不同光照下的近红外光谱模型传递研究
近红外光谱分析的原理技术与应用
近红外光谱分析的原理技术与应用引言近红外光谱分析是一种非破坏性、快速、准确的分析技术，广泛应用于食品、医药、化妆品、环境监测等领域。
本文将介绍近红外光谱分析的原理、技术和应用。
近红外光谱分析的原理近红外光谱分析利用物质吸收或反射近红外光时产生的特征光谱来分析物质的成分和性质。
近红外光谱分析主要基于以下两个原理：1.分子振动吸收原理：物质中的化学键振动会引起近红外光的吸收，吸收峰的位置与化学键的特异性有关。
2.红外光与物质的相互作用原理：物质吸收了红外光后，其分子内部发生改变，从而产生特征的近红外光谱。
近红外光谱分析的技术近红外光谱分析的技术主要包括光源、光谱仪和数据处理三个方面。
光源常用的光源有白炽灯、光电二极管和激光等。
其中白炽灯发射连续谱，适用于宽波长范围的分析；光电二极管具有快速响应和高稳定性，常用于近红外光谱分析仪器；激光具有较高的亮度和窄的波长范围，适用于特定波长范围的分析。
光谱仪常用的光谱仪有分光镜、光栅和红外线摄像机等。
分光镜通过将近红外光谱聚焦到光栅上，并通过旋转光栅来选择不同波长光线；光栅则将不同波长的光线分散成不同的角度形成光谱；红外线摄像机可通过感应近红外光谱并将其转换成数字信号。
数据处理近红外光谱分析的数据处理通常包括预处理、特征提取和模型建立等步骤。
预处理常用的方法有光谱校正、光谱平滑和光谱标准化等；特征提取可使用主成分分析、偏最小二乘回归等方法；模型建立则可以采用多元回归分析、支持向量机等模型进行建立。
近红外光谱分析的应用近红外光谱分析在多个领域具有广泛应用，以下为几个常见的应用示例：•食品质量检测：近红外光谱分析可用于检测食品中的营养成分、添加剂和污染物等，以保证食品的安全和质量。
•药物分析：近红外光谱分析可用于药品的成分分析、质量控制以及伪药的鉴定等。
•化妆品分析：近红外光谱分析可用于分析化妆品中的成分、性质和质量，以确保产品的合规性和安全性。
•环境监测：近红外光谱分析可用于监测土壤、水质和大气中的污染物，以帮助保护环境和预防环境污染。
小波变换-分段直接校正法用于近红外光谱模型传递研究
928
分析化学
第 34 卷
的
Dif
2 s，un 转换为与源机上测得的光谱一致的光谱数据
Dif
2
（ p
s，un
理论上），即：
Dif
2P s，un
=
Dif
2 s，un F
转换矩阵 F 的计算公式为：
红外光谱仪。其中 3 台为总后油料研究所研制的便携式油料质量分析仪，编号为 Zh3-1、Zh3-2 和 Zh33；2 台为北京英贤仪器有限公司生产的 NIR3000 型近红外光谱仪，编号为 Nir8 和 Nir33。其中 Zh3-3 为 源机，其余 4 台为目标机。上述 5 台仪器均为 CCD2048 象元检测器，分辨率优于 1. 5 nm，光谱采集范围 700 ～ 1100 nm，数据间隔 0. 2 nm。 3. 2 光谱测量和基础数据测定方法
第7 期 927 ～ 932
小波变换-分段直接校正法用于近红外光谱模型传递研究
田高友#1 褚小立2 袁洪福2 陆婉珍2
（1 解放军总后勤部油料研究所，北京 102300） （2 石油化工科学研究院，北京 100083）
摘 要 提出了一种新的传递算法（ WT-PDS）———小波变换-分段直接校正法，并详细讨论了模型传递参数和 传递结果。首先利用小波变换对光谱进行压缩处理，采用 PDS 算法消除不同仪器之间压缩数据的差异，最后 利用经校正的压缩数据进行分析，实现模型传递。本方法能够扣除不同仪器之间的大部分差异，大幅度改善 分析精度。传递后模型分析精度与源机模型稳健性紧密相关。如果源机模型稳健性强，则能够实现不同仪器 之间的共享。本方法能够实现源机的 0# 轻柴十六烷值、凝点、馏出温度；-10# 轻柴十六烷值、凝点以及-10# 军 柴凝点和馏出温度共 10 个模型在 5 台仪器之间共享，简化了建模的成本。与传统的 PDS 相比，WT-PDS 方法 具有传递和建模变量少、速度快、光谱校正性能高等优点，而其模型分析精度与传统 PDS 基本一致。
近红外光谱分析技术原理
近红外光谱分析技术原理
近红外光谱分析技术是一种无损的分析方法，通过测量样品在近红外区域（780-2500 nm）的吸收和散射光谱来获取样品的信息。
这一区域的光波长范围对于化学成分、结构和物理状态的信息具有很高的灵敏度。
近红外光谱分析技术基于样品中的化学键或官能团在近红外区域的振动和转动引起的光吸收现象。
每个化学物质都有其独特的光谱特征，因此可以通过比对样品的光谱和已知物质的光谱数据库来确定样品的成分和含量。
近红外光谱分析技术具有以下几个优点：首先，非破坏性，不需要对样品进行任何物理或化学处理；其次，快速性，一般只需几秒钟或几分钟即可获得结果；再次，可靠性，结果准确性高，对于复杂的样品也有很好的适应性。
具体实施近红外光谱分析技术时，首先需要采集样品的光谱数据。
通常使用近红外光谱仪来进行测量，该仪器会发出一束近红外光束，经过样品后，光束中吸收的光将被检测器接收并转换成电信号。
然后，通过对比已知物质的光谱库，将样品的光谱与库中的光谱进行匹配和比对，以确定样品的成分和含量。
在近红外光谱分析技术中，还需要进行预处理和数据分析。
由于样品中存在吸收、散射、漫反射等干扰，需要对光谱数据进行预处理，如去除噪声、背景光等。
然后，使用统计学和化学计量学方法对处理后的数据进行分析和建模，以提取出样品中的信息和特征。
近红外光谱分析技术在农业、食品、制药、环境监测等领域有广泛的应用。
比如，在农业领域，可以用于农产品质量检测、土壤分析、农药残留检测等；在食品领域，可以用于食品成分分析、真伪鉴别等；在制药领域，可以用于药物质量控制、成分鉴别等。
近红外光谱法定量分析及其应用研究
近红外光谱法定量分析及其应用研究一、本文概述随着科学技术的发展，光谱分析技术以其独特的优势在多个领域得到了广泛的应用。
其中，近红外光谱法作为一种重要的光谱分析技术，因其无损、快速、环保等特点，在定量分析领域具有独特的优势。
本文旨在深入探讨近红外光谱法定量分析的基本原理、方法、技术及其在各个领域的应用研究，以期为该领域的研究者提供有益的参考和启示。
本文将简要介绍近红外光谱法的基本原理和定量分析的基本方法，包括光谱数据的获取、预处理、特征提取以及模型的建立与优化等。
本文将重点分析近红外光谱法在农业、食品、医药、石油化工等领域的应用案例，探讨其在实际应用中的优势和局限性。
本文还将对近红外光谱法定量分析的发展趋势和前景进行展望，以期为该领域的发展提供新的思路和方向。
通过本文的研究，我们期望能够为近红外光谱法定量分析的理论研究和实际应用提供有益的参考，同时也希望能够推动该领域的技术创新和发展。
二、近红外光谱法的基本原理与技术近红外光谱法（Near-Infrared Spectroscopy，NIRS）是一种利用物质在近红外区（波长范围通常为780-2500nm）的吸收特性进行定性和定量分析的技术。
其基本原理主要基于分子振动产生的吸收光谱，这些光谱信息能够反映分子内部的结构和组成。
近红外光谱法的基本原理是物质对近红外光的吸收与其内部的分子结构、化学键合状态以及分子间的相互作用有关。
当近红外光通过物质时，某些特定波长的光会被物质吸收，这些被吸收的波长与物质的特定化学成分和分子结构密切相关。
因此，通过测量物质在近红外区的吸收光谱，可以获取到关于物质成分和结构的信息。
近红外光谱法的技术包括光谱采集、光谱预处理、模型建立与验证等步骤。
光谱采集是使用近红外光谱仪对样品进行扫描，得到其近红外吸收光谱。
光谱预处理是为了消除光谱中的噪声和干扰，提高光谱的质量和可靠性。
模型建立与验证是通过化学计量学方法，如多元线性回归、主成分回归、偏最小二乘回归等，建立光谱数据与物质成分之间的定量关系模型，并对模型进行验证和优化。
滤光片型近红外仪器模型传递的研究
２００８年 １ ０月
光 谱
学
与
光
谱
分
析
Ｖ １ ８Ｎ ．０ｐ２５—４２ ｏ ２， ｏ１ ，ｐ４９２６ ．
Ｏｃ ｏ ｅ ，２ ０ ｔｂｒ ０ ８
Ｓ ｅ ｔ ｏ ｃ ｐ ｎ ｐ ｃ ｒ ｌＡｎ ｌ ｓｓ ｐ ｃｒ ｓ ｏ ｙ ａ ｄ Ｓ ｅ ｔａ ａ ｙ ｉ
光片型近红外仪器 由于价格 低廉 、 性能克分析法 、目标 因子分 析法（ Ａ） ］ ５ ］ ＴＦ 、正交信 号校正法［ 、 ７ 基于支持向量机的模型传递法＿ 等 。这些算法 ］ ８ ＿ 主要 应用于连续扫描型近红外仪器 （ 主要是傅里 叶型和光栅 型） 的模型传递之 中。
引 言
近红外光谱分析技 术 由于样 品处理 简单 ，分析速度快 ，
不 用 试 剂 和无 损 检 测 等 特点 ， 有 广 阔 的 应 用 前 景 。其 中滤 具
号的校正主要分为两类 ： 一是全光谱校正法 ，如校正吸光度 矩 阵 的 直 接 校 正 法 （ Ｓ ［ ，对 波 长 分 段 进 行 校 正 的 Ｐ Ｄ ）］ ２ ＤＳ
重复建模 ， 而大大降低近红外光谱分析 的成 本，提 高分析 从 的效率 。 型传递 的成功与否直接影响近红外光谱分 析技 术 模
的推 广 应 用 。
近红外仪器的模 型传递进行了研究，为滤光片型近红外仪器
的推广应用提供依据 。
模型传递问题主要通过有标样法来解决，即选择一定 数 量的样 品作为标准样品转换集 。 并在主仪器和从仪器上分 别 测得其信号 ， 而找 出该函数关 系。有标样法包 括基于预测 从
＿
＊通 讯 联 系人
２ ６ ４０ 型传递。
光谱学 与光谱分析
近红外光谱的原理及应用
近红外光谱的原理及应用前言近红外光谱是一种非破坏性的分析技术，被广泛应用于物质组分的测定、质量控制和环境监测等领域。
本文将介绍近红外光谱的原理及其在不同领域的应用。
一、近红外光谱的原理近红外光谱是指在波长范围为700 nm到2500 nm之间的光线所显示的谱图。
其原理基于物质吸收、散射和反射的特性。
近红外光谱仪通过收集样品对近红外光的吸收、散射或反射来获得样品的光谱信息。
其原理可简单总结为以下几个步骤：1.光源发出宽谱带光线，经过透镜或光纤导入光谱仪中。
2.经过光栅或棱镜的分光作用，将光线分解成不同波长的光，形成光谱。
3.样品与光谱仪中的探测器之间形成一个封闭的光学系统。
4.样品与光线相互作用，发生吸收、散射或反射。
这些相互作用引起光强度的变化。
5.光谱仪中的探测器记录这种光强度的变化，从而得到样品的光谱图。
二、近红外光谱的应用近红外光谱因其快速、非破坏性和高效的特点，在许多领域都有广泛的应用。
以下是近红外光谱在不同领域的应用示例：1. 食品行业•食品成分分析：近红外光谱可以用于分析食品中的脂肪、蛋白质、糖类等成分的含量，从而用于质量控制和产品检测。
这种非破坏性的分析方法可以避免传统化学分析所需的样品处理和分解过程。
•食品质量检测：通过比对样品近红外光谱与标准样品的光谱，可以检测食品中的变质程度、添加剂是否合格等质量指标。
2. 化工行业•原料组分分析：近红外光谱可以用于化工原料的成分分析，通过建立光谱与成分之间的关系模型，可以快速准确地确定原料的组分及其含量。
•反应过程监测：近红外光谱可以在线监测化工反应过程中的物质变化，实时掌握反应过程的动态信息，从而进行优化和调控。
3. 医药领域•药品质量控制：近红外光谱可以用于药品质量的快速检测和分析。
通过建立药品光谱与其成分、含量之间的关系模型，可以对药品进行快速准确的质量控制。
•药物研发：近红外光谱可以用于药物研发过程中的原料药分析、反应过程监测等，加快药物研发的速度和效率。
近红外光谱建模方法
近红外光谱建模方法近红外光谱建模方法是一种利用近红外光谱技术来建立物质的定量或定性分析模型的方法。
近红外光谱建模方法具有简单、快速、高效、无损等优势，因此在化学、医学、食品、制药等领域得到了广泛的应用。
近红外光谱建模方法的原理是利用荧光分子、色素、蛋白质等物质吸收和散射近红外光的不同波长的特性，对物质的成分和组成进行分析。
在建模过程中，需要使用一组已知样品的光谱数据来建立模型，然后再将未知样品的光谱数据输入模型中，利用模型预测其成分和组成。
近红外光谱建模方法主要有光谱校正法、最小二乘法、主成分分析法、局部最小二乘法、偏最小二乘法等。
光谱校正法是最常用的建模方法之一，其基本思想是对原始光谱进行校正，消除光谱中的噪音和干扰信号，提高光谱质量。
光谱校正法包括多种方法，如基线校正、归一化、散射校正等。
最小二乘法是一种简单有效的建模方法，其基本思想是分析已知样本的光谱数据和物质成分之间的线性关系，根据样本数据拟合出一条直线方程，再将未知样本的光谱数据代入该方程中计算其成分和组成。
主成分分析法通常用于多成分分析，其基本思想是将多个变量（即多个波长）压缩成少量主成分，分析主成分和物质成分间的关系，建立数学模型，预测未知样品的成分和组成。
主成分分析法可以对噪音和干扰信号进行优化，提高建模精度和稳定性。
局部最小二乘法和偏最小二乘法主要用于解决多重共线性问题。
多重共线性是指多个自变量之间存在相互关系，可能导致建模时出现不稳定、方差偏大以及偏离实际的模型拟合等问题。
局部最小二乘法和偏最小二乘法可以通过对多个自变量进行压缩和变换，消除共线性问题，提高建模精度和稳定性。
总之，近红外光谱建模方法在化学、医学、食品、制药等领域得到了广泛的应用，其优势在于可靠、高效、无损，但在实际应用中，需要结合具体的问题、样本、数据和仪器等条件进行选择和调整，以达到最佳的建模精度和稳定性。
近红外光谱模型转移
近红外光谱模型转移
近红外光谱是一种非常重要的光谱分析技术，它在农业、食品、医药、化工等领域都有广泛的应用。
而近红外光谱模型转移，则是近红外光
谱分析领域中非常重要的一个研究内容。
1. 什么是近红外光谱模型转移
近红外光谱模型转移指的是将已有的光谱分析模型，在不同的样品集
和仪器中，实现高质量、高可信的精度转移的过程。
这是近红外光谱
应用于不同生产场景中的重要问题之一。
2. 近红外光谱模型转移的原理
近红外光谱模型转移基于与建模集在光谱特性、化学成分、仪器参数
等方面的匹配程度。
主要包括谱库转移、模型参数转移、校正模型转移、广义预测模型转移等多个方面。
3. 近红外光谱模型转移的应用
近红外光谱模型转移可以将已有的光谱分析模型，应用于不同的样品
集和仪器中，为工业、农业、医药等领域提供高效、精准的光谱分析
解决方案。
同时，近红外光谱模型转移也能够将已有的光谱分析样品
集，应用于新场景下的快速分析和品质控制等。
4. 近红外光谱模型转移的挑战
近红外光谱模型转移的挑战主要来自于样品的差异性、仪器等因素的影响，以及模型训练数据集的不充分性等。
如何解决这些问题，需要研究人员在理论、方法上不断创新，应用先进的技术手段进行研究，提高模型转移的可靠性和精度。
5. 近红外光谱模型转移的发展趋势
近红外光谱模型转移的发展趋势主要是朝着模型建立、模型转移、模型评价等多个方向进行。
同时，随着深度学习、人工智能、大数据等技术的不断发展，近红外光谱模型转移也将迎来更为广泛、深入的应用场景。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
不同光照下的近红外光谱模型传递研究张文君;唐红;蒋巧勇【摘要】针对室外光照对近红外光谱检测带来误差的问题,提出基于模型传递来减少检测误差的方法.以圆黄梨为样品,分析样品在室内、室外阴影下的近红外光谱,建立室内光谱的偏最小二乘(PLS)模型.采用直接校正(direct standardization,DS)算法,减小室内外光谱差距,使得室内PLS模型能预测室外光谱.结果表明:在室内建立的模型能预测经DS算法传递后的室外光谱,预测决定系数(RP2)和预测均方根误差(root mean square error of prediction,RMSEP)分别为0.71和0.374,能有效解决室外光照对光谱检测的影响.【期刊名称】《中国测试》【年(卷),期】2015(041)012【总页数】4页(P70-73)【关键词】近红外光谱;直接校正;光照影响;模型传递;糖度【作者】张文君;唐红;蒋巧勇【作者单位】中国计量学院,测试计量学院,浙江杭州310018;中国计量学院,测试计量学院,浙江杭州310018;中国计量学院,测试计量学院,浙江杭州310018【正文语种】中文室内恒定条件下，近红外光谱技术广泛应用于水果品质检测。
但在水果摊、果园等有光照的环境下进行检测时，光照会影响光谱的检测结果。
关于室外光照对近红外光谱检测影响的研究很少。
Saranwong[1]研究芒果在室内和室外不同光照条件下的可溶性固形物，得出用黑色袋子套在芒果上可以消除部分光照影响，但应用范围有限；吴方龙[2]在室内通过台灯数量来模拟不同光照强度对贡梨光谱检测的影响，但灯光并不等同于室外光照，实验结果也不能准确反映室外光照的影响。
国内学者将模型传递的方法应用于不同环境下检测。
胡润文[3]将脐橙总糖光谱建立在不同仪器上传递，对比了斜率截距校正法和DS算法的传递效果；林振兴[4]用分段直接校正法研究不同温度下喷气燃料的近红外光谱模型传递，能减少温度对近红外光谱分析的影响；李庆波等[5-6]研究了模型传递的应用。
这都表明了模型传递能有效消除不同环境对光谱检测的影响。
本文研究不同光照对近红外光谱检测及建模的影响，利用近红外光谱仪在室内、室外阴影下对圆黄梨进行不同光照条件下的近红外光谱检测，通过DS算法对光谱进行分析。
1.1 实验材料实验样品以浙江省主产圆黄梨为对象，选择大小、形状、颜色相似已经采摘装箱的样品150个，样品按2∶1分为校正集和预测集。
表1是校正样本和预测样本的糖度值，可以看出预测样品的糖度值包含在校正样品范围内。
1.2 实验仪器实验仪器为蔡司MCS600近红外光谱仪，适合可见、近红外的检测，有效波长为300～1 700 nm，采集449个点；糖度用日本ATAGOPR-101α型数字式糖度计进行测量，其测定范围为0～45°Brix，误差为±0.1°Brix；光照度采用希玛AR823数字照度计，测量范围是1～200 klx，分辨率为1 lx。
采集软件为蔡司公司配套软件Aspect plus 2.0。
处理软件为Matlab 2012b。
1.3 实验设计将150个圆黄梨置于室内常温下3h。
首先，在梨赤道平均选取4个采集点做好标记，在室内无光照恒定条件下采集近红外光谱，共采集600组数据，取平均值作为每个样品的近红外光谱。
然后，利用KS算法将150圆黄梨分成2份，其中100个样品作为校正集，用来建立室内校正模型，其余50个样品作为预测集。
最后，将样品置于室外有阴影遮挡条件下：采集漫反射光谱，并记录测试时的光照强度，同时采用DS算法校正室外阴影下的光谱，比较模型转移前后的预测均方根误差（RMSEP）等评价指标，验证所建模型的稳健性。
1.4 模型传递原理与DS算法模型传递是指在两种不同仪器上找一种变换关系，使得一台仪器的光谱模型能预测另一台仪器光谱。
在模型传递中，仪器分为主、从仪器；其中，主仪器为建立模型的光谱仪器，从仪器为进行传递和预测的光谱仪器。
通过光谱检测仪分别得到主光谱和从光谱，通过建立数学模型，将主、从光谱联系起来，得到转换光谱；预测新仪器上的光谱，即从光谱经过转换光谱之后的光谱。
DS算法的基本思想是通过校正集求取主从仪器光谱之间的变换矩阵F，在主光谱集与近红外光谱间建立校正模型b；利用转换矩阵F将从仪器光谱Ts转换为主仪器光谱Tm的全光谱校正方法。
其过程如下：假定Tm=TsF则可由最小二乘法计算得到转换矩阵F这样，对从仪器上未知样品光谱X变化后的光谱Xstd然后，再利用主仪器上的校正模型b计算最终测量结果，即得到预测结果。
1.5 Kennard-Stone（KS）算法在模型传递效果中，为了克服测量环境不同而引起的误差，必须使转换集在主仪器和从仪器所测信号中包含足够多的信息；同时，在主仪器上选择转换集的效果最好。
KS算法是由Kennard-Stone提出的选择标准样品的一种选取转换集有效和广泛应用的方法，它是根据光谱主成分之间欧式距离d来决定的，从而在光谱特征中均匀的选取标准样品。
式中：dij——样本i和样本j之间的欧式距离；p——样品光谱的波长个数。
1.6 模型传递的评价为了比较建模效果质量的好坏，决定系数r2（相关系数r）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）等。
r2越大越接近1，均方根误差越小越接近0建模效果越好。
决定系数r2：校正均方根误差RMSEC：预测均方根误差RMSEP：式中：n——校正集样品数目；f——主成分数目；Ip——预测集样品数目；yi——样品测量的实际值；——样品的平均值；i——预测样品集的预测值。
2.1 圆黄梨的光谱特性在室外影响光谱检测的因素很多，除太阳光照，还有温度、湿度等。
长时间的太阳直射会导致温度升高，张建光[7]研究了6～10月水果经长时间太阳光照射之后水果向阳面温度与室外温度的温差，最大温差为8月份18.98℃，最小为9月份0.38℃及8月份的0.82℃，这是由阴雨天气的影响导致的，可以将温差看在0～20℃之间。
王加华[8]研究了温度2～42℃对苹果近红外光谱的影响，以温度为变量建立PLS模型，实验结果表明使用遗传算法（GA）可以提取与温度变量相关度高的波段，从而提高模型准确度，另外温度的提高会使基线漂移，而一阶导数可以很好地解决该问题，建模结果R、RMSEC、RMSEP分别为0.95，0.64，0.69℃，基本可以消除温度带来的影响。
本次实验选择在9月份，且在室外测量时无阳光的直接照射。
为了去除温度、湿度等影响光谱检测的因素，先将圆黄梨放置到室内恒温后，再立刻转移到室外阴影下进行检测，可以看作影响光谱检测的因素只有光照。
以室内光谱为主仪器光谱，室外阴影下所测光谱为从仪器光谱，进行光谱传递实验。
根据所测光谱图可以看出光谱趋势相同、但光照强度不同时差异较大，因此选取其中具有代表性的样品光谱。
同一样品在不同光照条件下的光谱差异如图1所示，波长范围为500～1 600 nm，可以看出在可见光区域500～700nm光照对室内外光谱采集影响较大，当光线增强时可以看出在600～800nm处有较明显的突变，近红外区域780～1600nm实验室内、室外和室内所测光谱差异则几乎没有变化。
因此对于可见光区域则需要进行一系列的处理来缩小室外与室内光谱的差距，而近红外部分则可以认为经过预处理就可用来建模并相互预测。
由实验数据得出当光照强度＞20 klx时光谱产生突变，因此，光照强度＞20 klx为强光照，光谱强度＜20klx为弱光照。
对光谱进行DS算法转移后，室内外光谱差异如图2所示。
通过图1和图2，光谱经过DS算法转移后，可以看出在可见光区域室内外光谱的差距已得到一定幅度的减小。
2.2 光照对光谱检测及建模的影响图3为我国10月份某中部地区的太阳光照到达地表的光谱能量。
图中，曲线1为光照到达地表的能量，曲线2为光照到达大气层的光谱能量，可以看出到达地表的太阳光谱能量主要在可见光区域，而近红外区域可几乎认定为零，因此可以认为太阳光照对圆黄梨光谱检测的影响在可见光部分，近红外部分可认定为无影响。
用近红外光谱仪检测出的光谱与实际情况相符，可认定太阳光照对光谱检测影响主要是在可见光区域，同样，对近红外光谱的建模影响也可以忽略。
将实验中得到的室内、室外光谱分别直接进行PLS预测并建模，其结果显示如表2所示。
由表2可以看出同一光照条件下的建模预测效果较好，即室内模型预测室内、室外弱光照模型预测室外弱光照、室外强光照预测室外强光照的效果较好分别为0.909、0.848和0.812，模型稳定；而不同光照条件下相互预测效果不理想。
可以得出结论：室内模型不适合直接预测室外光谱，这是由于室外光照射下，相当于增加了仪器可见光部分的入射光源，使得漫反射光谱发生变化直接影响了圆黄梨光谱的检测，从而导致室外光谱与室内光谱存在很大差异。
为了实现室内外模型的共享，对室外光谱进行模型传递的方法来减小室内外光谱的差异。
2.3 DS算法的参数选择对于DS算法，参数的选择主要由标样数决定，如果标样数太少会导致转换矩阵不能涵盖所有光谱特征，如果标样数太多会产生冗余的信息，采用KS算法从DS的标样光谱中选取5、10、…、30、35个样品等7组标样光谱。
通过标样数与预测集的主从仪器光谱间的RMSEP来确定合适的标样数。
如图4所示为从仪器预测集的RMSEP随标样数的变化趋势图，可以看出当标样数选择为20时，模型转移效果最好为0.374。
标样数选择20，用DS算法对室外光谱进行模型传递并用室内光谱建立PLS模型预测，如图5所示为转移后从仪器预测集的预测结果，其预测决定系数为0.701（rp=0.837），预测偏差为0.427、0.374，可以看出模型预测效果比经过DS转移前的预测效果已经改善很多，有效减小了室内外光谱间的差异，减小了由于室外光照对检测所造成的影响，经过DS算法传递后室内模型可以预测室外阴影下的光谱，有效的解决了光照对光谱检测及建模带来的影响。
本文利用近红外光谱仪检测了室内外不同光照条件下圆黄梨的光谱，建立模型相互预测。
实验结果表明，室内模型直接预测室外光谱效果不好，DS算法能有效减小室内外光谱之间的差距，降低室外阴影下光照对光谱检测的影响，使得经DS算法传递后室内光谱能预测室外光谱，从而实现室内模型对室外光谱的预测，减小测量条件的差异对分析结果的影响，为便携式光谱仪的使用提供理论依据。
【相关文献】[1]Saranwong S，Sornsrivichai J，Kawano S.On-tree evaluation ofharvesting qualityofmango fruitusing a hand-held NIR instrument[J].Journal of Near Infrared Spectroscopy，2003，11（4）：283-293.[2]吴方龙，沈黄通，吴晨凯，等.基于近红外漫反射光谱无损检测梨可溶性固形物的光强影响探究[J].光谱学与光谱分析，2013，33（10）：2671-2674.[3]胡润文，夏俊芳.脐橙总糖近红外光谱模型传递研究[J].食品科学，2012，33（3）：28-32.[4]周林峰，吕进，刘辉军.温度对果糖含量近红外光谱检测模型传递的影响[J].中国计量学报，2012，23（3）：217-212.[5]李庆波，张广军，徐可欣，等.DS算法在近红外光谱多元校正模型传递中的应用[J].光谱学与光谱分析，2007，27（5）：873-876.[6]王菊香，李华，邢志娜，等.小波多尺度分段直接校正法用于近红外光谱模型传递的研究 [J].分析化学，2011，39（6）：846-850.[7]张建光，刘玉芳，孙建设.光照强度对苹果果实表面温度变化的影响[J].生态学报，2004，24（6）：1306-1310.[8]王加华，潘璐，李鹏飞，等.苹果糖度近红外光谱分析模型的温度补偿[J].光谱学与光谱分析，2009，29（6）：1517-1520.。