便攜式近紅外光譜儀及其在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀

王永 楊國(guó)耀 喬俊峰 范興 楊博 李昀欣 農(nóng)永紅 楊梅 資文華

摘要：便攜式近紅外光譜分析技術(shù)因具有檢測(cè)速度快、范圍廣、無(wú)損、價(jià)格低廉等優(yōu)點(diǎn)，已被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、醫(yī)藥、食品等領(lǐng)域。為全面認(rèn)識(shí)便攜式近紅外光譜儀及其在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀，歸納便攜式近紅外光譜儀的主要構(gòu)成與類(lèi)型，基于光路結(jié)構(gòu)差異性闡述光柵掃描型、濾光片型、傅里葉變換型、聲光可調(diào)濾波器型、微機(jī)電型光譜儀的基本原理與特點(diǎn)，并針對(duì)便攜式近紅外光譜儀在農(nóng)業(yè)領(lǐng)域中的應(yīng)用，重點(diǎn)總結(jié)便攜式近紅外光譜分析技術(shù)在水果、糧食作物、蔬菜、土壤及農(nóng)業(yè)其他領(lǐng)域中的應(yīng)用研究進(jìn)展，探討便攜式近紅外光譜儀在模型構(gòu)建、測(cè)量精度、儀器微型化方面所面臨的問(wèn)題與挑戰(zhàn)，進(jìn)而提出改進(jìn)措施，旨在為農(nóng)產(chǎn)品的品質(zhì)評(píng)價(jià)及種植管理提供參考。

關(guān)鍵詞：便攜式近紅外光譜儀;農(nóng)業(yè);應(yīng)用現(xiàn)狀;類(lèi)型;原理;措施

中圖分類(lèi)號(hào)：S127 ??文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2022）07-0010-08

近紅外分析技術(shù)因具有成本低、分析速度快、無(wú)損、重現(xiàn)性好等優(yōu)點(diǎn)，在農(nóng)業(yè)、醫(yī)藥、化工等領(lǐng)域得到了廣泛運(yùn)用[1-2]。近年來(lái)，微機(jī)電技術(shù)的發(fā)展、光譜分析技術(shù)的改進(jìn)和大數(shù)據(jù)技術(shù)的應(yīng)用，使近紅外光譜儀不斷向簡(jiǎn)捷化、精準(zhǔn)化、智能化方向發(fā)展，尤其是便攜式近紅外光譜儀的設(shè)計(jì)與開(kāi)發(fā)，極大地提高了檢測(cè)的時(shí)效性。國(guó)外對(duì)便攜式近紅外光譜儀的研發(fā)技術(shù)相對(duì)成熟，多家公司生產(chǎn)出的便攜式近紅外光譜儀已可以實(shí)際應(yīng)用，如美國(guó)捷迪訊通訊技術(shù)有限公司（JDSU）生產(chǎn)的microNIR 1700型光譜儀、Thermo Fisher公司生產(chǎn)的microPHAZIRTM型光譜儀、Foss公司生產(chǎn)的In-fratecsofia型光譜儀、LLA Instruments公司生產(chǎn)的UniSPEC 4024型光譜儀等。我國(guó)對(duì)便攜式光譜儀的研制起步較晚，但這些年在我國(guó)科研工作者的努力下也獲得了許多進(jìn)展，如2009年向賢毅等研制的便攜式近紅外樣機(jī)性能與國(guó)外產(chǎn)品十分接近[3]。2011年王俊制造的分析儀測(cè)試速度快、體積小、信噪比高[4]。2016年季緒飛對(duì)PISA-S-4N型便攜式近紅外光譜儀的精度進(jìn)行改進(jìn)，將其信噪比提高到4 938[5]。2017年何文馨等為了解決在溫度高、空間狹小的油井中進(jìn)行石油勘探難的問(wèn)題，開(kāi)發(fā)了一種可以耐高溫工作的便攜式近紅外光譜儀[6]。2018年張寬將SupNIR-2700型分析儀改進(jìn)為EXPEC 1230型便攜式光譜儀[7]。盡管我國(guó)加快了便攜式近紅外光譜儀的研發(fā)步伐，但儀器在信噪比、分辨率等方面和國(guó)外還存在一定差距，需要不斷加強(qiáng)對(duì)儀器性能的優(yōu)化。因此，本研究歸納總結(jié)便攜式近紅外光譜儀的構(gòu)成、類(lèi)型及其在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀，并提出便攜式近紅外光譜技術(shù)在工農(nóng)業(yè)研發(fā)和生產(chǎn)實(shí)際中面臨的問(wèn)題與挑戰(zhàn)，以促進(jìn)便攜式近紅外光譜技術(shù)的不斷改進(jìn)和升級(jí)。

1 便攜式近紅外光譜儀的構(gòu)成

便攜式近紅外光譜儀主要由光源、分光系統(tǒng)、檢測(cè)器、數(shù)據(jù)采集與處理系統(tǒng)構(gòu)成（圖1）。

便攜式近紅外光譜儀當(dāng)中的光源一般為鹵鎢燈，具有體積小、使用時(shí)間長(zhǎng)、發(fā)光效能高等特點(diǎn)，但其功耗較大。分光系統(tǒng)中包含準(zhǔn)直系統(tǒng)和色散系統(tǒng)，由樣品反射的光經(jīng)準(zhǔn)直系統(tǒng)得到平行光，平行光在進(jìn)入色散系統(tǒng)前需先通過(guò)狹縫，狹縫越大，成像越粗糙，分辨率越低，但是狹縫過(guò)小會(huì)造成所透過(guò)的光能量少，因此需根據(jù)實(shí)際應(yīng)用來(lái)考慮狹縫尺寸。色散系統(tǒng)的主要功能是將進(jìn)入的平行光分解成單色光，而色散率直接影響分辨率，因此色散系統(tǒng)是分光系統(tǒng)中最重要的部分。檢測(cè)器由光敏元件構(gòu)成，大部分便攜式近紅外光譜儀所選擇的都是硅基檢測(cè)器，檢測(cè)器的主要作用在于實(shí)現(xiàn)光信號(hào)到電信號(hào)的有效轉(zhuǎn)變。數(shù)據(jù)采集系統(tǒng)主要負(fù)責(zé)接收檢測(cè)器發(fā)出的電信號(hào)，將電信號(hào)轉(zhuǎn)化為光譜圖像并設(shè)置光譜的各項(xiàng)參數(shù)，如光譜的波長(zhǎng)、掃描頻率等。數(shù)據(jù)處理系統(tǒng)的作用是將采集到的光譜進(jìn)行分析處理，從而實(shí)現(xiàn)對(duì)樣品光譜的定性分析或定量分析。

2 便攜式近紅外光譜儀的分類(lèi)

基于光路結(jié)構(gòu)的不同，通常將便攜式近紅外光譜儀分為光柵掃描型、濾光片型、傅里葉變換型、聲光可調(diào)濾波器型、微機(jī)電型五大類(lèi)[8]。

2.1 光柵掃描型

光柵掃描型的原理主要是讓光源射出的光經(jīng)過(guò)入射狹縫后由準(zhǔn)直鏡準(zhǔn)直，再通過(guò)光柵的轉(zhuǎn)動(dòng)將其分為波長(zhǎng)各不相同的單色光，單色光穿過(guò)出射狹縫作用于樣品，最后由探測(cè)器接收。光柵掃描型近紅外光譜儀理見(jiàn)圖2，該類(lèi)儀器具有分辨率高、成本低等優(yōu)點(diǎn)，但是其掃描光譜速度較慢且抗震性低。

2.2 濾光片型

濾光片型儀器的核心部件是濾光片（圖3），由于濾光片對(duì)光具有選擇透過(guò)性，當(dāng)入射光經(jīng)過(guò)濾光片時(shí)會(huì)將復(fù)合光分為不同波長(zhǎng)的光，這種光譜儀牢固耐用、采集光譜快，但波長(zhǎng)波動(dòng)幅度大、通用性差。

濾光片型研制具有代表性的是美國(guó)捷迪訊通訊技術(shù)有限公司（JDSU）生產(chǎn)的microNIR1700型光譜儀，其光譜范圍在908～1 678 nm之間，主要用于制藥、食品、農(nóng)業(yè)領(lǐng)域[13]。中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所設(shè)計(jì)的濾光片型光譜儀光譜范圍為600～1 000 nm，主要應(yīng)用在食品與農(nóng)業(yè)領(lǐng)域[14]。此外，2010年Emadi 等成功開(kāi)發(fā)出一款波長(zhǎng)范圍為1 800～2 800nm的濾光片光譜儀[15]，2014年馮幫等研發(fā)的光譜儀波長(zhǎng)范圍為950～1 650 nm，且分辨率可以達(dá)到12.5 nm[16]。

2.3 傅里葉變換型

傅里葉變換型光譜儀的核心部件是邁克爾遜干涉儀（圖4），光源射出的光通過(guò)準(zhǔn)直鏡變?yōu)槠叫泄?，平行光?5°角的分光板分為兩半，一半被分光板反射到反射鏡A，另一半穿過(guò)分光板射入反射鏡B， 最終經(jīng)過(guò)反射匯合在一起， 變成相干光， 利用計(jì)算機(jī)采集相干光并進(jìn)行傅里葉變換即可獲得相應(yīng)的光譜圖[17]。傅里葉變換型光譜儀的光通量大、分辨率高，但成本高，抗震性差。

無(wú)錫迅杰光遠(yuǎn)科技有限公司研發(fā)的IAS3000型光譜儀的波長(zhǎng)范圍為1 400～2 450 nm，主要用于液體樣品的測(cè)量。此外，熒颯光學(xué)科技（上海）有限公司等也研制出技術(shù)較成熟的傅里葉型光譜儀[18]。在國(guó)外，埃及Si-Ware-Systems公司推出了應(yīng)用于食品行業(yè)的NeoSpectra Micro型光譜儀，還有日本的濱松光子學(xué)商貿(mào)（中國(guó)）有限公司、瑞士ARCoptix公司等[19]。

2.4 聲光可調(diào)濾波器型

聲光可調(diào)濾波器是一種利用聲光效應(yīng)來(lái)進(jìn)行分光的分光元件，其核心部件是聲光可調(diào)濾波器（圖5），當(dāng)聲光可調(diào)濾波器接收到特定頻率的驅(qū)動(dòng)信號(hào)時(shí)，會(huì)將入射的復(fù)合光轉(zhuǎn)換為一定波長(zhǎng)的單色光，由于驅(qū)動(dòng)信號(hào)頻率與單色光相互對(duì)應(yīng)，因此只要改變驅(qū)動(dòng)頻率就可以掃描特定波長(zhǎng)的單色光[20]。聲波可調(diào)濾波器波長(zhǎng)轉(zhuǎn)換速度快、光通量大、信噪比高，但其晶體受溫度影響大且價(jià)格高昂[21]。

美國(guó)Brimrose公司研發(fā)的Luminar5030型便攜式光譜和賽默飛世爾科技公司生產(chǎn)的microPHAZIR型光譜儀都是聲光可調(diào)濾波器型[22]。此外，東北農(nóng)業(yè)大學(xué)孫紅敏等還設(shè)計(jì)出用于檢測(cè)原料奶成分的聲波可調(diào)濾波型光譜儀[23]。

2.5 微機(jī)電型

微機(jī)電型光譜儀是一種結(jié)合微機(jī)電系統(tǒng)的光譜儀，微機(jī)電系統(tǒng)是將儀器元件高度集成化到微米級(jí)的機(jī)械系統(tǒng)，微機(jī)電型根據(jù)分光元件不同又可分為微鏡陣列型、濾波器型、可編程光柵型。微鏡陣列型儀器中的芯片含有許多微小反射鏡，當(dāng)光照射到芯片上，會(huì)將其反射到探測(cè)器，可通過(guò)調(diào)節(jié)微鏡轉(zhuǎn)動(dòng)來(lái)獲取各單色光。濾波器型儀器利用多光束干涉原理，以調(diào)節(jié)共振腔的長(zhǎng)度來(lái)改變光的波長(zhǎng)?？删幊坦鈻判蛢x器利用程序控制光柵結(jié)構(gòu)單元來(lái)改變衍射光的能量分布，最終達(dá)到分光效果。

北京華夏科創(chuàng)儀器技術(shù)有限公司推出的光譜儀信噪比好，可進(jìn)行工業(yè)現(xiàn)場(chǎng)試驗(yàn)[24]。Axsun公司生產(chǎn)的Integraspe型光譜儀集成度高、耗能少檢測(cè)速度快[25]。但相比于其他種類(lèi)的光譜儀，微機(jī)電型光譜儀在波長(zhǎng)準(zhǔn)確性和分辨率上稍微遜色。

3 便攜式近紅外光譜儀在農(nóng)業(yè)中的應(yīng)用

3.1 便攜近紅外光譜儀在水果檢測(cè)中的應(yīng)用

隨著我國(guó)生活質(zhì)量的提高，消費(fèi)者對(duì)于水果品質(zhì)的要求不斷提升，然而我國(guó)人工結(jié)合機(jī)械的傳統(tǒng)檢測(cè)方法效率低，很難滿足市場(chǎng)需求，因此對(duì)水果進(jìn)行快速無(wú)損檢測(cè)已成為亟須解決的問(wèn)題。近年來(lái)，便攜式近紅外光譜儀的出現(xiàn)，在水果物化性質(zhì)（如可溶性固形物含量、酸度、硬度等）檢測(cè)、成熟度評(píng)判、品種區(qū)分等方面提供了極大的便利。

水果物化性質(zhì)是評(píng)價(jià)其品質(zhì)的關(guān)鍵因素，使用便攜式近紅外光譜儀可以快速無(wú)損地檢測(cè)出水果的各項(xiàng)物化性質(zhì)，大大減少檢測(cè)時(shí)間和成本。楊帆等選用supNIR-1000型光譜儀對(duì)蘋(píng)果的酸度和抗壞血酸含量進(jìn)行研究，利用kernel lsomap算法并結(jié)合廣義回歸神經(jīng)網(wǎng)絡(luò)建立模型，發(fā)現(xiàn)蘋(píng)果酸度模型的校正集相關(guān)系數(shù)（ R ?c）與預(yù)測(cè)集相關(guān)系數(shù)（ R ?p）值分別為0.999 4、0.979 9，蘋(píng)果抗壞血酸模型的 R ?c和 R ?p值分別為0.989 1、0.927 2，表明使用該便攜式近紅外光譜儀能夠快速測(cè)定蘋(píng)果的酸度和抗壞血酸含量[26]。此外，王加華等也對(duì)蘋(píng)果的糖度、可溶性固形物（SSC）含量、果肉硬度、總酚含量等進(jìn)行研究，進(jìn)一步證明便攜式近紅外光譜儀可以有效檢測(cè)出蘋(píng)果的各項(xiàng)物化性質(zhì)[27-29]。除了蘋(píng)果，便攜式近紅外光譜儀對(duì)獼猴桃、葡萄、柑橘等水果的物化性質(zhì)檢測(cè)也發(fā)揮了較大作用。李偉強(qiáng)通過(guò)自主設(shè)計(jì)的便攜式近紅外光譜儀快速表征獼猴桃糖度和葡萄SSC、總酚含量[30]。Cayuela等研究柑橘的SSC含量、酸度、單果質(zhì)量、果汁體積等，證明便攜式近紅外光譜儀檢測(cè)的可行性[32]。秦善知等通過(guò)NIR256-22T2 型光譜儀對(duì)梨的SSC含量成功預(yù)測(cè)[33]。原帥等使用Avaspec-2048TEC型近紅外光譜儀有效地檢測(cè)出櫻桃糖度[34]。羅霞等采用FieldSpec3型便攜式光譜儀，對(duì)火龍果的酸度進(jìn)行分析，驗(yàn)證了便攜式近紅外光譜儀的實(shí)用性[35]。Li等使用USB2000型便攜式光譜儀對(duì)香瓜SSC含量進(jìn)行研究，發(fā)現(xiàn)香瓜的柱體末端是預(yù)測(cè)完整瓜體SSC含量的最佳部位[36]。

水果成熟度直接影響水果的采摘、保存與售賣(mài)，目前對(duì)水果成熟度的評(píng)判很大程度上依賴于人工主觀判斷，容易造成水果經(jīng)濟(jì)效益低、消費(fèi)體驗(yàn)差等問(wèn)題。Jha等選取來(lái)自印度不同地域的7種芒果作為研究成熟度的樣本，通過(guò)Luminar5030型便攜式光譜儀對(duì)樣本進(jìn)行掃描，選擇1 200～2 200 nm波段用PLS建立模型進(jìn)行分析，發(fā)現(xiàn)便攜式近紅外光譜儀在對(duì)芒果成熟度的預(yù)測(cè)中具有很大潛力[37]。

同一水果的品種多種多樣，不同的品種在口感和價(jià)位方面有較大差距，消費(fèi)者在對(duì)品種選擇時(shí)依據(jù)的主要是自身經(jīng)驗(yàn)，不能有效地選取適宜的品種類(lèi)型，時(shí)常會(huì)造成體驗(yàn)感差以及經(jīng)濟(jì)損失。Pérez-Marín等采用6個(gè)不同品種的李子共264個(gè)樣本，通過(guò)Phazir 2400型光譜儀獲取光譜信息并結(jié)合PLS建立模型，發(fā)現(xiàn)對(duì)李子品種的識(shí)別準(zhǔn)確率均在90%以上，進(jìn)一步驗(yàn)證了該光譜儀對(duì)品種區(qū)分的可行性[38]。此外，Camps等通過(guò)Ocean optics S-2000型光譜儀成功對(duì)杏的品種進(jìn)行分類(lèi)[39]。

3.2 便攜近紅外光譜儀在糧食作物檢測(cè)中的應(yīng)用

糧食作為人類(lèi)生存的必需品對(duì)于各個(gè)產(chǎn)業(yè)影響深遠(yuǎn)，充足的糧食也是一個(gè)國(guó)家穩(wěn)定的前提之一，因此糧食作物一直是農(nóng)業(yè)中的重點(diǎn)研究對(duì)象。便攜式近紅外光譜儀在玉米、小麥、大米、大豆的檢測(cè)中可以發(fā)揮重要作用。

玉米不僅作為糧食還作為飼料支持畜牧業(yè)發(fā)展，并可以通過(guò)單倍體育種來(lái)提高玉米的產(chǎn)量和質(zhì)量。為了在混雜的種子中快速篩選出單倍體種子，Qin等使用便攜式近紅外光譜儀microNIR1700來(lái)研究玉米單倍體的鑒別，比較漫反射和漫透反射狀況下對(duì)玉米的鑒別效果，發(fā)現(xiàn)漫反射并不能有效地鑒別玉米的單倍體和多倍體，而漫透反射的平均正確識(shí)別率為93.2%，證明便攜式近紅外光譜儀可以有效無(wú)損地鑒別單倍體，為自動(dòng)識(shí)別提供條件[40]。此外，史增芳等用便攜式近紅外光譜儀成功對(duì)玉米片含水率進(jìn)行快速檢測(cè)[41]。

小麥?zhǔn)且环N常見(jiàn)的谷物，在我國(guó)廣泛種植，可以制成各種各樣的人們喜愛(ài)的食物。王旭等在全國(guó)主要小麥產(chǎn)地選取104份小麥樣品，使用國(guó)產(chǎn)Sup NIR-2750型便攜式光譜儀選取1 000～1 799 nm 的波段范圍對(duì)樣品進(jìn)行研究，用偏最小二乘法建立模型，發(fā)現(xiàn)蛋白質(zhì)的化學(xué)值與預(yù)測(cè)值的平均絕對(duì)偏差只有0.01百分點(diǎn)，證明模型具有很好的預(yù)測(cè)準(zhǔn)確性，可用于快速分析小麥的蛋白質(zhì)含量[42]。Ecarnot等用Fieldspec2500型光譜儀測(cè)定小麥葉片含氮量（LNC）和單位面積葉質(zhì)量（LMA），結(jié)果顯示，選擇的樣品無(wú)論是鮮葉還是干葉都能很好地對(duì)LNC和LMA進(jìn)行預(yù)測(cè)[43]。由小麥加工而成的面粉是制作面食的主要原料，然而市場(chǎng)上面粉質(zhì)量存在參差不齊、種類(lèi)繁多等問(wèn)題，因此對(duì)面粉各項(xiàng)指標(biāo)進(jìn)行快速檢測(cè)就顯得尤為重要。孫陽(yáng)等選用AMBERⅠ型光譜儀成功快速表征面粉水分、灰分以及面筋含量[44]。江輝等將比色傳感器數(shù)據(jù)與便攜式近紅外光譜儀相結(jié)合對(duì)面粉脂肪酸含量進(jìn)行研究，發(fā)現(xiàn)與單技術(shù)分析相比，融合技術(shù)對(duì)脂肪酸含量的預(yù)測(cè)精度更高[45]。

大米和大豆也是常見(jiàn)的糧食作物，并含有豐富的蛋白質(zhì)。劉亞超等將52個(gè)秈米樣品分為2份，選取42個(gè)秈米作為預(yù)測(cè)樣本，剩下10個(gè)作為驗(yàn)證樣本，使用自主設(shè)計(jì)的便攜式分析儀對(duì)大米含水率、直鏈淀粉質(zhì)量以及蛋白質(zhì)含量進(jìn)行檢測(cè)，預(yù)測(cè)值與標(biāo)準(zhǔn)值的相關(guān)系數(shù)均在0.9以上，證明該檢測(cè)儀的可行性[46]。鄒濤等選取黑龍江地區(qū)239個(gè)大豆樣品，采用光譜范圍為950～1 650 nm的IAS-2000型光譜儀對(duì)大豆樣品的蛋白質(zhì)含量進(jìn)行快速表征，通過(guò)競(jìng)爭(zhēng)性自適應(yīng)權(quán)重取樣法（CARS）進(jìn)行光譜特征波長(zhǎng)篩選和PLS建立模型，驗(yàn)證CARS-PLS建立模型對(duì)大豆蛋白質(zhì)含量測(cè)定具有良好的可行性[47]。

3.3 便攜近紅外在蔬菜檢測(cè)中的應(yīng)用

蔬菜是一種營(yíng)養(yǎng)豐富的綠色食品，含有多種人體必要元素，對(duì)預(yù)防一些疾病以及提高免疫力有很大作用，便攜式近紅外光譜儀主要對(duì)蔬菜的部分物化性質(zhì)（如SSC含量、總糖含量、總酸含量、含油率等）與安全性（硝酸鹽含量）進(jìn)行檢測(cè)。甜菜分布廣泛，可以用來(lái)制作糖，蔗糖含量是其重要性狀。Pan等選取來(lái)自于不同商業(yè)雜交的甜菜樣品，使用便攜式近紅外光譜儀對(duì)完整甜菜和切片甜菜蔗糖含量進(jìn)行研究，通過(guò)PLS建立模型發(fā)現(xiàn)便攜式近紅外光譜儀可以很好地預(yù)測(cè)切片甜菜蔗糖含量。番茄具有味道可口、營(yíng)養(yǎng)價(jià)值高等特點(diǎn)以及一定的抗衰老作用，是餐桌上常見(jiàn)的蔬菜之一[48]。Camps等為了快速評(píng)價(jià)番茄品質(zhì)，使用PHASIR0917型光譜儀結(jié)合PLSR建立模型，發(fā)現(xiàn)該儀器可以準(zhǔn)確測(cè)定番茄的SSC含量和硬度[49]。王凡等研發(fā)了一款便攜式番茄多品質(zhì)近紅外檢測(cè)裝置，用PLS建立模型來(lái)預(yù)測(cè)番茄的顏色、總糖含量、總酸含量，模型的預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)均在0.9以上，表明該便攜式分析儀可以對(duì)番茄進(jìn)行快速無(wú)損的檢測(cè)。油菜籽是制作菜籽油的原料，含油率是對(duì)其品質(zhì)評(píng)價(jià)的重要指標(biāo)[50]。陳斌等使用microNIR-1700光譜儀對(duì)油菜籽含油率進(jìn)行研究，并用偏最小二乘回歸（PLSR）和最小二乘-支持向量機(jī)（LS-SVM）建立模型，同時(shí)對(duì)模型進(jìn)行一系列參數(shù)優(yōu)化研究，結(jié)果顯示所建模型性能良好[51]。除了油菜籽的含油率外，油菜籽的蛋白質(zhì)含量也是品質(zhì)評(píng)價(jià)的重要因素。王春峰等采用N100型便攜式光譜儀對(duì)油菜籽的粗脂肪與粗蛋白質(zhì)進(jìn)行檢測(cè)，使用PLS建立模型并與FOSS6500型儀器進(jìn)行對(duì)比，發(fā)現(xiàn)N100型便攜式光譜儀對(duì)粗脂肪含量的預(yù)測(cè)優(yōu)于FOSS6500型儀器，而對(duì)粗蛋白質(zhì)含量的預(yù)測(cè)稍遜，綜合分析來(lái)看這2臺(tái)儀器的預(yù)測(cè)精度相差不大[52]。

蔬菜中的硝酸鹽含量超過(guò)一定量就會(huì)造成中毒現(xiàn)象，因此對(duì)蔬菜檢測(cè)時(shí)還需要考慮硝酸鹽的含量。菠菜含有豐富的植物蛋白質(zhì)和纖維素，且具有治療貧血的功效，但菠菜中還含有對(duì)人體有害的硝酸鹽。Pérez-Marín等選取波長(zhǎng)范圍為1 600～2 400 nm 的Phazir 2400型便攜式光譜儀對(duì)菠菜進(jìn)行快速檢測(cè)，采用改進(jìn)過(guò)的偏最小二乘（MPLS）回歸模型對(duì)菠菜葉片硝酸鹽、抗壞血酸和可溶性固形物含量進(jìn)行分析，結(jié)果驗(yàn)證了利用近紅外光譜技術(shù)對(duì)菠菜中這些物質(zhì)含量分析的可行性[53]。西葫蘆富含維生素、礦物質(zhì)和微量元素，其熱量極低，但西葫蘆同樣含有硝酸鹽。Torres等以230個(gè)西葫蘆為試材，采取microNIR-1700型便攜式光譜儀對(duì)西葫蘆的硝酸鹽含量、干物質(zhì)以及SSC含量進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)便攜式近紅外光譜儀也可以對(duì)西葫蘆的品質(zhì)快速進(jìn)行現(xiàn)場(chǎng)在線分析[54]。

3.4 便攜近紅外光譜儀在土壤檢測(cè)中的應(yīng)用

土壤是農(nóng)作物生長(zhǎng)發(fā)育的“搖籃”，對(duì)農(nóng)作物產(chǎn)量及質(zhì)量有重要影響，因此在發(fā)展農(nóng)業(yè)中對(duì)土壤成分的檢測(cè)是必不可少的。便攜式近紅外光譜儀在對(duì)土壤成分的檢測(cè)時(shí)主要集中在土壤全氮含量、有機(jī)質(zhì)含量、pH值、重金屬含量、含水率等方面。

土壤全氮含量是指土壤內(nèi)多種形態(tài)的氮素含量之和，測(cè)量土壤全氮含量對(duì)衡量土壤肥力、科學(xué)種植施肥以及土壤修復(fù)意義重大。安曉飛等使用自主設(shè)計(jì)開(kāi)發(fā)的便攜式近紅外土壤全氮測(cè)定儀進(jìn)行測(cè)定，以玉米地采集的樣本為研究對(duì)象，選用 940～1 550 nm的光譜范圍，采取BP神經(jīng)網(wǎng)絡(luò)建立模型對(duì)土壤全氮含量進(jìn)行快速分析，發(fā)現(xiàn)自主設(shè)計(jì)的儀器準(zhǔn)確性和穩(wěn)定性良好，重復(fù)性誤差小于350%，可以用來(lái)測(cè)定土壤中的全氮含量[55]。章海亮等為了快速對(duì)土壤的總氮含量進(jìn)行預(yù)測(cè)，使用USB4000型分析儀分別對(duì)未過(guò)篩、過(guò)2 mm篩、過(guò)05 mm篩處理的樣品進(jìn)行總氮含量分析，結(jié)果表明對(duì)過(guò)0.5 mm篩處理的樣本預(yù)測(cè)結(jié)果最好[56]。

土壤有機(jī)質(zhì)是指土壤含碳有機(jī)物，對(duì)土壤肥力有極其重要的影響[57]。Li等選取231個(gè)土壤樣本，通過(guò)Luminar5030型光譜儀結(jié)合PLS對(duì)土壤有機(jī)質(zhì)含量、pH值等建立模型，研究表明該光譜儀對(duì)有機(jī)質(zhì)含量和pH值的預(yù)測(cè)性好[58]。張征立等應(yīng)用microNIR1700型便攜式光譜儀測(cè)量桑園土壤有機(jī)質(zhì)（SOM）含量，發(fā)現(xiàn)便攜式光譜儀可以快速分析土壤中的SOM含量[59]。胡曉艷等選用350～2 500 nm 波段的ASDField-spec3型光譜儀，采集山西省太原等地50個(gè)土壤樣本作為研究有機(jī)質(zhì)含量的對(duì)象，并利用偏最小二乘法建立模型，發(fā)現(xiàn)經(jīng)過(guò)水分修正系數(shù)（MDI）校正后的預(yù)測(cè)結(jié)果更加精確[60]。Sharififar等使用AgrispecTM （ASD）和NeospectraTM型光譜儀對(duì)土壤有機(jī)碳和總碳含量進(jìn)行分析，通過(guò)立體樹(shù)模型、偏最小二乘回歸、支持向量機(jī)建立模型，發(fā)現(xiàn)使用ASD型光譜儀結(jié)合立體樹(shù)建立的模型效果最好[61]。

由環(huán)境污染引起土壤中重金屬的不斷累積，會(huì)通過(guò)動(dòng)植物進(jìn)入人體，嚴(yán)重影響人類(lèi)健康。程航等將湖北省濕地公園土壤作為樣本，在土樣中加入不同濃度不同種類(lèi)的重金屬，使用ASDField-spec3型光譜儀研究重金屬對(duì)土壤反射光譜的影響（選用氯化鉻、氯化鋅、氯化銅3種重金屬），發(fā)現(xiàn)重金屬濃度與樣品反射光譜整體呈負(fù)相關(guān)，最大負(fù)相關(guān)系數(shù)為-0.788、-0.824、-0.880，可見(jiàn)該儀器在分析土壤重金屬方面有很大潛力[62]。土壤的含水率直接影響農(nóng)作物的生長(zhǎng)發(fā)育，決定了灌溉時(shí)間和灌溉量。殷哲等以紫土為試驗(yàn)對(duì)象，利用自主設(shè)計(jì)的近紅外土壤含水率傳感器進(jìn)行研究，對(duì)儀器進(jìn)行標(biāo)定后得出的測(cè)量結(jié)果與干燥法測(cè)出的結(jié)果進(jìn)行對(duì)比分析，兩者的均方根誤差為3.29%，表明其設(shè)計(jì)的儀器可以有效地測(cè)量土壤的含水率[63]。

3.5 便攜式近紅外在農(nóng)業(yè)其他領(lǐng)域的應(yīng)用

近年來(lái)，便攜式近紅外光譜儀不僅在水果、糧食作物、蔬菜、土壤等領(lǐng)域得到了快速應(yīng)用，因其時(shí)效性高、方便快捷等優(yōu)點(diǎn)，便攜式近紅外光譜儀對(duì)藥材、煙草等作物的研究也可以發(fā)揮積極作用（表1）。

藥材作為中藥的原料對(duì)藥效影響深遠(yuǎn)，因此對(duì)其種類(lèi)的區(qū)分以及合格性進(jìn)行鑒定十分重要。Hu等使用microNIR1700型儀器采集光譜數(shù)據(jù)，通過(guò)PCA建立模型，模型的識(shí)別率和拒絕率均為100%，可以順利區(qū)分石斛楓斗種類(lèi)[64]。劉曉慧等通過(guò)microNIR1700型儀器結(jié)合PLS-DA建立白芍合格性的判別模型，結(jié)果顯示模型的識(shí)別率和拒絕率均達(dá)到100%，表明該儀器可以快速無(wú)損地鑒別白芍的質(zhì)量[65]。煙葉的品質(zhì)直接影響最終產(chǎn)品的口感與價(jià)格，挑選質(zhì)量合格的煙葉并對(duì)其進(jìn)行分級(jí)尤為必要。Zhang等利用手持式DLP近紅外光譜儀對(duì)煙葉深綠病感染程度進(jìn)行分類(lèi)，平均準(zhǔn)確率達(dá)到9543%[66]。Li等采用同款儀器成功完成對(duì)煙葉的分級(jí)，分級(jí)準(zhǔn)確率達(dá)到90%以上[67]。

4 總結(jié)與展望

便攜式近紅外光譜分析儀不僅具有臺(tái)式近紅外光譜儀分析對(duì)象廣泛、效率高、綠色無(wú)損等優(yōu)點(diǎn)，還擁有可以現(xiàn)場(chǎng)分析、價(jià)格低廉等特點(diǎn)。近年來(lái)，便攜式近紅外光譜儀的快速發(fā)展，為水果、糧食作物、蔬菜等農(nóng)產(chǎn)品品質(zhì)評(píng)價(jià)、土壤養(yǎng)分監(jiān)測(cè)及農(nóng)業(yè)種植管理提供了科學(xué)依據(jù)，但如何加快便攜式近紅外光譜技術(shù)在工農(nóng)業(yè)研發(fā)和生產(chǎn)實(shí)際中的應(yīng)用，仍然面臨許多亟待解決的問(wèn)題與挑戰(zhàn)，主要體現(xiàn)在以下3個(gè)方面：第一，建立模型庫(kù)。便攜式近紅外光譜儀在對(duì)樣品進(jìn)行檢測(cè)時(shí)，針對(duì)不同類(lèi)型的樣品和不同型號(hào)的光譜儀需要建立特定的模型。因此需要建立不同領(lǐng)域的模型庫(kù)，同時(shí)還要考慮不同型號(hào)光譜儀模型傳遞的問(wèn)題，提升模型的通用性。第二，提高測(cè)量精度。便攜式近紅外光譜儀雖然可以快速完成對(duì)樣品的分析，但相比于傳統(tǒng)的化學(xué)或物理分析方法，很難對(duì)低濃度樣品進(jìn)行定量分析，且分析結(jié)果的精度不夠高。所以要不斷提高便攜式近紅外光譜儀的測(cè)量精度。第三，儀器微型化。為了滿足各種環(huán)境下對(duì)樣品的測(cè)量分析，便攜式近紅外光譜儀需要不斷向著微型化的方向發(fā)展。這就必須使儀器內(nèi)部各部件高度微型化與集成化，同時(shí)還要考慮是否會(huì)影響儀器的精度和光譜分辨率。目前我國(guó)研制出的便攜式近紅外光譜儀還有許多有待提高的地方，如成本較高、抗干擾性差、信噪比低、能耗大等。因此，我國(guó)的科研院所和企業(yè)應(yīng)該不斷努力，開(kāi)發(fā)出性能更優(yōu)良的產(chǎn)品，使該儀器在農(nóng)業(yè)等領(lǐng)域獲得更廣泛的應(yīng)用。

參考文獻(xiàn)：

[1]梁 亮，楊敏華，劉志霄，等. 雜交稻種品系與真?zhèn)蔚目梢?jiàn)-近紅外光譜鑒別[J]. 激光與紅外，2009，39（4）：407-410.

[2]畢衛(wèi)紅，唐予軍，楊小莉，等. 基于AOFT的便攜式近紅外光譜測(cè)量?jī)x[J]. 激光與紅外，2005，35（5）：345-347.

[3]向賢毅，溫志渝，龍?jiān)俅ǎ? 微型近紅外光譜儀分析系統(tǒng)的研制[J]. 光譜學(xué)與光譜分析，2009，29（8）：2286-2290.

[4]王 俊.智能微型近紅外光纖光譜儀研制[D]. 上海：復(fù)旦大學(xué)，2011.

[5]季緒飛.提高便攜式近紅外光譜儀精度的改進(jìn)研究[D]. 長(zhǎng)春：吉林大學(xué)，2016.

[6]何文馨，溫志渝，周 穎.實(shí)用化微型近紅外光譜分析儀的設(shè)計(jì)與性能測(cè)試[J]. 激光與光電子學(xué)進(jìn)展，2017，54（6）：322-329.

[7]張 寬.EXPEC 1230便攜式近紅外分析儀設(shè)計(jì)及分析[D]. 杭州：浙江理工大學(xué)，2018.

[8]張 珮，王銀紅，江 靖，等. 便攜式近紅外光譜儀在果蔬品質(zhì)定性和定量分析中的應(yīng)用[J]. 食品科技，2020，45（5）：287-292.

[9]鄭志忠，陳春霞，修連存.便攜式野外現(xiàn)場(chǎng)近紅外地物光譜儀研究與測(cè)試[J]. 現(xiàn)代科學(xué)儀器，2008（2）：25-28.

[10]胡愛(ài)琴，袁洪福，薛 崗，等. 近紅外光譜用于干粉滅火劑有效成分含量測(cè)定及種類(lèi)識(shí)別的快速方法研究[J]. 光譜學(xué)與光譜分析，2012，32（8）：2135-2138.

[11]Pügner T，Knobbe J，Grüger H，et al. Realization of a hybrid-integrated MEMS scanning grating spectrometer[C]//Next-Generation Spectroscopic Technologies Conference.Bellingham，2012.

[12]Anderberg V.Near infrared spectroscopy for measuring optical parameters in flour and grain[D]. Sweden：Lund University，2009.

[13]Qin H，Ma J Y，Chen S J，et al. Identification of haploid maize kernel using nir spectroscopy in reflectance and transmittance modes：a comparative study[J]. Spectroscopy and Spectral Analysis，2016，36（1）：292-297.

[14]許家林.基于DMD的阿達(dá)瑪變換近紅外光譜儀關(guān)鍵技術(shù)研究[D]. 長(zhǎng)春：中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，2017.

[15]Emadi A，Wu H，Grabarnik S，et al. Fabrication and characterization of IC-Compatible Linear Variable Optical Filters with application in a micro-spectrometer[J]. Sensors and Actuators（A：Physical），2010，162（2）：400-405.

[16]馮 幫，陳 斌，顏 輝.微型近紅外光譜儀的軟件開(kāi)發(fā)與實(shí)驗(yàn)[J]. 分析儀器，2014（3）：7-12.

[17]劉 珂，劉保國(guó)，張運(yùn)森.近紅外光譜分析技術(shù)及應(yīng)用研究[J]. 河南工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，30（1）：88-93.

[18]劉建學(xué)，尹曉慧，韓四海，等. 便攜式近紅外光譜儀研究進(jìn)展[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2019，53（4）：662-670.

[19]庾 繁，溫 泉，雷宏杰，等. 微型近紅外光譜儀關(guān)鍵技術(shù)研究進(jìn)展[J]. 激光與光電子學(xué)進(jìn)展，2018，55（10）：30-36.

[20]楊 行.AOTF近紅外光譜儀中信號(hào)檢測(cè)的研究與設(shè)計(jì)[D]. 成都：電子科技大學(xué)，2015.

[21]高明輝，林潔瓊，廉鳳慧，等. 基于AOTF的便攜式近紅外光譜測(cè)量?jī)x的研制[J]. 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，29（3）：314-318.

[22]張 惠，臧恒昌，姜? 瑋.微型近紅外光譜分析儀發(fā)展概述[C]//2013年中國(guó)藥學(xué)大會(huì)暨第十三屆中國(guó)藥師周論文集.南寧：中國(guó)藥學(xué)會(huì)，2013：2013-2019.

[23]孫紅敏，金慶誼，李曉明，等. 基于ARM的近紅外原料奶成分檢測(cè)設(shè)備研發(fā)[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014，45（8）：103-109，123.

[24]張靖杭.模板修飾基于DMD阿達(dá)瑪變換近紅外光譜儀性能優(yōu)化研究[D]. 長(zhǎng)春：東北師范大學(xué)，2018.

[25]Xiao X E，Hou Y Y，Du J，et al. Determination of vitamins B 2，B 3，B 6 and B 7 in corn steep liquor by NIR and PLSR[J]. Transactions of Tianjin University，2012，18（5）：372-377.

[26]楊 帆，李雅婷，顧 軒，等. 便攜式近紅外光譜儀測(cè)定蘋(píng)果酸度和抗壞血酸的研究[J]. 光譜學(xué)與光譜分析，2011，31（9）：2386-2389.

[27]王加華，戚淑葉，湯智輝，等. 便攜式近紅外光譜儀的蘋(píng)果糖度模型溫度修正[J]. 光譜學(xué)與光譜分析，2012，32（5）：1431-1434.

[28]Beghi R，Spinardi A，Bodria L，et al. Apples nutraceutic properties evaluation through a visible and near-infrared portable system[J]. Food and Bioprocess Technology，2013，6（9）：2547-2554.

[29]雷 鷹，劉翠玲，周子彥.應(yīng)用便攜式近紅外光譜儀研究蘋(píng)果糖度的快速分析模型[J]. 食品科學(xué)技術(shù)學(xué)報(bào)，2018，36（6）：95-100.

[30]李偉強(qiáng). 便攜式獼猴桃糖度無(wú)損檢測(cè)儀的研發(fā)[D]. 楊凌：西北農(nóng)林科技大學(xué)，2017.

[31]肖 慧，孫 柯，屠 康，等. 便攜式葡萄專(zhuān)用可見(jiàn)-近紅外光譜檢測(cè)儀器開(kāi)發(fā)與實(shí)驗(yàn)[J]. 食品科學(xué)，2019，40（8）：300-305.

[32]Cayuela J A，Weiland C. Intact orange quality prediction with two portable NIR spectrometers[J]. Postharvest Biology and Technology，2010，58（2）：113-120.

[33]秦善知，陳 斌，陸道禮，等. 基于便攜式近紅外光譜儀檢測(cè)梨可溶性固形物[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（8）：284-286.

[34]原 帥，張 娟，劉美娟，等. 便攜式光譜儀對(duì)櫻桃糖度檢測(cè)的研究[J]. 煙臺(tái)大學(xué)學(xué)報(bào)（自然科學(xué)與工程版），2016，29（1）：18-21.

[35]羅 霞，洪添勝，羅 闊，等. 近紅外光譜技術(shù)無(wú)損檢測(cè)火龍果有效酸度[J]. 現(xiàn)代食品科技，2016，32（7）：276-282.

[36]Li M，Han D H，Liu W. Non-destructive measurement of soluble solids content of three melon cultivars using portable visible/near infrared spectroscopy[J]. Biosystems Engineering，2019，188：31-39.

[37]Jha S N，Narsaiah K，Jaiswal P，et al. Nondestructive prediction of maturity of mango using near infrared spectroscopy[J]. Journal of Food Engineering，2014，124：152-157.

[38]Pérez-Marín D，Paz P，Guerrero J E，et al. Miniature handheld NIR sensor for the on-site non-destructive assessment of post-harvest quality and refrigerated storage behavior in plums[J]. Journal of Food Engineering，2010，99（3）：294-302.

[39]Camps C，Christen D.Non-destructive assessment of apricot fruit quality by portable visible-near infrared spectroscopy[J]. LWT-Food Science and Technology，2009，42（6）：1125-1131.

[40]覃 鴻，馬競(jìng)一，陳紹江，等. 基于近紅外光譜與透射光譜的玉米單倍體鑒別比較研究[J]. 光譜學(xué)與光譜分析，2016，36（1）：292-297.

[41]史增芳，姜巖蕾.一種便攜式玉米葉片含水檢測(cè)儀器設(shè)計(jì)[J]. 農(nóng)機(jī)化研究，2016，38（8）：96-100.

[42]王 旭，張鳳清，林家永，等. 便攜式近紅外谷物分析儀快速測(cè)定小麥蛋白質(zhì)的研究[J]. 糧食與飼料工業(yè)，2012（1）：13-17.

[43]Ecarnot M，Compan F，Roumet P.Assessing leaf nitrogen content and leaf mass per unit area of wheat in the field throughout plant cycle with a portable spectrometer[J]. Field Crops Research，2013，140：44-50.

[44]孫 陽(yáng)，劉翠玲，孫曉榮，等. 基于便攜式近紅外光譜儀的面粉品質(zhì)快速篩查方法研究[J]. 食品科技，2020，45（10）：267-272.

[45]江 輝，劉 通，陳全勝.基于嗅覺(jué)和光譜技術(shù)融合的面粉脂肪酸值定量檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2021，52（2）：340-345.

[46]劉亞超，李永玉，彭彥昆，等. 便攜式大米多品質(zhì)參數(shù)無(wú)損檢測(cè)儀設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（8）：351-357.

[47]鄒 濤，蘭樹(shù)明，閻 巍，等. 基于便攜式近紅外光譜儀的大豆蛋白波長(zhǎng)優(yōu)選[J]. 分析儀器，2019（3）：94-99.

[48]Pan L Q，Zhu Q B，Lu R F，et al. Determination of sucrose content in sugar beet by portable visible and near-infrared spectroscopy[J]. Food Chemistry，2015，167：264-271.

[49]Camps C，Simoné C，Gilli C.Assessment of tomato quality using portable nir spectroscopy and plsr with wavelengths selection[J]. Acta Horticulturae，2012（936）：437-442.

[50]王 凡，李永玉，彭彥昆，等. 便攜式番茄多品質(zhì)參數(shù)可見(jiàn)/近紅外檢測(cè)裝置研發(fā)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33（19）：295-300.

[51]陳 斌，盧 丙，陸道禮.基于微型近紅外光譜儀的油菜籽含油率模型參數(shù)優(yōu)化研究[J]. 現(xiàn)代食品科技，2015，31（8）：286-292，267.

[52]王春峰，白志杰，孫武堅(jiān)，等. 基于微型近紅外光譜儀油菜籽粗脂肪與粗蛋白校正模型的建立[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，44（3）：541-545.

[53]Pérez-Marín D，Torres I，Entrenas J A，et al. Pre-harvest screening on-vine of spinach quality and safety using NIRS technology[J]. Spectrochimica Acta Part A：Molecular and Biomolecular Spectroscopy，2019，207：242-250.

[54]Torres I，Sánchez M T，Entrenas J A，et al. Monitoring quality and safety assessment of summer squashes along the food supply chain using near infrared sensors[J]. Postharvest Biology and Technology，2019，154：21-30.

[55]安曉飛，李民贊，鄭立華，等. 便攜式土壤全氮測(cè)定儀性能研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（增刊1）：283-288.

[56]章海亮，何 勇.便攜式短波近紅外光譜儀器檢測(cè)土壤總氮含量研究[J]. 光譜學(xué)與光譜分析，2016，36（1）：91-95.

[57]朱傳梅，王宏衛(wèi)，謝 霞，等. 基于光譜指數(shù)和機(jī)器學(xué)習(xí)的土壤有機(jī)質(zhì)含量反演[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（22）：233-241.

[58]Li Y F，Wang D C，Zhang D Y，et al. The detection of soil parameters by portable near infrared spectrometer[J]. Applied Mechanics and Materials，2011，128/129：718-726.

[59]張征立，第丹丹，蕭王文，等. 應(yīng)用微型近紅外光譜儀快速檢測(cè)桑園土壤有機(jī)質(zhì)含量的方法[J]. 蠶業(yè)科學(xué)，2018，44（6）：923-928.

[60]胡曉艷，崔 旭，韓小平，等. 基于修正系數(shù)法的抗水分干擾土壤有機(jī)質(zhì)近紅外預(yù)測(cè)模型研究[J]. 光譜學(xué)與光譜分析，2019，39（4）：1059-1062.

[61]Sharififar A，Singh K，Jones E，et al. Evaluating a low-cost portable NIR spectrometer for the prediction of soil organic and total carbon using different calibration models[J]. Soil Use and Management，2019，35（4）：607-616.

[62]程 航，萬(wàn) 遠(yuǎn)，陳奕云，等. 部分土壤重金屬可見(jiàn)-近紅外反射光譜特征及機(jī)理研究[J]. 光譜學(xué)與光譜分析，2018，38（3）：771-778.

[63]殷 哲，雷廷武，董月群. 近紅外土壤含水率傳感器設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（7）：73-77，72.

[64]胡 甜，楊海龍，湯 清，等. 微型近紅外光譜技術(shù)快速鑒別霍山石斛種類(lèi)[J]. 光譜學(xué)與光譜分析，2014，34（10）：2808-2814.

[65]劉曉慧，孫巧鳳，胡 甜，等. 微型近紅外光譜技術(shù)在白芍快速檢驗(yàn)方面的應(yīng)用[J]. 食品與藥品，2018，20（2）：110-113.

[66]Zhang J Q，Liu Y，He Y F，et al. Characterization of deep green infection in tobacco leaves using a hand-held digital light projection based near-infrared spectrometer and an extreme learning machine algorithm[J]. Analytical Letters，2020，53（14）：2266-2277.

[67]Li R D，Zhang X B，Li K Q，et al. Nondestructive and rapid grading of tobacco leaves by use of a hand-held near-infrared spectrometer，based on a particle swarm optimization-extreme learning machine algorithm[J]. Spectroscopy Letters，2020，53（9）：685-691.