近红外光谱分析作物育种品质抗病虫应用在电磁光谱（EMS）中，400～700nm的可见光使生命得以生存，而位于可见光之外的近红外光谱（NIR，波长为0.75～2.5μm）可以分析生物的所有组分。

近红外光谱（Near Infrared Spectroscopy，简称NIRS）分析技术是20世纪80年代后期迅速发展起来的一项测试技术，在欧美等国，NIRS已成为谷物品质分析的重要手段。由于可以非破坏性的分析样品中的化学成分，为当前作物育种研究领域的品质育种提供了一个新的技术手段。

1 近红外光谱分析技术的基本原理

NIR作为一种分析手段，可以测定有机物以及部分无机物。这些物质分子中化学键结合的各种基团（如C=C，N=C，O=C，O=H，N=H）的伸缩、振动、弯曲等运动都有它固定的振动频率。当分子受到红外线照射时，被激发产生共振，同时光的能量一部分被吸收，测量其吸收光，可以得到极为复杂的图谱，这种图谱表示被测物质的特征［3］。不同物质在近红外区域有丰富的吸收光谱，每种成分都有特定的吸收特征，这就为近红外光谱定量分析提供了基础。但由于每一物质有许多近红外吸收带，某一成分的吸收会与其他成分的吸收发生重组，因此当测定某一复杂物质，如豆饼中的粗蛋白质时，在所选择的近红外光谱区会受到水、纤维、油吸收的干扰。Herschel［4］在1800年发现NIR光谱区，但NIR区的倍频和合频吸收弱、谱带复杂和重叠多，信息无法有效的分离和解析，限制了其应用。随着光学、电子技术、计算机技术和化学计量学的发展，多元信息处理的理论与技术得到了发展，可以解决NIR谱区吸收弱和重叠的困难。近红外技术是依据某一化学成分对近红外区光谱的吸收特性而进行的定量测定，所以应用NIR光谱进行检测的技术关键就是在两者之间建立一种定量的函数关系。其基本流程包括：首先收集具有代表性的样品（其组成及其变化范围接近于要分析的样品），然后采集样品的光学数据；利用标准的化学方法对样品进行化学成分测定；通过数学方法将这些光谱数据和检测的数据进行关联，一般将光谱数据进行转换（一阶或二阶导数），与化学测定值进行回归计算，然后得出定标方程，建立数学模型；在分析未知样品时，先对待测样品进行扫描，根据光谱值利用建立的模型可以计算出待测样品的成分含量。确定回归模型的过程其实就是定标过程，定标的好坏直接关系到分析结果的准确性，因此，定标软件是近红外分析技术的核心。计算得到的定标方程必须通过实际测量调整它的准确性和精确性［5］。精确性是指重复测定时测值间的相近程度。准确性的度量通常用定标方程的预测标准误（SEP）来表示。SEP表示测定值与“真值”间的相近程度。近红外光照射到被测样品后，从样品表面反射出来的光被检测器吸收，此为近红外反射光谱分析法（NIR）。它要求样品的粉碎程度一致，从而保证样品表面光滑一致。另一类为近红外穿过样品后，再被接受检测到，即为近红外投射光谱分析法（NIT）。该法优点是很少或不用制备样品，因此重复性较高，但灵敏度低。现在的近红外光谱仪商品种类较多，主要为傅立叶变换、光栅扫描、声光扫描和光电阵列固定光路型。

2 近红外光谱数据处理技术的发展

现代近红外光谱分析技术包括近红外光谱仪、化学计量学软件和应用模型三部分，三者的有机结合才能满足快速分析的技术要求。因此，数学模型的建立方法是主要的研究领域。目前主要有多元线性回归（MLR）、逐步回归（SMR）、主成分分析（PCA）、主成分回归（PCR）与偏最小二乘法（PLS）、人工神经网络（ANN）和拓扑（Toplogical）等。MLR和SMR法在分析样品时只用了一些特征波长点的光谱信息，其它点的信息被丢失，易产生模型的过适应性（overfitting）。PCR和PLS的最显著特点就是利用了全部光谱信息，可以压缩所需样品数量，将高度相关的波长点归于一个独立变量中，根据为数不多的独立变量建立回归方程，通过内部验（cross validation）来防止过模型现象，比MLR和SMR 分析精度提高。Bochereau等把经典数据分析与神经网络结合应用于NIR对苹果质量的预测，获得了较好的效果。Warren等把神经网络和近红外光谱仪结合，采用模式识别原理对17种粗纤维进行分类研究，不但可以区分化学成分相近的纤维，而且可以用于分辨未经训练集训练的混合纤维。

3 影响近红外分析结果的因素

近红外光谱分析技术虽具有快速、简便、相对准确等优点，但准确性受多种因素的影响。其中，样品的粒度及均匀度影响最大，粒度变异直接影响近红外光谱的变异。在实际工作中，应该在标样的制样条件下制备被测样品，使样品具有标准化的均匀粒度，减少由于粒度引起的误差。此外，模型初建时标样选择、数量及其设计也影响到预测的准确度。标样的选择要充分考虑样品成分的含量和梯度、标样的物理和化学特性，以提高多定标效果和应用范围。标样数量若太少，不足以反映被测群体的常态分布规律，数量太多，则增加工作量。标样设计也影响定标的准确性。对于成分含量间相关性强的被测成分可根据同套样品进行定标，对相关性差的成分，可根据特定的筛选原则，分别以另外的样品进行定标，以提高定标效果及检验准确性。另外，不同温度会影响NIRS预测的准确性。科学家研究近红外光谱分析在小麦营养成分上应用，以为NIR 对温度敏感，10～20℃就可引起吸光度发生变化，而且温度影响不呈规律性。

4 近红外分析技术应用现状
近红外分析技术的最早应用可追溯到1939年，但真正用于农产品实用分析技术是60年代的Karl Norris。由于光学、计算机数据处理技术、化学光度理论和方法等各种科学技术的不断发展，以及新型NIR仪器的不断出现和软件版本的不断翻新，近红外分析技术从研究低谷走出，研究内容增多、范围拓宽，在谷物产品、食品、饲料、油脂工业等领域得到应用，测定的成分也越来越多。

总结：近红外应用包括：常成分分析，能量含量、氨基酸含量、脂肪酸含量、矿物质含量、物理特性等。