我国人口基数大, 农产品和食品的需求量多。 农产品和食品的质量与安全与人们的日常生活息息相关。 如何实现使用无损、 快速、 环境友好型、 高通量的检测方法对农产品和食品的品质进行检测, 是当代社会的发展需要。 传统的检测分析方法存在着耗时耗力、 检测的样品不能再次出售、 产生次品漏检的现象等缺点。 近红外光谱分析技术作为一种快速无损的检测手段, 逐渐被一些学者以及相关行业人员所重视。 然而, 近红外光谱分析方法大多数只针对于单一物料建立数学模型。 对于数量庞大且种类众多的农产品和食品而言, 如不同地域、 不同年份、 不同温度、 不同加工方法、 不同成分组成甚至是不同品种, 这种相对传统的近红外分析方法无疑会增加建模的工作量。 随着计算机技术、 光谱仪硬件、 化学计量学以及互联网技术的发展, 相关学者已经开始着手于近红外光谱通用模型的研究与开发来解决这一问题, 即建立一个近红外通用模型, 能够对多种物料的同一指标或多种指标进行检测。 相比于传统的近红外光谱模型, 通用模型具有建模成本低、 工作量小等优点, 特别使近红外光谱技术在农产品和食品领域中应用以及推广方面具有重要的意义。 针对近红外光谱通用模型在农产品和食品检测中的研究进行综述, 通过比较传统模型建模方法与通用模型建模方法, 分别就建立通用模型过程中样品信息的获取、 模型的建立以及样品信息的预测三大建模步骤中使用的方法进行总结, 并归纳了近红外光谱通用模型在建模步骤中的要点。 近红外光谱通用型模型在农产品以及食品品质检测方面的研究尚处于发展阶段。 也提出对于通用模型开发与研究的一些建议, 并就近红外光谱通用模型预测方法在检测领域的发展趋势进行了进一步展望。

由于果实内部细胞结构、 组成成分和光学传输特性的不同, 品种差异会对近红外建模分析果实内部品质时产生较大的影响, 以致原有模型无法高精度地预测果实品质参数。 探讨开发不同品种近红外通用模型用于在线检测苹果内部品质的可行性。 采用水果动态在线分选设备, 设置运行参数为: 积分时间100 ms, 运动速度5 s-1, 采集包括冰糖心, 红富士及水晶富士三个品种苹果的近红外漫透射光谱。 分析了三个品种近红外漫透射光谱的响应特征, 其光谱曲线走势基本一致, 在650, 709和810 nm附近存在突出吸收峰, 而在670, 750与830 nm附近存在波谷, 其差异主要表现为光谱吸收强度的差异。 采用多元散射校正, Savitzky-Golay卷积平滑及归一化处理方法, 减少了不同品种引起的光谱信息差异。 混合三个品种各校正集样本, 采用偏最小二乘回归算法建立了不同品种糖度的通用模型, 并利用无信息变量消除法（UVE）对建模变量进行筛选, 最终得到的有效变量个数为155。 所建立的UVE-PLS模型对验证集的决定系数, 均方根误差以及残留预测偏差分别为0.80, 0.61%与2.21。 在UVE筛选变量的基础上, 采用连续投影算法再对建模变量进行选择, 最终选出的变量个数为22。 采用多元线性回归（MLR）方法建立了简化后的通用模型, 对验证集的决定系数与均方根误差分别为0.78与0.64%。 测试集用于评估最佳的不同品种糖度通用模型的实际性能, 模型对每个品种测试集的潜变量数, 决定系数与均方根误差分别为6~10, 0.77~0.79与0.45~0.75%。 结果表明水果动态在线分选设备对不同品种苹果内部品质检测的潜力。 通过建立通用模型, 扩大了单一品种模型的预测范围, 提高了模型在不同品种间的预测稳健性。 并且采用合适的变量选择方法能够减少模型变量个数, 降低模型复杂程度, 并最终提高模型速率。 开发不同品种水果内部品质通用模型在波长有限的近红外光谱设备中具有良好的潜在应用。

针对厚皮果透光性差、不同柚子品种糖度在线检测要单独建模等问题, 本文以柚子为研究对象, 采集有效光谱325条, 对比分析不同柚子品种在710 nm和800 nm附近的两个吸收峰光谱响应特性。550～970 nm全波段范围内的光谱采用SPA无信息消除后建立柚子偏最小二乘判别模型误判率为1.25%; 偏最小二乘法在550～970 nm全波段范围和去差异化后750～930 nm波段范围的预测相关系数分别为0.58和0.86, 预测均方根误差RMSEP分别为0.84和0.55。实验结果表明, 连续投影法结合偏最小二乘判别模型可以实现不同柚子品种的定性判别, 变异系数法对光谱去差异化后结合最小二乘模型对厚皮果柚子可溶性固形物的定量检测效果最佳, 该研究为不同品种的厚皮果在线分选技术提供了参考和理论依据。