近红外光谱分析技术应用于植物叶片研究综述

近红外光谱技术（Near Infrared Spectroscopy，NIRS）作为 20 世纪 80 年代后期迅速发展起来 的一项检测技术，已被广泛应用于许多植物的各个组织和各种成分的分析。文章综述了该技术在植物叶 片研究上的应用进展，包括基于叶片特征的植物种类鉴别、植物叶片病虫害诊断、育种材料选择、叶片 内含物质含量测定等 4 个方面，并对近红外光谱检测技术的应用于植物叶片研究前景进行了展望。     

基于近/中红外光谱的玉米自交系组合的选配

通过对41个玉米品种的近红外光谱、中红外光谱和融合后的近-中红外光谱数据进行系统聚类分析,以对照组玉米的父母本作为参照,筛选出新的玉米自交系组合.结果表明:相对于单一的近/中红外光谱,融合后的近-中红外光谱能表征更多的特征信息,提供更为准确的筛选结果.理论上,利用近/中红外光谱技术可从大量玉米品种中选择与对照组父、母本相似或者相差大的样品,再进行组合杂交.该方法在一定程度上克服了传统育种的盲目性,使育种工作具有一定的定向性.     

1～21日龄黄羽肉鸡棉籽粕傅里叶近红外及化学成分净能预测模型研究

本试验在用比较屠宰法实测25个棉籽粕样品净能(NE)值的基础上,旨在研究用傅里叶近红外( NIRS)和化学成分2种方法建立的NE预测模型的可行性,并比较2种预测模型的预测效果.1)棉籽粕NE值的测定采用维持NE (NEm)+沉积NE(NEp)的方法.其中NEm用回归法测定,设自由采食及限饲20％、40％、60％和80％...     

不同波长选择方法在土壤有机质含量检测中对比研究

由于近红外光谱数据的多重共线性，特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象，以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明，基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中，基于SPA算法的MLR预测模型精度最优，预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4，模型参数只有6个。因此，SPA-MLR可以有效地应用近红外光谱的建模，并且简化模型的复杂度，提高模型的计算效率。     

基于近红外光谱的沼液挥发性脂肪酸含量快速检测

挥发性脂肪酸（Volatile Fatty Acids，VFA）作为厌氧发酵过程的重要中间产物，其在厌氧反应器中的累积能够反映出产甲烷菌的不活跃状态或厌氧发酵条件的恶化。为了实现对农牧废弃物厌氧发酵进行过程分析和状态监控，将近红外光谱（Near Infrared Spectroscopy，NIRS）与偏最小二乘（Partial Least Squares，PLS）相结合构建玉米秸秆和畜禽粪便厌氧发酵液乙酸、丙酸和总酸含量快速检测模型。将竞争自适应重加权采样法（Competitive Adaptive Reweighted Sampling，CARS）与遗传模拟退火算法（Genetic Simulated Annealing algorithm，GSA）相结合构建CARS-GSA算法对沼液中的乙酸、丙酸和总酸进行特征波长优选，原始光谱数据1 557个波长点经预处理和波长优选后，得到乙酸、丙酸和总酸特征波长变量分别为135、101和245个，建立的回归模型验证决定系数分别为0.988、0.923和0.886，预测均方根误差（Root Mean Squared Error of Prediction，RMSEP）分别为0.111、0.120和0.727，相对分析误差分别为9.685、3.685和3.484，与全谱建模相比RMSEP分别减少了17.78%、15.49%和1.22%，能够满足农牧废弃物厌氧发酵过程发酵液中乙酸和丙酸含量的快速检测需求，基本满足总酸的检测需求。结果表明，通过构建CARS-GSA算法优选乙酸、丙酸和总酸的敏感波长变量，参与建模的波长点数量显著减少，有效降低了变量维度和模型复杂度，提升了回归模型检测精度和预测能力，为快速准确检测沼液VFA提供了新途径。     

近红外光谱技术在家禽养殖领域应用现状

近红外光谱是一种快速光谱分析的新方法,伴随着光谱技术与化学计量法的发展,近红外光谱已广泛应用于农业、食品、医药、石油化工等行业,极大地提高了各行业信息化水平。基于近红外光谱在家禽养殖领域的应用现状,本文总结了近红外光谱技术的发展及其在饲料成分检测和禽肉检测中的应用。在饲料检测和家禽肉类检测方面,通过将禽肉样品的光谱信息与质量指标的参考值相关联,建立了预测饲料和待测肉类高精度、高稳定性的数学模型。与传统方法相比,近红外光谱技术具有信息量大、数据计算速度快等优点。本文还归纳了近红外光谱技术在饲料品质检测和肉类品质检测的应用现状,指出了近红外光谱在家禽养殖领域的大规模应用推广的可能性。同时指出近红外光谱技术存在的问题和未来发展方向,结果表明近红外光谱技术在饲料和畜产品检测领域具有良好的发展前景和应用价值。     

物联网模式下的农业土壤养分监测及施肥系统研究

针对目前国内传统施肥方式中,存在基肥施用量大,盲目施肥,氮、磷、钾单一品种化肥用量过多,导致土壤肥力退化、土壤养分不均衡,影响到农作物增收等现状,借助物联网技术、近红外分析技术、现代通信技术和无线网络技术,选用近红外分析技术和基于FFT算法及小波变换的光谱微弱信号处理方法,实现实时监测土壤养分的变化,全面而准确地掌握农业土壤养分情况,并智能控制自动施肥执行端施肥。为此,进行了样机试制,并运用于不同的农业土壤,包括褐土、红土、黑土等进行养分监测和施肥试验。结果表明:农业土壤养分监测及施肥系统可稳定运行,精准施肥,能满足不同农业土壤的精确施肥。本系统可指导科学施肥,提高农业生产的施肥水平,减少农业污染。     

紫色土光谱特征及其碱解氮的预测研究

文章分析探索了应用可见近红外光谱技术快速、高效、便捷测定土壤营养参数的可能性。采集蓬莱镇组紫色土样本，比对分析了不同肥力水平、土壤厚度和土壤粒径条件下采集土壤光谱对可见近红外光谱特征的影响，筛选出不同厚度、粒径土壤条件下的碱解氮含量预测模型。研究结果表明，土壤样本厚度为30mm时具有最大的光谱反射率，建立的氮含量预测模型效果最佳，校正集和验证集的相关系数分别为0.84和0.83，均方根误差分别为1.79和1.87。土样粒径在0.25-0.85mm时氮含量的预测效果最佳，校正集和验证集的相关系数均超过0.8，且均方根误差较小；但当土样粒径<0.25mm时，氮含量预测模型效果明显下降。采用20目（<0.85mm）过筛、30mm厚度土壤样本采集可见近红外光谱和偏最小二乘法（PLS）模型预测，可以实现对蓬莱镇组紫色土碱解氮含量的较好光谱预测。     

近红外光谱技术在中药领域质量评价中的应用

近红外光谱技术近年来成为发展较快的一门技术,由于其能够快速、简单、无损的对样品进行检测,并且减免样品前处理过程,对环境无污染,能实时检测大量的组分或参数,重现性好,目前已成为人们关注的焦点。综述了近红外光谱技术在各方面尤其是中药领域的最新应用概况。