以实验室中的X射线管作为光源，配合CMOS 探测器涂层闪烁体纤维面板实时在线记录设备，建立了柱面弯晶检测平台。通过高精度的同轴转台设计，将整个柱面弯晶曲面转换为多个线段区间来分别进行检测，并对光路排布以及谱线的位置移动进行了解析计算。选用铁靶材X射线管（ $K_\alpha$特征谱线波长为0.193 6 nm）作为实验光源，曲率半径120 mm的石英柱面弯晶作为样品，实验获得了清晰的铁特征谱线(Fe-K_α和Fe-K_β)。通过分析柱面弯晶上9个采样位置的图像，发现Fe-K_α谱线位置移动了96 μm，对应的半径偏差为40 μm， $\Delta {R}/{R}$为0.033%。经过检测的石英柱面弯晶已经在大型激光装置上应用，并获得高质量的光谱图像，证明了该实验方法对柱面弯晶品质检测的有效性。

为提高生鲜羊肉储存期内(4, 8和20 ℃环境)挥发性盐基氮(TVB-N)的近红外光谱(NIR)检测的稳定性和准确性, 选取特征光谱和预测模型是关键步骤。 以121个羊肉样品为实验对象, 采集生鲜羊肉680~2 600 nm波段的近红外光谱。 以多元散射校正(MSC)、 标准正态变换(SNV)等散射校正方法, Savitzky-Golay卷积平滑(SGS)、 移动平均平滑(MAS)等平滑处理方法, 以及归一化(Normalization)、 中心化(Centering)、 标准化(Autoscaling)等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法(PLS)预测模型。 比较发现SGS处理的光谱建模效果最好。 利用蒙特卡洛采样(MCS)法及马氏距离法(MD)消除了羊肉光谱的5个异常数据。 运用光谱-理化值共生距离(SPXY)算法划分总样本的75%(87个)为校正集样本, 剩余29个为验证集样本, 利用竞争性自适应重加权法(CARS)、 无信息变量消除法(UVE)、 改进的无信息变量消除法(IUVE)和连续投影算法(SPA)提取特征光谱得到的波长个数分别为14, 713, 144和15。 将全光谱和4种方法提取的特征波长作为输入变量建立预测模型, CARS提取的波长所建立模型的性能优于UVE、 IUVE和SPA提取的波长所建立模型的性能, 表明CARS方法可以有效简化输入变量并提高预测模型的性能。 改进后得到的IUVE法相比于UVE法, 筛选出的波长数更少且模型性能有所提升。 以提取的特征波长建立PLS, 支持向量机(SVM)和最小二乘支持向量机(LS-SVM)预测模型, SVM模型得到最优的校正集预测结果, 其中CARS-SVM预测模型的校正决定系数($R_{C}^{2}$)和校正均方根误差(RMSEC)分别为0.939 1和1.426 7, 最优的验证集预测效果为LS-SVM预测模型得到, 其中IUVE-LS-SVM预测模型的验证决定系数($R_{V}^{2}$)和验证均方根误差(RMSEV)分别为0.856 8和1.886 2。 基于近红外特征光谱建立简化、 优化的生鲜羊肉储存期TVB-N预测模型, 为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。