摘 要： 紅外技術具有高效、 靈敏、 實時、 能處理大規模樣品等優點， 近年來被廣泛應用于農產品安全檢測領域。 本文總結了紅外技術在農產品生產安全、 農產品儲藏安全、 農產品加工與流通安全 3 方面的國內外應用研究成果， 展望了基于大數據與紅外技術的農產品全生命周期在線快速檢測系統實踐運用和普及的可行性。

　　關鍵詞： 農產品安全; 紅外技術; 安全檢測; 農產品全生命周期在線快速檢測系統

　　保障農產品安全是我國農業發展的基礎。 傳統農產品檢測方法存在時效長、 非無損、 效率低等缺點， 已無法滿足農產品安全監測和檢測的客觀要求。 因此， 具有非接觸、 實時快速、 形象直觀、 準確性高、 運用性廣等特點的農產品安全在線檢測技術是現代農業安全保障技術的必然發展方向。紅外檢測是一種集光電成像、 計算機、 圖像處理為一體的精準檢測技術， 廣泛應用于航空航天、天文、 氣象、 軍事、 工業、 農業、 醫學、 交通和民用等領域。 英國天文學家 ABNEY 和 FESTING 在1881 年首次發現， 近紅外光譜區域的吸收光譜段和含氫基團有密切關系。

　　農產品評職知識：農產品價格波動論文投稿期刊

　　20 世紀初， 紅外技術逐漸應用于分析各種物質的吸收、 發射和反射等光譜特性， 美國農業部工程師 NORRIS 利用近紅外光譜對農業產品進行快速分析。 隨著計算機技術的不斷創新， 提取近紅外光譜信息、 消除背景干擾、 處理近紅外光譜信息等數據分析過程中的繁瑣難點得以解決。 瑞典化學家 WOLD 和美國華盛頓大學教授 KOWALSKI 創立的化學計量學與紅外光譜相結合， 其分析速度、 計算結果遠比傳統方法高效、 精確， 進一步促進了紅外技術的廣泛應用[1～2]。

　　紅外技術在農業領域多用于利用融合紅外技術的農業機械設備對農業物料進行加熱等處理[3]， 在農產品安全生產全流程管控方向的應用較少。 趙其國等[4]在闡述我國農業發展面臨的機遇時表明， 我國農產品需求不斷增長， 農業科技創新潛力巨大。 在此背景下， 基于紅外技術的農產品安全檢測和監測技術及裝備在現代農業產業中具有良好應用前景，是我國實施鄉村振興戰略的關鍵創新技術之一。 本文總結了國內外紅外技術在農產品生產安全、 儲藏安全、 加工與流通安全方面的應用研究進展， 并展望了基于紅外技術和大數據的農產品全生命周期在線快速檢測系統的實踐運用前景。

　　一、 基于農產品生產安全的紅外技術

　　農產品生產過程易受氣候、 地形、 土壤等因素影響， 其中生長環境的變化和病蟲害的侵襲是在農產品生產階段影響產量和質量的重要因素， 且一旦發生將難治理、 難根除。 為避免災害發生造成的重大損失， 應開發具備及時性、 全面性、 高效性的農產品檢測技術。 有關資料[5～21]顯示， 紅外技術在監測、 檢測和預測土壤環境部分指標和農作物病蟲害上已取得較好成果。

　　(一) 病蟲害檢測

　　及時發現早期病蟲害發生并采取有效控制手段是農作物病蟲害問題處理的關鍵， 這樣不僅可保證糧食產量、 減小農藥使用量，還對可持續發展具有重要意義。 但傳統病蟲害檢測方法時效長、 費時費力， 已不能滿足現代農業的需求。 紅外技術作為當前以高實時性、 高精準度為特點的新興檢測技術， 基本具備檢出農作物早期病蟲害的能力。根據大量研究結果表明， 紅外熱成像技術具備檢測被感染葉片和正常葉片溫度變化差異的能力，可作為農作物早期病變的判斷依據。

　　李真[5]經實驗證實， 患稻瘟病的水稻葉片感病部位和健康部位約有 0.36～0.63℃的溫度特征差值; 李小龍等[6]分析紅外熱成像采集數據后得出， 遭條銹菌侵染后的小麥葉片病害部位比周圍部位溫度特征值低 0.62～0.87℃; 徐小龍[7]通過紅外成像儀對染黃瓜霜霉病和番茄花葉病的農作物檢測發現， 染黃瓜霜霉病的葉片和健康葉片有 1℃的溫度差， 染番茄花葉病的葉片和健康葉片間有 0.5～1.2℃的溫度差; 劉夢[8]建立的基于熱紅外圖像特征的農作物冠層病害診斷模型具有較高準確率， 其判斷依據是冠層病害癥狀與溫度特征之間的非線性映射關系。

　　此外， 其他紅外檢測技術同樣具備檢測農作物早期病變的能力。 如可見光-近紅外(VIS-NIR)分光輻射儀檢測早期葡萄卷葉病[9]、 近紅外高光譜成像 (HSI-NIR) 系統預防黃瓜綠斑駁花葉病毒病[10]等， 皆展現較高準確率。在蟲害監測方面， 近年來蟲災發生頻率的上升和災害程度的加劇， 使農產品生產過程對蟲害監測產生迫切需求。

　　20 世紀 90 年代， 我國開始利用遙感技術監測蝗蟲生境數據， 通過地理信息系統的空間分析和數據綜合能力， 實現遙感數據和地面數據的融合， 對蝗蟲發生期和發生地進行預測[11]。 近紅外光譜(NIRS)技術具有鑒定蝗蟲種類[12]、 分 析 蝗蟲產卵地、 檢測病蟲害發生狀況和規律[13]的能力，與化學模式識別相結合能使預測效果進一步加強，為我國發展蝗蟲自動偵測系統提供技術支持。

　　除了蝗蟲， 研究人員在其他常見農產品蟲害監測上同樣有相關研究成果。 高俊峰[14]用 VIS-NIR高光譜系統對油菜蚜蟲進行檢測與識別， 基于主成分載荷貢獻率分析法(PCA-loading)提取的特征波長所建的最小二乘支持向量機(LS-SVM)模型， 識別正確率為 88.68%; ZHANG 等[15]基于 NIRS 采集的棉鈴蟲、 甜菜夜蛾、 斜紋夜蛾、 玉米螟幼蟲光譜數據， 建立偏最小二乘判別分析法 (PLS-DA) 模型進行預測和識別， 準確率為 100%。

　　(二) 土壤環境監測

　　為避免環境變化對農產品生產造成的影響， 需對生長環境進行監測。 紅外技術可檢測土壤環境部分指標， 相對實驗室樣品分析法效率更高、 成本更低。土壤水分是農作物生長過程中最重要的驅動因素。 紅外技術結合無人機采集數據可實現對大范圍農田土壤水分在線監測。

　　郭輝等[16]以無人機采集的熱紅外遙感影像為數據源， 基于熱慣量法反演田塊尺度的土壤含水量， 建立土壤熱慣量和含水量之間的線性回歸模型， 獲得決定系數 R2=0.71、 均方根誤差 RMSE=3.09%的監測結果， 展現較高的檢測精度; 馮珊珊等[17]設計基于無人機的快速檢測農田土壤水分方法， 通過無人機采集的隨機樣點多光譜(綠光、 紅光、 紅邊、 近紅外) 數據結合田間土壤水分探測數據、 垂直干旱指數快速構建土壤水分反演模型， 獲取大范圍土壤水分檢測結果， 該方法精度較高， R2>0.8， RMSE 和系統誤差 SE 均< 0.1。

　　隨著農業對實時性需求進一步提高， 部分研究逐漸往田間儀器實時監測方向發展。 ZHOU 等[18]開發 出 基 于 NIRS 的原位土壤總氮-土 壤 水 分 檢 測儀， 用于準確獲取土壤全氮和土壤水分含量， 該儀器檢測精度高、 穩定性好， 可實時持續檢測; 張東興等[19]設計了一種基于 VIS-NIR 光譜技術的播種溝內土壤水分測量傳感器， 真實值與預測值之間R2=0.82、 RMSE=1.23%， 滿足玉米等作物播種環節土壤水分含量的測量要求; 于瀟禹[20]對基于近紅外技術的土壤養分含量在線實時檢測系統開展研究， 經優化后的檢測系統對黑土類型土壤中有機質及總氮含量的預測值， 與采用實驗室檢測方法得到的準確值分別有 98.8%和 95.7%的相關性， 可實現田間在線測量; 劉雪梅[21]開發了一款基于 NIRS 的便攜式土壤有機質含量測定儀， 通過軟件系統對土壤的反射率值進行處理、 顯示、 存儲等操作， 可直接在顯示屏上讀取土壤有機質含量。

　　二、 基于農產品儲藏安全的紅外技術

　　為保障正常市場供應和國家戰略物資儲備， 截至 2018 年， 我國儲備糧食達標準倉房倉容 6.7 億t、 簡易倉容 2.4 億 t(數據來源于《中國的糧食安全》白皮書)。 儲糧品質變化是一個連續、 波動、 由量變到質變的復雜過程， 受多方面因素影響， 如含水量高時易受霉菌感染， 脂肪酸值升高時種子生活力下降， 儲藏時間增加時糧食運動粘度下降、 糊化溫度上升等。 綜上， 為維護糧食儲藏安全需要， 需開發一種可在線實時監測儲藏過程中多項指標的技術。

　　(一) 霉菌毒素監控

　　黃曲霉、 青霉和鐮刀菌是產生毒素導致儲糧污染的主要霉菌， 它們寄主范圍廣泛， 其中花生和玉米最易受感染。 聯合國糧食及農業組織數據表明， 全世界每年有 5%～7%的糧食、 飼料受霉菌侵染， 因真菌毒素污染而造成的直接或間接經濟損失達數百億美元。 紅外技術在檢測黃曲霉毒素、 鐮刀菌毒素方面都有廣泛的應用。

　　1. 黃曲霉毒素檢測。

　　黃曲霉毒素(AF)對人和動物的肝臟及中樞神經有很大的毒害作用， 一次性大量攝入可造成人或動物的急性中毒甚至死亡， 小劑量長期攝入則可致畸、 致突變， 甚至致癌。 現有AF 測定方法多數存在預處理過程復雜、 所用化學試劑繁多、 周期長等缺陷， 不符合農產品毒素監控對實時快速的需求。 NIRS 可應用 于 農 產 品 的 AF定性、 定量檢測， 沈飛等[22]利用 NIRS 對感染黃曲霉菌稻谷樣品霉變狀態的判別正確率達 92.5%; 吳啟芳[23]基于近紅外和中紅外建立糙米 AF 的線性判別分析模型， 對黃曲霉毒素 B1 (AFB1)、 黃曲霉毒素 B2(AFB2)、 黃曲霉毒素 G1(AFG1)、 黃曲霉毒素G2 (AFG2) 及總量的交互驗證正確率均高于 90%，偏最小二乘回歸分析(PLSR)對各 AF 含量的預測精度較高， 相關系數 (R)≥0.920， 相對分析誤差(RPD)≥2.5。

　　張強[24]構建了基于 NIRS 的稻谷霉菌和毒素檢測數學模型， 經優化可實現檢測低濃度AFB1 含量， 據此設計適用于現場在線檢測的便攜式貯藏稻谷霉菌和毒素指標分析儀， 為后續實際工作中的應用研究提供理論和技術依據; 雜色曲霉素A (Versicolorin A) 可 作 為 AFB1 存 在 的 指 標 ，ZHENG 等[25]基于 NIRS 運用極端梯度提升算法和支持向量機算法， 建立了定量和兩級分類模型， 定量 模 型 RMSE=3.57 μg/kg， 分類方法準確率為90.32%， 可快速準確檢測出玉米中的雜色曲霉素A 且無需預處理、 使用方便。

　　2. 鐮刀菌毒素檢測。

　　鐮刀菌毒素是鐮刀菌屬真菌產生的高毒性、 低相對分子質量的次級代謝產物總稱， 包括玉米赤霉烯酮 (ZEA)、 脫氧雪腐鐮刀菌烯醇 (DON) 等， 其廣泛存在于霉變的小麥、玉米、 大麥、 燕麥、 高粱等谷物中， 對人和動物的健康都存在極大威脅， 同 AF 一樣被看作是自然發生的最危險食品污染物。多項實驗證實， 紅外技術對受鐮刀菌毒素侵染的農產品有較好辨別能力， 為鐮刀菌毒素檢測提供比目前常用的化學測定法更快速、 環境友好和非破壞性的檢測方法。

　　JIN 等[26]開發一種基于近紅外熒光的新型雙側流免疫傳感器， 經實驗參數優化后可同時檢測出玉米中 ZEA 和 DON， 檢 出 限 分 別 為0.55 μg/kg 和 3.8 μg/kg， 加 標 回 收 率 為 81.7%～107.3%， 變異系數<14%， 與儀器法的檢測結果一致。 FEMENIAS 等[27]提出利用 HSI-NIR 技術的空間識別特點對批次中受小麥鐮刀菌和 DON 侵染的單個小麥籽粒進行分選， 在實驗結果中展現了極高的分選準確率和正確率。 崔貴金[28]依據小麥赤霉病感病率與 DON 毒素含量的關系， 基于 NIRS 和偏最小二乘法 (PLS) 構建小麥赤霉病感病率的預測模 型 ， 對小麥赤霉病感病程 度預測正確率為86.49%; 并設計了赤霉病麥粒近紅外光電分選系統模型， 為赤霉病麥粒的快速有效分選、 分離提供理論依據和技術參考。

　　(二) 蟲害監控

　　儲糧中的害蟲主要來源于原有糧倉殘留或糧食運輸過程中外部入侵， 導致儲糧發霉、 發熱、 品質下降、 營養價值降低。 目前國內外的儲糧害蟲檢測法主要為直觀檢查法和取樣檢查法， 存在精確度低、 效率低、 難以檢查到隱藏害蟲的缺點。 隨著檢測技術的進一步發展， 近紅外分析技術被應用于檢測儲糧害蟲， 可辨別受害蟲侵害的樣品以及害蟲的蟲齡、 類型、 生命體征。

　　SANTOS 等[29]基于 NIRS 建立的 PLS-DA 模型對被玉米象侵染的高粱谷粒樣品和健康高粱谷物樣品分類準確率為 100%; NIRS 可應用于檢測害蟲蟲齡或類型， MAGHIRANG 等[30]用 NIRS 檢測儲存期超過兩個月、 具有各類蟲態的麥粒， 將小麥粒內的害蟲 (包括死蟲和活蟲) 按形態和幼蟲大小分為活蛹、 大型幼蟲、 中型幼蟲， 檢測所得到的準確率分 別 是 94%、 93%和 84%; 張 紅 濤 等[31～32]利 用HSI-NIR 技術采集液氮低溫猝死法殺死的糧蟲谷蠹和米象的光譜數據后得出結論： 隨著死亡時間的增加， 糧蟲相對光譜反射率逐漸增大， 基于該結論建立的辨別模型辨別活死蟲準確率為 100%。但紅外技術對儲糧中的害蟲檢測準確度易受 3點因素影響[33]， 一是紅外技術對樣品濕度較敏感，需經常校正儀器; 二是對蟲害水平低的樣品難以準確檢測辨別; 三是該技術屬于間接技術， 對幼蟲的檢測不理想。

　　(三) 實時品質監控

　　脂肪酸含量是我國評估儲糧品質的一項指標， 儲藏期間小麥、 大豆等作物因陳化變質導致脂肪酸含量升高時， 其物理性狀還未顯示品質劣變， 因此脂肪酸含量可作為糧食陳化變質的判定指標。多位學者研究表明， 利用 NIRS 可以較好地捕捉到儲糧脂肪酸變化， 實時監控儲糧質量。 如徐彥[34]提供了一種穩定性和準確率良好的、 NIRS 與PLS 結合建立的秈稻脂肪酸值快速檢測模型 (R=0.859 34， 內部驗證標準差為 1.78， 交叉驗證標準差為 2.35)， 證實了 NIRS 實時監控儲糧脂肪酸變化 的 可 行 性 ; JIANG 等[35]開發建立了一種基于NIRS 的定量檢測脂肪酸值的便攜式系統， 采用標準正態變異法校正、 變量組合分析優化、 極端學習機構建的模型對脂肪酸值進行定量檢測， 展現了良好的預測精度和穩定性; 向 娜 娜 等[36]利 用 BrukerMATRIX-I 近紅外光譜儀快速檢測和監控大豆油新鮮度及脂肪酸組分， 結果較理想， 脂肪酸模型R2 接近 1。

　　三、 基于農產品加工與流通安全的紅外技術

　　2020 年我國農產品加工業營業收入超 23.2 萬億元， 農產品加工轉化率達到 67.5%， 科技對農產品加工產業發展的貢獻率達到 63%， 農產品加工業處于飛速發展階段。 然而我國個別食品加工企業存在使用農獸藥、 化肥殘留量超標的食品原料， 超量、 超范圍使用食品添加劑， 加工食品未嚴格按照工藝標準生產， 大肆使用病果壞果等現象， 生產的不合格加工產品流入市場被消費者長期食用會損害人體， 由此產生的負面反饋將對市場經濟產生不利影響， 同時是食品安全事故頻頻發生的主要原因。數據分析顯示， 約 2/3 的食品安全問題出現于食品生產加工環節[37]， 因此加強農產品加工過程的安全監控工作刻不容緩。

　　(一) 農產品快速分級

　　農產品分級作為農產品加工和果品進入市場前的重要一環， 體現在農產品優劣分級決定價格高低、 農產品分級控制加工制品質量兩方面。 市場常用分級方法是依靠分揀師傅的手感經驗， 主觀意識強、 難以標準化。 部分農業合作社或生產商會引入專業的分揀機器及生產線進行快速果蔬分級， 但購置設備成本過高難以普及。紅外技術作為目前相對較低廉的檢測技術， 在果品優劣分級與次品、 壞品篩選方面得到廣泛應用。

　　有關研究顯示， NIRS 技術可同時在線無損檢測多項指標使果品的自動分級得以實現[38]。 孫海霞等[39]利用 NIRS 和水分補償方法搭建的模型對鮮棗內部品質指標 (水分含量、 可溶性固體含量、 維生素 C 含量、 蛋白質含量、 硬度值)的預測有較高準確率; SCHMILOVITCH 等[40]利用 NIRS 在 1 200～2 400 cm-1 波數范圍內測量芒果果肉軟度、 可溶性固體含量和酸度， 基于多元線性回歸 (MLR)、 主成分分析 (PCA) 和 PLS 建立 NIRS 模型， 可以無損地評價芒果果實的成熟因子; 孫炳新等[41～42]采用NIRS 在 643.26～985.11 nm 的波長范圍內建立紅富士蘋果脆度和有效酸度的預測模型， 模型相關系數分別達到 0.941、 0.925。

　　在果蔬內部病變及外部損傷等情況的檢測上，李江波[43]搭建的對臍橙表面缺陷檢測的可見 HSI-NIR 系統獲得了 93.7%的臍橙缺陷果識別率， 且假陽性率為 0， 并用近紅外高光譜反射成像技術對臍橙潰瘍進行檢測， 獲得 98.2%的識別率; 李順峰等[44]利用 NIRS 結合 PCA 和 Fisher 判別函數對蘋果霉心病進行檢測， 患霉心病蘋果和健康蘋果的正確判別率達到 89.9%; 郭志明等[45]利用近紅外透射光譜技術獲取新疆阿克蘇蘋果光譜信息， 以病變面積比值為指標建立定量預測模型， 水心面積比與可溶性固形物含量校正集和預測集 R 分 別 為 0.912 2、0.873 3， 標準偏差分別為 1.97、 0.354。

　　(二) 農產品質量快速檢測 《中華人民共和國農產品質量安全法》 規定， 有農藥、 獸藥等化學物質殘留不符合產品質量安全標準的農產品， 以及使用的保鮮劑、 防腐劑等材料不符合國家有關強制性的技術規范的農產品， 均不允許進入市場。 因此對農產品及加工原材料做好農藥、 獸藥、 防腐劑等化學物質殘留檢測工作十分必要。紅外光譜技術可無損檢測出農產品表面及內部的農藥殘留。

　　呂萍[46]基于生姜中敵敵畏和甲胺磷殘留量的 NIRS 光譜數據搭建的定量分析模型具有較好分析效果， R>0.8; 張令標等[47]以表面有不同濃度嘧霉胺農藥的番茄為實驗對象， 應用 VIS-NIR高光譜技術對高濃度農藥點檢測準確率為 100%;吳昕如等[48]利用 NIRS 結合 PLS 建立的模型預測獼猴桃中氯呲脲含量準確率高、 結果良好， 預測值與實 際 值 的 R=0.958 8; 趙 若 雨 等[49]應 用 VIS-NIR高光譜技術檢測噴灑有溴氰菊酯農藥的小白菜葉片， 構建偏最小二乘模型和基于光譜指數的多元線性回歸模型對溴氰菊酯殘留量進行預測， 預測精度為 93.1%。

　　四、 基于紅外技術和大數據的農產品全生命周期在線快速檢測系統研究

　　近年來云平臺、 物聯網的廣泛應用， 促進農產品生產通過數據收集和分析逐漸往高效、 智能方向發展。 國務院印發的 《促進大數據發展行動綱要》中提出， 要發展農業農村大數據， 為農業生產者、消 費 者、 監管者提供農產品質量安全信息服務;《數字農業農村發展規劃 (2019-2025 年)》 指出，隨著科技創新能力不斷提升、 政府支持體系初步建立、 設施設備條件明顯改善、 數字技術與農業農村加速融合，“十四五” 時期是推進我國農業農村數字化的重要戰略機遇期。

　　通過以上對國內外應用于農產品安全的多種紅外技術研究闡述得出， 紅外檢測技術應用范圍可涵蓋農產品的整個生命周期。 近年來， 國內的研究學者們對基于云平臺的紅外檢測系統開展了一系列的初 步 探 索， 如 楊 雨[56]基 于 JAVA WEB、 HTML 及MYSQL 等主流編程語言， 設計并開發出支持模型共享、 數據共享、 遠程在線訪問的自更新型紅外光譜在線分析平臺， 為使用者提供方便快捷的模型共享渠道及高效的模型更新策略; 吳海卿等[57]設計一種基于云平臺的近紅外食品質量監測系統， 具備數據自動采集、 云端傳送、 光譜分析、 性質預測、 報告回送等功能。

　　紅外檢測技術具有實時、 快速、 準確性高等一系列優點， 基于該技術開發的傳感設備符合農產品大數據平臺對數據采集技術的需求， 與全生命周期大數據系統構建相結合在理論上具有一定可行性。建立農產品全生命周期在線快速檢測系統， 將自動化采集紅外設備在農產品生產的生態環境、 生產資料、 生產過程、 市場流通、 加工儲藏、 檢驗檢測等場景監測到的數據， 通過網絡化傳輸至云端后進行標準化處理和可視化運用， 將監控數據轉變為通俗易懂的信息供社會群眾在手機 App 或客戶端上查看， 可實現各環節信息可查詢、 來源可追溯、 去向可跟蹤、 責任可追究， 為生產者、 消費者、 監管者提供農產品質量安全信息服務， 促進農產品消費安全。 另外利用紅外技術實時快速檢測的優點， 對農作物生長、 倉庫儲藏、 加工與流通過程安全進行實時遠程監控， 可幫助廣大農業工作者隨時隨地掌握產品狀態和及時作出調整。

　　但基于紅外技術和大數據的農產品全生命周期在線快速檢測系統在實踐運用和普及上還有很長一段路要走， 主要面臨 4 個問題。 一是數據的復雜性。 處理數據量大且復雜， 依據的標準不同。 如何將不同的農作物或不同的場景下測得的數據進行統一存儲， 如何分析數據， 如何進行可視化的轉換，都將是未來要解決的問題。 二是系統的實時性。 紅外技術雖可進行實時監測， 但在后續數據處理階段， 尤其是在環境災害、 氣象災害、 病蟲災害等狀況的多源數據條件下， 大數據分析不及時會導致農業重大災害的發生。

　　三是數據的安全性。 農業自身的復雜性決定了數據的多源復雜性， 如何在處理大量數據的同時仍保證數據的安全性是需要攻克的難點。 四是檢測設備的優化。 目前對紅外技術的研究多是僅限于實驗室， 投入實際生產中的較少。 檢測設備需要進行符合實際需求、 生產要求、 貼合全生命周期在線快速檢測系統的優化。總體來說， 紅外技術應用于農產品安全領域具有廣闊的前景， 也存在一定的局限性， 如部分樣品的復雜成分給檢測帶來困難、 檢測精度需依賴建模方法和化學計量學方法、 部分紅外技術搭配儀器價格昂貴等。 搭建基于紅外技術和大數據的農產品全生命周期在線快速檢測系統需要計算機技術、 自動化控制技術、 互聯網技術、 通信技術等多方面的專業技術人才共同完成， 為該領域提供新的研究方向。

　　參考文獻

　　[1] 陸婉珍， 袁洪福， 褚小立， 等. 當代中國近紅外光譜技術 [M]. 北京： 中國石化出版社， 2006.

　　[2] 褚小立.化學計量學方法與分子光譜分析技術 [M]. 北京： 化學工業出版社， 2011.

　　[3] 林維清， 薛壯. 新技術新裝備在現代農業中的應用 [J].農業開發與裝備， 2020 (10)： 32-33.

　　[4] 趙其國， 黃國勤， 王禮獻.中國生態安全、 農業安全及“三 農” 建 設 研 究 [J]. 農林經濟管理學報， 2014， 13(3)： 237-243.

　　[5] 李真. 紅外熱成像技術在作物病害早期檢測方面的應用研究 [D]. 保定： 河北農業大學， 2015.

　　[6] 李小龍， 王庫， 馬占鴻， 等. 基于熱紅外成像技術的小麥病害早期檢測 [J]. 農業工程學報， 2014， 30 (18)：183-189.

　　[7] 徐小龍. 基于紅外熱成像技術的植物病害早期檢測的研究 [D]. 杭州： 浙江大學， 2012.

　　作者：胡煒杰 1，2 廖曉恬 1 黃丹穎 1，2 陳亞舉 1，2 區曉陽 1，2