據(jù)儀器信息網(wǎng)，于2025年07月22日?qǐng)?bào)道，近紅外光譜（NIRS）技術(shù)作為現(xiàn)代分析科學(xué)的重要工具，近年來在硬件創(chuàng)新、算法優(yōu)化和應(yīng)用拓展等方面均取得了突破性進(jìn)展。2025年意大利國際近紅外光譜學(xué)術(shù)會(huì)議集中展示了全球最新研究成果，從微型化傳感器、智能算法到跨行業(yè)應(yīng)用，全面勾勒出該技術(shù)的發(fā)展脈絡(luò)與未來趨勢(shì)。本次會(huì)議凸顯了三大核心方向：一是儀器硬件的革新，尤其是微小型便攜式設(shè)備，在食品安全、藥品檢測(cè)和農(nóng)業(yè)監(jiān)測(cè)等領(lǐng)域?qū)崿F(xiàn)了高精度現(xiàn)場分析；二是數(shù)據(jù)處理方法的進(jìn)階，化學(xué)計(jì)量學(xué)與深度學(xué)習(xí)的深度融合顯著提升了模型的解釋性和泛化能力，而開放集識(shí)別、遷移學(xué)習(xí)等技術(shù)進(jìn)一步解決了小樣本和跨設(shè)備兼容性問題；三是應(yīng)用場景的多元化拓展，從傳統(tǒng)農(nóng)業(yè)、化工向環(huán)境監(jiān)測(cè)、醫(yī)療診斷及智能制造延伸，結(jié)合高光譜成像、多模態(tài)數(shù)據(jù)融合和自動(dòng)化系統(tǒng)，推動(dòng)NIRS從實(shí)驗(yàn)室走向?qū)崟r(shí)化、網(wǎng)絡(luò)化的產(chǎn)業(yè)落地。此外，大語言模型的引入為光譜數(shù)據(jù)的智能解析與知識(shí)共享提供了新范式。這些進(jìn)展不僅體現(xiàn)了NIRS技術(shù)的跨學(xué)科融合特性，更預(yù)示著其向更智能、更普惠的分析工具演進(jìn)，為精準(zhǔn)農(nóng)業(yè)、綠色工業(yè)和個(gè)性化醫(yī)療等領(lǐng)域提供了新解決方案。
儀器硬件與便攜式應(yīng)用的革新
隨著傳感器技術(shù)和微機(jī)電系統(tǒng)（MEMS）的進(jìn)步，近紅外光譜儀正朝著小型化、智能化和低成本方向發(fā)展，極大地拓展了現(xiàn)場檢測(cè)的應(yīng)用場景。
1.設(shè)備小型化與成本控制成為本屆會(huì)議硬件創(chuàng)新的核心主題。
澳大利亞的儀器公司開發(fā)的集成MEMS/InGaAs傳感器模塊手持式反射光譜儀頗具代表性。該設(shè)備創(chuàng)造性地將分立波長傳感器與MEMS可調(diào)諧NIR光譜儀相結(jié)合，利用標(biāo)準(zhǔn)半導(dǎo)體技術(shù)實(shí)現(xiàn)規(guī)模化生產(chǎn)，大幅降低了成本。其獨(dú)特之處在于操作范圍僅受窗口材料限制，不依賴折射光學(xué)器件或光柵，為530-1700nm范圍內(nèi)的應(yīng)用提供了靈活配置方案。
值得關(guān)注的是，這些新型設(shè)備不再滿足于"能用"，而是追求在便攜性與性能之間取得平衡。如MEMS光譜儀集成了InGaAs光電二極管，確保足夠的靈敏度和分辨率；內(nèi)部照明光源和校準(zhǔn)系統(tǒng)則保障了測(cè)量的一致性。這種設(shè)計(jì)理念反映了市場對(duì)"專業(yè)級(jí)便攜設(shè)備"的需求增長—既適合現(xiàn)場快速檢測(cè)，又能滿足一定精度的要求。
2.便攜式設(shè)備的實(shí)際應(yīng)用
食品安全：西班牙科爾多瓦大學(xué)團(tuán)隊(duì)利用便攜近紅外設(shè)備，通過PLS2-DA模型成功區(qū)分了伊比利亞火腿的飼養(yǎng)方式（橡果喂養(yǎng)vs飼料喂養(yǎng)），準(zhǔn)確率達(dá)100%。
藥品檢測(cè)：英國研究團(tuán)隊(duì)利用微型近紅外光譜儀結(jié)合PLS回歸模型，實(shí)現(xiàn)了3D打印個(gè)性化藥物（他莫昔芬枸櫞酸鹽）的非破壞性劑量驗(yàn)證，可應(yīng)用于醫(yī)院藥房的臨床試驗(yàn)制劑質(zhì)量控制。
咖啡品質(zhì)：雀巢公司通過校準(zhǔn)轉(zhuǎn)移技術(shù)（如PDS和PC-CCA），將實(shí)驗(yàn)室臺(tái)式NIR模型遷移至便攜設(shè)備，實(shí)現(xiàn)了咖啡豆中咖啡因含量的田間快速測(cè)定。
3.與云計(jì)算、物聯(lián)網(wǎng)集成
匈牙利團(tuán)隊(duì)將便攜NIRS與RFID、區(qū)塊鏈和物聯(lián)網(wǎng)（IoT）結(jié)合，構(gòu)建了甜薯“從農(nóng)場到餐桌”的全程追溯系統(tǒng)。通過Docker容器化部署預(yù)測(cè)模型，數(shù)據(jù)實(shí)時(shí)上傳至云端，驗(yàn)證了NIRS在數(shù)字化供應(yīng)鏈中的關(guān)鍵作用。
新西蘭Fonterra公司分享了其乳制品NIR網(wǎng)絡(luò)的更新經(jīng)驗(yàn)，通過標(biāo)準(zhǔn)化驗(yàn)證和校準(zhǔn)流程，成功替換了40臺(tái)在線和離線光譜儀，確保了生產(chǎn)鏈中數(shù)據(jù)的一致性。
4.專用光譜儀器的發(fā)展
挪威SINTEF研究所開發(fā)的MiniSmartSensor采用獨(dú)特的交互幾何光學(xué)設(shè)計(jì)，通過精確控制光散射實(shí)現(xiàn)食品亞表面檢測(cè)。該設(shè)備在鱈魚干品質(zhì)分析中，結(jié)合雙積分球（DIS）和反向加倍算法（IAD），成功區(qū)分了物理特性與化學(xué)成分對(duì)光譜的影響。
新算法：數(shù)據(jù)處理、模型構(gòu)建和解釋的進(jìn)階
1.化學(xué)計(jì)量學(xué)方法和軟件的革新是本屆會(huì)議最活躍的議題之一。研究人員正從傳統(tǒng)PLS回歸向更智能、更自適應(yīng)的建模策略轉(zhuǎn)變，以應(yīng)對(duì)復(fù)雜樣本的挑戰(zhàn)。
挪威SINTEF研究所的"第一性原理"方法論為復(fù)雜樣品分析提供了新框架。他們通過雙積分球測(cè)量鱈魚的體光學(xué)特性(BOP)，建立光傳播模型，明確了物理特性對(duì)NIR信號(hào)的影響機(jī)制。這種基于基礎(chǔ)光學(xué)原理的方法，顯著提高了預(yù)測(cè)模型的魯棒性和可解釋性，對(duì)商業(yè)化應(yīng)用至關(guān)重要。
法國ITAP研究所提出了基于物理機(jī)制的數(shù)據(jù)增強(qiáng)方法，通過Kubelka-Munk模型生成合成光譜，有效解決了小樣本校準(zhǔn)難題。法國Labcom AIOLY團(tuán)隊(duì)則將空間填充設(shè)計(jì)與深度學(xué)習(xí)結(jié)合，提高了廢塑料分類的準(zhǔn)確性。
西班牙CSIC研究所將成分?jǐn)?shù)據(jù)分析(CoDa)方法引入土壤有機(jī)碳(SOC)預(yù)測(cè)，解決了傳統(tǒng)PLS在處理受限數(shù)據(jù)(如百分比組成)時(shí)的偏差問題。通過等距對(duì)數(shù)比變換(ILR)，提高了SOC的預(yù)測(cè)能力，展示了數(shù)學(xué)基礎(chǔ)創(chuàng)新對(duì)應(yīng)用效果的實(shí)質(zhì)性改善。
法國Chauvin-Arnoux集團(tuán)則從物理模型入手，開發(fā)了基于Kubelka-Munk理論的數(shù)據(jù)模擬方法，增強(qiáng)了小樣本情況下的模型外推能力。這種將光學(xué)原理與化學(xué)計(jì)量學(xué)結(jié)合的思路，為過程分析技術(shù)(PAT)提供了更可靠的校準(zhǔn)策略。
澳大利亞KAX集團(tuán)的SPEKTRUM平臺(tái)致力于解決儀器間數(shù)據(jù)一致性問題，其統(tǒng)一接口可連接各類光譜儀，集成建模工具，使方法開發(fā)時(shí)間顯著縮短。Si-Ware Systems推出的Neospectra Modeler則實(shí)現(xiàn)了化學(xué)計(jì)量學(xué)模型的全自動(dòng)化構(gòu)建，支持快速模式（2分鐘內(nèi)生成模型）和高級(jí)模式，可優(yōu)化RMSE、R2等關(guān)鍵指標(biāo)，適用于干草、青貯飼料和牛奶等多種樣品分析。巴西團(tuán)隊(duì)開發(fā)的RELYON軟件代表了預(yù)處理策略優(yōu)化的新方向。該工具整合了Combinatorial Order Pre-processing Search (COPS)算法和有序預(yù)測(cè)變量選擇方法，可自動(dòng)確定最佳預(yù)處理組合，顯著提高模型性能。
2.深度學(xué)習(xí)（DL）為高光譜數(shù)據(jù)的解析提供了新范式，但其在光譜領(lǐng)域的應(yīng)用仍面臨數(shù)據(jù)量不足、模型可解釋性差等挑戰(zhàn)。本次會(huì)議展示了多項(xiàng)創(chuàng)新解決方案。
特征提取與分類優(yōu)化
韓國漢陽大學(xué)團(tuán)隊(duì)提出卷積自編碼器（CAE），從二維相關(guān)光譜圖中提取空間-光譜聯(lián)合特征，用于辣椒和紫蘇籽的地理溯源判別，準(zhǔn)確率較傳統(tǒng)方法有了較大提升。通過梯度加權(quán)類激活映射（Grad-CAM），模型的可解釋性顯著增強(qiáng)。
日本名古屋大學(xué)則利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）分析種子近紅外高光譜圖像，結(jié)合X射線CT數(shù)據(jù)，實(shí)現(xiàn)了番茄種子活力的自動(dòng)化分類。
數(shù)據(jù)增強(qiáng)與遷移學(xué)習(xí)
為解決小樣本問題，法國團(tuán)隊(duì)開發(fā)了基于化學(xué)計(jì)量學(xué)（如EMSC和PCA）的數(shù)據(jù)增強(qiáng)方法，通過生成合成光譜提升模型魯棒性。該方法在芒果干物質(zhì)預(yù)測(cè)和小麥品種分類中驗(yàn)證，能降低深度學(xué)習(xí)模型過擬合風(fēng)險(xiǎn)，研究強(qiáng)調(diào)將領(lǐng)域知識(shí)融入數(shù)據(jù)增強(qiáng)對(duì)提升模型泛化能力的關(guān)鍵作用。
法國團(tuán)隊(duì)研究比較了深度學(xué)習(xí)（如ResNet、ViT）與傳統(tǒng)化學(xué)計(jì)量學(xué)方法（PLS、LWPLS）在土壤和采后農(nóng)產(chǎn)品NIRS數(shù)據(jù)分析中的表現(xiàn)，發(fā)現(xiàn)當(dāng)前DL模型在訓(xùn)練成本和優(yōu)化復(fù)雜度較高的前提下，尚未顯著超越傳統(tǒng)方法，主要受限于光譜數(shù)據(jù)庫的高度專業(yè)性導(dǎo)致的遷移學(xué)習(xí)效果有限，凸顯了領(lǐng)域適應(yīng)性優(yōu)化的重要性。
開放集識(shí)別技術(shù)
愛爾蘭都柏林大學(xué)的OpenMax-CNN模型突破了封閉集限制，在未知類別微塑料識(shí)別中實(shí)現(xiàn)了95%的準(zhǔn)確率。該技術(shù)通過針對(duì)性數(shù)據(jù)增強(qiáng)（如模擬不同儀器噪聲），顯著提升了跨設(shè)備泛化能力。
3.模型的可解釋性分析
日本農(nóng)業(yè)食品研究機(jī)構(gòu)團(tuán)隊(duì)通過食品代謝組學(xué)（GC-MS/NMR）與近紅外光譜（Vis-NIRS）的協(xié)同分析，揭示了西紅柿甜度（預(yù)測(cè)R2=0.92）和西蘭花新鮮度（R2p=0.75）的光譜機(jī)制，證實(shí)糖類、氨基酸等代謝物與特征波長（SWSR篩選）的強(qiáng)相關(guān)性（|r|>0.9），為近紅外"黑箱"模型提供了科學(xué)解釋基礎(chǔ)。
法國Ondalys公司團(tuán)隊(duì)重點(diǎn)評(píng)估了支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和XGBoost等機(jī)器學(xué)習(xí)模型在近紅外光譜數(shù)據(jù)（850-1050nm）中的可解釋性方法。通過比較LIME、SHAP等解釋算法與PLS回歸系數(shù)，發(fā)現(xiàn)這些方法能有效識(shí)別"黑箱"模型的關(guān)鍵波長范圍（如肉糜成分分析），并可作為過擬合風(fēng)險(xiǎn)指標(biāo)，為復(fù)雜光譜模型的工業(yè)與醫(yī)療應(yīng)用提供可靠性驗(yàn)證。
從實(shí)驗(yàn)室到產(chǎn)業(yè)：應(yīng)用場景的多元化拓展
近紅外光譜技術(shù)的應(yīng)用邊界正在不斷擴(kuò)展。本次會(huì)議報(bào)告涵蓋了從農(nóng)業(yè)生產(chǎn)到能源化工、從制藥到輪胎工業(yè)的廣泛領(lǐng)域，呈現(xiàn)出明顯的跨行業(yè)滲透趨勢(shì)。
在生物能源領(lǐng)域，丹麥哥本哈根大學(xué)團(tuán)隊(duì)展示了NIR光譜如何優(yōu)化沼氣生產(chǎn)過程。通過實(shí)時(shí)監(jiān)測(cè)原料組成和發(fā)酵過程參數(shù)，這項(xiàng)"綠色技術(shù)"可提高產(chǎn)氣效率15%以上。類似地，巴西研究團(tuán)隊(duì)利用微型NIR預(yù)測(cè)CO?轉(zhuǎn)化為燃料添加劑過程中的成分變化，為碳捕獲利用提供了新思路。
農(nóng)產(chǎn)品質(zhì)量評(píng)估仍是重要應(yīng)用方向。意大利團(tuán)隊(duì)開發(fā)了基于NIR的有機(jī)甜橙無損檢測(cè)系統(tǒng)，結(jié)合ANOVA-Simultaneous Component Analysis (ASCA)模型，能準(zhǔn)確追蹤儲(chǔ)存時(shí)間和溫度對(duì)水果品質(zhì)的影響。韓國學(xué)者則利用卷積自編碼器(CAE)從二維相關(guān)光譜中提取特征，實(shí)現(xiàn)了辣椒和紫蘇籽地理起源的高精度鑒別。
特別值得關(guān)注的是NIR在傳統(tǒng)工業(yè)中的創(chuàng)新應(yīng)用。土耳其石油公司將NIR與化學(xué)計(jì)量學(xué)結(jié)合，實(shí)現(xiàn)了原油API度、硫含量和瀝青質(zhì)含量的快速預(yù)測(cè)。意大利皮雷利輪胎公司則建立了龐大的原料FT-NIR數(shù)據(jù)庫，通過自動(dòng)化分類策略確保原材料符合規(guī)格要求，展示了NIR在復(fù)雜工業(yè)品控中的價(jià)值。
自動(dòng)化與智能化應(yīng)用場景擴(kuò)展
自動(dòng)化技術(shù)的引入，使得近紅外光譜從實(shí)驗(yàn)室走向田間、工廠和醫(yī)療現(xiàn)場，大幅提升了分析效率。
1.實(shí)驗(yàn)室機(jī)器人
斯洛文尼亞InnoRenew CoE團(tuán)隊(duì)采用協(xié)作機(jī)器人自動(dòng)處理木材樣品，同步控制天平、攝像機(jī)和NIR光譜儀，完成了1022個(gè)木盤的26000多次FT-NIR測(cè)量。相比人工操作節(jié)省了大量時(shí)間，且避免了人為錯(cuò)誤。這種"無人實(shí)驗(yàn)室"概念特別適合大規(guī)模樣本篩查和長期監(jiān)測(cè)任務(wù)。
2.無人機(jī)與車載系統(tǒng)
意大利米蘭大學(xué)的COLIBRI項(xiàng)目將微型高光譜相機(jī)和熱像儀集成至無人機(jī)，通過機(jī)載Raspberry Pi實(shí)時(shí)分析葡萄園水分脅迫和成熟度。該系統(tǒng)結(jié)合OpenCV2視覺導(dǎo)航，已實(shí)現(xiàn)全自主飛行監(jiān)測(cè)。丹麥Newtec Engineering則開發(fā)了車載CTIS系統(tǒng)，可在行進(jìn)間完成作物掃描，為精準(zhǔn)農(nóng)業(yè)提供了新的硬件支持。
3.工業(yè)在線監(jiān)測(cè)
西班牙IRTA團(tuán)隊(duì)利用在線NIR探頭監(jiān)控大豆基人造肉的擠出過程，通過CNN模型預(yù)測(cè)各向異性指數(shù)，結(jié)合正交信號(hào)校正（OSC）消除溫度干擾，實(shí)現(xiàn)了質(zhì)構(gòu)的實(shí)時(shí)調(diào)控。西班牙Tekniker中心開發(fā)了基于MEMS-Fabry-Perot干涉技術(shù)的近紅外分選系統(tǒng)，系統(tǒng)集成光學(xué)傳感與機(jī)器視覺，在500g/min的檢測(cè)速度下，針對(duì)不同產(chǎn)地的Comuna杏仁亞種分別建模，成功將出口批次苦杏仁比例控制在0.5%以下，解決了西班牙杏仁出口貿(mào)易中的關(guān)鍵質(zhì)檢難題。
環(huán)境和醫(yī)美領(lǐng)域的創(chuàng)新應(yīng)用
近紅外光譜的綠色特性（無試劑、無污染）使其在環(huán)境和健康領(lǐng)域備受青睞。
1.環(huán)境監(jiān)測(cè)
微塑料檢測(cè)：奧地利團(tuán)隊(duì)通過FT-NIR和便攜設(shè)備，實(shí)現(xiàn)了土壤中微塑料的現(xiàn)場定量（檢測(cè)限<0.1%），為污染治理提供了高效工具。
水質(zhì)分析：丹麥哥本哈根大學(xué)利用NIRS監(jiān)測(cè)乳清廢水反滲透處理過程，半年內(nèi)積累百萬條光譜數(shù)據(jù)，驗(yàn)證了其在循環(huán)水利用中的潛力。
2.醫(yī)療與醫(yī)美
透析監(jiān)測(cè)：日本神戶大學(xué)通過采用水光譜學(xué)（Aquaphotomics）技術(shù)，通過監(jiān)測(cè)透析廢液中水分子光譜特征（1410nm自由水吸收峰），實(shí)現(xiàn)了血液透析過程的非侵入式在線監(jiān)測(cè)，為優(yōu)化透析治療方案提供了新方法。該研究在塞爾維亞貝爾格萊德臨床中心完成18例患者透析過程監(jiān)測(cè)，證實(shí)水分子光譜模式可有效區(qū)分不同治療階段。
皮膚檢測(cè)：日本研究團(tuán)隊(duì)采用微型近紅外光譜儀結(jié)合水光譜學(xué)技術(shù)，通過分析皮膚水分子特征光譜（1366-1565nm），在潔面后5分鐘內(nèi)即實(shí)現(xiàn)皮膚屏障功能（經(jīng)皮水分流失TEWL和水合狀態(tài)）的快速評(píng)估，分類準(zhǔn)確率達(dá)92.41-97.37%，較傳統(tǒng)方法縮短75%檢測(cè)時(shí)間。這一技術(shù)為化妝品開發(fā)和皮膚健康監(jiān)測(cè)提供了新工具。
高光譜成像技術(shù)的多領(lǐng)域應(yīng)用
高光譜成像（HSI）結(jié)合了光譜分析與圖像處理的雙重優(yōu)勢(shì)，成為本次會(huì)議的焦點(diǎn)之一。與傳統(tǒng)光譜技術(shù)相比，HSI能夠同時(shí)獲取樣本的空間和光譜信息，從而在復(fù)雜樣本尤其是不均勻樣本的分析中展現(xiàn)出更多的信息和更好的準(zhǔn)確性。近紅外高光譜成像（NIR-HSI）已被證明是農(nóng)業(yè)，環(huán)境監(jiān)測(cè)，食品質(zhì)量控制，采礦，醫(yī)療成像，廢物管理，遙感等許多應(yīng)用中很有用的工具。
1.農(nóng)業(yè)與食品質(zhì)量控制
在農(nóng)業(yè)領(lǐng)域，高光譜成像被廣泛應(yīng)用于作物健康監(jiān)測(cè)和食品品質(zhì)評(píng)估。例如，丹麥團(tuán)隊(duì)開發(fā)的計(jì)算斷層成像光譜（CTIS）系統(tǒng)，通過搭載在田間機(jī)器人上，實(shí)現(xiàn)了葡萄成熟度的實(shí)時(shí)監(jiān)測(cè)。該系統(tǒng)通過部分最小二乘回歸（PLSR）模型，將光譜數(shù)據(jù)與糖度（°Brix）和pH值關(guān)聯(lián)，預(yù)測(cè)精度接近傳統(tǒng)線掃描HSI系統(tǒng)，同時(shí)具備成本低、便攜性強(qiáng)和抗運(yùn)動(dòng)干擾等優(yōu)勢(shì)。
此外，法國研究團(tuán)隊(duì)利用便攜式高光譜相機(jī)對(duì)葡萄串糖分分布進(jìn)行成像分析，通過支持向量機(jī)（SVM）回歸模型，顯著提升了預(yù)測(cè)精度。這種技術(shù)為精準(zhǔn)農(nóng)業(yè)提供了新的工具，幫助農(nóng)戶優(yōu)化采收時(shí)間。
2.工業(yè)與環(huán)境監(jiān)測(cè)
高光譜成像在工業(yè)領(lǐng)域的應(yīng)用同樣引人注目。西班牙Vicomtech團(tuán)隊(duì)開發(fā)了一套基于HSI的陶瓷-玻璃分選系統(tǒng)，通過支持向量機(jī)（SVM）分類器，在900個(gè)光譜波段下實(shí)現(xiàn)了97.46%的識(shí)別準(zhǔn)確率，且單行處理時(shí)間僅0.08秒，可滿足高速生產(chǎn)線的實(shí)時(shí)需求。
在環(huán)境領(lǐng)域，意大利團(tuán)隊(duì)利用短波紅外高光譜成像（SWIR-HSI）檢測(cè)海鹽中的微塑料，通過主成分分析（PCA）和偏最小二乘判別分析（PLS-DA），成功區(qū)分了聚乙烯（PE）、聚丙烯（PP）等常見塑料類型，為海洋污染監(jiān)測(cè)提供了高效解決方案。
3.地質(zhì)與材料科學(xué)
愛爾蘭都柏林大學(xué)團(tuán)隊(duì)將改進(jìn)的YOLOv8模型與高光譜成像結(jié)合，實(shí)現(xiàn)了巖芯樣本的自動(dòng)化分析。通過引入跨階段部分路徑卷積（CSPPC）層和Sigmoid交并比（SIOU）損失函數(shù)，顯著提升了地質(zhì)數(shù)據(jù)處理的效率。
多模態(tài)數(shù)據(jù)融合和大語言模型
多模態(tài)數(shù)據(jù)融合是近紅外光譜（NIRS）技術(shù)的重要發(fā)展方向之一，通過整合不同波段或不同分析手段的數(shù)據(jù)，可顯著提升模型的準(zhǔn)確性和適用性。
NIRS + 氣相色譜-離子遷移譜（GC-IMS）：意大利團(tuán)隊(duì)采用NIRS和GC-IMS聯(lián)合分析蜂蜜的揮發(fā)性和非揮發(fā)性成分，通過數(shù)據(jù)融合策略（低層融合+中層融合）實(shí)現(xiàn)了蜂蜜地理和花源的高精度鑒別。
NIRS + 熒光光譜：丹麥團(tuán)隊(duì)利用NIRS和三維熒光光譜（EEM）檢測(cè)香醋中的合成焦糖色素，通過PARAFAC分解和PLS回歸，建立了可靠的定量模型，解決了天然與人工色素的區(qū)分難題。
在大語言模型方面，瑞典M?lardalen大學(xué)團(tuán)隊(duì)提出基于Llama 3.21架構(gòu)的NIRS專用語言模型（13億參數(shù)），通過1.2GB近紅外領(lǐng)域文獻(xiàn)（含會(huì)議論文、儀器手冊(cè)、標(biāo)準(zhǔn)方法）微調(diào)訓(xùn)練，實(shí)現(xiàn)了對(duì)近紅外光譜技術(shù)術(shù)語、方法學(xué)和實(shí)踐案例的深度理解。
未來大語言模型可助力近紅外光譜數(shù)據(jù)的智能解析、方法優(yōu)化與知識(shí)共享，實(shí)現(xiàn)從光譜采集到模型開發(fā)的自動(dòng)化決策支持，降低近紅外光譜技術(shù)的使用門檻，并推動(dòng)跨學(xué)科研究的協(xié)同創(chuàng)新。
基礎(chǔ)研究與未來展望
本屆會(huì)議不僅關(guān)注技術(shù)應(yīng)用，也呈現(xiàn)了多項(xiàng)基礎(chǔ)研究突破。日本農(nóng)業(yè)食品研究機(jī)構(gòu)(NARO)探索了糖酵解振蕩中的相位模式與NIR波段歸屬的關(guān)系，為生物分子振動(dòng)譜的解析提供了新視角。奧地利因斯布魯克大學(xué)則系統(tǒng)研究了咖啡樣品中瑞利散射和米氏散射的疊加效應(yīng)，發(fā)現(xiàn)t-SNE聚類能有效區(qū)分不同散射特性，這對(duì)異質(zhì)樣品分析具有普遍意義。
展望未來，近紅外光譜技術(shù)的發(fā)展方向大致如下：
設(shè)備層：更小、更便宜、更智能的傳感器將持續(xù)涌現(xiàn)，MEMS和光子集成技術(shù)是關(guān)鍵，儀器小型化和智能化（包括大語言模型）降低了應(yīng)用門檻，將進(jìn)一步推動(dòng)近紅外光譜技術(shù)的普及。
算法層：物理模型與數(shù)據(jù)驅(qū)動(dòng)的融合，小樣本學(xué)習(xí)和可解釋性將成為研究熱點(diǎn)。盡管如此，深度學(xué)習(xí)在光譜領(lǐng)域的普及，仍需更多大型的開放數(shù)據(jù)集和商品化軟件。
應(yīng)用層：近紅外光譜技術(shù)正在從質(zhì)量檢測(cè)向過程優(yōu)化、從實(shí)驗(yàn)室向現(xiàn)場、從單一指標(biāo)向多參數(shù)聯(lián)用的拓展。組合NIRS、拉曼、LIBS等技術(shù)，多光譜和多模態(tài)的融合檢測(cè)系統(tǒng)，更適用于一些復(fù)雜的應(yīng)用場景（如廢棄資源分類、土壤修復(fù)）。高光譜成像也正從實(shí)驗(yàn)室走向田間和工業(yè)現(xiàn)場，成為非均勻復(fù)雜樣品分析的重要工具。
系統(tǒng)層：自動(dòng)化、標(biāo)準(zhǔn)化和云端協(xié)作構(gòu)成下一代近紅外光譜分析技術(shù)解決方案的基礎(chǔ)架構(gòu)，為近紅外光譜的規(guī)模化應(yīng)用提供技術(shù)支持。
可以預(yù)見，隨著近紅外光譜技術(shù)與人工智能、量子計(jì)算及多模態(tài)傳感的深度融合，隨著傳感器技術(shù)和自動(dòng)化技術(shù)的進(jìn)一步發(fā)展，近紅外光譜這一高效、綠色的分析工具將加速突破傳統(tǒng)邊界，將會(huì)在精準(zhǔn)農(nóng)業(yè)、環(huán)境監(jiān)測(cè)、工業(yè)4.0和個(gè)性化醫(yī)療等領(lǐng)域發(fā)揮更加重要的作用。
