便攜式近紅外光譜檢測系統的開發

馮幫　陳斌　顏輝

[摘 要] 在MicroNIR-1700近紅外光譜儀上開發了便攜式近紅外光譜檢測系統，介紹了系統光譜儀控制和樣品質量檢測的功能。為了驗證系統的可行性與實用性，以標準白板為檢測對象進行了多次光譜檢測的重復性試驗，在波長1000～1600nm范圍內，吸光度最大偏差的最大值為0.0062，標準偏差的最大值為0.0021，系統具有很高的重復性精度；對幸水桃的可溶性固形物進行了實測試驗，使用該光譜檢測系統采集光譜，同步利用阿貝折射儀在相應部位測量SSC，經卷積平滑法和標準正態變換預處理后，采用PLS方法建立定標模型，其校正集和預測集的相關系數r分別為0.902和0.867，均方根誤差RMSECV和RMSEP分別為1.091，1.158。

[關鍵詞] 近紅外光譜儀；應用系統；可溶性固形物

中圖分類號：TP274 文獻標識碼：A 文章編號：2055-5200（2014）02-012-05

便攜式近紅外光譜儀自問世即受到業內廣泛關注。它具有體積小、重量輕、低功耗、低成本、攜帶方便等優點。并具有近紅外光譜技術分析速度快、樣品準備簡單、從單個光譜可進行多種組分分析、無損檢測、沒有化學污染等優點，被廣泛運用于農業和食品領域實時現場檢測中[1-2]。

光譜儀應用軟件使近紅外光譜儀器與實際應用領域結合，軟件包括光譜儀控制、測量樣品組成（性質）和其他附加功能。光譜儀控制部分負責實現光譜采集、查看和簡單的信號處理；后者則負責將采集到的光譜信號與化學計量學模型關聯起來，得到樣品組成（性質）[3]。

MicroNIR-1700近紅外光譜儀是美國JDSU公司推出的一款商品化的小型近紅外光譜儀，其配套軟件只包含儀器控制和光譜采集功能，需要進行必要的應用開發才能用于生產實際，因此本文在此基礎上開發了近紅外光譜檢測應用系統，主要用于水果的可溶性固形物的檢測。

1 MicroNIR-1700近紅外光譜儀簡介[4]

MicroNIR-1700近紅外光譜儀采用線性漸變濾光片（LVF，Linear Variable Filter）作為分光器件，使用陣列式InGaAs探測測器，避免了采用光柵等類型的復雜分光系統，實現了光譜儀的小型化。在Φ45×42mm的體積上集光源、濾光片和檢測器等于一體，不需要任何移動部件，重量為60g左右。其中光源采用雙集成真空烏燈，壽命為1.8萬小時，檢測器采用128元非制冷銦鎵砷（InGaAs）二極管陣列檢測器，波長范圍950～1 650 nm，分辨率為12.5 nm，積分時間最小為100 ?s，最大14 ms；儀器的控制和光譜數據的采集由控制終端上的軟件觸發，其命令和光譜數據經USB數據線在儀器和終端之間傳輸。控制終端可采用筆記本電腦和基于android系統的平板電腦，便于現場采樣和實時測量（如圖1所示）。在采集樣品光譜之前，應先測量儀器的暗電流，測量參照信號后再采集樣品的光譜，這樣可以進行樣品光譜的歸一化處理，以提高光譜質量與準確度。

2 便攜式近紅外光譜檢測系統的構架

便攜式近紅外光譜檢測系統整體構架如圖2所示，采用VC++平臺進行開發，主要包括光譜儀控制和樣品測量2個模塊。前者負責初始化光譜儀、光源控制以及光譜采集之前的參數設置；后者負責待測樣品光譜采集、相關質量指標化學計量學模型導入、樣品質量指標分析和數據信息管理等內容。

圖2 便攜式近紅外光譜檢測系統整體構架

3 系統實現

3.1 光譜儀控制[5]

3.1.1 初始化 在上位機控制終端（筆記本電腦）上安裝設備驅動程序，將近紅外光譜儀通過USB數據線與上位機連接起來。光譜儀器驅動程序安裝包中包含了一系列控制儀器的接口函數，如“FT_ListDevices”、“FT_OpenEx”、“FT_Write”和“FT_Read”等接口函數，通過調用這些函數可實現對光譜儀的控制功能。首先檢測光譜儀的連接狀態，上位機調用“FT_ListDevices”函數，其調用格式為FT_ListDevices（&numDevs，NΜLL，FT_LIST_NUMBER_ONLY），其中numDevs為連接到上位機的同類設備數，后面兩個參數為常量。若該函數返回值為0，則表示光譜儀器連接成功；若函數返回值不為0，則表示設備沒有連接成功，需重新連接設備或安裝設備驅動。光譜儀與上位機連接成功后，再次調用“FT_ListDevices”函數獲取光譜儀序列號、儀器版本和設備ID等信息，為光譜儀的打開作準備，此時的函數格式為FT_ListDevices（para1，para2，para3），其中para1為連接到上位機的設備所引，通常為0；para2用于存放獲得的設備信息如光譜儀序列號，para3與para2相對應。光譜儀的打開操作可通過如下函數實現：

FT_OpenEx（char *para1，flag，&handle）

其中參數para1可以是序列號、儀器版本或設備ID，此時flag與para1相對應。若設備打開成功，參數handle獲得非零設備句柄值，否則handle仍為初始值0，當前設備不可用。光譜儀成功打開后，可利用設備句柄進行光譜儀復位、獲取光譜儀的分辨率、查詢光譜儀校正信息等操作。此時，光譜儀初始化工作已完成。

3.1.2 光源的控制 光譜儀上沒有光源開關，光源的控制是通過向光譜儀發送命令實現的。首先須打開光譜儀，獲得設備句柄，然后調用“FT_Write”函數向光譜儀寫光源開與關的命令實現的。調用函數參數格式為：FT_Write（para1，para2），其中參數para1為設備句柄，para2為對應的光源開與關的命令值，光源打開操作設置參數para2為“L0”，關閉光源則設置參數para2為“L1”。

3.1.3 光譜掃描參數設置 樣品的近紅外光譜質量受到光譜儀積分時間、采樣次數和增益的影響，光譜信號的強弱與積分時間和增益成正比，平均采樣數影響光譜的準確度和平滑度。因此，在光譜采集之前需對這些參數進行合理的設置，以便提高光譜信號的信噪比。調用“FT_Write”函數，向光譜儀發送設置參數命令，光譜儀的主要參數通常設置為積分時間為10ms，采樣次數為70，增益為1。

3.2 樣品測量

3.2.1 光譜采集與顯示 光譜儀初始化和儀器的參數設置完畢后，即可采集光譜數據。同樣調用“FT_Write”函數向光譜儀發送采集光譜命令，此時光譜數據將采集到光譜儀緩存里面，等待一個延時，調用“FT_Read”函數通過USB讀取光譜數據到電腦上，并顯示出來。為了方便查看光譜數據，系統將采集到的原始光譜設為默認狀態。根據公式（1）、（2）和（3），在進行暗光譜和采參照光譜的采集操作之后，用戶可以獲得被測樣品的吸光度（A）、反射率（R）和透射率（T）等不同數據類型的光譜圖[6]，為后面樣品指標的測量奠定基礎。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分別為在波長λ處的樣品原始光譜強度值、暗光譜強度值和參考光譜強度值。

3.2.2 樣品成分測量 MicroNIR-1700近紅外光譜儀的波長區段為950～1 650 nm，在該范圍內近紅外光譜可用于農產品的水分、果品的可溶性固形物等成分的定量檢測[7～9]。將采集到的樣品光譜，轉換成模型中光譜的模式（通常為吸光度譜），并對吸光度光譜進行平滑、歸一化或者標準正態變量變換等預處理，然后導入化學計量學模型中，即可實現快速、無損地檢測樣品成分。實際工作界面如圖3所示。

3.2.3 數據信息管理 為了方便用戶分析、處理和查詢樣品光譜，該軟件系統提供兩種文件存儲方式，用戶可將樣品光譜存儲為文本格式，方便用戶對光譜數據的再利用，如建立化學計量學模型；另一種方式是將光譜數據存儲到樣品信息庫中，用戶可通過該數據庫來查詢和管理被測樣品信息，包含測量者、測量時間、樣品對象、樣品指標值和光譜數據等信息。

4 光譜檢測系統測試

為了驗證便攜式光譜檢測系統的可行性與實用性，首先對標準白板進行光譜檢測的重復性試驗，然后對桃子的可溶性固形物含量進行了實測試驗。

4.1 光譜重復性試驗

光譜的重復性是指在盡量相同的條件下，包括程序、人員、儀器、環境等條件不變的狀態下，在一定的時間間隔內重復測量，評價光譜之間的一致性，通常用整個光譜區間的吸光度最大偏差或標準偏差來衡量。本次的重復性試驗是在溫度恒為24℃的恒溫實驗室進行的，扣除暗電流之后的采用白板的100%線進行試驗，每隔15s保存一次光譜數據，共采集4 min。各波長點處的吸光度最大偏差和標準偏差如圖4、圖5所示，在波長為1 000～1 600 nm范圍內，最大偏差最大值為0.0062，標準偏差最大值為0.0021，具有較高的重復性精度，能滿足一般精度要求檢測的需要。

圖5 各波長處吸光度標準偏差

4.2 桃子可溶性固形物實測試驗

4.2.1 樣品的準備 試驗共選用70個不同成熟度的幸水桃，于2013年7月19日早晨采于鎮江市句容某果園，采后將之保存在溫度為24℃的恒溫實驗室。

4.2.2 樣品光譜的采集 光譜采集過程是在24℃的恒溫下進行的。根據預試驗結果，光譜儀打開后預熱15 min，設定光譜儀積分時間為10 ms，采樣次數為70。為了減少主觀操作所帶來的誤差，將70個桃子從1～70分別編號，然后在每個桃子赤道位置上間隔1200畫3個直徑大約為2cm的圓圈。在采集樣品光譜時，桃子緊貼光譜儀，采集每個圓圈處桃子光譜，總計210個樣本。樣品的吸光度譜圖如圖6所示。

圖6 70個桃子的近紅外吸光度譜圖

4.2.3 桃子可溶性固形物的測量 樣品光譜采集完后，在每個桃子的圓圈處切5 mm厚的桃塊，在阿貝折光儀棱鏡表面中央擠出1～2滴汁液，讀出桃子可溶性固形物的具體數值。其中桃子的可溶性固形物的最大值為21.75，最小值為8.26，平均值為14.04。

4.2.4 結果分析 對樣品吸光度譜依次采用卷積平滑法（SG，窗口為7）和標準正態變量變換（SNV）進行預處理。按校正集與預測集3：1的比例，采用Kennard-Stone方法劃分樣品集[10]。其中157個樣品作為校正集，53個作為預測集。對校正集采用PLS方法建立校正模型，并對預測集進行預測。模型結果如表1所示，其校正集和預測集的相關系數r分別為0.902和0.867，均方根誤差RMSECV和RMSEP分別為1.091，1.158。模型預測結果如圖7所示。

圖7 SG+SNV預處理的PLS模型預測結果

5 結論

本文在MicroNIR-1700近紅外光譜儀上開發了“便攜式近紅外光譜檢測系統”，包含光譜儀控制、光譜采集、樣品成分測量和數據管理等功能，功能基本完整。通過對光譜的重復性和桃子可溶性固形物的測試試驗，對系統的穩定性和精度進行評價，結果表明，該系統設計可行，可以用于桃子可溶性固形物的快速定量檢測。對于其他實際應用，只需收集一定數量的標準樣品，并建立起相應的定標模型，將模型嵌入系統中，即可滿足實際應用需求。

參 考 文 獻

[1] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，162-163.

[2] 韓東海，李鵬飛，王加華.便攜式近紅外儀及其應用[J].世界農業.2008，（04）：66-67.

[3] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，176-177.

[4] http：//www.mei.net.cn/yqyb/201304/490735.html

[5] http：//www.ftdichip.com/Support/Documents/ProgramGuides/D2XX_Programmers_Guide（FT_000071）.pdf

[6] 李慶波，閻侯賴，張倩暄，等.近紅外光譜采集與處理軟件系統的設計及實現[J].實驗技術與管理.2010，27（5）：102-110.

[7] 李桂峰.近紅外光譜技術及其在農業和食品檢測中的應用[J].農業與技術，2007，（5）：91-94.

[8] 畢衛紅，許峰，呂超.水果含糖量近紅外檢測系統及實驗[J].紅外技術.2007，（11）：678-680.

[9] 吳瑞梅，趙杰文，陳全勝，等.近紅外光譜技術結合特征變量篩選快速檢測綠茶滋味品質[J].光譜學與光譜分析，2011，31（7）：1782-1785.

[10] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010：37-38.

3.2 樣品測量

3.2.1 光譜采集與顯示 光譜儀初始化和儀器的參數設置完畢后，即可采集光譜數據。同樣調用“FT_Write”函數向光譜儀發送采集光譜命令，此時光譜數據將采集到光譜儀緩存里面，等待一個延時，調用“FT_Read”函數通過USB讀取光譜數據到電腦上，并顯示出來。為了方便查看光譜數據，系統將采集到的原始光譜設為默認狀態。根據公式（1）、（2）和（3），在進行暗光譜和采參照光譜的采集操作之后，用戶可以獲得被測樣品的吸光度（A）、反射率（R）和透射率（T）等不同數據類型的光譜圖[6]，為后面樣品指標的測量奠定基礎。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分別為在波長λ處的樣品原始光譜強度值、暗光譜強度值和參考光譜強度值。

3.2.2 樣品成分測量 MicroNIR-1700近紅外光譜儀的波長區段為950～1 650 nm，在該范圍內近紅外光譜可用于農產品的水分、果品的可溶性固形物等成分的定量檢測[7～9]。將采集到的樣品光譜，轉換成模型中光譜的模式（通常為吸光度譜），并對吸光度光譜進行平滑、歸一化或者標準正態變量變換等預處理，然后導入化學計量學模型中，即可實現快速、無損地檢測樣品成分。實際工作界面如圖3所示。

3.2.3 數據信息管理 為了方便用戶分析、處理和查詢樣品光譜，該軟件系統提供兩種文件存儲方式，用戶可將樣品光譜存儲為文本格式，方便用戶對光譜數據的再利用，如建立化學計量學模型；另一種方式是將光譜數據存儲到樣品信息庫中，用戶可通過該數據庫來查詢和管理被測樣品信息，包含測量者、測量時間、樣品對象、樣品指標值和光譜數據等信息。

4 光譜檢測系統測試

為了驗證便攜式光譜檢測系統的可行性與實用性，首先對標準白板進行光譜檢測的重復性試驗，然后對桃子的可溶性固形物含量進行了實測試驗。

4.1 光譜重復性試驗

光譜的重復性是指在盡量相同的條件下，包括程序、人員、儀器、環境等條件不變的狀態下，在一定的時間間隔內重復測量，評價光譜之間的一致性，通常用整個光譜區間的吸光度最大偏差或標準偏差來衡量。本次的重復性試驗是在溫度恒為24℃的恒溫實驗室進行的，扣除暗電流之后的采用白板的100%線進行試驗，每隔15s保存一次光譜數據，共采集4 min。各波長點處的吸光度最大偏差和標準偏差如圖4、圖5所示，在波長為1 000～1 600 nm范圍內，最大偏差最大值為0.0062，標準偏差最大值為0.0021，具有較高的重復性精度，能滿足一般精度要求檢測的需要。

圖5 各波長處吸光度標準偏差

4.2 桃子可溶性固形物實測試驗

4.2.1 樣品的準備 試驗共選用70個不同成熟度的幸水桃，于2013年7月19日早晨采于鎮江市句容某果園，采后將之保存在溫度為24℃的恒溫實驗室。

4.2.2 樣品光譜的采集 光譜采集過程是在24℃的恒溫下進行的。根據預試驗結果，光譜儀打開后預熱15 min，設定光譜儀積分時間為10 ms，采樣次數為70。為了減少主觀操作所帶來的誤差，將70個桃子從1～70分別編號，然后在每個桃子赤道位置上間隔1200畫3個直徑大約為2cm的圓圈。在采集樣品光譜時，桃子緊貼光譜儀，采集每個圓圈處桃子光譜，總計210個樣本。樣品的吸光度譜圖如圖6所示。

圖6 70個桃子的近紅外吸光度譜圖

4.2.3 桃子可溶性固形物的測量 樣品光譜采集完后，在每個桃子的圓圈處切5 mm厚的桃塊，在阿貝折光儀棱鏡表面中央擠出1～2滴汁液，讀出桃子可溶性固形物的具體數值。其中桃子的可溶性固形物的最大值為21.75，最小值為8.26，平均值為14.04。

4.2.4 結果分析 對樣品吸光度譜依次采用卷積平滑法（SG，窗口為7）和標準正態變量變換（SNV）進行預處理。按校正集與預測集3：1的比例，采用Kennard-Stone方法劃分樣品集[10]。其中157個樣品作為校正集，53個作為預測集。對校正集采用PLS方法建立校正模型，并對預測集進行預測。模型結果如表1所示，其校正集和預測集的相關系數r分別為0.902和0.867，均方根誤差RMSECV和RMSEP分別為1.091，1.158。模型預測結果如圖7所示。

圖7 SG+SNV預處理的PLS模型預測結果

5 結論

本文在MicroNIR-1700近紅外光譜儀上開發了“便攜式近紅外光譜檢測系統”，包含光譜儀控制、光譜采集、樣品成分測量和數據管理等功能，功能基本完整。通過對光譜的重復性和桃子可溶性固形物的測試試驗，對系統的穩定性和精度進行評價，結果表明，該系統設計可行，可以用于桃子可溶性固形物的快速定量檢測。對于其他實際應用，只需收集一定數量的標準樣品，并建立起相應的定標模型，將模型嵌入系統中，即可滿足實際應用需求。

參 考 文 獻

[1] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，162-163.

[2] 韓東海，李鵬飛，王加華.便攜式近紅外儀及其應用[J].世界農業.2008，（04）：66-67.

[3] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，176-177.

[4] http：//www.mei.net.cn/yqyb/201304/490735.html

[5] http：//www.ftdichip.com/Support/Documents/ProgramGuides/D2XX_Programmers_Guide（FT_000071）.pdf

[6] 李慶波，閻侯賴，張倩暄，等.近紅外光譜采集與處理軟件系統的設計及實現[J].實驗技術與管理.2010，27（5）：102-110.

[7] 李桂峰.近紅外光譜技術及其在農業和食品檢測中的應用[J].農業與技術，2007，（5）：91-94.

[8] 畢衛紅，許峰，呂超.水果含糖量近紅外檢測系統及實驗[J].紅外技術.2007，（11）：678-680.

[9] 吳瑞梅，趙杰文，陳全勝，等.近紅外光譜技術結合特征變量篩選快速檢測綠茶滋味品質[J].光譜學與光譜分析，2011，31（7）：1782-1785.

[10] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010：37-38.

3.2 樣品測量

3.2.1 光譜采集與顯示 光譜儀初始化和儀器的參數設置完畢后，即可采集光譜數據。同樣調用“FT_Write”函數向光譜儀發送采集光譜命令，此時光譜數據將采集到光譜儀緩存里面，等待一個延時，調用“FT_Read”函數通過USB讀取光譜數據到電腦上，并顯示出來。為了方便查看光譜數據，系統將采集到的原始光譜設為默認狀態。根據公式（1）、（2）和（3），在進行暗光譜和采參照光譜的采集操作之后，用戶可以獲得被測樣品的吸光度（A）、反射率（R）和透射率（T）等不同數據類型的光譜圖[6]，為后面樣品指標的測量奠定基礎。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分別為在波長λ處的樣品原始光譜強度值、暗光譜強度值和參考光譜強度值。

3.2.2 樣品成分測量 MicroNIR-1700近紅外光譜儀的波長區段為950～1 650 nm，在該范圍內近紅外光譜可用于農產品的水分、果品的可溶性固形物等成分的定量檢測[7～9]。將采集到的樣品光譜，轉換成模型中光譜的模式（通常為吸光度譜），并對吸光度光譜進行平滑、歸一化或者標準正態變量變換等預處理，然后導入化學計量學模型中，即可實現快速、無損地檢測樣品成分。實際工作界面如圖3所示。

3.2.3 數據信息管理 為了方便用戶分析、處理和查詢樣品光譜，該軟件系統提供兩種文件存儲方式，用戶可將樣品光譜存儲為文本格式，方便用戶對光譜數據的再利用，如建立化學計量學模型；另一種方式是將光譜數據存儲到樣品信息庫中，用戶可通過該數據庫來查詢和管理被測樣品信息，包含測量者、測量時間、樣品對象、樣品指標值和光譜數據等信息。

4 光譜檢測系統測試

為了驗證便攜式光譜檢測系統的可行性與實用性，首先對標準白板進行光譜檢測的重復性試驗，然后對桃子的可溶性固形物含量進行了實測試驗。

4.1 光譜重復性試驗

光譜的重復性是指在盡量相同的條件下，包括程序、人員、儀器、環境等條件不變的狀態下，在一定的時間間隔內重復測量，評價光譜之間的一致性，通常用整個光譜區間的吸光度最大偏差或標準偏差來衡量。本次的重復性試驗是在溫度恒為24℃的恒溫實驗室進行的，扣除暗電流之后的采用白板的100%線進行試驗，每隔15s保存一次光譜數據，共采集4 min。各波長點處的吸光度最大偏差和標準偏差如圖4、圖5所示，在波長為1 000～1 600 nm范圍內，最大偏差最大值為0.0062，標準偏差最大值為0.0021，具有較高的重復性精度，能滿足一般精度要求檢測的需要。

圖5 各波長處吸光度標準偏差

4.2 桃子可溶性固形物實測試驗

4.2.1 樣品的準備 試驗共選用70個不同成熟度的幸水桃，于2013年7月19日早晨采于鎮江市句容某果園，采后將之保存在溫度為24℃的恒溫實驗室。

4.2.2 樣品光譜的采集 光譜采集過程是在24℃的恒溫下進行的。根據預試驗結果，光譜儀打開后預熱15 min，設定光譜儀積分時間為10 ms，采樣次數為70。為了減少主觀操作所帶來的誤差，將70個桃子從1～70分別編號，然后在每個桃子赤道位置上間隔1200畫3個直徑大約為2cm的圓圈。在采集樣品光譜時，桃子緊貼光譜儀，采集每個圓圈處桃子光譜，總計210個樣本。樣品的吸光度譜圖如圖6所示。

圖6 70個桃子的近紅外吸光度譜圖

4.2.3 桃子可溶性固形物的測量 樣品光譜采集完后，在每個桃子的圓圈處切5 mm厚的桃塊，在阿貝折光儀棱鏡表面中央擠出1～2滴汁液，讀出桃子可溶性固形物的具體數值。其中桃子的可溶性固形物的最大值為21.75，最小值為8.26，平均值為14.04。

4.2.4 結果分析 對樣品吸光度譜依次采用卷積平滑法（SG，窗口為7）和標準正態變量變換（SNV）進行預處理。按校正集與預測集3：1的比例，采用Kennard-Stone方法劃分樣品集[10]。其中157個樣品作為校正集，53個作為預測集。對校正集采用PLS方法建立校正模型，并對預測集進行預測。模型結果如表1所示，其校正集和預測集的相關系數r分別為0.902和0.867，均方根誤差RMSECV和RMSEP分別為1.091，1.158。模型預測結果如圖7所示。

圖7 SG+SNV預處理的PLS模型預測結果

5 結論

本文在MicroNIR-1700近紅外光譜儀上開發了“便攜式近紅外光譜檢測系統”，包含光譜儀控制、光譜采集、樣品成分測量和數據管理等功能，功能基本完整。通過對光譜的重復性和桃子可溶性固形物的測試試驗，對系統的穩定性和精度進行評價，結果表明，該系統設計可行，可以用于桃子可溶性固形物的快速定量檢測。對于其他實際應用，只需收集一定數量的標準樣品，并建立起相應的定標模型，將模型嵌入系統中，即可滿足實際應用需求。

參 考 文 獻

[1] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，162-163.

[2] 韓東海，李鵬飛，王加華.便攜式近紅外儀及其應用[J].世界農業.2008，（04）：66-67.

[3] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010，176-177.

[4] http：//www.mei.net.cn/yqyb/201304/490735.html

[5] http：//www.ftdichip.com/Support/Documents/ProgramGuides/D2XX_Programmers_Guide（FT_000071）.pdf

[6] 李慶波，閻侯賴，張倩暄，等.近紅外光譜采集與處理軟件系統的設計及實現[J].實驗技術與管理.2010，27（5）：102-110.

[7] 李桂峰.近紅外光譜技術及其在農業和食品檢測中的應用[J].農業與技術，2007，（5）：91-94.

[8] 畢衛紅，許峰，呂超.水果含糖量近紅外檢測系統及實驗[J].紅外技術.2007，（11）：678-680.

[9] 吳瑞梅，趙杰文，陳全勝，等.近紅外光譜技術結合特征變量篩選快速檢測綠茶滋味品質[J].光譜學與光譜分析，2011，31（7）：1782-1785.

[10] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學工業出版社.2010：37-38.