针对陈皮无损、在线、快速的便携式检测需求, 基于可见-近红外光谱技术, 利用AS7341传感器设计了一款手持式非成像光谱分析仪。分析仪以STM32微控制器作为主控芯片, 具备网联、存储、显示等多种功能。对微控制器进行了软件及算法设计, 实现了光谱数据采集、处理、显示、保存与传输。并以不同年份陈皮作为检测对象进行了实验验证, 结果表明对测试集内陈皮的年份识别准确率不低于97%, 具有实际应用价值。

啤酒新鲜度是市场消费者非常关注的品质指标, 也是各大啤酒公司的核心竞争力。 传统啤酒新鲜度检测方法一般需要十分昂贵的分析仪器和化学试剂, 消耗大量时间, 检测成本较高。 随着啤酒的老化, 啤酒中的成分物质亦将发生变化, 其对应的光谱特征也将发生改变。 利用光谱分析技术, 挖掘表征啤酒老化的光谱特征, 构建啤酒新鲜度指数(BFI), 可实现啤酒新鲜度的快速、 无损检测。 将新鲜啤酒分三等份装入相同容器, 其中2份为避光保存, 1份为光照下保存, 用PSR-3500光谱仪对啤酒样品进行光谱采集, 每隔24 h采集一次, 共采集6次, 获得不同新鲜程度啤酒的光谱数据。 对采集的光谱数据进行特征波段选择、 包络线去除等预处理, 增强后的光谱显示842.0 nm处的波谷深度随放置时间的增长而变小, 因此基于842.0 nm的波谷深度构建反应啤酒新鲜度的光谱特征指数(BFI)。 实验结果表明, BFI值随放置时间的增长而逐渐下降, 且避光保存的两组样品BFI值下降速率基本一致, 而由于光照加速了啤酒中的老化反应, 使得光照保存的样品BFI值下降速率较快, 结果显示BFI能够较好指示啤酒的新鲜程度。 此外, 通过模拟不同光谱分辨率与信噪比水平, 评价BFI对光谱检测设备性能的敏感性。 具体地, 利用高斯函数分布函数和平均分布函数分别生成光谱分辨率为5～40 nm的数据和信噪比为10～60 dB的数据, 对其进行特征波段选择、 包络线去除等预处理, 计算BFI值并进行分析。 实验显示, 当光谱分辨率低于15 nm、 信噪比低于10 dB时, 样品842.0 nm的光谱吸收特征逐渐被掩盖, BFI将难以指示啤酒的新鲜程度。 然而, 只要在798～872 nm及附近波段光谱分辨率优于10 nm、 信噪比不低于35 dB, BFI即可准确指示啤酒新鲜度, BFI对光谱仪的性能要求并不严苛。 综上所述, BFI能够准确指示啤酒新鲜度, 服务于便携式啤酒新鲜度光谱检测设备的设计与研发, 促进光谱分析技术在啤酒品质无损检测及相关领域的应用推广。

小麦是制作馒头的主要原料之一, 小麦中水、 蛋白质、 淀粉会因产地以及烘干程度的差异而不同, 进而影响到加工成馒头的品质。 所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。 感官评定是鉴别小麦产地和烘干程度常用的方法, 对比感官评定, 光谱分析可以识别样品中的分子结构等信息。 基于此, 尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。 首先选取了两个不同产地的小麦, 再利用微波干燥法对两个不同产地的小麦做烘干预处理, 使烘干的小麦水含量为12%±0.5%, 原麦水含量为18%±0.5%。 分别标记为原麦A, 烘干A, 原麦B, 烘干B, 再将小麦研磨成粉末, 过100目筛网筛选后, 置于自封袋中备用。 随后分别采集四种小麦样品的近红外和中红外光谱信息, 在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理, 利用主成分分析对预处理后的数据进行降维处理, 再结合线性判别分析（linear discriminant analysis, LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、 中红外光谱数据识别模型。 另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间, 将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。 然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、 比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、 比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。 结果表明, 同种光谱分析方法, 利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。 同种建模方法, 近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。 而在同种建模方法下, 利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高, 光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%, 预测集识别率为97.50%; 而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。 对比利用单一光谱数据建立的小麦识别模型识别率, 光谱数据融合之后建立的小麦识别模型识别率得到显著提高, 该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率, 结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。

葡萄酒市场的迅猛发展, 大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。 假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌, 也会对人体产生一定的伤害。 葡萄酒中掺水掺伪是制造假酒的最常见的手段, 因此, 对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。 相比于传统的感官鉴定法、 理化指标分析检验方法, 具有快速、 高效、 无需破坏样本、 非接触性等独特优势的可见-近红外光谱分析技术, 更加适合于葡萄酒品质的快速检测。 为了快速、 准确的检测葡萄酒掺水问题, 基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI), 并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。 首先采用长城解百纳葡萄酒(CC)、 张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本, 分别提取相同量的葡萄酒作为实验对象, 掺入比例为0%(未掺水的纯葡萄酒), 4%, 7.7%, 11.1%, 14.3%, 17.2%的蒸馏水, 获取样本共18份; 另外对长城葡萄酒加大掺水比例, 分别掺入比例为0%, 20%, 40%, 60%, 80%, 90%的蒸馏水, 获取样本数为6份, 共获得24份掺有不同比例蒸馏水的葡萄酒样本。 然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据, 并对葡萄酒样本的原始光谱数据进行S-G滤波、 特征波段选择、 包络线去除等特征增强预处理; 通过分析预处理后的葡萄酒样本的可见-近红外光谱特征, 选取能反映葡萄酒掺水程度的837 nm处稳定的吸收特性, 构建了葡萄酒掺水的光谱吸收深度指数(DI)。 为了提高光谱吸收深度指数DI的稳健性, DI指数中光谱反射率的值均采用837 nm附近微小邻域均值进行计算。 最后采用二次多项式拟合方法, 给出了基于DI指数的葡萄酒掺水量的反演估算模型。 选用长城解百纳葡萄酒在837 nm处微小邻域内光谱吸收深度指数DI值, 同时选择长城葡萄酒样本中的七个样本作为模型预测集, 另外4个样本作为测试集, 对该葡萄酒掺水量的反演估算模型进行验证分析。 实验结果表明, 采用二次多项式拟合方法, 该模型结果的精度R平方高达0.999 2, 且该模型的估算值与真实值的平均相对误差为0.042 5, 表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。 光谱吸收深度指数DI构建简单, 且能够反映不同品牌的葡萄酒的掺水稀释程度。 研究结果可为低成本、 手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据, 进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。

猪肉是我国居民最主要的消费畜肉产品, 其在储藏、 运输、 加工等环节易受酶、 微生物等作用腐败变质, 导致新鲜度下降。 冷鲜猪肉的新鲜度关系着消费者的食肉口感与安全, 是消费者购买猪肉最为关心的指标之一。 及时、 快速、 准确检测冷鲜猪肉的新鲜程度是确保消费者“舌尖上的安全”的重要举措。 相比于传统的理化检验方法, 可见-近红外光谱分析技术具有快速、 高效、 无损、 非接触等独特优势, 适合于食品安全的快速检测, 光谱快检技术已成为冷鲜猪肉品质无损检测的研究热点。 然而目前研究大都基于统计方法进行光谱建模, 模型缺乏物理意义, 适用性差, 阻碍了该技术的应用推广。 通过分析不同新鲜程度猪肉的可见-近红外光谱特征, 利用反映猪肉新鲜度的肌红蛋白在760 nm处稳定的吸收特性, 构建了猪肉新鲜度光谱特征指数(FI); 通过模拟不同光谱分辨率与信噪比水平, 进一步探索了FI指数对光谱检测设备性能的敏感性。 研究表明, FI指数构建简单, 物理意义明确, 能够较好指示猪肉的新鲜程度; 且该指数对光谱仪的性能要求并不严苛: 只要在760 nm及附近波段, 光谱分辨率优于10 nm, 信噪比不低于45, 即可较好反映猪肉新鲜水平。 研究结果可为低成本、 手持式简易的猪肉新鲜度光谱检测设备的设计与研发提供科学依据, 有望在食品安全快速检测领域得到推广应用。

中药可治疗不同病症,充分体现中医辩证论治.为实现安全、可靠且有效的中药质量标准及评价体系,中药分析尤为重要.作为一准确、灵敏和高效的分析工具,光谱分析技术可在中药检测分析中发挥重要作用.本文介绍中药的光谱分析概况,主要阐述红外光谱、拉曼光谱法对中药的分析研究;并进一步提出了开展方剂光谱学研究,立足中医药理,以光谱分析技术为工具,分析方剂成分,揭示单味中药汤剂与其方剂配伍之间的关系,以及方剂配伍规律与药效间的相关性.论文介绍了作者所在的项目组近期在中药光谱分析的相关工作,并对中药光谱分析的发展作了展望.