第21屆國(guó)際近紅外光譜會(huì)議（NIR 2023）將于2023年8月20日至24日在奧地利舉行。由于護(hù)照和簽證的延誤，我很遺憾未能親自參加這次會(huì)議。 最近，我仔細(xì)研究了會(huì)議摘要和會(huì)議海報(bào)，深深感受到近紅外光譜的研究和應(yīng)用方興未艾。 除了近紅外光譜在“科學(xué)研究”、“過(guò)程分析技術(shù)”、“高光譜成像”等領(lǐng)域的快速深入發(fā)展外，本次會(huì)議的關(guān)鍵詞是“微小微近紅外光譜” ——紅外光譜”、“數(shù)據(jù)融合”、“深度學(xué)習(xí)”給我留下了深刻的印象，可以說(shuō)是當(dāng)前近紅外光譜領(lǐng)域的一個(gè)研究熱點(diǎn)。

小型微近紅外

雖然小型化、微型化近紅外光譜儀在光譜范圍、分辨率、信噪比等方面的優(yōu)勢(shì)并不明顯，但具有價(jià)格便宜、快速、操作簡(jiǎn)單、易于在現(xiàn)場(chǎng)使用等諸多優(yōu)點(diǎn)。場(chǎng)。 近年來(lái)，它們引起了越來(lái)越多的關(guān)注。 （O01.12）。

NIR 2023不僅將有新型小型和微型近紅外光譜儀器（O05.05、F05.03、P05.02）和便攜式成像儀器（O07.11）的開(kāi)發(fā)，還將有應(yīng)用方法學(xué)研究。 例如，石等人。 將實(shí)驗(yàn)室建立的土壤光譜庫(kù)移植到便攜式儀器上，用于現(xiàn)場(chǎng)土壤質(zhì)量的快速分析（P10.09）； 利普爾等人。 也開(kāi)展了類(lèi)似的研究工作（P10.04），以提高小規(guī)模近紅外光譜儀在現(xiàn)場(chǎng)的部署效率。

小型化近紅外光譜儀在不同領(lǐng)域的應(yīng)用研究仍在不斷涌現(xiàn)。 戈?duì)柤热恕?采用手持式近紅外分析儀測(cè)量大田作物葉片含水量，對(duì)農(nóng)田精準(zhǔn)灌溉管理具有實(shí)際應(yīng)用意義（P01.22）； 謝里夫等人。 一直在使用手持式近紅外光譜儀建立數(shù)據(jù)庫(kù)來(lái)預(yù)測(cè)奶牛的健康狀況。 糞便成分，從而監(jiān)測(cè)養(yǎng)分利用效率，實(shí)時(shí)調(diào)整日糧配方（P01.53）； 吉萊等人。 使用便攜式近紅外光譜儀來(lái)檢測(cè)奶牛的飼料并評(píng)估這些奶牛的牛奶所生產(chǎn)的奶酪，以評(píng)估改進(jìn)的喂養(yǎng)對(duì)奶酪質(zhì)量的影響（P01.21）。

波普等人。 花了三年時(shí)間在便攜式近紅外光譜儀上建立了校準(zhǔn)模型，用于直接實(shí)時(shí)測(cè)量田間藥用植物的質(zhì)量（PL08）； 哈米德等人。 使用便攜式近紅外光譜儀來(lái)識(shí)別大麻的高經(jīng)濟(jì)潛力。 化學(xué)成分的價(jià)值，這為種植者、分銷(xiāo)商和生產(chǎn)商提供了管理其現(xiàn)場(chǎng)質(zhì)量控制并改進(jìn)作物優(yōu)化的工具（P01.24）。

Ikehata研究了使用小型可見(jiàn)-近紅外光譜傳感器評(píng)估蔬菜新鮮度的可行性（O01.11）； Giraudo 使用一種廉價(jià)的便攜式儀器來(lái)識(shí)別加工肉制品中摻假的機(jī)械分離肉 (MSM) (O01.08)； 埃爾南德斯-希門(mén)尼斯等人。 成功使用便攜式近紅外儀器根據(jù)品種識(shí)別伊比利亞火腿（P01.25）； 阿羅約-塞雷佐等人。 建立了利用便攜式近紅外光譜儀快速鑒定初榨橄欖油質(zhì)量和真?zhèn)蔚暮Y查方法（P01.04）； 加里多-奎瓦斯等人。 還評(píng)估了幾種便攜式儀器對(duì)初榨橄欖油質(zhì)量進(jìn)行現(xiàn)場(chǎng)測(cè)試的潛力，以用于橄欖油生產(chǎn)和儲(chǔ)存過(guò)程中的質(zhì)量控制（P01.19）。 這些令人鼓舞的結(jié)果表明，微型近紅外光譜儀可以成功地應(yīng)用于直接檢測(cè)市場(chǎng)上的食品欺詐。

賴(lài)斯等人。 研究了使用超便攜式近紅外技術(shù)對(duì)假藥進(jìn)行即時(shí)無(wú)損分析的可行性，包括治療勃起功能障礙和預(yù)防性艾滋病毒治療的藥物（P08.09）； 近紅外技術(shù)可以為紡織廢料識(shí)別提供解決方案，Stipanovic 等人。 使用手持式近紅外光譜儀對(duì)消費(fèi)后紡織品進(jìn)行分類(lèi)（P07.20）。

多源數(shù)據(jù)融合

近年來(lái)，多源數(shù)據(jù)融合技術(shù)可以通過(guò)對(duì)多源信息進(jìn)行綜合優(yōu)化和整合，充分發(fā)揮多光譜或/和圖像之間的互補(bǔ)性，可以全面、深入地挖掘信息，提高校正模型的預(yù)測(cè)精度和穩(wěn)定性。 。 目的（KN11）。

NIR 2023上出現(xiàn)了很多多源數(shù)據(jù)融合的應(yīng)用研究實(shí)例，尤其是在食品領(lǐng)域。 瓦塞菲等人。 開(kāi)發(fā)了一種手持式多模式光譜系統(tǒng)，結(jié)合了可見(jiàn)近紅外 (VIS-NIR)、短波紅外 (SWIR) 和熒光 (FL) 光譜的反射率，用于魚(yú)種識(shí)別、魚(yú)品質(zhì)新鮮度評(píng)估、養(yǎng)殖與野生的識(shí)別魚(yú)，以及凍融魚(yú)與新鮮魚(yú)的鑒別（O03.13）； 斯特拉尼等人。 利用拉曼光譜與近紅外光譜融合鑒定帕爾馬干酪的PDO真?zhèn)危≒01.58）； Bragolusi開(kāi)發(fā)了一種基于近紅外和拉曼光譜融合的光譜方法，用于快速準(zhǔn)確地鑒定單花蜂蜜的植物來(lái)源（P01.47）； 賈等人。 使用可見(jiàn)光范圍（400-1000 nm）和紅外范圍（900-1700 nm）的短波光譜成像來(lái)預(yù)測(cè)包裝小牛肉產(chǎn)品在儲(chǔ)存期間的肌紅蛋白分布（P07.07）。

在制藥領(lǐng)域，Kovacs 等人。 將近紅外光譜與傳統(tǒng)過(guò)程控制方法相結(jié)合來(lái)預(yù)測(cè)藥物溶出（P09.04）； 田等人。 利用近紅外光譜與中紅外光譜融合技術(shù)對(duì)不同品種黃連的水分含量進(jìn)行了分析。 識(shí)別和測(cè)定（P08.10）。

在其他領(lǐng)域，Sormunen 等人。 使用拉曼光譜和高光譜成像（1950-2500 nm）對(duì)高溴和低溴廢塑料進(jìn)行分類(lèi)（O10.03）； 林德霍爾姆等人。 使用五種光譜（包括分子振動(dòng)光譜和原子光譜）對(duì)地質(zhì)樣品進(jìn)行分類(lèi)。 多分塊模型初步結(jié)果表明，光譜信息可以相互補(bǔ)充，提高樣本分類(lèi)的準(zhǔn)確性（P03.08）； 奧拉維克等人。 利用便攜式近紅外光譜儀、紫外-可見(jiàn)近紅外光譜儀、拉曼光譜儀和ATR-FTIR光譜儀設(shè)備開(kāi)展文化遺產(chǎn)領(lǐng)域的物質(zhì)鑒定研究（P03.09）。

深度學(xué)習(xí)

近年來(lái)，深度學(xué)習(xí)方法在近紅外光譜和高光譜成像的定量分析、模式識(shí)別、模型遷移等方面越來(lái)越顯示出優(yōu)勢(shì)。 深度學(xué)習(xí)適合處理大樣本光譜數(shù)據(jù)集，特別適合高度相似樣本的判別分析和高度差異樣本的定量分析。

NIR2023會(huì)議上，深度學(xué)習(xí)與光譜成像相結(jié)合在水果和農(nóng)業(yè)中的應(yīng)用研究尤為突出。 吉羅內(nèi)斯等人。 將近紅外高光譜成像與 3D 定制卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，識(shí)別水果中的指狀青霉感染（F07.01）； 春等人。 使用高光譜熒光成像數(shù)據(jù)研究數(shù)據(jù)增強(qiáng)的深度學(xué)習(xí)算法。 ，用于草莓灰霉病的早期檢測(cè)（P07.03）； 金等人。 使用高光譜 VIS-NIR 成像和卷積神經(jīng)網(wǎng)絡(luò)測(cè)量甜瓜植株中的氮水平，以進(jìn)行精確的氮供應(yīng)管理（P07 .08）； 莫等人。 評(píng)估了高光譜熒光成像和卷積神經(jīng)網(wǎng)絡(luò)在確定柑橘類(lèi)水果成熟度方面的適用性（P07.15）。

此外，帕克等人。 利用現(xiàn)場(chǎng)測(cè)量的土壤近紅外光譜建立土壤含水量的深度學(xué)習(xí)預(yù)測(cè)模型（P10.07）； 奇尼亞迪斯等人。 提出使用近紅外反射光譜和深度學(xué)習(xí)方法來(lái)快速預(yù)測(cè)土壤中的碳酸鹽。 含量法（P10.01）； 本森等人。 提出了一種基于耳石近紅外光譜和卷積神經(jīng)網(wǎng)絡(luò)的新魚(yú)齡方法，可以自動(dòng)提取重要的光譜特征并產(chǎn)生相當(dāng)?shù)木龋曳治鲂拭黠@高于傳統(tǒng)方法（O01.02，P01.07 ）。

外表

從儀器小型化技術(shù)的發(fā)展，我們可以看到其對(duì)近紅外光譜的推動(dòng)力。 從工農(nóng)業(yè)生產(chǎn)、消費(fèi)市場(chǎng)（如“從農(nóng)場(chǎng)到餐桌”）和人們的日常生活（如“護(hù)理點(diǎn)”）不斷增長(zhǎng)的需求都可以看出其對(duì)近紅外光譜的牽引力。 在驅(qū)動(dòng)力和牽引力的雙重作用下，近紅外光譜分析技術(shù)未來(lái)將加速發(fā)展。

可以預(yù)見(jiàn)，在上述背景下，儀器小型化、多源數(shù)據(jù)融合和深度學(xué)習(xí)仍將是未來(lái)幾年近紅外光譜領(lǐng)域的研究熱點(diǎn)和焦點(diǎn)。 近紅外光譜無(wú)疑已經(jīng)從光譜中的“丑小鴨”變成了“天鵝”，并與農(nóng)業(yè)、工業(yè)、消費(fèi)乃至人類(lèi)健康等領(lǐng)域的其他光譜技術(shù)一起不斷改變著人們的工作和生活方式，成為質(zhì)量控制的新模式（KN04、PL04、F01.02、KN08、KN10）。