, 气体含量通过二维相关同步谱图中对角线上（1 050, 1 050 cm-1）处的自相关峰强度来衡量, 结果显示泸州特酿挥发物中的乙醇气体含量高于汾酒; 在1 700～1 820和1 400～1 600 cm-1波段探测挥发物中的香气物质, 通过对比泸州特酿和汾酒挥发物的二维相关异步谱图, 发现泸州特酿比汾酒挥发物二维相关异步谱图中有更多的交叉峰, 说明泸州特酿挥发物表现出更丰富的香气物质信息, 这一区别可以用来鉴别泸州特酿和汾酒挥发物。 研究证明, 基于二维相关红外光谱的OP-FTIR气体探测方法, 提高了OP-FTIR方法探测气体的能力, 且具有一定的定量分析能力, 同时, 用于不同挥发物的鉴别也值得进一步研究。

溶液阴极辉光放电发射光谱法易受水体样品中的基体效应影响, 而且对于实际水体样品组份相对复杂, 含有多种元素, 受基体效应干扰更加明显, 导致金属元素浓度预测精度降低。 为了减少溶液阴极辉光放电发射光谱法中水体样品基体效应的影响, 常常利用定量分析方法对金属元素进行分析。 这些定量分析方法中, 标准加入法尤其适合于待测物质基体效应较为显著或者含有干扰物质等情况, 然而标准加入法容易受到背景信号的干扰, 使测量结果产生误差, 因此在进行标准加入法之前需要消除光谱数据的背景干扰。 最简单的谱线干扰消除法是离峰校正法, 此法扣除线峰左右两侧的背景强度值, 以达到消除背景干扰的目的； 小波变换法同样也适用于消除背景干扰, 并且具备普适性, 利用此法对小波进行多尺度分层, 而后对小波低频系数进行处理, 获得校正后的数据。 在独立开发的溶液阴极辉光放电发射光谱系统上, 利用基于标准加入法的离峰校正法和小波变换法对水溶液样品中Ca和Mg含量进行预测。 实验结果比较发现, 基于传统的标准加入法, 测得5, 10和20 mg·L-1浓度的Ca样品的相对误差分别为157.0％, 105.1％和47.0％, Mg的相对误差分别为20.1％, 3.1％和2.8％。 然而, 结合标准加入法和离峰校正法后, Ca的相对误差分别降低至15.4％, -8.8％和3.3％, Mg的相对误差分别降低至14.5％, 0.1％和0.8％。 采用小波变换算法消除背景干扰后的标准加入法, Ca元素的相对误差分别降至13.2％, -7.6％和-1.4％, Mg的相对误差分别降至13.4％, -0.4％和0.5％。 结果表明, 离峰校正法和小波变换法结合标准加入法测量Ca和Mg的准确度显着提高, 两种方法能有效地消除背景干扰, 降低基体效应, 使预测精度升高。 其中, 小波变换法结合标准加入法可用于多种类型的背景校正场合, 无需选择合适的背景校正点, 而且预测精度更高, 相比离峰校正法具有一定的优势。

近红外光谱（NIR）分析具有测试方便、 不破坏样本、 响应快速等优势, 但是, 由于在谱带分布和结构分析中存在着许多复杂因素, 使得在提取特征光谱信息时存在许多困难。 现阶段, 虽然已经有多种光谱数据降维方式被广泛使用, 但是这些传统的数据降维方式都有一个局限性, 就是数据的降维仅仅针对于一个数据集, 当数据集中有多个关键因素形成干扰时, 数据降维和分类的结果往往不是很理想, 得不到想要分析的信息。 这一问题造成了在分析近红外光谱时建立的数据降维模型极差, 无法正确的对样品进行预测分类。 对比主成分分析（contrastive principle component analysis, cPCA）是一种基于主成分分析（PCA）的改进算法, 起源于对比学习, 并应用于基因组信息解析。 cPCA算法的优势就是能够将一个数据集中的降维推广到两个相关联数据集之间的降维, 从而能够得到数据集中的关键信息。 将cPCA算法应用于近红外光谱处理中, 建立了准确的近红外光谱数据降维模型。 在实验验证中, 使用cPCA算法对不同类型水果（苹果和梨）表面农药残留进行分析。 结果表明, 在对不同类型的水果进行农药残留分析时, 使用PCA算法进行数据降维只能区分出不同的水果类型, 而水果表面是否喷洒农药这一关键的特征信息并不能分析出来; 而使用cPCA算法进行数据降维分析时, 由于对背景光谱的约束作用, 能够清晰的将有无喷洒农药的样本分类。 这说明了, cPCA在近红外光谱数据降维中有着明显的优势, 解决了近红外光谱数据降维模型中数据集受限和特征信息的提取问题, 进而建立准确的近红外光谱数据降维模型。

水体化学需氧量（COD）是一个重要的水体质量指标, 一般用来衡量有机物的污染程度。 对COD的检测长期依赖采样后的实验室化学分析方法, 目前应用最普遍的是重铬酸钾氧化法与酸性高锰酸钾氧化法。 化学分析的方法操作复杂, 耗时费力, 且引入新的化学药剂, 造成二次污染, 因此, 急需一种能够实现水体COD快速测量的检测技术。 在前期研究基础上, 对水体COD的激光诱导击穿光谱检测方法进行深入探索, 重点是优化模型预测速度, 目的是研究激光诱导击穿光谱技术用于对水体COD的快速测量方法。 采集了不同COD浓度的99个水体样本, 分为训练集和测试集两组, 通过重铬酸钾氧化法测定各水样的COD值, 作为真实值, 利用实验室自建的激光诱导击穿光谱采集系统采集各水样波长在200～1 000 nm的光谱信息, 利用偏最小二乘算法建立训练集水样COD的定量化测量模型, 然后对测试集光谱数据进行预测, 将预测结果与实验室化学方法测定的真实值进行对比, 评估预测效果。 通过对原始光谱建立的预测模型进行分析, 发现在建模过程中, 大量的激光诱导击穿光谱数据与COD浓度相关性很差, 而这些无用数据参与计算, 浪费了计算资源, 延长了检测时间, 造成系统负载过大, 不利于便携式检测设备的开发。 重点研究贡献度最大的前几个主成分, 通过对COD测量原理和PLS模型载荷分析, 找到LIBS光谱中与水样COD浓度相关性最高的主要特征峰, 经过分析发现, 主要为来源于水中有机物中的C, H, O, N以及水中一些还原性离子元素的特征峰, 这些特征峰对COD的模型预测能力贡献最大, 而COD的定义正是衡量水体中这些元素的多少, 这与该研究分析结论相吻合。 为了实现检测速度的提升, 提取这些特征峰, 对光谱数据进行降维, 剔除大量无关或相关性较低的数据, 经过多次筛选和降维, 最终将原来参与计算的每条光谱的13 622个数据降到28个, 大大降低系统的运算量, 却依然能够保留不错的预测能力。 筛选出的28个特征波长最能反映水体COD浓度, 为水体COD便携式的多波段检测设备的研发, 实现对COD的快速测量奠定了基础。

水果表面的农药残留严重危害身体健康, 而常规检测方法需要采样处理, 耗时、 费力。 激光诱导击穿光谱技术具有多元素分析和原位测量的能力, 在水果表面农药残留检测方面潜力巨大。 但是较差的检测灵敏度, 限制了此技术在水果表面微量有害元素检测方面的应用。 提高激光诱导击穿光谱系统的检测能力是目前的研究热点领域, 研究了纳米粒子表面增强技术对苹果表面残留的毒死蜱农药的激光诱导击穿光谱信号的增强效果。 通过在被测样品表面涂抹币族金属纳米粒子, 然后利用激光诱导击穿光谱激发样品表面, 对诱导出的原子发射光谱信号进行测量, 实验结果表明, 苹果表面涂抹金属纳米粒子后毒死蜱农药中磷元素的特征峰有4倍的增强。 此方法的应用对提高果蔬表面微量有害元素的检测能力具有重要意义。 然后我们对币族金属纳米粒子的增强效果进行了优化。 研究了金纳米粒子和银纳米粒子的增强能力, 同时对纳米粒子的粒径的增强效果进行了比较, 通过对20 nm的金纳米粒子、 20 nm的银纳米粒子和80 nm的银纳米粒子的增强效果比较, 发现80 nm的银纳米粒子对苹果表面毒死蜱农药光谱的增强效果最好。 研究了信号采集延时时间对光谱信噪比的影响, 确定了0.2 μs的延时时间可以获得较为理想的信噪比。 在以上研究的基础上, 采用最优的实验参数(80 nm银粒子增强、 0.2 μs的延时时间), 以毒死蜱中磷元素在213.62, 214.91, 253.56和255.33 nm处的特征峰峰强作为依据, 对苹果表面残留的毒死蜱农药进行了定量化分析。 分别采集了毒死蜱残留浓度分别为30, 20, 15, 12, 10和6 μg·cm-2的苹果表面的LIBS光谱, 然后分别利用磷元素的四个特征峰峰强进行了定量化曲线拟合, 结果发现LIBS对残留的毒死蜱具有很好的定量化预测能力, R2在0.89以上。 根据定量化拟合曲线, 探讨了纳米增强LIBS的检测限, 计算得到, 利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μg·cm-2的检测限。 研究证明了金属纳米粒显著提高了LIBS对苹果表面农药残留的检测灵敏度。

前期的研究报道了红外光谱能够监测水果变质产生的挥发物质, 其方法是将挥发物收集在气室中, 利用多次反射的结构来增强光信号。 实验中, 我们使用开放光程傅里叶变换红外光谱法监测葡萄变质挥发物, 尝试了主动和被动两种测量模式。 根据红外光谱特征对葡萄品劣变过程中产生的挥发物进行了定性分析, 并在研究中测量了葡萄储藏期间挥发物质的红外光谱特征的强度变化, 并且根据这种变化规律建立了不同变质阶段的分类方法。 此外, 还尝试直接从原始光谱中分析挥发物质, 证明了挥发物在原始光谱上仍然具有明显的光谱特征。 这一研究证实了现场开放式傅里叶变换红外光谱法监测水果变质的可行性。 开放光程傅里叶变换红外光谱法所具有的灵活使用性和非接触式在线测量的优点, 使其有可能应用于大面积监测储藏中的水果变质问题, 并具有进一步定位劣变源的潜力。

近年来, 有关水果糖分等内部品质的近红外光谱测量方法研究很多, 并有部分商业化仪器问世。 但由于近红外光谱复杂多变, 模型的传递性较差, 往往所建模型只能针对特定品种甚至特定产地的水果。 随机森林(RF)是一种基于决策树的集成算法, 通过对分类回归树(CART)模型的集成来提高预测精度。 相对于偏最小二乘法(PLS), 多元线型回归法(MLR)等方法, 随机森林回归方法对非线性数据的解析能力较强。 考虑到RF模型的随机性, 通过调试决策树数量(ntree)和分裂变量数目(mtry)等变量来进行模型优选。 尝试使用随机森林对不同种类的水果(苹果、 梨)糖分进行预测。 实验表明, 对于同一种类的水果, 随机森林和PLS的建模和预测结果均较好。 但对于不同种类的水果, 随机森林明显增加了模型的预测能力, 将建模R2由PLS的0.878提高到了0.999, 将建模的RMSEC由0.453降低到了0.015。 经过独立的预测集样品对最优RF模型进行检验, 预测R2由PLS的0.731提高到为0.888, 预测RMSEP由1.148降低到0.334。 随机森林在对多种水果糖分预测时, 具有明显的优势。 这一研究证明了随机森林有望应用于多种水果糖分的近红外光谱测定, 进而解决模型的普适性和传递性问题。

光谱学传感技术测量水体COD是现代环境监测发展的趋势, 相比于传统的化学分析方法具有在线连续检测的突出优势, 适合对环境水体COD的实时监测。 采集实际水样, 利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。 通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型, 对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。 发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果, 校正集集R2为0.9958, 预测集R2为0.975 3, RMSEC为4.438 7, RMSEP为9.733 9。 通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析, 为开发便携式水体检测设备奠定了理论基础。