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。

硝酸盐氮(NO3-N)是水中“三氮”(硝酸盐氮、 亚硝酸盐氮、 氨氮)之一, 能够反映水体受污染的程度, 是水质评估的一项重要指标。 水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重, 而且会对人畜及水产构成较大威胁。 传统的硝酸盐氮检测必须先反应后测定, 具有时间长、 操作复杂、 有二次污染等缺点。 光谱法具有快速、 无损、 无试剂消耗等显著优点。 针对硝酸盐氮难以快速检测的问题, 提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。 采集42份浓度为0~20 mg·L-1的硝酸盐氮标准溶液样本的紫外吸收光谱, 每份样本经11次平均处理以减少仪器噪声和环境的影响。 采用SPXY算法按照7∶3的比例划分训练集、 测试集, 对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理, 通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.203 6, 再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长, 将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。 采用此建模方法所建立的模型训练集的R2与RMSE分别为0.999 91和0.060 15 mg·L-1, 测试集的R2与RMSE分别为0.999 72和0.046 91 mg·L-1。 为了验证提出的SG-Lasso-PLS预测模型效果, 另外建立了Lasso-PLS, SG-PCA-PLS和SG-PCA-SVR三种预测模型进行对比。 验证结果表明, SG-Lasso-PLS建立的预测模型的R2和RMSE均优于其他三种预测模型。 说明SG滤波能够消除光谱信号的随机噪声, 提高模型的预测精度。 与PCA数据降维算法相比, Lasso可实现全光谱范围内的光谱特征选择和数据降维, 能有效消除光谱数据的冗余信息, 提高模型的预测精度。 因此, 本文提出的SG-Lasso-PLS混合模型能够快速准确的对水体中的硝酸盐氮进行预测。 作为硝酸盐氮浓度检测的基础研究, 能为快速无污染的水质在线监测场景提供算法参考。

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。

为了找出一种快速、简便、准确的方法来探究霉菌试验后**装备表面生长的霉菌种类，按照标准的试验方法进行了霉菌试验，利用傅里叶红外光谱仪对经过不同菌种腐蚀后的样本进行了测试，获取了光谱数据，并通过对数据进行初步的主成分分析确定了光谱数据的识别区域。采用最小距离匹配、光谱角匹配、光谱信息散度、光谱协方差、主成分分析、偏最小二乘判别分析(Partial Least Squares Discriminant Analysis，PLS-DA)、随机森林等分类算法建立了识别模型。研究结果表明，随机森林算法能够很好地识别霉菌种类，准确率预期在98%以上。基于合适的分类算法，傅里叶红外光谱(Fourier Transform Infrared, FTIR)技术能够实现对菌种的有效鉴别。

针对苹果酸度可见-近红外无损测定, 设计了一套优化的偏最小 二乘 (PLS) 定量预测模型。首先, 采用 Savitzky-Golay 平滑结合小波变换对光谱数据进行预处理, 再通过连续投影法 (SPA) 生成建模集, 同时通过竞争自适应重加权采样法 (CARS) 和 SPA 生成建模备选集。随后从建模备选集中以优胜劣汰的方式逐次追加波长变量至建模集, 并根据建模集构建预测模型, 直至决定系数的变化趋于稳定。实验结果表明: 利用优化的 PLS 模型进行苹果酸度预测时, 其决定系数与相对分析误差分别达到 0.9776 与 6.6812, 且选取的波长变量数由 129 项降至 36 项, 明显优于 SPA 和 CARS 法。本方法在保证模型精度的同时降低了其复杂程度, 为苹果酸度在线无损测定模型的建立提供了重要参考。