基于光谱和成像技术的果蔬质量检测研究进展

为保证食品安全和消费者健康,无损检测技术广泛应用于果蔬质量检测中。光谱和图像技术可分别获取果蔬的内部和外部信息,成为质量检测的有效工具。为跟踪国内外研究进展并分析研究现况,从果蔬外部品质(尺寸、形状、表面缺陷、颜色、纹理等)、内部品质(内部缺陷、可溶性固形物、可滴定酸、水分、类胡萝卜素等单一品质及综合品质)、成熟度、货架期/贮藏期、产品溯源、生长监测、安全(农药残留、病虫和细菌侵染、转基因产品等)检测及光学系统设计等方面综述了光谱和成像技术的应用,分析了存在的图谱库不完善、解混处理算法复杂、高精度和便携式的光学系统开发力度不够、校正模型的影响因素复杂等问题。然后,归纳了发展趋势,指出了各组分可视化分析及交互作用机理解析、光与果蔬组织的交互作用机理分析和光学特性参数反演等光学特性分析、科学合理的综合评价体系的建立、新算法的应用和多种算法的联合使用、不同算法的可靠性和稳定性的提高、稳定和普适模型的建立、低成本和便携式等光学分析仪器的商品化开发和商业化应用等成为进一步探索的方向,为基于光谱和成像技术的果蔬质量检测发展提供了参考。     

光谱成像技术在作物病害检测中的应用进展与趋势

病害作为影响农作物生长的主要因素之一,平均每年造成农作物产量损失高达12%以上。病害不仅直接导致农作物产量减少,而且也严重降低了农产品的品质,甚至引发食品安全事故。光谱成像作为一种融合图像处理和光谱学的信息获取技术,能同时获取目标的图像信息和光谱信息,从而更直观表达目标的特征。光谱成像技术可以获得图像上每个点的光谱数据,从而实现对作物病害的颜色、形状和纹理特征及光谱特征的分析,具有快速、直观和无损等特点,近些年在作物病害检测领域的应用取得了较大研究进展。综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献,分析了光谱成像技术的优势和局限性,重点阐述了光谱成像作物病害检测中关键的第三个技术:(1)光谱图像分割技术,重点分析了四种常见分割算法的优点和适用范围;(2)光谱特征和空间特征提取技术,重点对比了空间特征、光谱特征和二者加权组合对病害信息表达的准确性;(3)检测模型,重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。最后,根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势,为相关研究提供全面且系统的参考。     

高光谱成像技术在果蔬品质与安全无损检测中的原理及应用

水果和蔬菜的品质与安全是消费者最为关心的问题。传统的化学检测方法是一种费时费力的破坏性检测技术。随着成像和光谱技术的快速发展,高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表,为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展,综述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。另外,还简要介绍和讨论了高光谱成像系统的构成、常用的数据分析方法、发展趋势及面临的挑战。     

近红外光谱技术在微生物检测中的应用进展

近红外光谱作为一种无损检测技术被广泛应用于农业、制药、食品等领域的多组分品质快速监测。微生物的快速准确检测,在临床诊断、制药和食品加工等领域一直是一个难题。微生物菌体细胞壁、细胞膜及细胞内生物大分子和水的近红外光谱具有高度特异性,因此可以使用近红外光谱快速识别和分类不同的微生物。通过对相关文献的归纳整理与分析提炼,对近红外光谱技术在微生物检测中的研究进展做综述。对微生物的基本知识和近红外光谱技术鉴定微生物的基本原理进行了介绍,并重点综述了近红外光谱技术在微生物分类、食源性微生物检测和成像微生物检测等方面的国内外研究进展,最后对近红外光谱技术目前存在的问题和未来的应用前景进行了展望,以期为今后在微生物检测领域更好地利用近红外光谱提供参考。     

光谱分析在西甜瓜内部品质无损检测中的研究进展

西甜瓜(西瓜和甜瓜)味甘多汁,营养丰富,其内部品质的检测对其生产和流通具有重要意义。西甜瓜内部品质的传统检测方法检测时间长,成本高且为有损检测,不能满足现代生产的需要。随着光谱分析技术的快速发展,应用近红外光谱分析和高光谱成像进行西甜瓜内部品质的无损检测已成为研究热点。为跟踪国内外最新研究进展并分析研究现状,介绍了近红外光谱分析和高光谱成像的技术特点和系统组成,归纳了光谱信息预处理、变量筛选、模型建立和模型评价等光谱信息解析方法,综述了近红外光谱分析和高光谱成像在西甜瓜内部品质(可溶性固形物含量、坚实度、总酸含量、成熟度、水分等)无损检测中的应用,并从技术难点和实际应用两方面讨论了光谱分析技术在西甜瓜内部品质无损检测中的发展趋势,指出利用深度学习进行光谱信息解析、建立多特征信息融合的综合评价模型、开发基于人工智能与移动终端深度融合的快速无损检测系统等将成为新的研究方向。     

粮油品质安全高光谱成像检测技术的研究进展

粮油品质安全至关人类营养健康与生命安全。常规检测粮油品质安全方法,由于操作困难、破坏性强、费用高、试剂污染等缺点,不能满足快速无损,高效无污染的要求,难以与工业4.0接轨。整合光谱和图像手段的高光谱成像技术,伴随着化学计量学的发展,突破了常规检测方法局限性,是粮油品质安全检测技术的发展趋势。在大量文献的基础上,综述了高光谱成像技术原理,以及在品质方面(组分测定、发芽检测、品种分类)和安全方面(真菌检测、虫害检测)的研究进展,特别分析了高光谱成像技术检测粮油品质安全的应用光谱范围、化学计量学方法、仪器设备和模型准确性,指出了现阶段在粮油品质安全检测中存在的主要问题,并对今后的研究方向和重点进行了展望,以期推动高光谱成像技术在粮油领域的应用发展。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱(NIRS)作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

光谱分析技术在作物生长信息检测中的应用研究进展

获取作物的相关生长信息可以预测作物的生长和健康状态,是实现作物生产管理智能化的基础。植物的生长信息获取技术主要包括利用其电学特性、光学特性和机器视觉技术等,随着光谱技术的发展,近红外光谱技术、多光谱技术和高光谱技术在作物生长信息的获取应用上开始大量应用,并显示了其分析速度快、效率高、成本低、无需制备样品等优点,已成为一种快速、无损的现代分析技术。文章介绍了国内外运用光谱分析技术在作物生长信息获取上的研究情况,并分析了该技术应用于作物生长信息获取时尚存在的问题和今后的研究方向,提出了进行作物生长实时、智能化管理的必要性,需要加快研制相关的光谱自动分析设备,提高作物生长信息获取的速度,最后指出了结合机器视觉技术、红外成像技术、光谱分析技术等多种技术进行作物生长多种信息获取是未来发展的趋势。     

光谱技术在水产品品质检测中的应用研究进展

随着我国水产养殖业以及水产加工业的快速发展,水产品在国民饮食结构中占比越来越大,消费者对于水产品的质量要求也越来越高。为了满足消费者对水产品的质量要求,企业和市场需要在供应链的各个环节对水产品进行检验并公之于众。因此,迫切需要开发一种能够满足对水产品进行快速无损检测的技术。光谱技术可以根据样品特征波长处的波谱特性推算出其物质性质与组分含量,在水产品新鲜度检测、有害物残留检测、有害微生物含量检测、质量分级、掺假分析等方面具有巨大的应用前景。对水产品品质检测中几种常用的光谱技术的优势和局限性等特点进行讨论和总结,认为光谱检测技术与实验室传统理化检测方法相比具有快速、无损、测试重现度好,精度高等优点,这些特点使得在线实时检测水产品质量成为可能,继而可以带来巨大经济效益。但光谱检测具有前期投入高,模型普适性差且需持续维护的缺点,每种光谱技术也分别有各自的适用范围及局限性,因此光谱技术在水产品品质检测中的应用有待进一步研究改进。此外,整理了国内外现有的相关研究文献,对检测过程中常用的光谱数据预处理算法和预测模型进行讨论和评述,重点阐述了水产品品质检测中的几种常用光谱预处理算法和光谱数据建模方法的特点和应用现状。目前光谱技术在水产品品质检测中的应用主要处于实验室研究阶段,尚未大规模应用于商品市场和消费市场,根据上述分析展望了光谱技术在水产品品质检测中应用的发展方向,认为建立统一、标准、高效的光谱检测模型库,结合多个指标进行相关性分析,并排除光谱采集过程中的环境干扰,实现水产品品质实时在线检测是未来的技术发展趋势。     

成像光谱技术在农作物信息诊断中的研究进展

传统的农作物信息诊断方法存在劳动强度大、诊断时间长、操作技术要求高、受人为主观因素影响大等缺陷,限制了农作物信息诊断的实时性和准确性.成像光谱技术能够通过IHl时获得农作物的图像以及光谱信息.实现对农作物生长状况、病虫害等信息的快速、无损检测,已在作物信息诊断中得到越来越广泛的应用,为农业的信息化提供了技术支持.文章概述了成像光谱技术的原理,重点介绍了其在农作物种子成分检测、种子品种分类、种子病虫害检测、田问植株长势监测、田间植株病虫害检测中的国内外最新研究进展,分析了成像光谱技术应用于农作物信息诊断的难点,并对其发展方向进行了展望.     

一种广义噪声聚类的红外光谱茶叶品种鉴别研究

茶叶品种鉴别在茶叶的生产和销售中起着十分重要的作用。深入研究一种方法简单、易于操作、检测速度快的茶叶品种的鉴别方法,对于茶叶产品品种的鉴别有着十分重要的意义。利用红外光谱检测技术结合模糊聚类算法对茶叶品种进行快速鉴别是茶叶品种检测中最有效的和最实用的技术之一。为实现茶叶品种的快速分类,以快速广义噪声聚类(FGNC)为基础,提出一种新的广义噪声聚类(NGNC)。NGNC将FGNC目标函数中的欧式距离的平方扩展为欧式距离的p次方,提高了FGNC的聚类准确率。试验以优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶为研究对象,采用FTIR-7600型傅里叶红外光谱仪检测茶叶样本的红外漫反射光谱。首先用主成分分析(PCA)对茶叶的高维红外光谱进行降维处理,然后用线性判别分析(LDA)进行茶叶光谱数据的品种类别信息的提取,最后分别运行FGNC和NGNC两种聚类算法进行茶叶红外光谱的聚类分析。实验结果表明,同FGNC相比较,NGNC具有更高的聚类准确率,更快的收敛速度和更逼近真实的聚类中心。总体而言,采用红外光谱技术检测茶叶样本,同时结合PCA,LDA和NGNC可实现快速、准确地聚类茶叶的红外光谱,能有效地实现茶叶品种的鉴别分析,为实现基于红外光谱和模糊聚类的茶叶品种鉴别分析提供了一种新方法和新思路。     

模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的。研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义。在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法。FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息。用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4 001.569～401.121 1 cm-1。先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息。最后分别运行FCM和FUDCM进行茶叶品种鉴别。实验结果表明：当权重指数m=2时,FCM的聚类准确率为63.64%,FUDCM的聚类准确率为83.33%;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛。用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高。     

茶叶傅里叶红外光谱的可能模糊K调和均值聚类分析

茶叶的品种不同,其有机化学成分含量往往不同,其功效也是不尽相同的,因此,研究出一种简单、高效、识别率高的茶叶品种鉴别技术方法是十分有必要的。中红外光谱技术是一种快速检测技术,在用中红外光谱仪采集得到的茶叶中红外光谱中含有噪声信号。为了对含噪声茶叶中红外光谱的准确分类以实现茶叶品种分类,将可能模糊C-均值聚类(PFCM)思想应用到K调和均值(KHM)聚类,设计出一种可能模糊K调和均值(PFKHM)聚类算法,计算出PFKHM的模糊隶属度、典型值和聚类中心。可能模糊K调和均值聚类能有效解决K调和均值聚类的噪声敏感性问题。用傅里叶红外光谱分析仪(FTIR-7600型)分别对三种茶叶(优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰)进行扫描以获取它们的傅里叶中红外光谱。光谱波数区间是4 001.569～401.121 1 cm-1。先采用主成分分析法(PCA)将光谱数据压缩到20维,再采用线性判别分析(LDA)将光谱数据压缩到两维并提取鉴别特征信息。最后分别用K调和均值聚类和可能模糊K调和均值聚类实现茶叶品种分类。实验结果：当权重指数m=2,q=2和p=2时,KHM具有91.67%的聚类准确率,PFKHM聚类准确率达到94.44%;KHM迭代12次达到收敛,而PFKHM迭代11次就可以达到收敛。采用傅里叶红外光谱技术检测茶叶,用主成分分析和线性判别分析压缩光谱数据,再用可能模糊K调和均值聚类进行品种分类可快速、准确地实现茶叶品种的鉴别。     

一种基于可见-近红外光谱快速鉴别茶叶品种的新方法

提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法。     

茶叶定性和定量近红外光谱分析方法研究

分别采集了茉莉花茶、苦丁茶、龙井和铁观音4个种类茶叶共120个样本,利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量,应用近红外光谱分析技术对茶叶进行定性和定量分析。采用主成分分析法,结合聚类分析法,对4种类别的茶叶进行定性鉴别,通过对不同光谱数据预处理方式和不确定因子系数进行比较,确立了最优定性判别定标模型。同时,采用修正的偏最小二乘法,比较不同光谱预处理方法对定标模型的影响,建立了茶叶中水分、茶多酚和咖啡碱含量的定量分析模型,并对未知样本进行预测。定性分析模型的种类识别准确率达到100％,定量分析模型的决定系数均大于0.91,相对分析误差RPD均大于3。结果表明,利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。     

食品中三聚氰胺的光谱检测与分析技术研究进展

三聚氰胺是豆、乳类制品中的非法食品添加剂,曾作为蛋白质的廉价代替物被非法添加进奶粉等食品中,造成了严重的社会危害,极大地威胁人民生命财产安全。目前光谱技术已成为识别和定量检测非法食品添加剂的有效手段,为质量监管部门提供了可靠的研究方法和鉴定依据。光谱检测技术的时效性、无损性和准确性提高了食品中三聚氰胺的检测效率,促进了精准化、自动化食品质量检测的发展。近年来有大量研究围绕着三聚氰胺的光谱检测新技术,如开发新型增强底物或传感器,降低三聚氰胺的检测限,提高检测精度;开发更加便携的自动化光谱快检设备,降低检测成本,提高检测效率。这些光谱技术各具优势,但很难形成标准化、统一化的检测规范,使得各种光谱检测技术仅仅停留在试验阶段,无法应用于实战。另一方面,随着人工智能与模式识别技术的发展,光谱数据分析方法在近年来也有着长足的进步,各种光谱预处理和数据建模方法被不断提出,大大提高了光谱检测技术的灵敏性和稳定性。综述了近十年光谱技术（拉曼光谱、近红外光谱、荧光光谱、光谱成像等）在三聚氰胺检测中的应用现状,总结了不同仪器检测限、定量范围和样品前处理方法;分析了各种光谱预处理和光谱数据建模方法在不同光谱数据中的适用性,归纳出这些方法的优劣与适配的仪器,并对其应用前景和研究趋势进行了展望。     

茶叶傅里叶近红外光谱的混合模糊极大熵聚类分析

茶作为世界最受欢迎的三大饮料之一,不仅能够提神醒脑,而且还有帮助消化和降低血压等作用。随着人们对茶叶品质要求的日益提高,需要对不同品种的茶叶实现准确的鉴别分析以防止茶叶市场里茶叶品牌名不副实和以次充好等现象的发生。为实现对茶叶快速精准的鉴别分析,设计了一种综合采用傅里叶近红外光谱和新的模糊极大熵聚类（FEC）分析算法的茶叶品种鉴别系统。传统模糊极大熵聚类分析在聚类含噪声数据时,聚类结果往往容易出现错误,即FEC对噪声数据敏感。为解决这个问题,在FEC分析算法的基础上引入可能C均值聚类分析（PCM）,提出了一种混合模糊极大熵聚类（MFEC）分析算法。MFEC可通过迭代计算得到模糊隶属度值,能实现对含噪声的茶叶傅里叶近红外光谱数据的准确聚类分析。首先,使用傅里叶近红外光谱仪（Antaris Ⅱ型）采集岳西翠兰、六安瓜片、施集毛峰三种安徽茶叶的傅里叶近红外光谱数据,光谱波数范围为10 000~4 000 cm-1。其次,对采集到的光谱数据使用多元散射校正（MSC）进行预处理,预处理后先用主成分分析（PCA）将光谱数据维数降至10维,然后再用线性判别分析（LDA）对降维后的近红外光谱数据进行特征提取。最后,通过混合模糊极大熵聚类分析和传统的模糊极大熵聚类分析对三种茶叶的光谱数据进行聚类分析,并对两种聚类分析算法得到的聚类准确率、收敛速度等进行对比分析。实验结果表明：混合模糊极大熵聚类（MFEC）分析算法与传统的模糊极大熵聚类（FEC）分析算法相比较,在相同的权重指数m下MFEC具有更高的聚类准确率。在m=2条件下,MFEC的聚类准确率达到了100%,而传统的模糊极大熵聚类在相同条件下聚类准确率仅为37.98%。MFEC收敛过程中仅需迭代10次即可达到收敛,而FEC需要迭代100次,因此MFEC可以更高效的进行模糊聚类分析,MFEC相比于FEC聚类性能具有明显的优越性。通过傅里叶近红外光谱技术,混合模糊极大熵聚类分析结合PCA与LDA算法构建的茶叶品种鉴别系统能够高效快速的完成对岳西翠兰、六安瓜片、施集毛峰三种茶叶的准确分类,为茶叶检测领域提供了一种创新的方法与设计思路,具有一定的理论价值和良好的市场应用前景。     

茶叶夹杂昆虫异物THz光谱检测研究

中国红茶因其悠远的文化底蕴和多种保健功效而广受推崇。红茶经杀青、揉捻、晒干、筛选、干燥制成成品。但复杂的加工工艺也增加了物理污染的风险,在加工过程中难免会夹杂非茶类异物。物理污染属于随机事件,占食品安全投诉事件的19.8%。降低食品污染是未来造成厂家与消费者、进出口贸易双方争议的关键。昆虫等有机异物尚属于X射线不可检测范畴的食品异物,但昆虫异物混入频率较高,容易造成消费投诉,迫切需要开发相应的无损检测方法。太赫兹时域光谱（THz-TDS）技术作为一种新兴的检测技术,在农产品、食品以及药品无损检测方面均具有良好的应用潜力。THz具有良好的低能透射和指纹光谱特性、且无电离辐射损伤,能透过食品基质获取潜藏异物的光谱和图像信息,是农产品、食品无损检测的较佳选择。为了实现茶叶夹杂低密度有机异物的高效检测,本文基于THz光谱技术,探索红茶夹杂昆虫异物的无损检测新方法。在0.2～3.0 THz范围内,采集了红茶基质、昆虫异物以及夹杂昆虫异物红茶的THz光谱。分析了茶叶基质和昆虫异物的THz吸收系数和介电损耗响应特性,从频谱图可以看出茶叶基质与昆虫异物的THz吸收系数和介电损耗存在显著的差异,主要由昆虫异物的蛋白质和脂肪成分引起,这奠定了红茶夹杂昆虫异物的THz光谱检测基础。但茶叶与昆虫异物吸收系数均无明显的特征峰,且在2.0～3.0 THz高频波段内存在较为明显的噪声。采用主成分分析方法分别对吸收系数和介电损耗进行降维处理,通过得分图可以判断出红茶基质与夹杂昆虫异物的红茶之间存在明显的区别,且吸收系数的聚类效果优于介电损耗系数。分别选取0.5～1.0 THz范围的THz吸收系数和介电损耗为输入向量,建立了支持向量机（SVM）和线性判别分析（LDA）判别模型。实验结果表明,基于THz吸收系数的LDA判别模型精度最高,新样品的正确识别率为73.68%。这说明应用THz时域光谱无损检测红茶夹杂的昆虫异物具有可行性,同时THz光谱结合模式识别算法为茶叶夹杂昆虫异物无损检测提供了新方法,也可为其他农产品和食品检测提供参考。     

基于光谱及成像技术的种子品质无损速测研究进展

种子是农业生产过程的重要生产资料。种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题。种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题。种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力。种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产。种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障。对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要。因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用。进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征。基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理。进而对种子品质无损快速检测的技术特点进行了总结与展望。