第九届亚洲近红外光谱学术会议（ANS2024）于2024年12月8-12日在印度加尔各答隆重举行。来自印度、韩国、日本、泰国、中国、加拿大和意大利等国家的百余名专家学者齐聚一堂，共同分享交流近红外光谱技术结合化学计量学在食品、农业、天然产品、制药与生物技术等领域的最新进展和应用。会议安排了丰富的学术交流活动，包括9个主题报告、21个口头报告、23个快闪报告和11份墙报。本次会议由亚洲近红外光谱协会（Asian NIR Consortium, ANC）和印度加尔各答的贾达普大学（Jadavpur University）共同主办，阿萨姆邦Jorhat的Tocklai茶叶研究所（TTRI）和曼尼普尔邦Imphal的生物资源与可持续发展研究所（IBSD）协办。为了方便签证不便的学者也能参会，会议专门设置了在线直播。此外，Bruker科技有限公司作为金牌赞助商，为会议提供了慷慨支持，印度光学学会为此次活动提供技术支持。

　　图1  大会主席Rajib Bandyopadhyay和主持人正在主持会议

　　来自贾达普大学的会议主席Rajib Bandyopadhyay教授表示：“非常荣幸能够举办这次盛会，这不仅是学术交流的平台，更是亚洲乃至全球近红外光谱技术发展的里程碑。我们期待通过这次研讨会，推动近红外光谱技术在质量保证和控制方面的创新应用，特别是在食品、药品和石油产品等领域。”

　　亚洲近红外光谱协会（ANC）的主席Satoru Tsuchikawa也对会议的召开表示热烈祝贺，并强调了近红外光谱技术在提高粮食和农业生产水平、保持品质衡量准则方面的重要性。这次会议不仅是展示最新科研成果的舞台，更是促进国际合作和知识交流的重要机会。随着亚洲在全球近红外光谱协会中的地位日益凸显，近红外光谱技术的应用和发展必将为全球带来深远的影响。

　　图2  举办第九届亚洲近红外光谱会议的贾达普大学（Jadavpur University）

　　图4  日本名古屋大学的Satoru Tsuchikawa教授及其报告首页

　　图4  印度农业研究所的Rabi Narayan Sahoo教授及其报告首页

　　来自于意大利罗马大学（Sapienza University of Rome）的Federico Marini教授作了题为“Chemometrics and NIR spectroscopy: looking towards the future”（化学计量学和近红外光谱：展望未来）的报告。介绍了用于光谱数据分析的多种先进化学计量工具与策略，包括预处理、数据融合、建模、校准及变量选择等方面的技术，这些技术应对数据复杂性挑战，增强数据可解释性与预测能力，其应用实例展示了在多领域的变革潜力，有助于解决相关难题，为光谱分析在快速无损决策创新方面奠定基础。

　　图5  意大利罗马大学的Federico Marini教授及其报告现场

　　来自泰国曼谷的先皇理工大学（King Mongkuts Institute of Technology）Panmanas Sirissomboon教授作了题为“Nir Spectroscopy and Para Natural Rubber”（近红外光谱和天然橡胶）的报告。介绍了近红外光谱为何能够适用于测量天然橡胶质量属性的理论及一般性解释、橡胶树的近红外光谱研究、近红外光谱模型在天然橡胶属性方面的表现以及近红外光谱在天然橡胶产业中的优势等内容。

　　图7  泰国曼谷的先皇理工大学的Panmanas Sirissomboon教授及其报告首页

　　中国石化石油化工科学研究院的褚小立教授级高工作了题为 “Development Status, Applications and Outlook of Near Infrared Spectroscopy in China”（我国近红外光谱技术的发展现状、应用及展望）的报告。介绍了近红外光谱技术在中国的广泛应用和良好发展前途。以及在仪器研发制造、基础理论研究方面取得的显著成果，应用涵盖农业、制药、石化、食品加工等多领域。未来将向更高精准度、智能化、低成本和微型化的方向发展，并与大数据、物联网等新兴技术深层次地融合，推动相关领域的技术进步与创新。

　　来自加拿大圭尔夫大学（University of Guelph）的环境科学学院的Asim Biswas教授作了题为“Can We Take Vis-NIR Spectroscopy to the Field to Leverage Digital Soil Mapping?”（我们能否将可见-近红外光谱带到现场以利用数字土壤测绘？）的报告。通过一系列案例研究探讨了在野外条件下应用vis-NIR光谱技术的挑战和机遇。重点介绍了如先进的野外校准技术、便携式光谱仪创新和降低噪声的数据处理算法等解决方案。此外，讨论将强调野外生成的vis-NIR数据在推进数字土壤制图（DSM）中的作用。通过将这些光谱信息与DSM框架整合，研究人能提高空间分辨率，减少对广泛的实验室分析的需求，并开发对可持续土壤管理至关重要的详细土壤属性图。这项工作强调了vis-NIR光谱技术在连接实验室精度和野外实用性方面的潜力，为农业、环境监测和土地利用规划的进步做出了贡献。

　　来自印度理工学院克勒格布尔分校（IIT Kharagpur）农业与食品工程系的Somsubhra Chakraborty副教授作了“Advancing Soil and Agricultural Insights through NIR Spectroscopy and Hyperspectral Imaging”（通过近红外光谱和高光谱成像推进土壤和农业）的报告。探讨了近红外光谱和高光谱成像技术在土壤有机碳、营养状况和污染的表征，以及监测植物活力和疾病等方面的应用。这些技术与机器学习的集成增强了预测的准确性和分辨率，促进精准农业的发展。

　　图10  印度理工学院的Somsubhra Chakraborty副教授报告首页

　　基于近红外高光谱技术的方法研究进展高光谱成像（Hyper-spectral imaging system, HSI）技术集合了光谱技术和图像处理技术的优势，能够同时获得被测物的一维光谱信息和二维空间信息，相较于多光谱成像技术，高光谱成像技术能近乎连续地获取光谱信息，被广泛应用于农产品和食品领域。除了上述印度农业研究所的Rabi Narayan Sahoo教授和韩国汉阳大学（Hanyang University）的Hoel Chung教授外，还有关于深度学习算法的3个口头汇报和1个快闪。韩国忠南国立大学（Chungnam National University）的学生Daeseo Park博士对120株草莓幼苗在干旱和热应激条件下进行了7天的每日高光谱成像，通过PLS-DA和LDA方法，建立了七个阶段的热应激和干旱应激预测模型，以及控制组与其他两个应激组之间的判别模型。结合7阶段LDA模型和基于PLS的判别模型，为使用高光谱监测草莓作物提供了优化建议；日本名古屋大学（Nagoya university）的Te Ma博士校正每个样本和不同样本之间的高度差效应，创建并应用了一条表示白色相机距离和反射强度之间相关性的校准曲线，对符合标准的近红外光谱数据进行偏最小二乘（PLS）回归，建立了可溶性固体含量（SSC）的校准。印度农业研究所（ICAR- Indian Agricultural Research Institute）Devi Prasad Panda博士探讨了使用非成像高光谱测量技术来评估冰中鱼片的质量。高光谱仪能够捕捉详细的光谱数据，提供鱼在冷藏储存期间的生化变化，通过建立鱼类腐败过程中鱼类质量参数变化与光谱之间的相关性，将有助于评估运输和营销过程中鱼类新鲜度的损失。国立江原大学（Kangwon National University）的Jeong-Eun Lee利用Vis-NIR高光谱成像技术和深度学习模型来预测猕猴桃的硬度和可溶性固形物含量（SSC），并确定其成熟度阶段。研究发现，预处理方法如归一化、MSC、SNV和Savitzky-Golay一阶和二阶导数能大大的提升预测性能。

　　深度学习在化学计量学中必不可少深度学习在光谱领域提供了自动化特征提取、高精度分类和成像速度提升等多方面的优势，为光谱成像技术的发展带来了新的突破和应用前景。印度贾达普大学（Jadavpur University）Dilip Sing博士开发了一种具有深度学习方法的化学计量模型，使用便携式近红外（NIR）光谱仪和图形用户界面（Ayudyog Pvt. Ltd，Kolkata，India）快速估计金鸡纳树皮中的总生物碱。茶叶样本吸收光谱在900 nm至1701.1 nm的近红外（NIR）波长范围内采集。每个样本做16次重复，在人工神经网络（ANN）分析之前，使用主成分分析（PCA）来减少数据。再使用反向和正向传播，与神经元相关的权重和偏差被调整以最小化误差。国立江原大学（Kangwon National University）的Ha-Eun Yang使用Vis-NIR高光谱成像（HSI）技术和深度学习开发了预测猕猴桃硬度和SSC并确定成熟阶段的模型；Woo-hyeong Yu使用带高光谱相机的Vis-NIR高光谱成像系统采集了400-1000nm范围内甜瓜的高光谱成像数据，开发的定制1D CNN模型在朝鲜甜瓜成熟度分类中的准确率约为80%。这项研究的结果有望用于韩国甜瓜的收获后质量均匀性和质量信息提供技术。

　　近红外光谱技术在食品与环境方面的应用随着近红外光谱技术的日趋发展及完善，其应用也慢慢变得广泛，除了日本名古屋大学（Nagoya University）的Satoru Tsuchikawa教授和泰国先皇理工大学（King Mongkuts Institute of Technology）的Panmanas Sirissomboon教授外，日本关西学院大学（Kwansei Gakuin University）的Akifumi Ikehata博士通过NIR光谱技术客观评估这些主观品质：番茄的口感和质地，以及储存中卷心菜的新鲜度。在对六种番茄品种进行感官评估的同时，进行了VIS-NIR光谱的无损测量。根据ISO 8586标准，选拔并培训了9名感官评估员，预先确定了19个感官属性，并使用偏最小二乘（PLS）回归创建了估计每个属性得分的校准模型；日本琉球大学（University of the Ryukyus）的Eizo Taira教授使用近红外光谱仪（Foss DS2500，400-2500 nm）对糖块样品做多元化的分析，每个样品的所有光谱进行两次测量。稀释4倍后测量白利糖度，使用PLS回归进行校准模型，并使用RMSEP评估模型准确性，计算实验室分析中校准性能与标准误差的比率（RPSE），以研究近红外光谱和/或实验室分析的测量精度；泰国先皇理工大学（King Mongkuts Institute of Technology）的Zenisha Shrestha博士利用MicroNIR光谱仪和SVR模型的卓越性能，并进行适当预处理，为更准确有效地预测生物质中的水分含量铺平了道路，优化了燃烧控制和燃料管理，这有助于推动近红外技术在生物质应用中的进步，促进能源生产的可持续性和效率；泰国先皇理工大学（King Mongkuts Institute of Technology）的Abhi Shrestha利用便携式可见近红外光谱（Vis-NIR）和先进的机器学习技术，实时、非侵入性地评估醋酸发酵过程，以提高苹果醋的质量。

　　中国近红外学者在亚洲近红外光谱会议中展现创新研究成果中国学者在中国仪器仪表学会近红外光谱分会的支持下，也积极参加了此次亚洲近红外光谱会议。来自中国石化石油科学研究院的褚小立课题组、山东大学的臧恒昌课题组、天津中医药大学李文龙课题组、中国科学院大学西北高原生物研究所的孙菁课题组和天津工业大学卞希慧课题组等数十位中国代表参加了本届亚洲近红外光谱会议。其中，天津中医药大学李文龙课题组的张智勇博士研究探讨了便携式近红外光谱仪在中药材现场质量控制中的应用，特别是在新疆这个中药材主要产区。这项研究为中药材现场质量控制提供了有价值的见解，并展示了便携式近红外光谱仪作为一种强有力的工具，能够快速现场检测和评估中药材的质量；汤瑜晨硕士探讨了酸碱滴定法、高效液相色谱法、傅里叶红外光谱仪结合化学计量学在药食同源淀粉类药材硫熏过程中质量控制的应用。这项研究证实了红外光谱结合化学计量学实现了对不同程度硫熏淀粉药材的无损、快速鉴定，其结果与传统的酸碱滴定法、高效液相色谱法相当。未来将引入更加环保、低能耗的技术，以增强硫熏药材的质量评估。孙菁课题组的研究生罗希基于FI-ATR光谱和小鼠急性肝损伤中的生化指标的定量检测模型小鼠急性肝损伤，证实了全缘叶绿绒蒿的生物碱成分具有保肝活性，这一发现为该药材的临床应用和资源开发提供了科学依据。天津工业大学卞希慧课题组研究生刘宇霞发展了基于鲸鱼优化算法（WOA）和极限学习机（ELM）的建模方法，并进一步和蒙特卡洛（MC）抽样相结合，用于近红外（NIR）光谱对复杂样品的定量分析；研究生李莹霞提出了基于蒙特卡洛（MC）蝴蝶优化算法（BOA）的双集成偏最小二乘（PLS）建模方法，结合近红外光谱技术用于土壤样本中有机质含量的定量分析。根据结果得出，与PLS、BOA-PLS和MC-BOA-PLS相比，MC-BOA-PLS展现出更优越的预测性能。

　　图11  天津工业大学的卞希慧教授课题组在线学习第九届亚洲近红外光谱会议现场

　　会议最后，第九届亚洲近红外光谱学术会议主席Rajib Bandyopadhyay教授表达了对各位报告人、参会代表以及赞助商的感谢，并正式公开宣布ANS2024圆满闭幕。随着本届亚洲近红外光谱会议的圆满结束，也确定了下届亚洲近红外光谱会议的召开时间地点。第十届亚洲近红外光谱学术会议拟定于2026年11月在日本冲绳举行，来自韩国汉阳大学的Hoeil Chung教授将担任会议主席。我们满怀期待地盼望着在2026年与各位在日本相聚，共同见证近红外光谱技术的新发展。

　　图12  拟举办的第十届亚洲近红外光谱学术会议主席Hoeil Chung教授