齊 亮，趙茂程*，趙 婕，唐于維一

（1.南京林業(yè)大學(xué)機(jī)械電子工程學(xué)院，江蘇 南京 210037；2.南京師范大學(xué)分析測(cè)試中心，江蘇 南京 210046；3.泰州學(xué)院，江蘇 泰州 225300；4.南京工業(yè)職業(yè)技術(shù)學(xué)院航空工程學(xué)院，江蘇 南京 210023）

太赫茲（terahertz，THz）波位于毫米波和紅外線之間，屬于遠(yuǎn)紅外波段，頻率在0.1～10.0 THz范圍內(nèi)[1]。從能量上看，THz波處于電子和光子之間。核苷酸、糖類、DNA、蛋白質(zhì)、氨基酸等不同類別的生物分子在THz波段都具有各自的特征吸收，其特征吸收主要來自分子的集體振動(dòng)模。因此，可以通過分析干燥的固態(tài)生物材料在時(shí)域光譜或頻域光譜的特征峰和譜線形狀的差異，實(shí)現(xiàn)THz光譜無損檢測(cè)高分子生物物質(zhì)，如毒品或爆炸物檢測(cè)[2-3]、藥物分析[4-5]、農(nóng)產(chǎn)品鑒定[6-7]和生物組織鑒別等。

生物組織中肌肉與脂肪的含水率存在差異，研究人員利用水對(duì)THz波的吸收效應(yīng)對(duì)豬肉、羊肉、雞肉等新鮮組織切片以及臘腸、火腿等熟食進(jìn)行了THz光學(xué)特性的檢測(cè)與光譜成像，獲得了組織含水率在THz波段條件下空間分布圖[8-11]。此外，正常組織與癌變組織在含水率、生物分子（如蛋白質(zhì)、DNA等）含量上的差異也會(huì)造成THz波吸收效應(yīng)的不同，可以據(jù)此實(shí)現(xiàn)病變組織的THz波快速檢測(cè)[12-13]。但是THz光譜的生物組織鑒別相關(guān)研究較少，鮮見用THz光譜檢測(cè)肉品質(zhì)的相關(guān)報(bào)道。

豬肉是一種富含水的生物組織，新鮮程度可以用K值來評(píng)價(jià)[14]。新鮮程度越高K值越低，反之K值越高。K值通常采用高效液相色譜（high performance liquid chromatography，HPLC）分析法獲得[15-16]，但是過程耗時(shí)，對(duì)被測(cè)樣本具有破壞性，因此無損檢測(cè)肉樣的K值正成為研究的一個(gè)方向。表征K值的主要成分核苷酸類（如二磷酸腺苷、三磷酸腺苷）及其相關(guān)物質(zhì)（如肌苷酸）屬于生物小分子，其分子自身的轉(zhuǎn)動(dòng)、振動(dòng)以及分子集團(tuán)的整體振動(dòng)會(huì)吸收THz波[17]。因此可以用THz技術(shù)測(cè)定肉的新鮮程度。

檢測(cè)前通常采用低溫或者脫水處理的方式排除水的干擾、降低光譜噪聲以及提高譜峰的可辨性。但脫水和低溫處理會(huì)改變生物組織的形態(tài)，不適合生物組織的無損檢測(cè)。為無損檢測(cè)生物組織，需要在合理的THz檢測(cè)模式基礎(chǔ)上尋找合適的光譜預(yù)處理方法，以削弱水對(duì)THz波的干擾。本實(shí)驗(yàn)探討不同預(yù)處理方法對(duì)豬肉K值的THz無損檢測(cè)影響，研究出更適合K值預(yù)測(cè)的光譜預(yù)處理方法。

1 材料與方法

1.1 材料

豬肉樣本均為宰后排酸12 h的豬通脊肉，購于南京市學(xué)衡路蘇果超市。

1.2 儀器與設(shè)備

TAS7500SP THz光譜分析儀 日本Advantest公司；Finnigan surveyor HPLC儀、Biofuge Stratos臺(tái)式高速離心機(jī) 美國Thermo Fisher公司。

1.3 方法

實(shí)驗(yàn)及數(shù)據(jù)處理流程如圖1所示。

圖1 實(shí)驗(yàn)及數(shù)據(jù)處理流程圖Fig.1 Flowchart showing the experiment and data processing procedures

1.3.1 樣本制備

將采購的新鮮豬通脊肉切割成2.5 cm×2.5 cm×0.5 cm的肉片，取樣時(shí)避開豬肉的脂肪和結(jié)締組織，用保鮮袋包裹后置于4 ℃冰箱中貯藏，使其自然緩慢腐敗，期間隨機(jī)選取樣本進(jìn)行光譜信息的采集和K值的測(cè)定。

1.3.2 THz光譜采集

THz光譜分析儀工作的環(huán)境溫度為（25±1）℃，相對(duì)濕度為50%～65%，頻率分辨率為7.6 GHz，檢測(cè)頻率范圍為0.1～2.0 THz，共250 個(gè)采樣頻率點(diǎn)（波點(diǎn)）。為提高光譜信噪比，樣本的譜線經(jīng)過2 048 次自動(dòng)掃描并平均后得到。

THz與水有強(qiáng)烈的相互作用，對(duì)于富含水的肉樣透射深度只有幾百微米，所以透射模式不適合肉制品新鮮度無損檢測(cè)，反射模式也會(huì)因?yàn)榉瓷洳ū凰斩鵁o法檢測(cè)。用THz衰減全反射（attenuated total reflectance，ATR）檢測(cè)模式，可以克服樣本中富含的游離水以及結(jié)合水對(duì)THz波的強(qiáng)烈吸收，使得樣本表面微米級(jí)厚度化學(xué)物質(zhì)的THz特性能夠反映在THz全反射波的光譜里[18]。

測(cè)量前，儀器先預(yù)熱0.5 h，使得儀器各部件達(dá)到熱平衡，以減少傳感器的溫度漂移、光譜數(shù)據(jù)的基線平移。樣本檢測(cè)前先測(cè)量背景，儀器自動(dòng)存儲(chǔ)背景光譜，并在測(cè)量樣本時(shí)自動(dòng)扣除背景光譜的干擾。每隔0.5 h重新測(cè)量一次背景，并更新背景光譜，以減少儀器長(zhǎng)時(shí)間運(yùn)行過程中光譜基線的緩慢漂移。

將樣本平整放入ATR檢測(cè)窗表面。每個(gè)樣本的上下2 個(gè)表面分別采集3 次THz光譜數(shù)據(jù)，共獲得6 份THz光譜數(shù)據(jù)，將其算術(shù)平均，作為該樣本的最終THz光譜數(shù)據(jù)。因?yàn)門Hz光譜儀對(duì)溫度和濕度比較敏感，所以光譜采集時(shí)保持實(shí)驗(yàn)室內(nèi)溫度、濕度基本一致。為避免空氣中水汽以及被測(cè)物質(zhì)散發(fā)出的水汽對(duì)檢測(cè)光路的干擾，檢測(cè)過程中始終用氣泵向THz檢測(cè)倉中注入干燥空氣。

1.3.3 K值測(cè)定

采集完樣本THz光譜數(shù)據(jù)后立即采用HPLC方法對(duì)其進(jìn)行K值測(cè)定。參考湯水粉等[16]的測(cè)定方法，利用流動(dòng)相中三磷酸腺苷分解的關(guān)聯(lián)產(chǎn)物二磷酸腺苷、腺苷酸、肌苷酸、次黃嘌呤核苷和次黃嘌呤在固定相中流速的不同，將這6 種化學(xué)組分分離，分別測(cè)其含量，根據(jù)公式（1）計(jì)算被測(cè)樣本的K值[16,19]。

式中：HxR為次黃嘌呤核苷含量/（μmol/g）；Hx為次黃嘌呤含量/（μmol/g）；ATP為三磷酸腺苷含量/（μmol/g）；ADP為二磷酸腺苷含量/（μmol/g）；AMP為腺苷酸含量/（μmol/g）；IMP為肌苷酸含量/（μmol/g）。

1.3.4 光譜預(yù)處理

受背景等環(huán)境因素的影響和儀器性能的制約，采集到的光譜信號(hào)存在各種失真及噪聲信息，影響模型的預(yù)測(cè)效果。因此在建模前需要對(duì)光譜信號(hào)進(jìn)行預(yù)處理，多元散射校正（multiplicative scatter correction，MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variation transformation，SNVT）和導(dǎo)數(shù)處理是常用的方法，其中導(dǎo)數(shù)處理包括一階微分（first derivative，F(xiàn)D）和二階微分（second derivative，SD）。

MSC方法假定THz波的散射對(duì)每個(gè)樣本、每個(gè)波點(diǎn)產(chǎn)生的影響是線性的，即假設(shè)每一條光譜都與“理想光譜”（沒有散射誤差效應(yīng)的光譜）在全波長(zhǎng)范圍內(nèi)存在線性關(guān)系，而真正的“理想光譜”無法得到，可以用樣本集的平均光譜來近似。通過將樣本集光譜與理想光譜線性回歸，將光譜中的無用散射信號(hào)與樣本有效成分的光譜吸收信息分離，消除由光散射產(chǎn)生的線性基線和光譜的不重復(fù)性[20-21]。

SNVT方法也是用來校正因散射而引起的光譜誤差[22]。假定每一個(gè)光譜中，各波長(zhǎng)點(diǎn)的吸光度滿足正態(tài)分布，按照這一假設(shè)對(duì)每一條光譜進(jìn)行預(yù)處理，使其盡可能接近“理想光譜”。SNVT和MSC被證明是線性相關(guān)的[23]，兩者的區(qū)別是：MSC分別對(duì)每一個(gè)波長(zhǎng)的光譜進(jìn)行預(yù)處理，而SNVT分別對(duì)每一條光譜進(jìn)行預(yù)處理。

導(dǎo)數(shù)處理可以消除基線漂移和其他背景的干擾、強(qiáng)化譜帶特征、分辨重疊峰，提高分辨率和靈敏度，使得與新鮮度密切相關(guān)的光譜特性變得更為顯著[24-25]。FD可以去除同波長(zhǎng)無關(guān)的漂移，即全波長(zhǎng)范圍內(nèi)的固定漂移；SD可以去除同波長(zhǎng)線性相關(guān)的漂移。在求導(dǎo)過程中，差分寬度選擇十分重要：寬度太小，噪聲會(huì)很大，影響所建模型質(zhì)量；寬度太大，噪聲減少但是會(huì)失去大量的細(xì)節(jié)信息[26]。由于導(dǎo)數(shù)計(jì)算會(huì)增加噪聲，故導(dǎo)數(shù)預(yù)處理之后采用Savitzky-Golay（SG）多項(xiàng)式平滑光譜。

1.3.5 光譜預(yù)測(cè)模型

建立回歸數(shù)學(xué)模型的方法有線性和非線性算法。豬肉中的生物分子種類繁多，在常溫條件下各種分子的特征譜具有重疊性，導(dǎo)致THz光譜并不僅表達(dá)K值的變化信息，而且是豬肉的所有化學(xué)成分復(fù)雜變化的綜合信息。因此，非線性模型比線性模型更適合解釋THz光譜與K值的復(fù)雜關(guān)系。本實(shí)驗(yàn)選用一種常用非線性算法反向傳播人工神經(jīng)網(wǎng)絡(luò)（back propagation-artificial neural network，BP-ANN）建立回歸模型。

BP-ANN能夠模仿延伸人腦的認(rèn)知功能，探索并構(gòu)建出輸入信號(hào)和輸出信號(hào)之間的復(fù)雜聯(lián)系，一般使用多層前饋神經(jīng)網(wǎng)絡(luò)。本實(shí)驗(yàn)使用的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分為3 層：輸入層、單隱含層和輸出層。網(wǎng)絡(luò)的輸入是豬肉K值的THz光譜數(shù)據(jù)，網(wǎng)絡(luò)的輸出是一個(gè)節(jié)點(diǎn)即預(yù)測(cè)K值，隱含層和輸出層的傳遞函數(shù)分別是“l(fā)ogsig”（S型對(duì)數(shù)函數(shù)）和“tansig”（雙曲正切S型傳遞函數(shù)），它們都是非線性函數(shù)。單隱含層的節(jié)點(diǎn)數(shù)由經(jīng)驗(yàn)公式（2）得出[27]：

式中：m為隱含層節(jié)點(diǎn)數(shù)；n為輸入層節(jié)點(diǎn)數(shù)；l為輸出層節(jié)點(diǎn)數(shù)；a為1～10范圍內(nèi)的常數(shù)。

評(píng)價(jià)模型質(zhì)量用校正集相關(guān)系數(shù)（Rc）、校正集均方根誤差（root mean squared error of calibration set，RMSEC）、預(yù)測(cè)集相關(guān)系數(shù)（Rp）和預(yù)測(cè)集均方根誤差（root mean squared error of prediction set，RMSEP）等指標(biāo)衡量[28]。相關(guān)系數(shù)Rc和Rp越大，RMSEC和RMSEP越小，模型的預(yù)測(cè)能力越好。本實(shí)驗(yàn)使用Matlab R2009b（Mathworks公司，美國）軟件對(duì)光譜數(shù)據(jù)進(jìn)行計(jì)算與建模。該軟件執(zhí)行效率高，包括模型參數(shù)優(yōu)選在內(nèi)的建模過程在1 min內(nèi)就能完成，而各種光譜預(yù)處理算法以及光譜模型的K值預(yù)測(cè)均在1 s內(nèi)完成。

2 結(jié)果與分析

2.1 樣本K值測(cè)定結(jié)果

表1 采用HPLC法測(cè)定樣本K值的統(tǒng)計(jì)結(jié)果Table1 Statistical results of K values of pork samples measured by HPLC

如表1所示，共獲得80 個(gè)肉樣的光譜數(shù)據(jù)和K值，K值范圍涵蓋了新鮮、次新鮮和變質(zhì)的豬肉樣本，選用的樣本具有代表性。樣本被隨機(jī)分為54 個(gè)校正集和26 個(gè)預(yù)測(cè)集，個(gè)數(shù)比大致為2∶1；其中校正集用于建立THz光譜預(yù)測(cè)K值的數(shù)學(xué)模型，預(yù)測(cè)集用來檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)未知樣本K值的準(zhǔn)確性。校正集、預(yù)測(cè)集和樣本總集合的K值范圍基本相同，平均值和標(biāo)準(zhǔn)差沒有明顯區(qū)別，因此校正集和預(yù)測(cè)集的樣本分割是合適的。

2.2 K值預(yù)測(cè)模型的建立

圖2 80 個(gè)樣本的THz光譜原始譜線Fig.2 Raw THz spectra of 80 samples

由圖2可以看出，不同豬肉樣本的原始光譜強(qiáng)度有很大差異。光譜的差異不僅包含了樣本成分的差異，還包括測(cè)量誤差、基線漂移和背景噪聲。為消除干擾信息，除盡可能保持實(shí)驗(yàn)環(huán)境因素一致外，還需對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，以減弱或去除各種干擾因素，增強(qiáng)樣本的有效信息在光譜中的表達(dá)，改善預(yù)測(cè)效果。光譜中未見有明顯的吸收峰或者特征波段，可能一方面是因?yàn)樨i肉尤其是瘦肉組織富含70%～80%的水，而水分子因其集體平移導(dǎo)致其對(duì)THz波無特征吸收[29]，從而使豬肉的THz譜線無特征吸收峰；另一方面是因?yàn)樨i肉成分十分復(fù)雜，生物大分子如氨基酸[30]、多肽[31]、DNA[32]等以及生物小分子如核苷酸[33]等都會(huì)對(duì)THz波有吸收，導(dǎo)致各物質(zhì)的吸收譜線相互重疊，無法在豬肉的THz光譜中分辨出特征峰。

通過THz光譜數(shù)據(jù)和豬肉K值的BP-ANN回歸模型，比較研究用原始光譜以及用SNVT、MSC、FD和SD等預(yù)處理的光譜所建模型的預(yù)測(cè)性能，從而選擇適合預(yù)測(cè)K值的光譜預(yù)處理方法。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)前，通過主成分分析（principal component analysis，PCA）對(duì)光譜信息進(jìn)行壓縮，用少數(shù)幾個(gè)主成分的得分近似反映原光譜數(shù)據(jù)，以消除光譜數(shù)據(jù)點(diǎn)的信息冗余，防止訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)過度擬合校正集數(shù)據(jù)，對(duì)預(yù)測(cè)集樣本的預(yù)測(cè)能力差[34]。取累計(jì)貢獻(xiàn)率達(dá)到95%的主成分集合作為神經(jīng)網(wǎng)絡(luò)的輸入。PCA壓縮后的光譜被歸一化至-1～1范圍內(nèi)，實(shí)測(cè)K值被歸一化至0～1范圍內(nèi)；采用留一交叉驗(yàn)證法選取隱含層節(jié)點(diǎn)數(shù)，即選取交互驗(yàn)證均方根誤差（root mean square error of cross validation，RMSECV）值最小時(shí)的節(jié)點(diǎn)數(shù)[35]。

根據(jù)上述建模過程，可以獲得原始和預(yù)處理后光譜的RMSECV值和隱含層節(jié)點(diǎn)數(shù)的關(guān)系圖，如圖3所示。因?yàn)镕D和SD的差分寬度會(huì)影響預(yù)測(cè)模型的性能，所以FD和SD的最小RMSECV值還需要結(jié)合差分寬度選擇。各預(yù)測(cè)模型的RMSECV最小值及其參數(shù)條件，如表2所示，用參數(shù)條件中最佳隱含層節(jié)點(diǎn)數(shù)構(gòu)建BP-ANN，經(jīng)校正集樣本訓(xùn)練BP-ANN后獲得各種預(yù)處理方法預(yù)測(cè)模型的性能，同時(shí)得到各預(yù)測(cè)模型的散點(diǎn)圖，如圖4所示。

圖 3 RMSECV最小值的選擇Fig.3 Selection of minimum value of RMSECV

表2 不同預(yù)處理方法預(yù)測(cè)模型的參數(shù)與性能Table2 Parameters and performances of the prediction models with different spectral pretreatments

圖4 原始光譜與預(yù)處理后的光譜預(yù)測(cè)散點(diǎn)圖Fig.4 Scatter plots with and without pretreatment

2.3 預(yù)測(cè)模型分析

從表2可以看出，未經(jīng)預(yù)處理的原始光譜的校正集和預(yù)測(cè)集相關(guān)系數(shù)都很低，模型的預(yù)測(cè)精度差。如圖4a所示，原始光譜預(yù)測(cè)模型中眾多樣本的預(yù)測(cè)值基本相同，約為60%，模型的預(yù)測(cè)性能很差；如圖4b～e所示，預(yù)測(cè)結(jié)果有了明顯提升。

MSC和SNVT預(yù)處理后模型預(yù)測(cè)性能提高有限，預(yù)測(cè)集的相關(guān)系數(shù)僅為0.5左右，屬于弱相關(guān)?？赡艿脑蚴沁@2 種預(yù)處理方法校正因散射造成光譜誤差，而THz波在ATR檢測(cè)附件中基本以全反射模式傳播，散射光較少，預(yù)處理校正作用有限。

FD和SD預(yù)處理能夠削弱基線漂移，有效提升模型的預(yù)測(cè)性能。通過圖2可以看出，THz原始光譜存在明顯的基線漂移，經(jīng)FD預(yù)處理后，模型預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.75，優(yōu)于SD模型，可能的原因是光譜的基線漂移是定值漂移而不是同波長(zhǎng)相關(guān)的線性漂移，所以FD預(yù)處理更適合。

FD和SD預(yù)處理還能夠分辨重疊峰中的吸收峰，有效提升光譜的分辨率[36]。由于豬肉中的生物分子種類繁多，在常溫條件下樣本中各類物質(zhì)的吸收峰相互混疊，導(dǎo)致圖2吸收光譜中未見明顯的吸收峰。但是新鮮度的差異會(huì)導(dǎo)致不同樣本的THz吸收光譜出現(xiàn)微小差異，F(xiàn)D和SD預(yù)處理能放大這種差異，提升THz光譜與新鮮度的相關(guān)性。

導(dǎo)數(shù)預(yù)處理的差分寬度選擇13（FD）或者7（SD）是合適的，寬度過小或者過大都會(huì)降低模型的預(yù)測(cè)性能。SG多項(xiàng)式平滑能夠部分濾除測(cè)量本身的背景噪聲和微分所產(chǎn)生的噪聲。

綜上所述，本法測(cè)定條件下，豬肉K值的BP-ANN預(yù)測(cè)模型較適合的THz光譜預(yù)處理方法是FD。此模型還有進(jìn)一步完善的空間。樣品成分復(fù)雜，吸收光譜中未見明顯的吸收峰或者特征波段，可以優(yōu)化組合光譜預(yù)處理方法，或者設(shè)計(jì)更優(yōu)的預(yù)處理算法，濾除與新鮮度無關(guān)的物質(zhì)對(duì)THz光譜的影響，從復(fù)雜成分的THz光譜中提取與K值相關(guān)度更大的特征波段，研究出更適合表達(dá)K值與THz光譜復(fù)雜非線性關(guān)系的模型，進(jìn)一步提高預(yù)測(cè)精度。

此外，通過表2還可以看出，預(yù)處理算法使得每條光譜相鄰波點(diǎn)的數(shù)據(jù)相關(guān)性增強(qiáng)，所以預(yù)處理后的光譜主成分?jǐn)?shù)明顯比原始光譜多。

3 結(jié) 論

為實(shí)現(xiàn)THz光譜無損檢測(cè)豬肉K值，本實(shí)驗(yàn)在ATR檢測(cè)模式下，比較研究原始光譜及在用SNVT、MSC、FD和SD等預(yù)處理后，BP-ANN預(yù)測(cè)模型的性能差異。結(jié)果表明FD預(yù)處理后模型的預(yù)測(cè)性能最優(yōu)，相關(guān)系數(shù)Rp為0.75，RMESP為14.36%?？梢?，THz原始光譜中不僅包含新鮮度相關(guān)化學(xué)成分信息，還存在噪聲和基線漂移，需要用預(yù)處理去除這些干擾，以提高模型的預(yù)測(cè)性能；不同的光譜預(yù)處理方法對(duì)模型的預(yù)測(cè)精度有不同的影響，F(xiàn)D預(yù)處理方法能夠有效減弱光譜信號(hào)中的噪聲和基線的固定漂移，放大與新鮮度相關(guān)的THz光譜微小差異，提升THz光譜與新鮮度的相關(guān)性。該研究為光譜預(yù)處理技術(shù)能夠提高THz無損檢測(cè)肉樣新鮮度的精度提供了理論和實(shí)驗(yàn)依據(jù)，如進(jìn)一步將光譜預(yù)處理方法進(jìn)行優(yōu)化組合，或者設(shè)計(jì)更優(yōu)的預(yù)處理算法，將會(huì)進(jìn)一步提高模型的預(yù)測(cè)性能。

[1] 謝麗娟, 徐文道, 應(yīng)義斌, 等. 太赫茲波譜無損檢測(cè)技術(shù)研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013, 44(7): 246-255. DOI:10.6041/j.issn.1000-1298.2013.07.043.

[2] 趙樹森, 陳思嘉, 沈京玲. 用支持向量機(jī)識(shí)別毒品的太赫茲吸收光譜[J]. 中國激光, 2009, 36(3): 752-757. DOI:10.3788/CJL20093603.0752.

[3] 李微微, 馮瑞姝, 周慶莉, 等. 人工神經(jīng)網(wǎng)絡(luò)對(duì)爆炸物太赫茲光譜的識(shí)別[J]. 光學(xué)學(xué)報(bào), 2009, 29(增刊1): 266-269. DOI:10.3788/AOS200929s1.0266.

[4] 陳濤, 李智, 莫瑋, 等. 太赫茲時(shí)域光譜的藥物多組分同時(shí)定量測(cè)定[J]. 光譜學(xué)與光譜分析, 2013, 32(5): 1220-1225. DOI:10.3964/j.is sn.1000-0593(2013)05-1220-06.

[5] 汪景榮, 張卓勇, 張振偉, 等. 偏最小二乘法和THz-TDS在正品大黃鑒別中的應(yīng)用[J]. 光譜學(xué)與光譜分析, 2016, 36(2): 316-321.DOI:10.3964/j.issn.1000-0593(2016)02-0316-06.

[6] 聶君揚(yáng), 張文濤, 熊顯名, 等. 基于太赫茲時(shí)域光譜技術(shù)與PCABPN網(wǎng)絡(luò)的轉(zhuǎn)基因大豆鑒別[J]. 光子學(xué)報(bào), 2016, 45(5): 161-167.DOI:10.3788/gzxb20164505.0530001.

[7] LEE D, KIM G, KIM C, et al. Ultrasensitive detection of residual pesticides using THz near-f i eld enhancement[J]. IEEE Transactions on Terahertz Science & Technology, 2016, 6(3): 389-395. DOI:10.1109/TTHZ.2016.2538731.

[8] HOSHINA H, HAYASHI A, MIYOSHI N, et al. Terahertz pulsed imaging of frozen biological tissues[J]. Applied Physics Letters, 2009,94(12): 54-56. DOI:10.1063/1.3106616.

[9] 郭力菡, 王新柯, 張巖. 生物組織的太赫茲數(shù)字全息成像[J]. 光學(xué)精密工程, 2017, 25(3): 611-615. DOI:10.3788/OPE.20172503.0611.

[10] WANG Y, MINAMIDE H, TANG M, et al. Study of water concentration measurement in thin tissues with terahertz-wave parametric source[J]. Optics Express, 2010, 18(15): 15504-15512.DOI:10.1364/OE.18.015504.

[11] SINGH R S, TAYLOR Z D, CULJAT M O, et al. Towards THz medical imaging; reflective imaging of animal tissues[J]. Studies in Health Technology & Informatics, 2008, 132(1): 472-474.

[12] WAHAIA F, VALUSIS G, BERNARDO L M, et al. Detection of colon cancer by terahertz techniques[J]. Journal of Molecular Structure, 2011, 1006(1): 77-82. DOI:10.1117/12.892132.

[13] 趙娜, 蔡晉輝, 曾九孫, 等. 胃癌組織的太赫茲光譜特性分析[J].儀器儀表學(xué)報(bào), 2015, 36(增刊1): 289-293. DOI:10.3969/j.issn.0254-3087.2015.Z1.051.

[14] 齊亮, 趙婕, 趙茂程. 冷鮮豬肉的新鮮度無損檢測(cè)技術(shù)現(xiàn)狀及THz檢測(cè)技術(shù)展望[J]. 食品與機(jī)械, 2016, 32(9): 219-224. DOI:10.13652/j.issn.1003-5788.2016.09.050.

[15] MORA L, HERNANDEZ-CAZARES A S, ARISTOY M, et al.Hydrophilic interaction chromatographic determination of adenosine triphosphate and its metabolites[J]. Food Chemistry, 2010, 123(4):1282-1288. DOI:10.1016/j.foodchem.2010.05.072.

[16] 湯水粉, 羅方方, 錢卓真, 等. 魚類貯藏期間鮮度指標(biāo)K值變化及鮮度評(píng)價(jià)[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào), 2014(12): 4107-4114.

[17] SHEN Y C, UPADHYA P C, LINFIELD E H, et al. Temperaturedependent low-frequency vibrational spectra of purine and adenine[J]. Applied Physics Letters, 2003, 82(14): 2350-2352.DOI:10.1063/1.1565680.

[18] 翁詩甫. 傅里葉變換紅外光譜分析[M]. 2版. 北京: 化學(xué)工業(yè)出版社,2010: 157-159.

[19] 劉明爽, 李婷婷, 馬艷, 等. 真空包裝鱸魚片在冷藏與微凍貯藏過程中的新鮮度評(píng)價(jià)[J]. 食品科學(xué), 2016, 37(2): 210-213. DOI:10.7506/spkx1002-6630-201602037.

[20] 廖宜濤, 樊玉霞, 伍學(xué)千, 等. 豬肉pH值的可見近紅外光譜在線檢測(cè)研究[J]. 光譜學(xué)與光譜分析, 2010, 30(3): 681-684. DOI:10.3964/j.is sn.1000-0593(2010)03-0681-04.

[21] 劉莉, 黃嵐, 嚴(yán)衍祿, 等. 近紅外漫反射光譜中散射對(duì)化學(xué)定量分析模型的影響[J]. 光譜學(xué)與光譜分析, 2008, 28(10): 2290-2295.DOI:10.3964/j.issn.1000-0593(2008)10-2290-06.

[22] 惠光艷, 孫來軍, 王佳楠, 等. 可見-近紅外光譜的小麥硬度預(yù)測(cè)模型預(yù)處理方法的研究[J]. 光譜學(xué)與光譜分析, 2016, 36(7): 2111-2116.DOI:10.3964/j.issn.1000-0593(2016)07-2111-06.

[23] DHANOA M, LISTER S, SANDERSON R, et al. The link between multiplicative scatter correction (MSC) and standard normal variate(SNV) transformations of NIR spectra[J]. Journal of Near Infrared Spectroscopy, 1995, 2(1): 43-47. DOI:10.1255/jnirs.30.

[24] CHEN Y, XIE M, YAN Y, et al. Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques[J].Analytica Chimica Acta, 2008, 618(2): 121-130. DOI:10.1016/j.aca.2008.04.055.

[25] 劉善梅, 李小昱, 鐘雄斌, 等. 基于高光譜成像技術(shù)的生鮮豬肉含水率無損檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013, 44(增刊1): 165-170; 164.DOI:10.6041/j.issn.1000-1298.2013.S1.030.

[26] 褚小立, 袁洪福, 陸婉珍. 近紅外分析中光譜預(yù)處理及波長(zhǎng)選擇方法進(jìn)展與應(yīng)用[J]. 化學(xué)進(jìn)展, 2004, 16(4): 528-542. DOI:10.3321/j.issn:1005-281X.2004.04.008.

[27] XU J, XU J, LI S, et al. Transmission risks of schistosomiasis japonica:extraction from back-propagation artif i cial neural network and logistic regression model[J]. PLoS Neglected Tropical Diseases, 2013, 7(3):1-11. DOI:10.1371/journal.pntd.0002123.

[28] TAO F, PENG Y, GOMES C L, et al. A comparative study for improving prediction of total viable count in beef based on hyperspectral scattering characteristics[J]. Journal of Food Engineering, 2015, 162: 38-47. DOI:10.1016/j.jfoodeng.2015.04.008.

[29] 劉暢, 岳凌月, 王新柯, 等. 利用太赫茲反射式時(shí)域光譜系統(tǒng)測(cè)量有機(jī)溶劑的光學(xué)參數(shù)[J]. 光譜學(xué)與光譜分析, 2012, 32(6): 1471-1475.DOI:10.3964/j.issn.1000-0593(2012)06-1471-05.

[30] LI Z, GUAN A, GE H, et al. Wavelength selection of amino acid THz absorption spectra for quantitative analysis by a self-adaptive genetic algorithm and comparison with mwPLS[J]. Microchemical Journal,2017, 132: 185-189. DOI:10.1016/j.microc.2017.02.002.

[31] ZHANG M, WEI D, TANG M, et al. Molecular dynamics simulations of conformation and chain length dependent terahertz spectra of alanine polypeptides[J]. Molecular Simulation, 2016, 42(5): 1-7. DOI:10.1080/08927022.2015.1059429.

[32] ZHANG W, BROWN E R, RAHMAN M, et al. Observation of terahertz absorption signatures in microliter DNA solutions[J]. Applied Physics Letters, 2013, 102(2): 219-222. DOI:10.1063/1.4775696.

[33] SHEN Y C, UPADHYA P C, LINFIELD E H, et al. Temperaturedependent low-frequency vibrational spectra of purine and adenine[J]. Applied Physics Letters, 2003, 82(14): 2350-2352.DOI:10.1063/1.1565680.

[34] 陳嘉, 劉嘉, 馬雅欽, 等. 葛粉摻假的近紅外漫反射光譜快速檢測(cè)[J].食品科學(xué), 2014, 35(8): 133-136. DOI:10.7506/spkx1002-6630-201408026.

[35] HUANG Q, CHEN Q, LI H, et al. Non-destructively sensing pork’s freshness indicator using near infrared multispectral imaging technique[J]. Journal of Food Engineering, 2015, 154: 69-75.DOI:10.1016/j.jfoodeng.2015.01.006.

[36] 徐哲, 何明霞, 李鵬飛, 等. 光譜匹配算法應(yīng)用于雞血藤與大血藤的太赫茲光譜區(qū)分[J]. 光譜學(xué)與光譜分析, 2017, 37(1): 42-47.DOI:10.3964/j.issn.1000-0593(2017)01-0042-06.