近红外光谱检测技术具有非侵入性、灵敏度高、响应速度快和效率高等优势，已经被广泛应用于农业、食品、临床医学检查和药物研发等领域。但其目前面临的瓶颈之一是难以实现实时在线检测、器件小型化和变深度检测。
据麦姆斯咨询报道，河南工业大学的科研团队重点总结了近红外光谱检测技术在食品分析、农业生产、生物医学、药物分析等领域的研究进展，详细分析了近红外检测过程中光谱检测器件的组成、光谱采集模式、光谱数据处理以及检测模型，阐述了数据处理方式对检测精度和检测结果的影响；最后，讨论了近红外光谱检测技术的发展方向，并对其应用前景进行了展望。相关研究内容以“近红外光谱快速分析技术的应用研究进展”为题发表在《化学通报》期刊上。
近红外光谱检测技术在食品分析领域的应用
随着人们对食品安全问题的重视，食品检测技术越来越受到学术界和企业界的关注。近红外光谱技术作为一种非侵入性、快速、高效的分析手段，不仅可以用于食品的成分分析，而且在不破坏检测样品的情况下迅速获取食品的大量信息，例如水果的糖度、可溶性物质、酸度，粮食的淀粉含量、霉变、表皮损伤，蔬菜风味、质构、安全品质等。因此，基于近红外光谱的检测技术已成为食品检测行业的一项关键工具，为食品生产者和监管机构提供了一种可靠的手段。
2018年，Jiang等研究人员采用近红外光谱法并结合CC-PLSR-RBFNN（相关系数法、偏最小二乘回归、径向基函数神经网络）校准模型测定玉米中的淀粉含量。近年来，中国小麦脱氧雪腐镰刀菌烯醇（DON）的污染问题严峻，因此，小麦的菌类识别和清除显得至关重要。这也对近红外光谱检测技术提出了更高的要求。He等研究人员将可见光⁃近红外光谱（Vis-NIR）技术与计算机视觉相结合，实现了对正常、受DON污染的小麦籽粒在线区分和检测。如图1（a）所示，装置采用卤钨灯作为光源，漫反射探头将漫反射信号传递至光纤光谱仪（波长范围为380 - 1050 nm/950 - 1690 nm）。2019年，Wang等研究人员基于近红外光谱技术提出了一种非破坏性的食品定量分析方法。该方法利用宽带NIR-LED器件（波长范围为650 - 1200 nm）和FLS920荧光分光光度计测量食品的透射光谱，如图1（b）所示。2020年，Huang等研究人员通过测量不同种类水果的近红外吸收来检测其新鲜度。在检测的过程中，将水果样品放入积分球内同时使用光纤耦合光谱仪记录样品的反射近红外光谱，如图1（c）所示。2020年，Han等研究人员提出了一种基于近红外光谱技术无损鉴定黑心马铃薯的方法。实验采用50 W的卤素灯作为光源，并使用PG2000光谱仪（光谱范围为368 - 1039 nm）采集样品的透射光谱，如图1（d）所示。
图1 （a）动态检测系统原理图；（b）实验装置图；（c）近红外光谱食品分析装置图；（d）检测装置
2021年，Cui等研究人员基于近红外光谱技术对苹果的糖含量进行检测，并研究了苹果含糖量对透射强度的影响。其采用自制的pc-LED器件作为近红外光源，如图2（a）所示。2020年，Qin等研究人员基于近红外光谱技术来预测冻猪肉样品中总挥发性碱性氮（TVB-N）含量。如图2（b）所示，实验采用宽带卤钨灯作为光源，反射探头将获取的漫反射信号传递至NIR Quest 512型光谱仪（光谱范围为899.20 - 1724.71 nm）。2021年，郭志明等研究人员采用515 - 870 nm范围内的近红外光谱信号对苹果品质（可溶性固形物含量、硬度和维生素C含量）进行检测。实验采用自制的近红外检测设备进行光谱采集和结果分析，如图2（c）所示。
图2 （a）实验装置；（b）便携式可见光⁃近红外光谱系统；（c）手持式检测终端结构示意图
综上，在近红外检测过程中，通过分析近红外光谱和食品中化学成分相互作用产生的光谱特征，可以快速准确地识别出食品的成分和性质。目前，基于近红外检测技术已经展开的检测研究有猪肉、水果、花生、小麦和玉米等食品。但是，大多数研究中采用的光源为卤钨灯和LED，检测结果严重依赖预测模型，检测仪器的分辨率、信噪比等条件对品质分析结果的影响也有待进一步研究。
近红外光谱检测技术在生物医学领域的应用
近红外光谱检测技术在生物医学领域逐渐展现出巨大的应用潜力，为科研和医学工作者提供了一种无创、快速的检测手段，被广泛应用于生物体的血糖浓度、血红蛋白浓度或生物组织的病理检测，极大地促进了疾病早期诊断、血糖浓度实时监测、生物组织检测等发展。
2018年，Zhang等研究人员基于可见/近红外透射光谱技术研发了一种快速、无损的血红蛋白浓度检测装置。该装置采用360 - 2500 nm波长的卤素灯作为光源，透射的光谱信号经光纤传输至光谱仪（波长范围分别为299 - 1160 nm和1041 - 1772 nm），如图3（a）所示。对光谱数据进行处理后建立血红蛋白浓度PLSR预测模型（相关系数为0.97）。2018年，Liang等研究人员采用中国人民解放军总医院开发的基于近红外光谱技术的便携式设备（如图3（b）所示）来检测患者颅内血肿。该设备采用激光二极管作为近红外光源，近红外光经人体组织反射后由光纤采集并传输至硅探测器，获得的光谱信号经处理后在屏幕上显示检测结果。
图3 （a）血红蛋白检测装置原理图；（b）便携式颅内出血近红外检测仪
2019年，Bruyne等研究人员探索了近红外光谱检测技术检测DN相关生化特征的潜力，并采用1700 - 2165 nm的近红外光谱对肾脏组织切片进行了研究。如图4（a）所示，实验使用近红外光谱仪采集肾脏组织切片在1038 - 2354 nm的光谱数据，采集的数据经分析后得出检测结果。2020年，Yu等研究人员基于近红外光谱技术开发出一款便携式血糖监测系统。如图4（b）所示，在检测的过程中，使用自制仪器采集指尖血液的光谱信息（光谱范围900 - 1700 nm）。2022年，Bhattacharya等研究人员采用近红外光谱技术制备出一款便携式检测仪器，其通过测定人血清白蛋白含量来预防急性缺血性中风。该仪器采用波长范围为730 - 750 nm的LED（峰值波长为740 nm）作为光源，同时使用光电二极管（光谱范围为170 - 2600 nm）采集近红外光谱信号，如图4（c）所示。犯罪现场的血液样本识别对于刑事调查至关重要。2022年，Yuan等研究人员基于700 - 940 nm范围内的近红外光谱信息在体外鉴定兔子的妊娠囊和其他腹部组织。如图4（d）所示，光谱采集装置包括Vis-NIR光谱仪（在漫反射模式下收集350 – 1000 nm的光谱）和Ocean View软件，另外采用10 W的卤素灯作为光源。光谱信息经标准正态变量（SNV）降噪处理后采用逐次投影法选择特征波长。
图4 （a）近红外光谱检测装置示意图；（b）检测设备俯视图；（c）近红外检测仪器的射线图；（d）光谱数据采集示意图
近红外光谱检测技术在农业领域的应用
近红外检测技术可对土壤、农作物、种子等进行现场检测和分析，从而为生产者及时提供生产物质信息，帮助调整生产策略，推动农业现代化的发展和提高农产品的质量。此外，科研育种院所和粮食深加工企业对作物籽粒的品质鉴定、作物贸易、加工和存储也有极高的要求，研究快速、高效和高精度的近红外检测技术对作物产前、产后精深加工具有重要意义。
植物病害是农业产量和质量的重要问题之一，因此检测植物病害是提高植物生产质量的关键任务。2019年，Atanassova等研究人员利用带有光纤探针的USB4000光谱仪检测黄瓜叶片是否含有白粉菌，如图5（a）所示。研究发现，健康、无症状和症状明显植株在540 - 680 nm处的反射光谱差异较大。同时该方法对黄瓜白粉菌感染的预测准确率超过78%。2019年，智利Ribera-Fonseca等研究人员提出一种基于可见光/近红外光谱技术的方法来估算蓝莓植株的水分状况。如图5（b）所示，实验采用两盏500 W的卤素灯对蓝莓叶片进行平行照射，并通过PS-100光谱仪辐射测量蓝莓叶片在400 - 1000 nm波段内的光谱信息，同时对光谱信息进行分析。研究发现，基于可见光/近红外光谱指数的反射率与蓝莓植物的水分状态参数呈显著正相关，为蓝莓植株的水分检测提供了新方向。
图5 （a）检测装置；（b）VIS/NIR光谱仪图片；（c）FT-NIR光谱仪采集近红外光谱的原理图
茶叶水分含量的可视化对茶叶种植和茶园灌溉起着关键作用。2019年，Sun等研究人员建立近红外高光谱成像系统来实现茶叶水分含量的可视化检测。如图6（a）所示，该系统采用150 W的光纤卤素灯作为照明单元，并采用波长范围为870 - 1780 nm的CCD摄像机和光谱分辨率为2.8 nm的成像光谱仪作为数据采集装置。2023年，Zhao等研究人员采用MicroNIR 1700便携式近红外光谱仪（分辨率为12.5 nm）对桑叶嫩度进行检测，如图6（b）所示。其采集桑叶在890 - 1669 nm波段的光谱信息，采集的数据采用无信息变量消除选择特征波长后建立标定模型。
图6 （a）近红外高光谱成像仪原理图；（ｂ）桑叶的近红外光谱采集
2023年，郭新东等研究人员建立了一种便携式近红外玉米叶片水分无损检测系统。该系统采用波长范围为1400 - 1450 nm的LED发光二极管作为光源，并采用PIN型光电二极管（响应范围800 - 1700 nm）采集光谱信号。此外，光源、光电二极管和被测叶片置于同一条直线，以减少光信号损失，如图7（a）所示。为准确获取土壤全氮（STN）含量和土壤水分（SM）含量，2019年，Zhou等研究人员基于8个特征波长（1206 nm、1330 nm、1360 nm、1430 nm、1530 nm、1580 nm、1660 nm和1450 nm）对土壤全氮和水分含量进行检测。如图7（b）所示，实验装置运用非接触式近红外检测技术，其采用8个单波段LD作为近红外光源，同时配备利用InGaAs光电传感器（波长范围为800 - 1700 nm）来接收土壤的漫反射光谱信号。
图7 （a）近红外光谱探测器结构；（b）原位STN-SM检测仪的整体结构
综上，近红外光谱检测技术在农业领域的广泛应用不仅提高了生产效率，也有助于实现农业的可持续发展。通过精准地了解土壤的化学成分、作物的生长状态、种子的活性，农业从业者可以及时并有针对性地调整施肥计划、优化农田管理。近红外检测技术为农业生产提供更为全面、可靠的信息，同时也推动了近红外检测技术在农业领域更深层次的创新。然而，当前的近红外检测设备成本较高，并且检测结果受环境影响较大。同时，光谱数据处理复杂，建立的模型效果有待提高。另外，近红外光谱检测技术在农业领域作物籽粒产前、产后品质和生长环境参、管理方法仍未形成闭环联系。
近红外光谱检测技术在药物分析领域的应用
近红外检测技术在药物的研究分析和生产过程中是一种绿色的监测手段和过程分析技术，能够有效加快了药物信息识别、降低了操作的复杂性。在临床检验时近红外光谱技术又被称为“黑匣子”分析技术，利用近红外光特征对样品中一些基团进行定性或者定量分析，例如，无创血糖检测、血红蛋白、组织的耗氧量等的浓度检测。
2022年，Gavan等研究人员基于1350 - 1550 nm范围内的近红外光谱信息在线监测帕利哌酮片的药品质量。在片剂监测过程中，选择原料药含量和片剂硬度作为缓释片的质量属性。如图8（a）所示，实验采用MAP-NIR光谱仪采集样品在800 - 1725 nm范围内的透射光谱，获得的光谱信息经预处理后建立预测模型。2022年，Assi等研究人员使用近红外光谱仪对疫苗的真伪进行检测，如图8（b）所示。研究发现，疫苗的mRNA活性成分对近红外光具有较强的吸收性并且具有较明显的特征谱带（9000 - 4000 cm⁻¹），同时检测模型也表现出较高的检测精度，为快速有效的检测疫苗真伪提供了初始技术。
图8 （a）在线混合监测实验装置；（b）Perkin Elme 2型光谱仪
综上，近红外光谱检测技术在药物分析领域展现出独特的价值，其在质量控制和药物含量无损检测方面的成功应用，使制药企业和监管部门能够更加精准地监测产品质量，确保产品的安全性。然而，在医药和临床检验时使用近红外光谱技术仍需提高器件的识别准确度、识别速度、识别体系辅料库、模型的使用范围。
近红外光谱检测技术在其他领域的应用
近红外光谱检测技术不仅在食品分析、生物医学、农业生产和药物分析领域有着广泛的应用，而且在垃圾分类、木材鉴别、气体分析等领域也展现出了较大的应用潜力。
润滑油含水率是反映其有效性的重要因素之一，2020年，Liu等研究人员开发了一种基于可见⁃近红外光谱技术的紧凑型润滑油含水率检测系统。如图9（a）所示，在该系统中，采用卤钨灯作为光源，并设计了一种反射式光探头来发送和接收光信号。为了验证该系统的可行性，分别采集了润滑油的透射和反射光谱。采集的光谱信号消除噪声信号后建立预测模型。2021年，Jahangiri等研究人员采用760 - 1040 nm范围内的光谱信息对沥青混合物中粘合剂进行分类。实验使用一种基于SCiO传感器的近红外微型光谱仪采集样品的近红外光谱信息，如图9（b）所示。
图9 （a）便携式光谱测量装置；（b）使用便携式近红外传感器扫描样品
2021年，Ma等研究人员提出一种空间分辨漫反射（波长范围为600 - 1000 nm）的近红外检测方法实现对木材的分类。如图10（b）所示，其采用自制的可见光⁃近红外SRS检测系统采集样品的近红外光谱信息，该系统采用功率为5 W的卤素灯作为光源，同时使用硅纤维收集漫反射光。为了加强对燃料质量的控制，2022年，Toscano等研究人员采用近红外光谱技术对燃料（木屑）的含水量进行检测。如图10（a）所示，在检测的过程中，使用MicroNIR传感器采集样品在950 - 1650 nm范围内的光谱信息，光谱信号经预处理后建立模型。2024年，Sing等研究人员开发了一种低成本的便携式近红外光谱仪来检测金鸡纳树皮中的奎宁、穿心莲中的内酯和黑胡椒中的胡椒碱。如图10（c）所示，其自制的光谱仪采用钨丝灯作为近红外光源，采集的光谱信息传输至电脑进行预处理并建立PLS预测模型。
图10 （a）便携式微型近红外传感器在实验室检测木屑；（b）可见光和近红外空间分辨光谱测量系统；（c）近红外光谱仪图片
结束语
这项研究总结了近红外光谱检测技术的检测流程、检测指标和器件系统的构成，以及在食品、农业、生物医学、药品分析等领域的研究进展，分析了不同检测仪器、光谱图谱采集方式、预处理方式、检测模型建立方法等对检测精度的影响。为了提升近红外检测技术的检测精度和效率，研究人员主要采用以下策略：（1）改变光谱图谱采集方式（透射或反射），获得更有效的光谱图谱信息，进而提高检测效率。（2）改变光谱数据预处理方法，选择最佳的光谱预处理方式，进而更好地消除光谱信息的噪点，并获得最佳的特征波长，为后续分析提供更准确的基础。（3）改变检测模型的建模方法，采用最佳建模方法建立检测模型，提高检测模型的相关系数，降低均方根误差，从而增强检测模型的性能。同时，通过优化建模方法，可以更准确地预测被检测物质的成分或性质，提高检测精度。
为了进一步推动近红外光谱检测技术应用发展，检测器件的微型化、智能化和即时化是重要发展环节。同时，光谱模型、建模方法、预处理方法、波段选择和建模因子数等方面的完善对结果的定量和半定量分析精度也至关重要。未来研究亦应关注新型检测仪器的光源制备，如近红外LED、近红外激光驱动光源和电池驱动型电源，从而推进检测技术的创新。
DOI: 10.14159/j.cnki.0441-3776.2024.08.011
