便攜式近紅外光譜儀及其在農業中的應用現狀

王永 楊國耀 喬俊峰 范興 楊博 李昀欣 農永紅 楊梅 資文華

摘要：便攜式近紅外光譜分析技術因具有檢測速度快、范圍廣、無損、價格低廉等優點，已被廣泛應用于工業、農業、醫藥、食品等領域。為全面認識便攜式近紅外光譜儀及其在農業中的應用現狀，歸納便攜式近紅外光譜儀的主要構成與類型，基于光路結構差異性闡述光柵掃描型、濾光片型、傅里葉變換型、聲光可調濾波器型、微機電型光譜儀的基本原理與特點，并針對便攜式近紅外光譜儀在農業領域中的應用，重點總結便攜式近紅外光譜分析技術在水果、糧食作物、蔬菜、土壤及農業其他領域中的應用研究進展，探討便攜式近紅外光譜儀在模型構建、測量精度、儀器微型化方面所面臨的問題與挑戰，進而提出改進措施，旨在為農產品的品質評價及種植管理提供參考。

關鍵詞：便攜式近紅外光譜儀;農業;應用現狀;類型;原理;措施

中圖分類號：S127 ??文獻標志碼： A

文章編號：1002-1302（2022）07-0010-08

近紅外分析技術因具有成本低、分析速度快、無損、重現性好等優點，在農業、醫藥、化工等領域得到了廣泛運用[1-2]。近年來，微機電技術的發展、光譜分析技術的改進和大數據技術的應用，使近紅外光譜儀不斷向簡捷化、精準化、智能化方向發展，尤其是便攜式近紅外光譜儀的設計與開發，極大地提高了檢測的時效性。國外對便攜式近紅外光譜儀的研發技術相對成熟，多家公司生產出的便攜式近紅外光譜儀已可以實際應用，如美國捷迪訊通訊技術有限公司（JDSU）生產的microNIR 1700型光譜儀、Thermo Fisher公司生產的microPHAZIRTM型光譜儀、Foss公司生產的In-fratecsofia型光譜儀、LLA Instruments公司生產的UniSPEC 4024型光譜儀等。我國對便攜式光譜儀的研制起步較晚，但這些年在我國科研工作者的努力下也獲得了許多進展，如2009年向賢毅等研制的便攜式近紅外樣機性能與國外產品十分接近[3]。2011年王俊制造的分析儀測試速度快、體積小、信噪比高[4]。2016年季緒飛對PISA-S-4N型便攜式近紅外光譜儀的精度進行改進，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行石油勘探難的問題，開發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型分析儀改進為EXPEC 1230型便攜式光譜儀[7]。盡管我國加快了便攜式近紅外光譜儀的研發步伐，但儀器在信噪比、分辨率等方面和國外還存在一定差距，需要不斷加強對儀器性能的優化。因此，本研究歸納總結便攜式近紅外光譜儀的構成、類型及其在農業中的應用現狀，并提出便攜式近紅外光譜技術在工農業研發和生產實際中面臨的問題與挑戰，以促進便攜式近紅外光譜技術的不斷改進和升級。

1 便攜式近紅外光譜儀的構成

便攜式近紅外光譜儀主要由光源、分光系統、檢測器、數據采集與處理系統構成（圖1）。

便攜式近紅外光譜儀當中的光源一般為鹵鎢燈，具有體積小、使用時間長、發光效能高等特點，但其功耗較大。分光系統中包含準直系統和色散系統，由樣品反射的光經準直系統得到平行光，平行光在進入色散系統前需先通過狹縫，狹縫越大，成像越粗糙，分辨率越低，但是狹縫過小會造成所透過的光能量少，因此需根據實際應用來考慮狹縫尺寸。色散系統的主要功能是將進入的平行光分解成單色光，而色散率直接影響分辨率，因此色散系統是分光系統中最重要的部分。檢測器由光敏元件構成，大部分便攜式近紅外光譜儀所選擇的都是硅基檢測器，檢測器的主要作用在于實現光信號到電信號的有效轉變。數據采集系統主要負責接收檢測器發出的電信號，將電信號轉化為光譜圖像并設置光譜的各項參數，如光譜的波長、掃描頻率等。數據處理系統的作用是將采集到的光譜進行分析處理，從而實現對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

基于光路結構的不同，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、聲光可調濾波器型、微機電型五大類[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過入射狹縫后由準直鏡準直，再通過光柵的轉動將其分為波長各不相同的單色光，單色光穿過出射狹縫作用于樣品，最后由探測器接收。光柵掃描型近紅外光譜儀理見圖2，該類儀器具有分辨率高、成本低等優點，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），由于濾光片對光具有選擇透過性，當入射光經過濾光片時會將復合光分為不同波長的光，這種光譜儀牢固耐用、采集光譜快，但波長波動幅度大、通用性差。

濾光片型研制具有代表性的是美國捷迪訊通訊技術有限公司（JDSU）生產的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、農業領域[13]。中國科學院長春光學精密機械與物理研究所設計的濾光片型光譜儀光譜范圍為600～1 000 nm，主要應用在食品與農業領域[14]。此外，2010年Emadi 等成功開發出一款波長范圍為1 800～2 800nm的濾光片光譜儀[15]，2014年馮幫等研發的光譜儀波長范圍為950～1 650 nm，且分辨率可以達到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），光源射出的光通過準直鏡變為平行光，平行光被45°角的分光板分為兩半，一半被分光板反射到反射鏡A，另一半穿過分光板射入反射鏡B， 最終經過反射匯合在一起， 變成相干光， 利用計算機采集相干光并進行傅里葉變換即可獲得相應的光譜圖[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。

無錫迅杰光遠科技有限公司研發的IAS3000型光譜儀的波長范圍為1 400～2 450 nm，主要用于液體樣品的測量。此外，熒颯光學科技（上海）有限公司等也研制出技術較成熟的傅里葉型光譜儀[18]。在國外，埃及Si-Ware-Systems公司推出了應用于食品行業的NeoSpectra Micro型光譜儀，還有日本的濱松光子學商貿（中國）有限公司、瑞士ARCoptix公司等[19]。

2.4 聲光可調濾波器型

聲光可調濾波器是一種利用聲光效應來進行分光的分光元件，其核心部件是聲光可調濾波器（圖5），當聲光可調濾波器接收到特定頻率的驅動信號時，會將入射的復合光轉換為一定波長的單色光，由于驅動信號頻率與單色光相互對應，因此只要改變驅動頻率就可以掃描特定波長的單色光[20]。聲波可調濾波器波長轉換速度快、光通量大、信噪比高，但其晶體受溫度影響大且價格高昂[21]。

美國Brimrose公司研發的Luminar5030型便攜式光譜和賽默飛世爾科技公司生產的microPHAZIR型光譜儀都是聲光可調濾波器型[22]。此外，東北農業大學孫紅敏等還設計出用于檢測原料奶成分的聲波可調濾波型光譜儀[23]。

2.5 微機電型

微機電型光譜儀是一種結合微機電系統的光譜儀，微機電系統是將儀器元件高度集成化到微米級的機械系統，微機電型根據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，當光照射到芯片上，會將其反射到探測器，可通過調節微鏡轉動來獲取各單色光。濾波器型儀器利用多光束干涉原理，以調節共振腔的長度來改變光的波長。可編程光柵型儀器利用程序控制光柵結構單元來改變衍射光的能量分布，最終達到分光效果。

北京華夏科創儀器技術有限公司推出的光譜儀信噪比好，可進行工業現場試驗[24]。Axsun公司生產的Integraspe型光譜儀集成度高、耗能少檢測速度快[25]。但相比于其他種類的光譜儀，微機電型光譜儀在波長準確性和分辨率上稍微遜色。

3 便攜式近紅外光譜儀在農業中的應用

3.1 便攜近紅外光譜儀在水果檢測中的應用

隨著我國生活質量的提高，消費者對于水果品質的要求不斷提升，然而我國人工結合機械的傳統檢測方法效率低，很難滿足市場需求，因此對水果進行快速無損檢測已成為亟須解決的問題。近年來，便攜式近紅外光譜儀的出現，在水果物化性質（如可溶性固形物含量、酸度、硬度等）檢測、成熟度評判、品種區分等方面提供了極大的便利。

水果物化性質是評價其品質的關鍵因素，使用便攜式近紅外光譜儀可以快速無損地檢測出水果的各項物化性質，大大減少檢測時間和成本。楊帆等選用supNIR-1000型光譜儀對蘋果的酸度和抗壞血酸含量進行研究，利用kernel lsomap算法并結合廣義回歸神經網絡建立模型，發現蘋果酸度模型的校正集相關系數（ R ?c）與預測集相關系數（ R ?p）值分別為0.999 4、0.979 9，蘋果抗壞血酸模型的 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定蘋果的酸度和抗壞血酸含量[26]。此外，王加華等也對蘋果的糖度、可溶性固形物（SSC）含量、果肉硬度、總酚含量等進行研究，進一步證明便攜式近紅外光譜儀可以有效檢測出蘋果的各項物化性質[27-29]。除了蘋果，便攜式近紅外光譜儀對獼猴桃、葡萄、柑橘等水果的物化性質檢測也發揮了較大作用。李偉強通過自主設計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、單果質量、果汁體積等，證明便攜式近紅外光譜儀檢測的可行性[32]。秦善知等通過NIR256-22T2 型光譜儀對梨的SSC含量成功預測[33]。原帥等使用Avaspec-2048TEC型近紅外光譜儀有效地檢測出櫻桃糖度[34]。羅霞等采用FieldSpec3型便攜式光譜儀，對火龍果的酸度進行分析，驗證了便攜式近紅外光譜儀的實用性[35]。Li等使用USB2000型便攜式光譜儀對香瓜SSC含量進行研究，發現香瓜的柱體末端是預測完整瓜體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，目前對水果成熟度的評判很大程度上依賴于人工主觀判斷，容易造成水果經濟效益低、消費體驗差等問題。Jha等選取來自印度不同地域的7種芒果作為研究成熟度的樣本，通過Luminar5030型便攜式光譜儀對樣本進行掃描，選擇1 200～2 200 nm波段用PLS建立模型進行分析，發現便攜式近紅外光譜儀在對芒果成熟度的預測中具有很大潛力[37]。

同一水果的品種多種多樣，不同的品種在口感和價位方面有較大差距，消費者在對品種選擇時依據的主要是自身經驗，不能有效地選取適宜的品種類型，時常會造成體驗感差以及經濟損失。Pérez-Marín等采用6個不同品種的李子共264個樣本，通過Phazir 2400型光譜儀獲取光譜信息并結合PLS建立模型，發現對李子品種的識別準確率均在90%以上，進一步驗證了該光譜儀對品種區分的可行性[38]。此外，Camps等通過Ocean optics S-2000型光譜儀成功對杏的品種進行分類[39]。

3.2 便攜近紅外光譜儀在糧食作物檢測中的應用

糧食作為人類生存的必需品對于各個產業影響深遠，充足的糧食也是一個國家穩定的前提之一，因此糧食作物一直是農業中的重點研究對象。便攜式近紅外光譜儀在玉米、小麥、大米、大豆的檢測中可以發揮重要作用。

玉米不僅作為糧食還作為飼料支持畜牧業發展，并可以通過單倍體育種來提高玉米的產量和質量。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來研究玉米單倍體的鑒別，比較漫反射和漫透反射狀況下對玉米的鑒別效果，發現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別率為93.2%，證明便攜式近紅外光譜儀可以有效無損地鑒別單倍體，為自動識別提供條件[40]。此外，史增芳等用便攜式近紅外光譜儀成功對玉米片含水率進行快速檢測[41]。

小麥是一種常見的谷物，在我國廣泛種植，可以制成各種各樣的人們喜愛的食物。王旭等在全國主要小麥產地選取104份小麥樣品，使用國產Sup NIR-2750型便攜式光譜儀選取1 000～1 799 nm 的波段范圍對樣品進行研究，用偏最小二乘法建立模型，發現蛋白質的化學值與預測值的平均絕對偏差只有0.01百分點，證明模型具有很好的預測準確性，可用于快速分析小麥的蛋白質含量[42]。Ecarnot等用Fieldspec2500型光譜儀測定小麥葉片含氮量（LNC）和單位面積葉質量（LMA），結果顯示，選擇的樣品無論是鮮葉還是干葉都能很好地對LNC和LMA進行預測[43]。由小麥加工而成的面粉是制作面食的主要原料，然而市場上面粉質量存在參差不齊、種類繁多等問題，因此對面粉各項指標進行快速檢測就顯得尤為重要。孫陽等選用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據與便攜式近紅外光譜儀相結合對面粉脂肪酸含量進行研究，發現與單技術分析相比，融合技術對脂肪酸含量的預測精度更高[45]。

大米和大豆也是常見的糧食作物，并含有豐富的蛋白質。劉亞超等將52個秈米樣品分為2份，選取42個秈米作為預測樣本，剩下10個作為驗證樣本，使用自主設計的便攜式分析儀對大米含水率、直鏈淀粉質量以及蛋白質含量進行檢測，預測值與標準值的相關系數均在0.9以上，證明該檢測儀的可行性[46]。鄒濤等選取黑龍江地區239個大豆樣品，采用光譜范圍為950～1 650 nm的IAS-2000型光譜儀對大豆樣品的蛋白質含量進行快速表征，通過競爭性自適應權重取樣法（CARS）進行光譜特征波長篩選和PLS建立模型，驗證CARS-PLS建立模型對大豆蛋白質含量測定具有良好的可行性[47]。

3.3 便攜近紅外在蔬菜檢測中的應用

蔬菜是一種營養豐富的綠色食品，含有多種人體必要元素，對預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蔬菜的部分物化性質（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）進行檢測。甜菜分布廣泛，可以用來制作糖，蔗糖含量是其重要性狀。Pan等選取來自于不同商業雜交的甜菜樣品，使用便攜式近紅外光譜儀對完整甜菜和切片甜菜蔗糖含量進行研究，通過PLS建立模型發現便攜式近紅外光譜儀可以很好地預測切片甜菜蔗糖含量。番茄具有味道可口、營養價值高等特點以及一定的抗衰老作用，是餐桌上常見的蔬菜之一[48]。Camps等為了快速評價番茄品質，使用PHASIR0917型光譜儀結合PLSR建立模型，發現該儀器可以準確測定番茄的SSC含量和硬度[49]。王凡等研發了一款便攜式番茄多品質近紅外檢測裝置，用PLS建立模型來預測番茄的顏色、總糖含量、總酸含量，模型的預測值與實測值的相關系數均在0.9以上，表明該便攜式分析儀可以對番茄進行快速無損的檢測。油菜籽是制作菜籽油的原料，含油率是對其品質評價的重要指標[50]。陳斌等使用microNIR-1700光譜儀對油菜籽含油率進行研究，并用偏最小二乘回歸（PLSR）和最小二乘-支持向量機（LS-SVM）建立模型，同時對模型進行一系列參數優化研究，結果顯示所建模型性能良好[51]。除了油菜籽的含油率外，油菜籽的蛋白質含量也是品質評價的重要因素。王春峰等采用N100型便攜式光譜儀對油菜籽的粗脂肪與粗蛋白質進行檢測，使用PLS建立模型并與FOSS6500型儀器進行對比，發現N100型便攜式光譜儀對粗脂肪含量的預測優于FOSS6500型儀器，而對粗蛋白質含量的預測稍遜，綜合分析來看這2臺儀器的預測精度相差不大[52]。

蔬菜中的硝酸鹽含量超過一定量就會造成中毒現象，因此對蔬菜檢測時還需要考慮硝酸鹽的含量。菠菜含有豐富的植物蛋白質和纖維素，且具有治療貧血的功效，但菠菜中還含有對人體有害的硝酸鹽。Pérez-Marín等選取波長范圍為1 600～2 400 nm 的Phazir 2400型便攜式光譜儀對菠菜進行快速檢測，采用改進過的偏最小二乘（MPLS）回歸模型對菠菜葉片硝酸鹽、抗壞血酸和可溶性固形物含量進行分析，結果驗證了利用近紅外光譜技術對菠菜中這些物質含量分析的可行性[53]。西葫蘆富含維生素、礦物質和微量元素，其熱量極低，但西葫蘆同樣含有硝酸鹽。Torres等以230個西葫蘆為試材，采取microNIR-1700型便攜式光譜儀對西葫蘆的硝酸鹽含量、干物質以及SSC含量進行預測，發現便攜式近紅外光譜儀也可以對西葫蘆的品質快速進行現場在線分析[54]。

3.4 便攜近紅外光譜儀在土壤檢測中的應用

土壤是農作物生長發育的“搖籃”，對農作物產量及質量有重要影響，因此在發展農業中對土壤成分的檢測是必不可少的。便攜式近紅外光譜儀在對土壤成分的檢測時主要集中在土壤全氮含量、有機質含量、pH值、重金屬含量、含水率等方面。

土壤全氮含量是指土壤內多種形態的氮素含量之和，測量土壤全氮含量對衡量土壤肥力、科學種植施肥以及土壤修復意義重大。安曉飛等使用自主設計開發的便攜式近紅外土壤全氮測定儀進行測定，以玉米地采集的樣本為研究對象，選用 940～1 550 nm的光譜范圍，采取BP神經網絡建立模型對土壤全氮含量進行快速分析，發現自主設計的儀器準確性和穩定性良好，重復性誤差小于350%，可以用來測定土壤中的全氮含量[55]。章海亮等為了快速對土壤的總氮含量進行預測，使用USB4000型分析儀分別對未過篩、過2 mm篩、過05 mm篩處理的樣品進行總氮含量分析，結果表明對過0.5 mm篩處理的樣本預測結果最好[56]。

土壤有機質是指土壤含碳有機物，對土壤肥力有極其重要的影響[57]。Li等選取231個土壤樣本，通過Luminar5030型光譜儀結合PLS對土壤有機質含量、pH值等建立模型，研究表明該光譜儀對有機質含量和pH值的預測性好[58]。張征立等應用microNIR1700型便攜式光譜儀測量桑園土壤有機質（SOM）含量，發現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個土壤樣本作為研究有機質含量的對象，并利用偏最小二乘法建立模型，發現經過水分修正系數（MDI）校正后的預測結果更加精確[60]。Sharififar等使用AgrispecTM （ASD）和NeospectraTM型光譜儀對土壤有機碳和總碳含量進行分析，通過立體樹模型、偏最小二乘回歸、支持向量機建立模型，發現使用ASD型光譜儀結合立體樹建立的模型效果最好[61]。

由環境污染引起土壤中重金屬的不斷累積，會通過動植物進入人體，嚴重影響人類健康。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的重金屬，使用ASDField-spec3型光譜儀研究重金屬對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），發現重金屬濃度與樣品反射光譜整體呈負相關，最大負相關系數為-0.788、-0.824、-0.880，可見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作物的生長發育，決定了灌溉時間和灌溉量。殷哲等以紫土為試驗對象，利用自主設計的近紅外土壤含水率傳感器進行研究，對儀器進行標定后得出的測量結果與干燥法測出的結果進行對比分析，兩者的均方根誤差為3.29%，表明其設計的儀器可以有效地測量土壤的含水率[63]。

3.5 便攜式近紅外在農業其他領域的應用

近年來，便攜式近紅外光譜儀不僅在水果、糧食作物、蔬菜、土壤等領域得到了快速應用，因其時效性高、方便快捷等優點，便攜式近紅外光譜儀對藥材、煙草等作物的研究也可以發揮積極作用（表1）。

藥材作為中藥的原料對藥效影響深遠，因此對其種類的區分以及合格性進行鑒定十分重要。Hu等使用microNIR1700型儀器采集光譜數據，通過PCA建立模型，模型的識別率和拒絕率均為100%，可以順利區分石斛楓斗種類[64]。劉曉慧等通過microNIR1700型儀器結合PLS-DA建立白芍合格性的判別模型，結果顯示模型的識別率和拒絕率均達到100%，表明該儀器可以快速無損地鑒別白芍的質量[65]。煙葉的品質直接影響最終產品的口感與價格，挑選質量合格的煙葉并對其進行分級尤為必要。Zhang等利用手持式DLP近紅外光譜儀對煙葉深綠病感染程度進行分類，平均準確率達到9543%[66]。Li等采用同款儀器成功完成對煙葉的分級，分級準確率達到90%以上[67]。

4 總結與展望

便攜式近紅外光譜分析儀不僅具有臺式近紅外光譜儀分析對象廣泛、效率高、綠色無損等優點，還擁有可以現場分析、價格低廉等特點。近年來，便攜式近紅外光譜儀的快速發展，為水果、糧食作物、蔬菜等農產品品質評價、土壤養分監測及農業種植管理提供了科學依據，但如何加快便攜式近紅外光譜技術在工農業研發和生產實際中的應用，仍然面臨許多亟待解決的問題與挑戰，主要體現在以下3個方面：第一，建立模型庫。便攜式近紅外光譜儀在對樣品進行檢測時，針對不同類型的樣品和不同型號的光譜儀需要建立特定的模型。因此需要建立不同領域的模型庫，同時還要考慮不同型號光譜儀模型傳遞的問題，提升模型的通用性。第二，提高測量精度。便攜式近紅外光譜儀雖然可以快速完成對樣品的分析，但相比于傳統的化學或物理分析方法，很難對低濃度樣品進行定量分析，且分析結果的精度不夠高。所以要不斷提高便攜式近紅外光譜儀的測量精度。第三，儀器微型化。為了滿足各種環境下對樣品的測量分析，便攜式近紅外光譜儀需要不斷向著微型化的方向發展。這就必須使儀器內部各部件高度微型化與集成化，同時還要考慮是否會影響儀器的精度和光譜分辨率。目前我國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，我國的科研院所和企業應該不斷努力，開發出性能更優良的產品，使該儀器在農業等領域獲得更廣泛的應用。

參考文獻：

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

[2]畢衛紅，唐予軍，楊小莉，等. 基于AOFT的便攜式近紅外光譜測量儀[J]. 激光與紅外，2005，35（5）：345-347.

[3]向賢毅，溫志渝，龍再川，等. 微型近紅外光譜儀分析系統的研制[J]. 光譜學與光譜分析，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：復旦大學，2011.

[5]季緒飛.提高便攜式近紅外光譜儀精度的改進研究[D]. 長春：吉林大學，2016.

[6]何文馨，溫志渝，周 穎.實用化微型近紅外光譜分析儀的設計與性能測試[J]. 激光與光電子學進展，2017，54（6）：322-329.

[7]張 寬.EXPEC 1230便攜式近紅外分析儀設計及分析[D]. 杭州：浙江理工大學，2018.

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

[9]鄭志忠，陳春霞，修連存.便攜式野外現場近紅外地物光譜儀研究與測試[J]. 現代科學儀器，2008（2）：25-28.

[10]胡愛琴，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定及種類識別的快速方法研究[J]. 光譜學與光譜分析，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的阿達瑪變換近紅外光譜儀關鍵技術研究[D]. 長春：中國科學院長春光學精密機械與物理研究所，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發與實驗[J]. 分析儀器，2014（3）：7-12.

[17]劉 珂，劉保國，張運森.近紅外光譜分析技術及應用研究[J]. 河南工業大學學報（自然科學版），2009，30（1）：88-93.

[18]劉建學，尹曉慧，韓四海，等. 便攜式近紅外光譜儀研究進展[J]. 河南農業大學學報，2019，53（4）：662-670.

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

[20]楊 行.AOTF近紅外光譜儀中信號檢測的研究與設計[D]. 成都：電子科技大學，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量儀的研制[J]. 長春工業大學學報（自然科學版），2008，29（3）：314-318.

[22]張 惠，臧恒昌，姜? 瑋.微型近紅外光譜分析儀發展概述[C]//2013年中國藥學大會暨第十三屆中國藥師周論文集.南寧：中國藥學會，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設備研發[J]. 東北農業大學學報，2014，45（8）：103-109，123.

[24]張靖杭.模板修飾基于DMD阿達瑪變換近紅外光譜儀性能優化研究[D]. 長春：東北師范大學，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定蘋果酸度和抗壞血酸的研究[J]. 光譜學與光譜分析，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果糖度模型溫度修正[J]. 光譜學與光譜分析，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.應用便攜式近紅外光譜儀研究蘋果糖度的快速分析模型[J]. 食品科學技術學報，2018，36（6）：95-100.

[30]李偉強. 便攜式獼猴桃糖度無損檢測儀的研發[D]. 楊凌：西北農林科技大學，2017.

[31]肖 慧，孫 柯，屠 康，等. 便攜式葡萄專用可見-近紅外光譜檢測儀器開發與實驗[J]. 食品科學，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梨可溶性固形物[J]. 江蘇農業科學，2014，42（8）：284-286.

[34]原 帥，張 娟，劉美娟，等. 便攜式光譜儀對櫻桃糖度檢測的研究[J]. 煙臺大學學報（自然科學與工程版），2016，29（1）：18-21.

[35]羅 霞，洪添勝，羅 闊，等. 近紅外光譜技術無損檢測火龍果有效酸度[J]. 現代食品科技，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儀器設計[J]. 農機化研究，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定小麥蛋白質的研究[J]. 糧食與飼料工業，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，劉翠玲，孫曉榮，等. 基于便攜式近紅外光譜儀的面粉品質快速篩查方法研究[J]. 食品科技，2020，45（10）：267-272.

[45]江 輝，劉 通，陳全勝.基于嗅覺和光譜技術融合的面粉脂肪酸值定量檢測[J]. 農業機械學報，2021，52（2）：340-345.

[46]劉亞超，李永玉，彭彥昆，等. 便攜式大米多品質參數無損檢測儀設計與試驗[J]. 農業機械學報，2019，50（8）：351-357.

[47]鄒 濤，蘭樹明，閻 巍，等. 基于便攜式近紅外光譜儀的大豆蛋白波長優選[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. 便攜式番茄多品質參數可見/近紅外檢測裝置研發[J]. 農業工程學報，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優化研究[J]. 現代食品科技，2015，31（8）：286-292，267.

[52]王春峰，白志杰，孫武堅，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]. 安徽農業大學學報，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. 便攜式土壤全氮測定儀性能研究[J]. 農業機械學報，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土壤總氮含量研究[J]. 光譜學與光譜分析，2016，36（1）：91-95.

[57]朱傳梅，王宏衛，謝 霞，等. 基于光譜指數和機器學習的土壤有機質含量反演[J]. 江蘇農業科學，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. 應用微型近紅外光譜儀快速檢測桑園土壤有機質含量的方法[J]. 蠶業科學，2018，44（6）：923-928.

[60]胡曉艷，崔 旭，韓小平，等. 基于修正系數法的抗水分干擾土壤有機質近紅外預測模型研究[J]. 光譜學與光譜分析，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 遠，陳奕云，等. 部分土壤重金屬可見-近紅外反射光譜特征及機理研究[J]. 光譜學與光譜分析，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計與試驗[J]. 農業機械學報，2013，44（7）：73-77，72.

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

[65]劉曉慧，孫巧鳳，胡 甜，等. 微型近紅外光譜技術在白芍快速檢驗方面的應用[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.