近紅外光譜實戰(zhàn)寶典

第1章 概述 1
節(jié) 近紅外光譜發(fā)展簡史h 1
第二節(jié) 近紅外光譜的基本原理 3
一、光譜產(chǎn)生機理 3
二、光譜譜帶歸屬簡述 5
三、氫鍵效應 5
四、問題與解答 9
·為什么近紅外光譜主要包含的是含氫基團的信息？  9
·為什么吸收強度弱反而是近紅外光譜的一種技術優(yōu)勢？  9
·近紅外漫反射光譜與物質(zhì)的濃度是線性關系嗎？  9
·哪段近紅外光的穿透性較強？如何利用？  10
·近紅外光譜區(qū)域中哪段光譜包含的化學信息更豐富？  10
·為什么氫鍵（效應）在近紅外光譜中很重要？  11
·為什么近紅外光譜的吸收譜帶較寬？  11
·為什么環(huán)境溫濕度、樣品溫度和含水率對近紅外光譜重現(xiàn)性有明顯的影響？  11
第三節(jié) 近紅外光譜分析與化學計量學方法 11
一、樣品的分組方法及選擇標準 12
二、光譜預處理方法 12  
三、光譜變量選擇方法 13
四、建模方法 14
五、異常值識別與模型優(yōu)化方法 14
六、模型傳遞方法 15
七、問題與解答 16
·為什么近紅外光譜定量或定性分析大多需要化學計量學方法？  16
·校正樣品在建模中的作用是什么？  16
·近紅外光譜數(shù)據(jù)預處理的常用算法有哪些？  16
·在實際應用中導數(shù)及平滑預處理應注意什么？  17
·在實際應用中光譜變量（波段）選擇應注意什么？  17
·近紅外光譜定性、定量建模的常用算法有哪些？  17
·波長變量、主成分分析法（PCA）的主成分數(shù)及偏小二乘法（PLS）潛變量三者有什么差別？  17
·近紅外光譜定量、定性分析從哪些基本數(shù)據(jù)處理方法和建模方法入手？  18
第四節(jié) 近紅外光譜分析的基本流程與特點 18
一、近紅外光譜分析的基本流程與特點 18
二、問題與解答 21
·近紅外光譜與中紅外光譜相比，各有哪些技術優(yōu)勢？  21
·近紅外光譜與拉曼光譜相比，各有哪些技術優(yōu)勢？  21
·近紅外光譜與太赫茲光譜相比，各有哪些技術優(yōu)勢？  21
·近紅外光譜與低場核磁相比，各有哪些技術優(yōu)勢？  22
·近紅外光譜與激光等離子體光譜相比，各有哪些技術優(yōu)勢？  22
·短波和長波近紅外各有什么特點？  22
·哪些場合不適合采用近紅外光譜分析技術？  22
·近紅外光譜分析擅長哪些應用場景？  23
·以近紅外光譜分析為例，如何理解無損分析？  23
第五節(jié) 現(xiàn)代過程分析技術與近紅外光譜技術 23
一、現(xiàn)代過程分析技術簡介 23
二、在線近紅外分析系統(tǒng) 24
三、問題與解答 26
·為什么將近紅外光譜列為現(xiàn)代過程分析技術的主要手段之一？  26  
·使用近紅外光譜分析技術需要具備哪些條件？  26
第六節(jié) 近紅外光譜分析技術展望 26
一、近紅外光譜儀的微型化 27
二、近紅外光譜儀的智能化 29
三、近紅外光譜儀的標準化 30
四、光譜分析技術的現(xiàn)代化 31
參考文獻 34
第2章 近紅外光譜分析儀器 37
節(jié) 近紅外分析儀器基本構成 37
一、光源系統(tǒng) 38
二、分光系統(tǒng) 39
三、樣品室 39
四、檢測器 39
五、控制和數(shù)據(jù)處理系統(tǒng) 40
第二節(jié) 近紅外光譜儀器的分光類型 41
一、濾光片型近紅外分析儀 42
二、光柵分光系統(tǒng) 42
三、傅里葉型分光系統(tǒng) 43
四、阿達瑪變換型系統(tǒng) 46
五、聲光可調(diào)濾光器分光系統(tǒng) 46
六、基于DLP 技術的分光系統(tǒng) 47
七、顯微成像近紅外技術 48
八、高光譜成像近紅外技術 49
第三節(jié) 實驗室用儀器 50
第四節(jié) 便攜式和微小型儀器 51
一、便攜式儀器 51
二、MOEMS 微小型儀器 52
三、微小型近紅外光譜儀器展望 52
第五節(jié) 儀器的性能指標 55
一、波長范圍 55
二、分辨率（光譜帶寬）  56
三、波長準確度 57
四、波長精密度（重復性）  57
五、吸光度噪聲（信噪比）  58
六、吸光度穩(wěn)定性 59
七、吸光度準確性 59
八、雜散光 60
九、問題與解答 60
·影響近紅外光譜儀器噪聲的主要因素有哪些？  60
·衡量近紅外光譜儀器之間一致性的主要指標有哪些？  61
·為什么近紅外光譜儀器的長期穩(wěn)定性很重要？  61
·《中國藥典》對近紅外光譜儀器的性能指標有何要求？ 61
第六節(jié) 近紅外光譜儀器的測量軟件 61
一、儀器控制與管理 62
二、測量分析 62
三、數(shù)據(jù)管理 62
第七節(jié) 儀器的維護及校準 62
一、儀器的維護 62
二、儀器的校準與IQ、OQ 和PQ 63
三、問題與解答 65
·實驗室型近紅外光譜儀器日常維護有哪些？  65
·需要間隔多長時間進行一次近紅外光譜儀器的校準？  66
·氟化鈣分束器與石英分束器的性能有何差異？  66
·氦氖激光器與半導體激光器的性能有何差異？  66
·近紅外光譜分析常用的光源有哪些？  66
·微型CCD 近紅外光譜儀的狹縫如何選擇？與分辨率的關系如何？ 66
·在近紅外定性定量分析中，為什么近紅外光譜儀器的性能穩(wěn)定性、同類型近紅外光譜儀器之間的光學性能一致性很重要？  66
參考文獻 67  
第3章 測量附件與實驗方法 68
節(jié) 近紅外光譜的測量方式 68
一、漫反射測量 69
二、透射測量 70
三、透反射測量 70
四、問題與解答 71
·液體樣本的近紅外光譜通常采用哪些測量方式？  71
·固體樣本的近紅外光譜通常采用哪些測量方式？  71
第二節(jié) 常見的測量附件 71
第三節(jié) 多種類型樣品的采樣及誤差來源 74
一、采樣及誤差來源 74
二、問題與解答 76
·水果測量時應注意哪些問題？  76
·漫反射測量時應注意哪些問題？  76
·近紅外光譜能測量氣體嗎？  76
·使用光纖測量附件應注意哪些問題？  77
·透射測量時應注意哪些問題？  77
·采樣杯、比色池光學材料對光譜重現(xiàn)性有什么影響？  77
·固體粉末粒徑對光譜重現(xiàn)性有何影響？如何提高光譜的重現(xiàn)性？  77
第四節(jié) 光譜采集參數(shù)設置 78
一、光譜采集參數(shù)的設置 78
二、問題與解答 78
·光譜采集參數(shù)如何優(yōu)化？  78
·漫反射和透射測量時，參比光譜如何選?。? 79
·近紅外光譜測量時，吸光度為什么會出現(xiàn)負數(shù)？  79
參考文獻 79
第4章 在線近紅外光譜分析技術 80
節(jié) 在線近紅外光譜分析儀的構成 80
一、硬件 81
二、軟件 82
第二節(jié) 取樣與樣品預處理系統(tǒng) 84
一、取樣點 84
二、取樣探頭和樣品輸送 84
三、樣品預處理系統(tǒng) 85
第三節(jié) 在線測量方式 86
一、液體樣品 87
二、固體樣品 88
三、懸浮液與乳狀液樣品 89
四、問題與解答 89
·在線分析必須使用樣品預處理嗎？  89
·選擇光纖探頭或流通池應注意哪些問題？  89
·采用液體插入式漫反射探頭應注意哪些問題？  90
·探頭的安裝位置應如何選?。? 90
·在線取樣固體時應注意哪些問題？  90
·如何取到與光譜測量對應的在線樣品？  91
·如何實現(xiàn)一臺在線儀器測量多個檢測點？  91
·在線分析校正模型是如何建立的？  91
·光纖的有效傳輸距離有多長？  92
·選擇在線近紅外光譜儀應考慮哪些問題？  92
·制藥企業(yè)對在線分析儀器有哪些特殊要求？  93
·在傳遞帶上對物料進行漫反射測量應注意哪些問題？  93
第四節(jié) 在線工程項目的實施 93
第五節(jié) 在線分析系統(tǒng)的管理與維護 96
一、在線分析系統(tǒng)的管理 96
二、在線分析系統(tǒng)的驗證及其維護 97  
三、問題與解答 99
·國內(nèi)外涉及近紅外光譜分析技術的標準有哪些？  99
·對溫濕度變化大、粉塵大的環(huán)境條件，在線或現(xiàn)場近紅外光譜分析應注意什么？  99
參考文獻 100
第5章 化學計量學方法與建模 101
節(jié) 化學計量學歷史沿革 101
第二節(jié) 樣本分組方法 102
一、隨機分組方法 103
二、KS 分組方法 103
三、SPXY 分組方法 103
四、K 相異性方法 104
第三節(jié) 奇異樣本識別方法 104
一、經(jīng)典識別方法 105
二、穩(wěn)健識別方法 105
三、基于統(tǒng)計學的識別方法 109
第四節(jié) 光譜預處理方法 111
一、背景扣除方法 112
二、散射校正方法 114
三、噪聲去除方法 116
四、尺度縮放方法 118
第五節(jié) 波長選擇方法 118
一、波長點的選擇方法 119
二、波長區(qū)間的選擇方法 126
三、變量加權的方法 126
第六節(jié) 化學模式識別方法 128
一、主成分分析 128
二、系統(tǒng)聚類分析 128  
三、獨立簇類軟模式130
四、偏小二乘-判別分析130
五、人工神經(jīng)網(wǎng)絡130
六、支持向量機131
七、極限學習機131
八、集成化學模式識別132
第七節(jié) 多元校正方法132
一、多元線性回歸133
二、主成分回歸133
三、偏小二乘回歸134
四、支持向量回歸134
五、人工神經(jīng)網(wǎng)絡134
六、極限學習機135
七、深度學習算法135
八、集成多元校正方法135
第八節(jié) 定量分析建模的主要步驟136
一、樣本的選擇136
二、可行性模型的建立138
三、光譜預處理138
四、波長選擇139
五、校正模型的建立139
六、定量模型性能的評價139
七、問題與解答140
·建模的樣本越多越好嗎？ 140
·何為有代表性的樣本？如何選取？ 140
·什么是奇異樣本？ 141
·如何識別建模過程中的奇異樣本？ 141
·建模過程中光譜預處理方法如何選擇？ 141
·建模時先進行光譜預處理還是先選擇波長（波段）？ 142
·建模過程中光譜波長（波段）變量如何選擇？ 142
·同一方法進行（波段）波長選擇，每次（波段）波長選擇結(jié)果不一致，如何處理？  142
·采用小波分析處理近紅外光譜，常用的小波基函數(shù)是哪些？  142
·一般情況下，建模所用的波長變量數(shù)與樣本數(shù)之間需要滿足什么條件？  143
·影響近紅外光譜分析模型的主要因素有哪些？  143
·近紅外光譜預測結(jié)果的準確性能夠超過參考方法嗎？  143
·建模時，何時選用非線性校正方法？如何選取非線性校正方法？  144
·選擇PLS 校正的（適宜）因子數(shù)的方法有哪些？ 144
·提高模型預測準確性的方法有哪些？  145
·提高模型預測穩(wěn)健性的方法有哪些？  145
第九節(jié) 定性分析建模的主要步驟與性能評價 145
一、定性分析建模的主要步驟 145
二、定性模型性能的評價 146
三、問題與回答 147
·近紅外光譜定量和定性分析可以不建模型嗎？  147
·常見的近紅外光譜定性判別分析方法有哪幾類？  148
第十節(jié) 模型傳遞、更新與維護 148
一、模型傳遞 148
二、模型更新與維護 149
三、問題與回答 150
·從PLS 校正過程，如何解釋校正模型的適應性？  150
·為什么要進行模型傳遞？  150
·進行模型傳遞需要哪些條件？在不同分光原理的近紅外光譜儀器上建立的模型可以相互傳遞嗎？  150
·模型傳遞后還需要做哪些工作？  151
·模型如何維護？  151
第十一節(jié) 化學計量學軟件 151
一、化學計量學軟件的主要功能與開發(fā) 151
二、商品化的化學計量學軟件 152
參考文獻 153  
第6章 近紅外光譜技術的應用 159
節(jié) 近紅外光譜技術在農(nóng)業(yè)領域的應用159
一、近紅外光譜技術在糧食中的應用159
二、近紅外光譜技術在水果中的應用161
三、問題與解答162
·近紅外光譜可以檢測種子的發(fā)芽率嗎？ 162
·對大麥、玉米、小麥、豌豆等籽實進行近紅外分析時粉碎與否，對結(jié)果預測準確性有無影響？ 162
·近紅外能否測量小麥中氨基酸的組成含量？ 162
·近紅外光譜在國內(nèi)糧食企業(yè)有哪些應用？ 163
·由于利用不同近紅外光譜技術測定谷物的品質(zhì)結(jié)果不一致，檢測結(jié)果不能得到對方單位認可，導致檢測結(jié)果不能實際使用怎么辦？ 163
·在水果檢測領域為什么一般采用短波近紅外光譜儀？ 164
·水果種類繁多，怎么選擇適合的光譜采集方式？ 164
·可以用近紅外光譜檢測水果成熟度嗎？ 164
·影響近紅外光譜檢測水果品質(zhì)的因素有哪些？ 165
·目前，近紅外光譜在水果產(chǎn)業(yè)的實際應用情況如何？ 165
第二節(jié) 近紅外光譜技術在飼料領域的應用166
一、原料品質(zhì)控制166
二、生產(chǎn)過程控制166
三、問題與解答167
·在實際應用中，采用近紅外光譜儀分析飼料中的水分、蛋白質(zhì)、脂肪、灰分和濕化學法分析有多大誤差？ 167
·在飼料企業(yè)，近紅外光譜在哪些環(huán)節(jié)可以被使用？ 168
·常規(guī)飼料生產(chǎn)企業(yè)選擇近紅外分析儀應注意哪些問題？ 169
·近紅外能測定飼料的代謝能嗎？ 169
·近紅外能測定飼料中的維生素含量嗎？ 170
·飼料企業(yè)，近紅外實際應用有哪些？ 170  
·近紅外光譜分析儀器在飼料應用中有哪些優(yōu)勢？  171
·可以用近紅外光譜分析飼料中鈣、總磷和鹽分嗎？  171
·透射原理的近紅外在飼料行業(yè)應用怎么樣？  171
·應用近紅外技術可以快速測定飼料原料的氨基酸含量嗎？  171
第三節(jié) 近紅外光譜技術在食品領域的應用 172
一、近紅外光譜技術用于食品檢測的優(yōu)勢與不足 172
二、近紅外光譜技術在食品檢測中的應用 173
三、問題與解答 175
·近紅外光譜技術在乳制品檢測中的應用有哪些？  175
·近紅外光譜技術可以檢測乳制品的哪些成分？  176
·對于液態(tài)乳和固態(tài)乳，近紅外檢測方式是什么？  176
·近紅外光譜技術能否檢測乳制品中三聚氰胺和抗生素？檢出限是多少？  176
·近紅外光譜技術能否用于不同品牌奶粉以及液態(tài)奶的鑒別？  176
·近紅外光譜技術能否用于鮮乳、復原乳以及摻有復原乳的鮮乳的鑒別？檢出摻假比例為多少？  177
·近紅外光譜技術能否鑒別奶粉中摻入的大豆蛋白粉和尿素？檢出摻假比例為多少？  177
·近紅外光譜技術能否鑒別不同飼養(yǎng)方式以及擠奶方法下獲得的液體乳？  177
·近紅外光譜技術能否鑒別摻有牛乳的駝乳或羊奶？檢出摻假比例為多少？  178
·乳制品大多存在聚乙烯膜的外包裝，聚乙烯膜包裝對乳制品近紅外檢測是否有影響？  178
·近紅外光譜技術在乳制品檢測中的局限性有哪些？  178
·近紅外光譜技術在茶葉檢測中的應用有哪些？  178
·近紅外光譜技術可以檢測茶葉中的哪些成分？檢測方式是什么？  179
·微型近紅外光譜技術在茶葉檢測中的應用有哪些？  179
·近紅外光譜技術在酒類檢測中的應用有哪些？  179
·近紅外光譜技術可以檢測酒的哪些成分？  180
·酒醅樣品近紅外光譜測定時需要注意什么？  180  
·測試容器是否影響酒類近紅外光譜的檢測？ 180
·近紅外光譜技術能否實現(xiàn)酒類樣品中的金屬元素檢測？ 181
·近紅外光譜技術在醋檢測中的應用有哪些？ 182
·近紅外光譜技術可以檢測醋的哪些成分？ 182
·近紅外光譜技術是否可以直接用于玻璃瓶裝醋的檢測？ 182
·近紅外光譜技術在醬油檢測中的應用有哪些？ 182
·近紅外光譜技術在肉檢測中的應用有哪些？ 183
·近紅外光譜技術可以檢測肉的哪些成分？ 183
·新鮮豬肉和長期凍藏肉的近紅外光譜是否存在明顯差別？ 183
·注膠肉近紅外光譜的光譜特征有哪些？ 184
·采用近紅外光譜技術能否鑒別正常肉和注水肉？ 184
·近紅外光譜技術在油脂檢測中的應用有哪些？ 184
·近紅外光譜技術能否實現(xiàn)地溝油的鑒別？ 185
·近紅外光譜技術能否實現(xiàn)轉(zhuǎn)基因油的鑒別？ 185
·近紅外光譜技術在油脂檢測中的局限性有哪些？ 185
第四節(jié) 近紅外光譜技術在制藥領域的應用185
一、應用概述185
二、問題與解答186
·近紅外光譜分析技術在制藥領域可應用于哪些生產(chǎn)工藝？ 186
·近紅外能否在制粒工藝中檢測粒徑指標和成分含量？如何檢測？ 186
·在混合工藝中近紅外能解決什么問題？具體工作原理是什么？ 187
·在混合、干燥及制粒等固體制劑生產(chǎn)工藝中，近紅外光譜設備如何在線安裝？需要考慮哪些因素？ 188
·近紅外光譜在混料工藝中的檢測結(jié)果如何和國家標準方法進行比對？ 188
·近紅外光譜技術可以用于哪些干燥工藝？如何檢測水分？ 188
·在中藥生產(chǎn)中近紅外光譜分析技術可以應用到哪些生產(chǎn)工藝中？這些工藝目前存在哪些問題？ 189
·中藥提取、濃縮工藝中檢測哪些指標？需要注意哪些問題？有什么解決方案？ 190
·中藥提取工藝中如何選取合適的流量泵才能實現(xiàn)料液的100%檢測？  191
·如何利用近紅外光譜分析技術對細菌等微生物進行檢測？  192
·如何利用近紅外光譜分析技術檢測發(fā)酵產(chǎn)物中的蛋白質(zhì)含量？  193
·怎樣把近紅外光譜分析技術應用于藥物結(jié)晶過程？  193
·近紅外光譜分析技術在原料檢測環(huán)節(jié)如何應用？  193
·在中藥材的種植過程中，利用近紅外光譜技術可以檢測土壤中的何種成分？有什么應用價值？  193
·在中藥材收購過程中如何做到真假識別、按質(zhì)論價？  194
·中藥材檢測環(huán)節(jié)的現(xiàn)狀如何？面臨哪些問題？如何將近紅外光譜分析技術應用于中藥材產(chǎn)業(yè)鏈？  194
·建立近紅外光譜分析方法時，中藥材樣品制備的標準流程是什么？  194
·中藥成分復雜，模型是否能通用？是不是都需要建立不同的模型？  195
·近紅外建模所用樣品一般如何保存？尤其是一些易吸潮、遇光、遇熱易分解的樣品。 195
·目前檢測結(jié)果能否輸入控制管理系統(tǒng)？是如何實現(xiàn)的？  195
·使用近紅外智能檢測系統(tǒng)能給企業(yè)帶來什么收益？  195
·制藥企業(yè)紅外光譜分析技術人才及技術團隊如何培養(yǎng)和管理？  196
第五節(jié) 近紅外光譜技術在石油和化工領域的應用 196
一、在石油煉制中的應用 196
二、在化工生產(chǎn)中的應用 199
三、問題與解答 200
·煉化企業(yè)采用近紅外光譜分析技術的意義？  200
·近紅外光譜分析技術可以測定油品的哪些性質(zhì)？  200
·石化產(chǎn)品分析中如何選擇適合的近紅外光譜儀？  201
·近紅外光譜分析技術測定油品時，光譜測量應該注意哪些問題？  201
·石化產(chǎn)品分析中，校正樣品應當如何收集？  202
·不同種類的汽油樣品是否可以建在一個模型中？  202
·建模對樣品數(shù)量有哪些要求？  203
·如何判斷近紅外光譜分析方法的準確性？  203  
·石化產(chǎn)品分析近紅外建模過程中，如何識別和處理異常樣品？ 203
·油品近紅外光譜分析的主要誤差來源？ 204
·近紅外光譜分析方法投用后，還需要做哪些工作？ 204
·近紅外光譜數(shù)據(jù)是否可以和生產(chǎn)運行結(jié)果直接關聯(lián)？ 205
·近紅外光譜分析方法預測餾程是否準確？ 205
·不同煉化企業(yè)的模型是否可以共用？ 205
·近紅外分析中的原油樣品為什么不宜長期保存？ 206
第六節(jié) 近紅外光譜技術在煙草領域的應用206
一、發(fā)展歷程207
二、應用場景209
三、問題與解答212
·在開發(fā)應用近紅外分析技術之前，要做哪些工作？ 212
·如何選購、配置合適的近紅外光譜儀？ 213
·為什么近紅外光譜儀性能的一致性在近紅外光譜分析網(wǎng)絡化中很重要？ 214
·如何選擇合適的近紅外分析化學計量學軟件？ 215
·如何取制具有代表性的實驗樣品？ 216
·對實驗樣品作初步探索性分析的意義是什么？ 217
·測定煙草樣品參考數(shù)據(jù)要關注哪些細節(jié)？ 218
·如何消除或減小樣品誤差，提高光譜測量的重現(xiàn)性？ 219
·為了保證光譜的重現(xiàn)性，測量光譜要注意哪些細節(jié)？ 219
·在近紅外分析中，為什么要進行數(shù)據(jù)的預處理？ 220
·在選擇光譜變量時，需要注意什么？ 221
·建立定量校正模型、定性類模型有哪些主要方法？如何入手？ 222
·如何統(tǒng)計識別異常樣品，優(yōu)化PLS 校正模型，確定適宜主成分數(shù)？ 223
·在近紅外定性分析中，如何統(tǒng)計識別異常樣品？ 224
·在近紅外定性分析中，如何選擇SIMCA、PLS-DA 分類法？ 225
·在近紅外定量分析中，驗證模型有效性需要注意什么？為什么很重要？ 225
·校正模型不適應的常見情形有哪些？對不適應的模型應如何拓展、維護？ 227
·在近紅外定量分析中，如何處理校正模型預測值異常偏離的情況？  230
·在近紅外分析過程中，如何取制質(zhì)量控制樣品？使用質(zhì)量控制樣品應注意什么？  231
·在過程質(zhì)量監(jiān)測中，把近紅外定量分析和定性分析結(jié)合應用的優(yōu)勢是什么？  232
·在近紅外分析中，哪些情形需要轉(zhuǎn)移近紅外模型？如何操作？  234
·使用、維護近紅外光譜儀，常見的典型問題是哪些？  234
·如何理解開發(fā)應用近紅外光譜分析技術是一個數(shù)據(jù)挖掘應用的過程？  235
第七節(jié) 近紅外光譜技術在其他領域的應用 236
一、在文物分析方面的應用 236
二、在司法鑒定中的應用 240
三、問題與解答 245
·犯罪現(xiàn)場中的一些痕量物證或者是肉眼無法觀察的目標物能否采用近紅外光譜進行分析？  245
·采用近紅外光譜分析方法能否準確檢測到衣服等紡織品上的血跡殘留？  246
參考文獻 246
第7章 近紅外光譜成像技術 259
節(jié) 近紅外光譜成像技術分析流程 259
一、光譜圖像獲取與校正 260
二、數(shù)據(jù)處理與分析 260
三、建模分析與技術應用 261
四、問題與解答 261
·近紅外光譜成像系統(tǒng)主要由哪些部分組成？  261
·近紅外光譜成像系統(tǒng)有哪些分類？  261
·為什么要對近紅外光譜圖像進行校正？  262
·線掃描（推掃式）紅外光譜成像系統(tǒng)在數(shù)據(jù)采集時具體需要注意哪些問題？ 262
第二節(jié) 種子不完善粒的近紅外光譜成像分析263
一、樣本制備263
二、光譜圖像采集263
三、光譜圖像特征提取264
四、基于SVM 的小麥不完善粒判別266
五、基于LeNet-5 卷積神經(jīng)網(wǎng)絡的小麥不完善粒判別268
第三節(jié) 大米產(chǎn)地近紅外光譜成像判別分析270
一、樣本制備270
二、光譜圖像采集271
三、光譜圖像特征提取271
四、基于聯(lián)合SVM 的大米產(chǎn)地判別274
五、基于AlexNet 卷積神經(jīng)網(wǎng)絡的大米產(chǎn)地判別276
六、問題與解答280
·常規(guī)近紅外光譜成像分析中光譜特征提取方法有哪些？ 280
·常規(guī)近紅外光譜成像分析中圖像特征提取方法有哪些？ 280
·常見的近紅外光譜圖像特征融合處理和分析方法有哪些？ 281
·常見的近紅外光譜圖像感興趣區(qū)域提取方法有哪些？ 281
·近紅外光譜成像分析中傳統(tǒng)機器學習算法有哪些？ 281
·深度學習算法可用于近紅外光譜成像分析領域的哪些方面？ 281
參考文獻282