便携式近红外光谱检测系统的开发

冯帮　陈斌　颜辉

[摘 要] 在MicroNIR-1700近红外光谱仪上开发了便携式近红外光谱检测系统，介绍了系统光谱仪控制和样品质量检测的功能。为了验证系统的可行性与实用性，以标准白板为检测对象进行了多次光谱检测的重复性试验，在波长1000～1600nm范围内，吸光度最大偏差的最大值为0.0062，标准偏差的最大值为0.0021，系统具有很高的重复性精度；对幸水桃的可溶性固形物进行了实测试验，使用该光谱检测系统采集光谱，同步利用阿贝折射仪在相应部位测量SSC，经卷积平滑法和标准正态变换预处理后，采用PLS方法建立定标模型，其校正集和预测集的相关系数r分别为0.902和0.867，均方根误差RMSECV和RMSEP分别为1.091，1.158。

[关键词] 近红外光谱仪；应用系统；可溶性固形物

中图分类号：TP274 文献标识码：A 文章编号：2055-5200（2014）02-012-05

便携式近红外光谱仪自问世即受到业内广泛关注。它具有体积小、重量轻、低功耗、低成本、携带方便等优点。并具有近红外光谱技术分析速度快、样品准备简单、从单个光谱可进行多种组分分析、无损检测、没有化学污染等优点，被广泛运用于农业和食品领域实时现场检测中[1-2]。

光谱仪应用软件使近红外光谱仪器与实际应用领域结合，软件包括光谱仪控制、测量样品组成（性质）和其他附加功能。光谱仪控制部分负责实现光谱采集、查看和简单的信号处理；后者则负责将采集到的光谱信号与化学计量学模型关联起来，得到样品组成（性质）[3]。

MicroNIR-1700近红外光谱仪是美国JDSU公司推出的一款商品化的小型近红外光谱仪，其配套软件只包含仪器控制和光谱采集功能，需要进行必要的应用开发才能用于生产实际，因此本文在此基础上开发了近红外光谱检测应用系统，主要用于水果的可溶性固形物的检测。

1 MicroNIR-1700近红外光谱仪简介[4]

MicroNIR-1700近红外光谱仪采用线性渐变滤光片（LVF，Linear Variable Filter）作为分光器件，使用阵列式InGaAs探测测器，避免了采用光栅等类型的复杂分光系统，实现了光谱仪的小型化。在Φ45×42mm的体积上集光源、滤光片和检测器等于一体，不需要任何移动部件，重量为60g左右。其中光源采用双集成真空乌灯，寿命为1.8万小时，检测器采用128元非制冷铟镓砷（InGaAs）二极管阵列检测器，波长范围950～1 650 nm，分辨率为12.5 nm，积分时间最小为100 ?s，最大14 ms；仪器的控制和光谱数据的采集由控制终端上的软件触发，其命令和光谱数据经USB数据线在仪器和终端之间传输。控制终端可采用笔记本电脑和基于android系统的平板电脑，便于现场采样和实时测量（如图1所示）。在采集样品光谱之前，应先测量仪器的暗电流，测量参照信号后再采集样品的光谱，这样可以进行样品光谱的归一化处理，以提高光谱质量与准确度。

2 便携式近红外光谱检测系统的构架

便携式近红外光谱检测系统整体构架如图2所示，采用VC++平台进行开发，主要包括光谱仪控制和样品测量2个模块。前者负责初始化光谱仪、光源控制以及光谱采集之前的参数设置；后者负责待测样品光谱采集、相关质量指标化学计量学模型导入、样品质量指标分析和数据信息管理等内容。

图2 便携式近红外光谱检测系统整体构架

3 系统实现

3.1 光谱仪控制[5]

3.1.1 初始化 在上位机控制终端（笔记本电脑）上安装设备驱动程序，将近红外光谱仪通过USB数据线与上位机连接起来。光谱仪器驱动程序安装包中包含了一系列控制仪器的接口函数，如“FT_ListDevices”、“FT_OpenEx”、“FT_Write”和“FT_Read”等接口函数，通过调用这些函数可实现对光谱仪的控制功能。首先检测光谱仪的连接状态，上位机调用“FT_ListDevices”函数，其调用格式为FT_ListDevices（&numDevs，NΜLL，FT_LIST_NUMBER_ONLY），其中numDevs为连接到上位机的同类设备数，后面两个参数为常量。若该函数返回值为0，则表示光谱仪器连接成功；若函数返回值不为0，则表示设备没有连接成功，需重新连接设备或安装设备驱动。光谱仪与上位机连接成功后，再次调用“FT_ListDevices”函数获取光谱仪序列号、仪器版本和设备ID等信息，为光谱仪的打开作准备，此时的函数格式为FT_ListDevices（para1，para2，para3），其中para1为连接到上位机的设备所引，通常为0；para2用于存放获得的设备信息如光谱仪序列号，para3与para2相对应。光谱仪的打开操作可通过如下函数实现：

FT_OpenEx（char *para1，flag，&handle）

其中参数para1可以是序列号、仪器版本或设备ID，此时flag与para1相对应。若设备打开成功，参数handle获得非零设备句柄值，否则handle仍为初始值0，当前设备不可用。光谱仪成功打开后，可利用设备句柄进行光谱仪复位、获取光谱仪的分辨率、查询光谱仪校正信息等操作。此时，光谱仪初始化工作已完成。

3.1.2 光源的控制 光谱仪上没有光源开关，光源的控制是通过向光谱仪发送命令实现的。首先须打开光谱仪，获得设备句柄，然后调用“FT_Write”函数向光谱仪写光源开与关的命令实现的。调用函数参数格式为：FT_Write（para1，para2），其中参数para1为设备句柄，para2为对应的光源开与关的命令值，光源打开操作设置参数para2为“L0”，关闭光源则设置参数para2为“L1”。

3.1.3 光谱扫描参数设置 样品的近红外光谱质量受到光谱仪积分时间、采样次数和增益的影响，光谱信号的强弱与积分时间和增益成正比，平均采样数影响光谱的准确度和平滑度。因此，在光谱采集之前需对这些参数进行合理的设置，以便提高光谱信号的信噪比。调用“FT_Write”函数，向光谱仪发送设置参数命令，光谱仪的主要参数通常设置为积分时间为10ms，采样次数为70，增益为1。

3.2 样品测量

3.2.1 光谱采集与显示 光谱仪初始化和仪器的参数设置完毕后，即可采集光谱数据。同样调用“FT_Write”函数向光谱仪发送采集光谱命令，此时光谱数据将采集到光谱仪缓存里面，等待一个延时，调用“FT_Read”函数通过USB读取光谱数据到电脑上，并显示出来。为了方便查看光谱数据，系统将采集到的原始光谱设为默认状态。根据公式（1）、（2）和（3），在进行暗光谱和采参照光谱的采集操作之后，用户可以获得被测样品的吸光度（A）、反射率（R）和透射率（T）等不同数据类型的光谱图[6]，为后面样品指标的测量奠定基础。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分别为在波长λ处的样品原始光谱强度值、暗光谱强度值和参考光谱强度值。

3.2.2 样品成分测量 MicroNIR-1700近红外光谱仪的波长区段为950～1 650 nm，在该范围内近红外光谱可用于农产品的水分、果品的可溶性固形物等成分的定量检测[7～9]。将采集到的样品光谱，转换成模型中光谱的模式（通常为吸光度谱），并对吸光度光谱进行平滑、归一化或者标准正态变量变换等预处理，然后导入化学计量学模型中，即可实现快速、无损地检测样品成分。实际工作界面如图3所示。

3.2.3 数据信息管理 为了方便用户分析、处理和查询样品光谱，该软件系统提供两种文件存储方式，用户可将样品光谱存储为文本格式，方便用户对光谱数据的再利用，如建立化学计量学模型；另一种方式是将光谱数据存储到样品信息库中，用户可通过该数据库来查询和管理被测样品信息，包含测量者、测量时间、样品对象、样品指标值和光谱数据等信息。

4 光谱检测系统测试

为了验证便携式光谱检测系统的可行性与实用性，首先对标准白板进行光谱检测的重复性试验，然后对桃子的可溶性固形物含量进行了实测试验。

4.1 光谱重复性试验

光谱的重复性是指在尽量相同的条件下，包括程序、人员、仪器、环境等条件不变的状态下，在一定的时间间隔内重复测量，评价光谱之间的一致性，通常用整个光谱区间的吸光度最大偏差或标准偏差来衡量。本次的重复性试验是在温度恒为24℃的恒温实验室进行的，扣除暗电流之后的采用白板的100%线进行试验，每隔15s保存一次光谱数据，共采集4 min。各波长点处的吸光度最大偏差和标准偏差如图4、图5所示，在波长为1 000～1 600 nm范围内，最大偏差最大值为0.0062，标准偏差最大值为0.0021，具有较高的重复性精度，能满足一般精度要求检测的需要。

图5 各波长处吸光度标准偏差

4.2 桃子可溶性固形物实测试验

4.2.1 样品的准备 试验共选用70个不同成熟度的幸水桃，于2013年7月19日早晨采于镇江市句容某果园，采后将之保存在温度为24℃的恒温实验室。

4.2.2 样品光谱的采集 光谱采集过程是在24℃的恒温下进行的。根据预试验结果，光谱仪打开后预热15 min，设定光谱仪积分时间为10 ms，采样次数为70。为了减少主观操作所带来的误差，将70个桃子从1～70分别编号，然后在每个桃子赤道位置上间隔1200画3个直径大约为2cm的圆圈。在采集样品光谱时，桃子紧贴光谱仪，采集每个圆圈处桃子光谱，总计210个样本。样品的吸光度谱图如图6所示。

图6 70个桃子的近红外吸光度谱图

4.2.3 桃子可溶性固形物的测量 样品光谱采集完后，在每个桃子的圆圈处切5 mm厚的桃块，在阿贝折光仪棱镜表面中央挤出1～2滴汁液，读出桃子可溶性固形物的具体数值。其中桃子的可溶性固形物的最大值为21.75，最小值为8.26，平均值为14.04。

4.2.4 结果分析 对样品吸光度谱依次采用卷积平滑法（SG，窗口为7）和标准正态变量变换（SNV）进行预处理。按校正集与预测集3：1的比例，采用Kennard-Stone方法划分样品集[10]。其中157个样品作为校正集，53个作为预测集。对校正集采用PLS方法建立校正模型，并对预测集进行预测。模型结果如表1所示，其校正集和预测集的相关系数r分别为0.902和0.867，均方根误差RMSECV和RMSEP分别为1.091，1.158。模型预测结果如图7所示。

图7 SG+SNV预处理的PLS模型预测结果

5 结论

本文在MicroNIR-1700近红外光谱仪上开发了“便携式近红外光谱检测系统”，包含光谱仪控制、光谱采集、样品成分测量和数据管理等功能，功能基本完整。通过对光谱的重复性和桃子可溶性固形物的测试试验，对系统的稳定性和精度进行评价，结果表明，该系统设计可行，可以用于桃子可溶性固形物的快速定量检测。对于其他实际应用，只需收集一定数量的标准样品，并建立起相应的定标模型，将模型嵌入系统中，即可满足实际应用需求。

参 考 文 献

[1] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010，162-163.

[2] 韩东海，李鹏飞，王加华.便携式近红外仪及其应用[J].世界农业.2008，（04）：66-67.

[3] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.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] 李庆波，阎侯赖，张倩暄，等.近红外光谱采集与处理软件系统的设计及实现[J].实验技术与管理.2010，27（5）：102-110.

[7] 李桂峰.近红外光谱技术及其在农业和食品检测中的应用[J].农业与技术，2007，（5）：91-94.

[8] 毕卫红，许峰，吕超.水果含糖量近红外检测系统及实验[J].红外技术.2007，（11）：678-680.

[9] 吴瑞梅，赵杰文，陈全胜，等.近红外光谱技术结合特征变量筛选快速检测绿茶滋味品质[J].光谱学与光谱分析，2011，31（7）：1782-1785.

[10] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010：37-38.

3.2 样品测量

3.2.1 光谱采集与显示 光谱仪初始化和仪器的参数设置完毕后，即可采集光谱数据。同样调用“FT_Write”函数向光谱仪发送采集光谱命令，此时光谱数据将采集到光谱仪缓存里面，等待一个延时，调用“FT_Read”函数通过USB读取光谱数据到电脑上，并显示出来。为了方便查看光谱数据，系统将采集到的原始光谱设为默认状态。根据公式（1）、（2）和（3），在进行暗光谱和采参照光谱的采集操作之后，用户可以获得被测样品的吸光度（A）、反射率（R）和透射率（T）等不同数据类型的光谱图[6]，为后面样品指标的测量奠定基础。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分别为在波长λ处的样品原始光谱强度值、暗光谱强度值和参考光谱强度值。

3.2.2 样品成分测量 MicroNIR-1700近红外光谱仪的波长区段为950～1 650 nm，在该范围内近红外光谱可用于农产品的水分、果品的可溶性固形物等成分的定量检测[7～9]。将采集到的样品光谱，转换成模型中光谱的模式（通常为吸光度谱），并对吸光度光谱进行平滑、归一化或者标准正态变量变换等预处理，然后导入化学计量学模型中，即可实现快速、无损地检测样品成分。实际工作界面如图3所示。

3.2.3 数据信息管理 为了方便用户分析、处理和查询样品光谱，该软件系统提供两种文件存储方式，用户可将样品光谱存储为文本格式，方便用户对光谱数据的再利用，如建立化学计量学模型；另一种方式是将光谱数据存储到样品信息库中，用户可通过该数据库来查询和管理被测样品信息，包含测量者、测量时间、样品对象、样品指标值和光谱数据等信息。

4 光谱检测系统测试

为了验证便携式光谱检测系统的可行性与实用性，首先对标准白板进行光谱检测的重复性试验，然后对桃子的可溶性固形物含量进行了实测试验。

4.1 光谱重复性试验

光谱的重复性是指在尽量相同的条件下，包括程序、人员、仪器、环境等条件不变的状态下，在一定的时间间隔内重复测量，评价光谱之间的一致性，通常用整个光谱区间的吸光度最大偏差或标准偏差来衡量。本次的重复性试验是在温度恒为24℃的恒温实验室进行的，扣除暗电流之后的采用白板的100%线进行试验，每隔15s保存一次光谱数据，共采集4 min。各波长点处的吸光度最大偏差和标准偏差如图4、图5所示，在波长为1 000～1 600 nm范围内，最大偏差最大值为0.0062，标准偏差最大值为0.0021，具有较高的重复性精度，能满足一般精度要求检测的需要。

图5 各波长处吸光度标准偏差

4.2 桃子可溶性固形物实测试验

4.2.1 样品的准备 试验共选用70个不同成熟度的幸水桃，于2013年7月19日早晨采于镇江市句容某果园，采后将之保存在温度为24℃的恒温实验室。

4.2.2 样品光谱的采集 光谱采集过程是在24℃的恒温下进行的。根据预试验结果，光谱仪打开后预热15 min，设定光谱仪积分时间为10 ms，采样次数为70。为了减少主观操作所带来的误差，将70个桃子从1～70分别编号，然后在每个桃子赤道位置上间隔1200画3个直径大约为2cm的圆圈。在采集样品光谱时，桃子紧贴光谱仪，采集每个圆圈处桃子光谱，总计210个样本。样品的吸光度谱图如图6所示。

图6 70个桃子的近红外吸光度谱图

4.2.3 桃子可溶性固形物的测量 样品光谱采集完后，在每个桃子的圆圈处切5 mm厚的桃块，在阿贝折光仪棱镜表面中央挤出1～2滴汁液，读出桃子可溶性固形物的具体数值。其中桃子的可溶性固形物的最大值为21.75，最小值为8.26，平均值为14.04。

4.2.4 结果分析 对样品吸光度谱依次采用卷积平滑法（SG，窗口为7）和标准正态变量变换（SNV）进行预处理。按校正集与预测集3：1的比例，采用Kennard-Stone方法划分样品集[10]。其中157个样品作为校正集，53个作为预测集。对校正集采用PLS方法建立校正模型，并对预测集进行预测。模型结果如表1所示，其校正集和预测集的相关系数r分别为0.902和0.867，均方根误差RMSECV和RMSEP分别为1.091，1.158。模型预测结果如图7所示。

图7 SG+SNV预处理的PLS模型预测结果

5 结论

本文在MicroNIR-1700近红外光谱仪上开发了“便携式近红外光谱检测系统”，包含光谱仪控制、光谱采集、样品成分测量和数据管理等功能，功能基本完整。通过对光谱的重复性和桃子可溶性固形物的测试试验，对系统的稳定性和精度进行评价，结果表明，该系统设计可行，可以用于桃子可溶性固形物的快速定量检测。对于其他实际应用，只需收集一定数量的标准样品，并建立起相应的定标模型，将模型嵌入系统中，即可满足实际应用需求。

参 考 文 献

[1] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010，162-163.

[2] 韩东海，李鹏飞，王加华.便携式近红外仪及其应用[J].世界农业.2008，（04）：66-67.

[3] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.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] 李庆波，阎侯赖，张倩暄，等.近红外光谱采集与处理软件系统的设计及实现[J].实验技术与管理.2010，27（5）：102-110.

[7] 李桂峰.近红外光谱技术及其在农业和食品检测中的应用[J].农业与技术，2007，（5）：91-94.

[8] 毕卫红，许峰，吕超.水果含糖量近红外检测系统及实验[J].红外技术.2007，（11）：678-680.

[9] 吴瑞梅，赵杰文，陈全胜，等.近红外光谱技术结合特征变量筛选快速检测绿茶滋味品质[J].光谱学与光谱分析，2011，31（7）：1782-1785.

[10] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010：37-38.

3.2 样品测量

3.2.1 光谱采集与显示 光谱仪初始化和仪器的参数设置完毕后，即可采集光谱数据。同样调用“FT_Write”函数向光谱仪发送采集光谱命令，此时光谱数据将采集到光谱仪缓存里面，等待一个延时，调用“FT_Read”函数通过USB读取光谱数据到电脑上，并显示出来。为了方便查看光谱数据，系统将采集到的原始光谱设为默认状态。根据公式（1）、（2）和（3），在进行暗光谱和采参照光谱的采集操作之后，用户可以获得被测样品的吸光度（A）、反射率（R）和透射率（T）等不同数据类型的光谱图[6]，为后面样品指标的测量奠定基础。

（1）

（2）

（3）

其中，Sλ，Dλ，Rλ分别为在波长λ处的样品原始光谱强度值、暗光谱强度值和参考光谱强度值。

3.2.2 样品成分测量 MicroNIR-1700近红外光谱仪的波长区段为950～1 650 nm，在该范围内近红外光谱可用于农产品的水分、果品的可溶性固形物等成分的定量检测[7～9]。将采集到的样品光谱，转换成模型中光谱的模式（通常为吸光度谱），并对吸光度光谱进行平滑、归一化或者标准正态变量变换等预处理，然后导入化学计量学模型中，即可实现快速、无损地检测样品成分。实际工作界面如图3所示。

3.2.3 数据信息管理 为了方便用户分析、处理和查询样品光谱，该软件系统提供两种文件存储方式，用户可将样品光谱存储为文本格式，方便用户对光谱数据的再利用，如建立化学计量学模型；另一种方式是将光谱数据存储到样品信息库中，用户可通过该数据库来查询和管理被测样品信息，包含测量者、测量时间、样品对象、样品指标值和光谱数据等信息。

4 光谱检测系统测试

为了验证便携式光谱检测系统的可行性与实用性，首先对标准白板进行光谱检测的重复性试验，然后对桃子的可溶性固形物含量进行了实测试验。

4.1 光谱重复性试验

光谱的重复性是指在尽量相同的条件下，包括程序、人员、仪器、环境等条件不变的状态下，在一定的时间间隔内重复测量，评价光谱之间的一致性，通常用整个光谱区间的吸光度最大偏差或标准偏差来衡量。本次的重复性试验是在温度恒为24℃的恒温实验室进行的，扣除暗电流之后的采用白板的100%线进行试验，每隔15s保存一次光谱数据，共采集4 min。各波长点处的吸光度最大偏差和标准偏差如图4、图5所示，在波长为1 000～1 600 nm范围内，最大偏差最大值为0.0062，标准偏差最大值为0.0021，具有较高的重复性精度，能满足一般精度要求检测的需要。

图5 各波长处吸光度标准偏差

4.2 桃子可溶性固形物实测试验

4.2.1 样品的准备 试验共选用70个不同成熟度的幸水桃，于2013年7月19日早晨采于镇江市句容某果园，采后将之保存在温度为24℃的恒温实验室。

4.2.2 样品光谱的采集 光谱采集过程是在24℃的恒温下进行的。根据预试验结果，光谱仪打开后预热15 min，设定光谱仪积分时间为10 ms，采样次数为70。为了减少主观操作所带来的误差，将70个桃子从1～70分别编号，然后在每个桃子赤道位置上间隔1200画3个直径大约为2cm的圆圈。在采集样品光谱时，桃子紧贴光谱仪，采集每个圆圈处桃子光谱，总计210个样本。样品的吸光度谱图如图6所示。

图6 70个桃子的近红外吸光度谱图

4.2.3 桃子可溶性固形物的测量 样品光谱采集完后，在每个桃子的圆圈处切5 mm厚的桃块，在阿贝折光仪棱镜表面中央挤出1～2滴汁液，读出桃子可溶性固形物的具体数值。其中桃子的可溶性固形物的最大值为21.75，最小值为8.26，平均值为14.04。

4.2.4 结果分析 对样品吸光度谱依次采用卷积平滑法（SG，窗口为7）和标准正态变量变换（SNV）进行预处理。按校正集与预测集3：1的比例，采用Kennard-Stone方法划分样品集[10]。其中157个样品作为校正集，53个作为预测集。对校正集采用PLS方法建立校正模型，并对预测集进行预测。模型结果如表1所示，其校正集和预测集的相关系数r分别为0.902和0.867，均方根误差RMSECV和RMSEP分别为1.091，1.158。模型预测结果如图7所示。

图7 SG+SNV预处理的PLS模型预测结果

5 结论

本文在MicroNIR-1700近红外光谱仪上开发了“便携式近红外光谱检测系统”，包含光谱仪控制、光谱采集、样品成分测量和数据管理等功能，功能基本完整。通过对光谱的重复性和桃子可溶性固形物的测试试验，对系统的稳定性和精度进行评价，结果表明，该系统设计可行，可以用于桃子可溶性固形物的快速定量检测。对于其他实际应用，只需收集一定数量的标准样品，并建立起相应的定标模型，将模型嵌入系统中，即可满足实际应用需求。

参 考 文 献

[1] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010，162-163.

[2] 韩东海，李鹏飞，王加华.便携式近红外仪及其应用[J].世界农业.2008，（04）：66-67.

[3] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.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] 李庆波，阎侯赖，张倩暄，等.近红外光谱采集与处理软件系统的设计及实现[J].实验技术与管理.2010，27（5）：102-110.

[7] 李桂峰.近红外光谱技术及其在农业和食品检测中的应用[J].农业与技术，2007，（5）：91-94.

[8] 毕卫红，许峰，吕超.水果含糖量近红外检测系统及实验[J].红外技术.2007，（11）：678-680.

[9] 吴瑞梅，赵杰文，陈全胜，等.近红外光谱技术结合特征变量筛选快速检测绿茶滋味品质[J].光谱学与光谱分析，2011，31（7）：1782-1785.

[10] 陆婉珍，袁洪福，褚小立.近红外光谱仪器[M].北京：化学工业出版社.2010：37-38.