便携式近红外光谱仪及其在农业中的应用现状

王永 杨国耀 乔俊峰 范兴 杨博 李昀欣 农永红 杨梅 资文华

摘要：便携式近红外光谱分析技术因具有检测速度快、范围广、无损、价格低廉等优点，已被广泛应用于工业、农业、医药、食品等领域。为全面认识便携式近红外光谱仪及其在农业中的应用现状，归纳便携式近红外光谱仪的主要构成与类型，基于光路结构差异性阐述光栅扫描型、滤光片型、傅里叶变换型、声光可调滤波器型、微机电型光谱仪的基本原理与特点，并针对便携式近红外光谱仪在农业领域中的应用，重点总结便携式近红外光谱分析技术在水果、粮食作物、蔬菜、土壤及农业其他领域中的应用研究进展，探讨便携式近红外光谱仪在模型构建、测量精度、仪器微型化方面所面临的问题与挑战，进而提出改进措施，旨在为农产品的品质评价及种植管理提供参考。

关键词：便携式近红外光谱仪;农业;应用现状;类型;原理;措施

中图分类号：S127   文献标志码： A

文章编号：1002-1302（2022）07-0010-08

近红外分析技术因具有成本低、分析速度快、无损、重现性好等优点，在农业、医药、化工等领域得到了广泛运用[1-2]。近年来，微机电技术的发展、光谱分析技术的改进和大数据技术的应用，使近红外光谱仪不断向简捷化、精准化、智能化方向发展，尤其是便携式近红外光谱仪的设计与开发，极大地提高了检测的时效性。国外对便携式近红外光谱仪的研发技术相对成熟，多家公司生产出的便携式近红外光谱仪已可以实际应用，如美国捷迪讯通讯技术有限公司（JDSU）生产的microNIR 1700型光谱仪、Thermo Fisher公司生产的microPHAZIRTM型光谱仪、Foss公司生产的In-fratecsofia型光谱仪、LLA Instruments公司生产的UniSPEC 4024型光谱仪等。我国对便携式光谱仪的研制起步较晚，但这些年在我国科研工作者的努力下也获得了许多进展，如2009年向贤毅等研制的便携式近红外样机性能与国外产品十分接近[3]。2011年王俊制造的分析仪测试速度快、体积小、信噪比高[4]。2016年季绪飞对PISA-S-4N型便携式近红外光谱仪的精度进行改进，将其信噪比提高到4 938[5]。2017年何文馨等为了解决在温度高、空间狭小的油井中进行石油勘探难的问题，开发了一种可以耐高温工作的便携式近红外光谱仪[6]。2018年张宽将SupNIR-2700型分析仪改进为EXPEC 1230型便携式光谱仪[7]。尽管我国加快了便携式近红外光谱仪的研发步伐，但仪器在信噪比、分辨率等方面和国外还存在一定差距，需要不断加强对仪器性能的优化。因此，本研究归纳总结便携式近红外光谱仪的构成、类型及其在农业中的应用现状，并提出便携式近红外光谱技术在工农业研发和生产实际中面临的问题与挑战，以促进便携式近红外光谱技术的不断改进和升级。

1 便携式近红外光谱仪的构成

便携式近红外光谱仪主要由光源、分光系统、检测器、数据采集与处理系统构成（图1）。

便携式近红外光谱仪当中的光源一般为卤钨灯，具有体积小、使用时间长、发光效能高等特点，但其功耗较大。分光系统中包含准直系统和色散系统，由样品反射的光经准直系统得到平行光，平行光在进入色散系统前需先通过狭缝，狭缝越大，成像越粗糙，分辨率越低，但是狭缝过小会造成所透过的光能量少，因此需根据实际应用来考虑狭缝尺寸。色散系统的主要功能是将进入的平行光分解成单色光，而色散率直接影响分辨率，因此色散系统是分光系统中最重要的部分。检测器由光敏元件构成，大部分便携式近红外光谱仪所选择的都是硅基检测器，检测器的主要作用在于实现光信号到电信号的有效转变。数据采集系统主要负责接收检测器发出的电信号，将电信号转化为光谱图像并设置光谱的各项参数，如光谱的波长、扫描频率等。数据处理系统的作用是将采集到的光谱进行分析处理，从而实现对样品光谱的定性分析或定量分析。

2 便携式近红外光谱仪的分类

基于光路结构的不同，通常将便携式近红外光谱仪分为光栅扫描型、滤光片型、傅里叶变换型、声光可调滤波器型、微机电型五大类[8]。

2.1 光栅扫描型

光栅扫描型的原理主要是让光源射出的光经过入射狭缝后由准直镜准直，再通过光栅的转动将其分为波长各不相同的单色光，单色光穿过出射狭缝作用于样品，最后由探测器接收。光栅扫描型近红外光谱仪理见图2，该类仪器具有分辨率高、成本低等优点，但是其扫描光谱速度较慢且抗震性低。

2.2 滤光片型

滤光片型仪器的核心部件是滤光片（图3），由于滤光片对光具有选择透过性，当入射光经过滤光片时会将复合光分为不同波长的光，这种光谱仪牢固耐用、采集光谱快，但波长波动幅度大、通用性差。

滤光片型研制具有代表性的是美国捷迪讯通讯技术有限公司（JDSU）生产的microNIR1700型光谱仪，其光谱范围在908～1 678 nm之间，主要用于制药、食品、农业领域[13]。中国科学院长春光学精密机械与物理研究所設计的滤光片型光谱仪光谱范围为600～1 000 nm，主要应用在食品与农业领域[14]。此外，2010年Emadi 等成功开发出一款波长范围为1 800～2 800nm的滤光片光谱仪[15]，2014年冯帮等研发的光谱仪波长范围为950～1 650 nm，且分辨率可以达到12.5 nm[16]。

2.3 傅里叶变换型

傅里叶变换型光谱仪的核心部件是迈克尔逊干涉仪（图4），光源射出的光通过准直镜变为平行光，平行光被45°角的分光板分为两半，一半被分光板反射到反射镜A，另一半穿过分光板射入反射镜B， 最终经过反射汇合在一起， 变成相干光， 利用计算机采集相干光并进行傅里叶变换即可获得相应的光谱图[17]。傅里叶变换型光谱仪的光通量大、分辨率高，但成本高，抗震性差。

无锡迅杰光远科技有限公司研发的IAS3000型光谱仪的波长范围为1 400～2 450 nm，主要用于液体样品的测量。此外，荧飒光学科技（上海）有限公司等也研制出技术较成熟的傅里叶型光谱仪[18]。在国外，埃及Si-Ware-Systems公司推出了应用于食品行业的NeoSpectra Micro型光谱仪，还有日本的滨松光子学商贸（中国）有限公司、瑞士ARCoptix公司等[19]。

2.4 声光可调滤波器型

声光可调滤波器是一种利用声光效应来进行分光的分光元件，其核心部件是声光可调滤波器（图5），当声光可调滤波器接收到特定频率的驱动信号时，会将入射的复合光转换为一定波长的单色光，由于驱动信号频率与单色光相互对应，因此只要改变驱动频率就可以扫描特定波长的单色光[20]。声波可调滤波器波长转换速度快、光通量大、信噪比高，但其晶体受温度影响大且价格高昂[21]。

美国Brimrose公司研发的Luminar5030型便携式光谱和赛默飞世尔科技公司生产的microPHAZIR型光谱仪都是声光可调滤波器型[22]。此外，东北农业大学孙红敏等还设计出用于检测原料奶成分的声波可调滤波型光谱仪[23]。

2.5 微机电型

微机电型光谱仪是一种结合微机电系统的光谱仪，微机电系统是将仪器元件高度集成化到微米级的机械系统，微机电型根据分光元件不同又可分为微镜阵列型、滤波器型、可编程光栅型。微镜阵列型仪器中的芯片含有许多微小反射镜，当光照射到芯片上，会将其反射到探测器，可通过调节微镜转动来获取各单色光。滤波器型仪器利用多光束干涉原理，以调节共振腔的长度来改变光的波长。可编程光栅型仪器利用程序控制光栅结构单元来改变衍射光的能量分布，最终达到分光效果。

北京华夏科创仪器技术有限公司推出的光谱仪信噪比好，可进行工业现场试验[24]。Axsun公司生产的Integraspe型光谱仪集成度高、耗能少检测速度快[25]。但相比于其他种类的光谱仪，微机电型光谱仪在波长准确性和分辨率上稍微逊色。

3 便携式近红外光谱仪在农业中的应用

3.1 便携近红外光谱仪在水果检测中的应用

随着我国生活质量的提高，消费者对于水果品质的要求不断提升，然而我国人工结合机械的传统检测方法效率低，很难满足市场需求，因此对水果进行快速无损检测已成为亟须解决的问题。近年来，便携式近红外光谱仪的出现，在水果物化性质（如可溶性固形物含量、酸度、硬度等）检测、成熟度评判、品种区分等方面提供了极大的便利。

水果物化性质是评价其品质的关键因素，使用便携式近红外光谱仪可以快速无损地检测出水果的各项物化性质，大大减少检测时间和成本。杨帆等选用supNIR-1000型光谱仪对苹果的酸度和抗坏血酸含量进行研究，利用kernel lsomap算法并结合广义回归神经网络建立模型，发现苹果酸度模型的校正集相关系数（ R  c）与预测集相关系数（ R  p）值分别为0.999 4、0.979 9，苹果抗坏血酸模型的 R  c和 R  p值分别为0.989 1、0.927 2，表明使用该便携式近红外光谱仪能够快速测定苹果的酸度和抗坏血酸含量[26]。此外，王加华等也对苹果的糖度、可溶性固形物（SSC）含量、果肉硬度、总酚含量等进行研究，进一步证明便携式近红外光谱仪可以有效检测出苹果的各项物化性质[27-29]。除了苹果，便携式近红外光谱仪对猕猴桃、葡萄、柑橘等水果的物化性质检测也发挥了较大作用。李伟强通过自主设计的便携式近红外光谱仪快速表征猕猴桃糖度和葡萄SSC、总酚含量[30]。Cayuela等研究柑橘的SSC含量、酸度、单果质量、果汁体积等，证明便携式近红外光谱仪检测的可行性[32]。秦善知等通过NIR256-22T2 型光谱仪对梨的SSC含量成功预测[33]。原帅等使用Avaspec-2048TEC型近红外光谱仪有效地检测出樱桃糖度[34]。罗霞等采用FieldSpec3型便携式光谱仪，对火龙果的酸度进行分析，验证了便携式近红外光谱仪的实用性[35]。Li等使用USB2000型便携式光谱仪对香瓜SSC含量进行研究，发现香瓜的柱体末端是预测完整瓜体SSC含量的最佳部位[36]。

水果成熟度直接影响水果的采摘、保存与售卖，目前对水果成熟度的评判很大程度上依赖于人工主观判断，容易造成水果经济效益低、消费体验差等问题。Jha等选取来自印度不同地域的7种芒果作为研究成熟度的样本，通过Luminar5030型便携式光谱仪对样本进行扫描，选择1 200～2 200 nm波段用PLS建立模型进行分析，发现便携式近红外光谱仪在对芒果成熟度的预测中具有很大潜力[37]。

同一水果的品种多种多样，不同的品种在口感和价位方面有较大差距，消费者在对品种选择时依据的主要是自身经验，不能有效地选取适宜的品种类型，时常会造成体验感差以及经济损失。Pérez-Marín等采用6个不同品种的李子共264个样本，通过Phazir 2400型光谱仪获取光谱信息并结合PLS建立模型，发现对李子品种的识别准确率均在90%以上，进一步验证了该光谱仪对品种区分的可行性[38]。此外，Camps等通过Ocean optics S-2000型光谱仪成功对杏的品种进行分类[39]。

3.2 便携近红外光谱仪在粮食作物检测中的应用

粮食作为人类生存的必需品对于各个产业影响深远，充足的粮食也是一个国家稳定的前提之一，因此粮食作物一直是农业中的重点研究对象。便携式近红外光谱仪在玉米、小麦、大米、大豆的检测中可以发挥重要作用。

玉米不仅作为粮食还作为饲料支持畜牧业发展，并可以通过单倍体育种来提高玉米的产量和质量。为了在混杂的种子中快速筛选出单倍体种子，Qin等使用便携式近红外光谱仪microNIR1700来研究玉米单倍体的鉴别，比较漫反射和漫透反射狀况下对玉米的鉴别效果，发现漫反射并不能有效地鉴别玉米的单倍体和多倍体，而漫透反射的平均正确识别率为93.2%，证明便携式近红外光谱仪可以有效无损地鉴别单倍体，为自动识别提供条件[40]。此外，史增芳等用便携式近红外光谱仪成功对玉米片含水率进行快速检测[41]。

小麦是一种常见的谷物，在我国广泛种植，可以制成各种各样的人们喜爱的食物。王旭等在全国主要小麦产地选取104份小麦样品，使用国产Sup NIR-2750型便携式光谱仪选取1 000～1 799 nm 的波段范围对样品进行研究，用偏最小二乘法建立模型，发现蛋白质的化学值与预测值的平均绝对偏差只有0.01百分点，证明模型具有很好的预测准确性，可用于快速分析小麦的蛋白质含量[42]。Ecarnot等用Fieldspec2500型光谱仪测定小麦叶片含氮量（LNC）和单位面积叶质量（LMA），结果显示，选择的样品无论是鲜叶还是干叶都能很好地对LNC和LMA进行预测[43]。由小麦加工而成的面粉是制作面食的主要原料，然而市场上面粉质量存在参差不齐、种类繁多等问题，因此对面粉各项指标进行快速检测就显得尤为重要。孙阳等选用AMBERⅠ型光谱仪成功快速表征面粉水分、灰分以及面筋含量[44]。江辉等将比色传感器数据与便携式近红外光谱仪相结合对面粉脂肪酸含量进行研究，发现与单技术分析相比，融合技术对脂肪酸含量的预测精度更高[45]。

大米和大豆也是常见的粮食作物，并含有丰富的蛋白质。刘亚超等将52个籼米样品分为2份，选取42个籼米作为预测样本，剩下10个作为验证样本，使用自主设计的便携式分析仪对大米含水率、直链淀粉质量以及蛋白质含量进行检测，预测值与标准值的相关系数均在0.9以上，证明该检测仪的可行性[46]。邹涛等选取黑龙江地区239个大豆样品，采用光谱范围为950～1 650 nm的IAS-2000型光谱仪对大豆样品的蛋白质含量进行快速表征，通过竞争性自适应权重取样法（CARS）进行光谱特征波长筛选和PLS建立模型，验证CARS-PLS建立模型对大豆蛋白质含量测定具有良好的可行性[47]。

3.3 便携近红外在蔬菜检测中的应用

蔬菜是一种营养丰富的绿色食品，含有多种人体必要元素，对预防一些疾病以及提高免疫力有很大作用，便携式近红外光谱仪主要对蔬菜的部分物化性质（如SSC含量、总糖含量、总酸含量、含油率等）与安全性（硝酸盐含量）进行检测。甜菜分布广泛，可以用来制作糖，蔗糖含量是其重要性状。Pan等选取来自于不同商业杂交的甜菜样品，使用便携式近红外光谱仪对完整甜菜和切片甜菜蔗糖含量进行研究，通过PLS建立模型发现便携式近红外光谱仪可以很好地预测切片甜菜蔗糖含量。番茄具有味道可口、营养价值高等特点以及一定的抗衰老作用，是餐桌上常见的蔬菜之一[48]。Camps等为了快速评价番茄品质，使用PHASIR0917型光谱仪结合PLSR建立模型，发现该仪器可以准确测定番茄的SSC含量和硬度[49]。王凡等研发了一款便携式番茄多品质近红外检测装置，用PLS建立模型来预测番茄的颜色、总糖含量、总酸含量，模型的预测值与实测值的相关系数均在0.9以上，表明该便携式分析仪可以对番茄进行快速无损的检测。油菜籽是制作菜籽油的原料，含油率是对其品质评价的重要指标[50]。陈斌等使用microNIR-1700光谱仪对油菜籽含油率进行研究，并用偏最小二乘回归（PLSR）和最小二乘-支持向量机（LS-SVM）建立模型，同时对模型进行一系列参数优化研究，结果显示所建模型性能良好[51]。除了油菜籽的含油率外，油菜籽的蛋白质含量也是品质评价的重要因素。王春峰等采用N100型便携式光谱仪对油菜籽的粗脂肪与粗蛋白质进行检测，使用PLS建立模型并与FOSS6500型仪器进行对比，发现N100型便携式光谱仪对粗脂肪含量的预测优于FOSS6500型仪器，而对粗蛋白质含量的预测稍逊，综合分析来看这2台仪器的预测精度相差不大[52]。

蔬菜中的硝酸盐含量超过一定量就会造成中毒现象，因此对蔬菜检测时还需要考虑硝酸盐的含量。菠菜含有丰富的植物蛋白质和纤维素，且具有治疗贫血的功效，但菠菜中还含有对人体有害的硝酸盐。Pérez-Marín等选取波长范围为1 600～2 400 nm 的Phazir 2400型便携式光谱仪对菠菜进行快速检测，采用改进过的偏最小二乘（MPLS）回归模型对菠菜叶片硝酸盐、抗坏血酸和可溶性固形物含量进行分析，结果验证了利用近红外光谱技术对菠菜中这些物质含量分析的可行性[53]。西葫芦富含维生素、矿物质和微量元素，其热量极低，但西葫芦同样含有硝酸盐。Torres等以230个西葫芦为试材，采取microNIR-1700型便携式光谱仪对西葫芦的硝酸盐含量、干物质以及SSC含量进行预测，发现便携式近红外光谱仪也可以对西葫芦的品质快速进行现场在线分析[54]。

3.4 便携近红外光谱仪在土壤检测中的应用

土壤是农作物生长发育的“摇篮”，对农作物产量及质量有重要影响，因此在发展农业中对土壤成分的检测是必不可少的。便携式近红外光谱仪在对土壤成分的检测时主要集中在土壤全氮含量、有机质含量、pH值、重金属含量、含水率等方面。

土壤全氮含量是指土壤内多种形态的氮素含量之和，测量土壤全氮含量对衡量土壤肥力、科学种植施肥以及土壤修复意义重大。安晓飞等使用自主设计开发的便携式近红外土壤全氮测定仪进行测定，以玉米地采集的样本为研究对象，选用 940～1 550 nm的光谱范围，采取BP神经网络建立模型对土壤全氮含量进行快速分析，发现自主设计的仪器准确性和稳定性良好，重复性误差小于350%，可以用来测定土壤中的全氮含量[55]。章海亮等为了快速对土壤的总氮含量进行预测，使用USB4000型分析仪分别对未过筛、过2 mm筛、过05 mm筛处理的样品进行总氮含量分析，结果表明对过0.5 mm筛处理的样本预测结果最好[56]。

土壤有机质是指土壤含碳有机物，对土壤肥力有极其重要的影响[57]。Li等选取231个土壤样本，通过Luminar5030型光谱仪结合PLS对土壤有机质含量、pH值等建立模型，研究表明该光谱仪对有机质含量和pH值的预测性好[58]。张征立等应用microNIR1700型便携式光谱仪测量桑园土壤有机质（SOM）含量，发现便携式光谱仪可以快速分析土壤中的SOM含量[59]。胡晓艳等选用350～2 500 nm 波段的ASDField-spec3型光谱仪，采集山西省太原等地50个土壤样本作为研究有机质含量的对象，并利用偏最小二乘法建立模型，发现经过水分修正系数（MDI）校正后的预测结果更加精确[60]。Sharififar等使用AgrispecTM （ASD）和NeospectraTM型光谱仪对土壤有机碳和总碳含量进行分析，通过立体树模型、偏最小二乘回归、支持向量机建立模型，发现使用ASD型光谱仪结合立体树建立的模型效果最好[61]。

由环境污染引起土壤中重金属的不断累积，会通过动植物进入人体，严重影响人类健康。程航等将湖北省湿地公园土壤作为样本，在土样中加入不同浓度不同种类的重金属，使用ASDField-spec3型光谱仪研究重金属对土壤反射光谱的影响（选用氯化铬、氯化锌、氯化铜3种重金属），发现重金属浓度与样品反射光谱整体呈负相关，最大负相关系数为-0.788、-0.824、-0.880，可见该仪器在分析土壤重金属方面有很大潜力[62]。土壤的含水率直接影响农作物的生长发育，决定了灌溉时间和灌溉量。殷哲等以紫土为试验对象，利用自主设计的近红外土壤含水率传感器进行研究，对仪器进行标定后得出的测量结果与干燥法测出的结果进行对比分析，两者的均方根误差为3.29%，表明其設计的仪器可以有效地测量土壤的含水率[63]。

3.5 便攜式近红外在农业其他领域的应用

近年来，便携式近红外光谱仪不仅在水果、粮食作物、蔬菜、土壤等领域得到了快速应用，因其时效性高、方便快捷等优点，便携式近红外光谱仪对药材、烟草等作物的研究也可以发挥积极作用（表1）。

药材作为中药的原料对药效影响深远，因此对其种类的区分以及合格性进行鉴定十分重要。Hu等使用microNIR1700型仪器采集光谱数据，通过PCA建立模型，模型的识别率和拒绝率均为100%，可以顺利区分石斛枫斗种类[64]。刘晓慧等通过microNIR1700型仪器结合PLS-DA建立白芍合格性的判别模型，结果显示模型的识别率和拒绝率均达到100%，表明该仪器可以快速无损地鉴别白芍的质量[65]。烟叶的品质直接影响最终产品的口感与价格，挑选质量合格的烟叶并对其进行分级尤为必要。Zhang等利用手持式DLP近红外光谱仪对烟叶深绿病感染程度进行分类，平均准确率达到9543%[66]。Li等采用同款仪器成功完成对烟叶的分级，分级准确率达到90%以上[67]。

4 总结与展望

便携式近红外光谱分析仪不仅具有台式近红外光谱仪分析对象广泛、效率高、绿色无损等优点，还拥有可以现场分析、价格低廉等特点。近年来，便携式近红外光谱仪的快速发展，为水果、粮食作物、蔬菜等农产品品质评价、土壤养分监测及农业种植管理提供了科学依据，但如何加快便携式近红外光谱技术在工农业研发和生产实际中的应用，仍然面临许多亟待解决的问题与挑战，主要体现在以下3个方面：第一，建立模型库。便携式近红外光谱仪在对样品进行检测时，针对不同类型的样品和不同型号的光谱仪需要建立特定的模型。因此需要建立不同领域的模型库，同时还要考虑不同型号光谱仪模型传递的问题，提升模型的通用性。第二，提高测量精度。便携式近红外光谱仪虽然可以快速完成对样品的分析，但相比于传统的化学或物理分析方法，很难对低浓度样品进行定量分析，且分析结果的精度不够高。所以要不断提高便携式近红外光谱仪的测量精度。第三，仪器微型化。为了满足各种环境下对样品的测量分析，便携式近红外光谱仪需要不断向着微型化的方向发展。这就必须使仪器内部各部件高度微型化与集成化，同时还要考虑是否会影响仪器的精度和光谱分辨率。目前我国研制出的便携式近红外光谱仪还有许多有待提高的地方，如成本较高、抗干扰性差、信噪比低、能耗大等。因此，我国的科研院所和企业应该不断努力，开发出性能更优良的产品，使该仪器在农业等领域获得更广泛的应用。

参考文献：

[1]梁 亮，杨敏华，刘志霄，等. 杂交稻种品系与真伪的可见-近红外光谱鉴别[J]. 激光与红外，2009，39（4）：407-410.

[2]毕卫红，唐予军，杨小莉，等. 基于AOFT的便携式近红外光谱测量仪[J]. 激光与红外，2005，35（5）：345-347.

[3]向贤毅，温志渝，龙再川，等. 微型近红外光谱仪分析系统的研制[J]. 光谱学与光谱分析，2009，29（8）：2286-2290.

[4]王 俊.智能微型近红外光纤光谱仪研制[D]. 上海：复旦大学，2011.

[5]季绪飞.提高便携式近红外光谱仪精度的改进研究[D]. 长春：吉林大学，2016.

[6]何文馨，温志渝，周 颖.实用化微型近红外光谱分析仪的设计与性能测试[J]. 激光与光电子学进展，2017，54（6）：322-329.

[7]张 宽.EXPEC 1230便携式近红外分析仪设计及分析[D]. 杭州：浙江理工大学，2018.

[8]张 珮，王银红，江 靖，等. 便携式近红外光谱仪在果蔬品质定性和定量分析中的应用[J]. 食品科技，2020，45（5）：287-292.

[9]郑志忠，陈春霞，修连存.便携式野外现场近红外地物光谱仪研究与测试[J]. 现代科学仪器，2008（2）：25-28.

[10]胡爱琴，袁洪福，薛 岗，等. 近红外光谱用于干粉灭火剂有效成分含量测定及种类识别的快速方法研究[J]. 光谱学与光谱分析，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]许家林.基于DMD的阿达玛变换近红外光谱仪关键技术研究[D]. 长春：中国科学院长春光学精密机械与物理研究所，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]冯 帮，陈 斌，颜 辉.微型近红外光谱仪的软件开发与实验[J]. 分析仪器，2014（3）：7-12.

[17]刘 珂，刘保国，张运森.近红外光谱分析技术及应用研究[J]. 河南工业大学学报（自然科学版），2009，30（1）：88-93.

[18]刘建学，尹晓慧，韩四海，等. 便携式近红外光谱仪研究进展[J]. 河南农业大学学报，2019，53（4）：662-670.

[19]庾 繁，温 泉，雷宏杰，等. 微型近红外光谱仪关键技术研究进展[J]. 激光与光电子学进展，2018，55（10）：30-36.

[20]杨 行.AOTF近红外光谱仪中信号检测的研究与设计[D]. 成都：电子科技大学，2015.

[21]高明辉，林洁琼，廉凤慧，等. 基于AOTF的便携式近红外光谱测量仪的研制[J]. 长春工业大学学报（自然科学版），2008，29（3）：314-318.

[22]张 惠，臧恒昌，姜  玮.微型近红外光谱分析仪发展概述[C]//2013年中國药学大会暨第十三届中国药师周论文集.南宁：中国药学会，2013：2013-2019.

[23]孙红敏，金庆谊，李晓明，等. 基于ARM的近红外原料奶成分检测设备研发[J]. 东北农业大学学报，2014，45（8）：103-109，123.

[24]张靖杭.模板修饰基于DMD阿达玛变换近红外光谱仪性能优化研究[D]. 长春：东北师范大学，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]杨 帆，李雅婷，顾 轩，等. 便携式近红外光谱仪测定苹果酸度和抗坏血酸的研究[J]. 光谱学与光谱分析，2011，31（9）：2386-2389.

[27]王加华，戚淑叶，汤智辉，等. 便携式近红外光谱仪的苹果糖度模型温度修正[J]. 光谱学与光谱分析，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 鹰，刘翠玲，周子彦.应用便携式近红外光谱仪研究苹果糖度的快速分析模型[J]. 食品科学技术学报，2018，36（6）：95-100.

[30]李伟强. 便携式猕猴桃糖度无损检测仪的研发[D]. 杨凌：西北农林科技大学，2017.

[31]肖 慧，孙 柯，屠 康，等. 便携式葡萄专用可见-近红外光谱检测仪器开发与实验[J]. 食品科学，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，陈 斌，陆道礼，等. 基于便携式近红外光谱仪检测梨可溶性固形物[J]. 江苏农业科学，2014，42（8）：284-286.

[34]原 帅，张 娟，刘美娟，等. 便携式光谱仪对樱桃糖度检测的研究[J]. 烟台大学学报（自然科学与工程版），2016，29（1）：18-21.

[35]罗 霞，洪添胜，罗 阔，等. 近红外光谱技术无损检测火龙果有效酸度[J]. 现代食品科技，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 鸿，马竞一，陈绍江，等. 基于近红外光谱与透射光谱的玉米单倍体鉴别比较研究[J]. 光谱学与光谱分析，2016，36（1）：292-297.

[41]史增芳，姜岩蕾.一种便携式玉米叶片含水检测仪器设计[J]. 农机化研究，2016，38（8）：96-100.

[42]王 旭，张凤清，林家永，等. 便携式近红外谷物分析仪快速测定小麦蛋白质的研究[J]. 粮食与饲料工业，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]孙 阳，刘翠玲，孙晓荣，等. 基于便携式近红外光谱仪的面粉品质快速筛查方法研究[J]. 食品科技，2020，45（10）：267-272.

[45]江 辉，刘 通，陈全胜.基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测[J]. 农业机械学报，2021，52（2）：340-345.

[46]刘亚超，李永玉，彭彦昆，等. 便携式大米多品质参数无损检测仪设计与试验[J]. 农业机械学报，2019，50（8）：351-357.

[47]邹 涛，兰树明，阎 巍，等. 基于便携式近红外光谱仪的大豆蛋白波长优选[J]. 分析仪器，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，彭彦昆，等. 便携式番茄多品质参数可见/近红外检测装置研发[J]. 农业工程学报，2017，33（19）：295-300.

[51]陈 斌，卢 丙，陆道礼.基于微型近红外光谱仪的油菜籽含油率模型参数优化研究[J]. 现代食品科技，2015，31（8）：286-292，267.

[52]王春峰，白志杰，孙武坚，等. 基于微型近红外光谱仪油菜籽粗脂肪与粗蛋白校正模型的建立[J]. 安徽农业大学学报，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]安晓飞，李民赞，郑立华，等. 便携式土壤全氮测定仪性能研究[J]. 农业机械学报，2012，43（增刊1）：283-288.

[56]章海亮，何 勇.便攜式短波近红外光谱仪器检测土壤总氮含量研究[J]. 光谱学与光谱分析，2016，36（1）：91-95.

[57]朱传梅，王宏卫，谢 霞，等. 基于光谱指数和机器学习的土壤有机质含量反演[J]. 江苏农业科学，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]张征立，第丹丹，萧王文，等. 应用微型近红外光谱仪快速检测桑园土壤有机质含量的方法[J]. 蚕业科学，2018，44（6）：923-928.

[60]胡晓艳，崔 旭，韩小平，等. 基于修正系数法的抗水分干扰土壤有机质近红外预测模型研究[J]. 光谱学与光谱分析，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，万 远，陈奕云，等. 部分土壤重金属可见-近红外反射光谱特征及机理研究[J]. 光谱学与光谱分析，2018，38（3）：771-778.

[63]殷 哲，雷廷武，董月群. 近红外土壤含水率传感器设计与试验[J]. 农业机械学报，2013，44（7）：73-77，72.

[64]胡 甜，杨海龙，汤 清，等. 微型近红外光谱技术快速鉴别霍山石斛种类[J]. 光谱学与光谱分析，2014，34（10）：2808-2814.

[65]刘晓慧，孙巧凤，胡 甜，等. 微型近红外光谱技术在白芍快速检验方面的应用[J]. 食品与药品，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.