劉翠玲　邢瑞芯　吳靜珠　孫曉榮　胡　瑩

(1.北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院， 北京 100048；2.北京工商大學(xué)食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100048)

0　引言

花生是我國(guó)主要油料作物之一，種植面積僅次于油菜[1]?；ㄉ饕M成物質(zhì)有脂肪、蛋白質(zhì)和碳水化合物，其中脂肪質(zhì)量分?jǐn)?shù)占46%～52%，不飽和脂肪酸更是高達(dá)85%以上。我國(guó)所產(chǎn)的花生中有55%用于制油，花生油年產(chǎn)量?jī)H次于菜籽油[2-4]。然而，花生品種不同，則其脂肪含量(含油率)、蛋白質(zhì)含量也差異顯著。其中，含油率作為油料作物品質(zhì)的重要參考指標(biāo)之一，決定著花生的食用價(jià)值或榨取價(jià)值。在花生制油過程中，花生種子作為花生油的提取原料，其含油率不同，適合的榨油方式也不同，進(jìn)而得到的花生油在氣味、口感方面也良莠不齊。我國(guó)花生品種繁多、含油率參差不齊，通常情況下制油廠多采取壓榨法來制油，但壓榨法只適用于高含油率品種，對(duì)于含油量較低的品種應(yīng)采用溶劑浸出法提油[5-6]。由于花生品種加工特性研究的缺乏，我國(guó)尚未形成統(tǒng)一的、適宜加工制油的專用花生品種準(zhǔn)則，多個(gè)品種混合應(yīng)用的現(xiàn)狀，也導(dǎo)致我國(guó)的花生制油產(chǎn)業(yè)的發(fā)展受到阻礙[7-8]?；ㄉ贩N的鑒別與選取，對(duì)于制油產(chǎn)量的提升至關(guān)重要。

目前針對(duì)花生品種的鑒別技術(shù)主要有：形態(tài)學(xué)鑒定、生化鑒定、DNA分子標(biāo)記鑒定、圖像處理技術(shù)等[9-10]。其中，形態(tài)學(xué)鑒定技術(shù)主要是花生在田間生長(zhǎng)期間，根據(jù)莢果形狀經(jīng)驗(yàn)性地判定品種及純度；生化鑒定包括同工酶和種子儲(chǔ)藏蛋白電泳技術(shù)，主要通過鑒定蛋白質(zhì)的種類、含量、結(jié)構(gòu)的不同來鑒定花生品種；DNA分子標(biāo)記鑒定技術(shù)直接以花生種子的DNA作為檢測(cè)對(duì)象來鑒別花生品種；圖像處理技術(shù)通過掃描儀等成像器件采集花生莢果圖像，結(jié)合模式識(shí)別方法來識(shí)別花生品種。這些技術(shù)雖然操作方法不同，但都存在操作過程復(fù)雜、專業(yè)性強(qiáng)、不易實(shí)現(xiàn)等特點(diǎn)。太赫茲(THz)作為一種新興的光譜技術(shù),是指波長(zhǎng)為0.03～30 mm (頻率0.1～10 THz)范圍內(nèi)的電磁波。太赫茲波段包含大多數(shù)生物大分子的振-轉(zhuǎn)能級(jí)躍遷，具有穿透性能好、光子能量低損耗小、承載信息更多等優(yōu)于其他光譜技術(shù)的特點(diǎn)，已被證明在農(nóng)產(chǎn)品及食品，特別是植物選種、品質(zhì)檢測(cè)及食品加工等方面能夠起重要的作用[11-12]。

太赫茲在農(nóng)業(yè)領(lǐng)域的研究和應(yīng)用剛起步，因此在農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面的應(yīng)用仍然受到一些限制，限制之一就是難以檢測(cè)高含水率樣品，特別是對(duì)新鮮果蔬等含水率較高的農(nóng)產(chǎn)品的品質(zhì)檢測(cè)研究非常少見[13-14]。但對(duì)于含水率很低的油料作物，太赫茲光譜檢測(cè)技術(shù)存在巨大潛能[15-16]。本文利用太赫茲衰減全反射技術(shù)(Terahertz attenuated total reflection，THz-ATR)研究不同花生品種的太赫茲光譜，并結(jié)合多種預(yù)處理方法及建模算法來研究花生品種的快速鑒別方法。

1　實(shí)驗(yàn)

1.1　樣品制備

實(shí)驗(yàn)所用花生種子樣本均購(gòu)自某種子公司，包括3個(gè)花生品種：魯花9號(hào)、魯花1號(hào)和花育36號(hào)。每一個(gè)品種隨機(jī)選取20粒，并制作成厚度約1 mm、切片尺寸約1 cm×1 cm的花生仁切片，樣本數(shù)量共計(jì)60個(gè)。為防止花生仁發(fā)生氧化等反應(yīng)，該操作要盡可能快速準(zhǔn)確。為保證儀器系統(tǒng)穩(wěn)定性，實(shí)驗(yàn)的環(huán)境溫度控制在22℃。

1.2　實(shí)驗(yàn)裝置

實(shí)驗(yàn)儀器為劍橋Tera View公司生產(chǎn)的太赫茲脈沖光譜儀，型號(hào)為TeraPulse 4000，如圖1a所示。光譜范圍2～133 cm-1(0.06～4 THz)、信噪比最高達(dá)到70 dB。

實(shí)驗(yàn)利用太赫茲脈沖光譜儀和入射角為35°的單晶硅ATR模塊。ATR的工作范圍在10～120 cm-1(0.3 ～3.6 THz)的電磁頻譜區(qū)域內(nèi)，能夠測(cè)量固體和液體樣本，具有采樣面積小、樣品量小(固體一般為1 mg)、樣品制備及采集方式簡(jiǎn)單等特點(diǎn)[17]。ATR采樣技術(shù)示意圖見圖1b。

圖1　實(shí)驗(yàn)儀器Fig.1　Experiment instrument1.樣品　2.ATR晶體　3.衰逝波

1.3　光譜采集

實(shí)驗(yàn)采集60個(gè)花生樣本切片的ATR光譜。采集方法為：首先，確保ATR晶體未放置任何樣品并干凈無污染，進(jìn)行ATR采集，得到參考信號(hào)；其次，將制作好的花生仁切片置于ATR采集部位，為確保樣品和ATR晶體之間有良好的光學(xué)接觸，需擰緊壓力螺釘。一旦螺桿達(dá)到20 kg的負(fù)荷，沒有更多的壓力施加到窗口，螺桿將自由旋轉(zhuǎn)，最大限度地提高吸光度[17]。逐一采集所有花生仁切片的ATR光譜。其中，為提高精確度，ATR采集參數(shù)設(shè)置為：分辨率0.94 cm-1，每次快速掃描的平均次數(shù)為450。

圖2　時(shí)域信號(hào)Fig.2　Time domain signal

3個(gè)品種的花生仁切片樣本的時(shí)域信號(hào)如圖2所示。從圖中可以看出，由于空氣中的水分干擾，樣本信號(hào)的波形均存在較小抖動(dòng)。此外，3個(gè)品種樣本的脈沖波形相似，差異細(xì)微，說明了系統(tǒng)的穩(wěn)定性。進(jìn)一步將主脈沖放大進(jìn)行對(duì)比，發(fā)現(xiàn)不同品種的花生仁切片對(duì)THz波的吸收強(qiáng)度不同，表現(xiàn)在主脈沖的相位和幅度上均存在一定程度的延遲和衰減,吸收強(qiáng)度從高到低依次為：魯花1號(hào)、魯花9號(hào)、花育36號(hào)。含油率較高的2個(gè)品種的信號(hào)更強(qiáng)一些，這可能是由于高含油率的花生品種對(duì)太赫茲波的吸收小于低含油率品種[18]。

2　結(jié)果與討論

由于實(shí)驗(yàn)儀器存在噪聲和空氣中水分對(duì)太赫茲波的吸收，所采集的樣本信號(hào)存在一定幅度范圍的波動(dòng)，難以達(dá)到儀器理想的信噪比，不易直接通過太赫茲特征光譜來有效鑒別某一花生樣本的真實(shí)品種。因此，采集得到的時(shí)域信號(hào)需要進(jìn)一步處理，提取出更有效的光學(xué)常數(shù)進(jìn)行分析，或借助模式識(shí)別方法建立鑒別模型。

2.1　太赫茲光譜數(shù)據(jù)預(yù)處理

2.1.1光學(xué)常數(shù)提取

光學(xué)常數(shù)是表征物質(zhì)宏觀光學(xué)性質(zhì)的重要物理量。在從采集到的THz電場(chǎng)的時(shí)域波形中提取這些光學(xué)常數(shù)前，需要利用快速傅里葉變換(FFT)將參考信號(hào)和樣本的時(shí)域光譜進(jìn)行轉(zhuǎn)換，得到對(duì)應(yīng)的頻域光譜，進(jìn)而利用頻域信號(hào)的幅值和相位(實(shí)部和虛部)信息計(jì)算得到所需的光學(xué)常數(shù)[19]。此外，在獲得信號(hào)頻域譜的過程中，為避免信號(hào)數(shù)據(jù)開頭和結(jié)尾不連續(xù)造成信號(hào)頻譜顯示的失真，必須對(duì)信號(hào)執(zhí)行一個(gè)切趾(加窗)的過程，減少時(shí)域信號(hào)截?cái)嗨鶐淼恼`差[20]。切趾函數(shù)的種類多樣，比如Boxcar用于高分辨率，Blackman Harris用于高信噪比，本研究選擇最常用的Happ Genzel，因?yàn)樗骖櫫诵旁氡群头直媛省?/p>

THz光譜分析中常用的光學(xué)常數(shù)是吸光系數(shù)和折射率。其中，吸收系數(shù)定義為該樣本單位厚度的吸光度。折射率是光在真空中的傳播速度與光在該介質(zhì)中的傳播速度之比，可以通過不同樣本在時(shí)域信號(hào)上的延遲反映出來。圖3和圖4分別是樣本的吸收系數(shù)圖和折射率圖。

圖3　吸收系數(shù)Fig.3　Absorption coefficient

圖4　折射率Fig.4　Refractive indices

盡管太赫茲衰減全反射技術(shù)具有諸多其他光譜技術(shù)無法比擬的優(yōu)勢(shì)，但對(duì)于太赫茲光譜信號(hào)缺乏深入研究。目前對(duì)于儀器、樣本特征和測(cè)量環(huán)境變化帶來的信號(hào)干擾，并沒有通用的解決方法，缺乏對(duì)于處理效果進(jìn)行評(píng)定的指標(biāo)，通常只能對(duì)采集的光譜進(jìn)行簡(jiǎn)單處理來解決一些主要的問題，包括：提高信噪比、過濾噪聲影響、有效光譜范圍篩選等。本研究所用實(shí)驗(yàn)儀器信噪比在一定范圍內(nèi)高達(dá)70 dB，在對(duì)樣本信號(hào)進(jìn)行FFT變換前也選取了特定的切趾函數(shù)去除噪聲影響，但實(shí)驗(yàn)過程中仍然受到各種隨機(jī)噪聲的干擾。本次實(shí)驗(yàn)采集到的花生樣本信號(hào)，是在較低和較高頻域(即在10 cm-1以下和120 cm-1以上)，受噪聲干擾嚴(yán)重，信噪比下降劇烈，光譜振蕩明顯。因此，需要人為地對(duì)樣本信號(hào)進(jìn)行有效光譜范圍篩選。

2.1.2光譜范圍篩選

本研究使用的THz脈沖光譜儀ATR模塊工作范圍在10～120 cm-1頻域內(nèi)，但是通過觀察實(shí)驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，所有樣本的吸收系數(shù)和折射率均在116 cm-1左右就開始受到隨機(jī)噪聲干擾，因此，本研究通過對(duì)有效光譜范圍篩選，即手動(dòng)選擇10～116 cm-1作為吸收系數(shù)和折射率數(shù)據(jù)的有效頻域進(jìn)行后續(xù)研究分析，簡(jiǎn)單有效地剔除了噪聲信息干擾。

在10～116 cm-1頻域內(nèi)，隨著頻率的增加，所有樣本的吸收系數(shù)整體呈水平趨勢(shì)，折射率則呈現(xiàn)微弱上升趨勢(shì)，但重疊度較高，難以分辨。局部區(qū)域放大發(fā)現(xiàn)，3個(gè)品種的樣本之間的存在明顯差異。圖5為所有樣本在25～40 cm-1的吸收系數(shù)圖，由上往下依次為花育36號(hào)、魯花9號(hào)和魯花1號(hào)，吸收系數(shù)越來越低，雖然與含油率沒有明顯的線性關(guān)系，但較高含油率的2個(gè)品種的吸收系數(shù)小于低含油率的花育36號(hào)。相比蛋白質(zhì)，脂肪在太赫茲波段的吸收很弱，因此可以推測(cè)，含油率較高的花生品種對(duì)太赫茲波的吸收有可能小于含油率較低的品種。這一點(diǎn)也與時(shí)域信號(hào)大致相符。

圖5　吸收系數(shù)局部圖Fig.5　Local graph of absorption coefficient

圖6a、6b分別為3種樣本在10～20 cm-1、20～116 cm-1的折射率圖，其中，20 cm-1是一個(gè)轉(zhuǎn)折點(diǎn)。在20 cm-1以下，由上往下分別為魯花1號(hào)、魯花9號(hào)和花育36號(hào)，折射率依次降低，且與吸收系數(shù)變化方向相反；在20 cm-1以上，由上往下依次為花育36號(hào)、魯花9號(hào)和魯花1號(hào)，這與吸收系數(shù)變化方向一致。雖然相比吸收系數(shù)，含油率均較高的魯花9號(hào)和魯花1號(hào)界限不是十分清晰，但與低含油率的花育36號(hào)差異明顯。因此，3種樣本在其吸收系數(shù)和折射率上存在的差異，可為花生品種鑒別模型的建立提供可能。

圖6　折射率局部圖Fig.6　Local graphs of index of refractive indices

2.2　花生品種的定性分析

如圖5、6所示，難以直觀地從圖中曲線來區(qū)分樣本所屬的品種，因此有必要借助定性方法來建立定性模型，實(shí)現(xiàn)對(duì)花生品種進(jìn)行快速鑒別的目的。本研究選取所有樣本的吸收系數(shù)數(shù)據(jù)，結(jié)合距離匹配(Distance match，DM)定性算法，建立基于吸收系數(shù)的花生品種快速鑒別模型。距離匹配是一種常用的定性算法，通過計(jì)算每個(gè)樣本到各自類別中心點(diǎn)的距離，來判別一個(gè)未知樣本到兩個(gè)或更多已知樣本類別的匹配程度。本研究中得到的不同的3種花生切片樣本的吸收系數(shù)和折射率曲線差異較小難以分辨，主要的不同僅體現(xiàn)在曲線的上下分布。在這種情況下，距離匹配算法可以很好地建立不同含油率的分類模型，能用于測(cè)試單個(gè)樣本的種類和等級(jí)。

(1)

最后計(jì)算距離匹配值，即計(jì)算新光譜中超出距離匹配限(設(shè)為4.9)的波長(zhǎng)點(diǎn)所占總波長(zhǎng)點(diǎn)的百分比，便可得到該未知樣本與每個(gè)類別之間的匹配值。匹配值在0～100%之間，匹配值越接近于0，表示該樣本距某個(gè)類別越近，因此會(huì)被歸屬到這個(gè)類別。

本研究為放大和分辨重疊信息，并減小隨機(jī)噪聲和提高信噪比，對(duì)2.1.2節(jié)中的光譜使用一階導(dǎo)數(shù)和歸一化處理，建立基于吸收系數(shù)的距離匹配模型。隨機(jī)挑選15個(gè)樣本對(duì)模型進(jìn)行測(cè)試，剩余45個(gè)作為建模集樣本。模型結(jié)果如圖7所示，橫、縱坐標(biāo)分別代表樣本與不同類別的馬氏距離。圖中箭頭所指為1個(gè)錯(cuò)誤預(yù)測(cè)樣本，剩余14個(gè)測(cè)試樣本都準(zhǔn)確地被劃分到自身所屬類別當(dāng)中。因此，模型預(yù)測(cè)準(zhǔn)確率為93.3%。

圖7　距離匹配定性識(shí)別結(jié)果Fig.7　Qualitative identification results of DM

為更清楚地說明預(yù)測(cè)結(jié)果，樣本距離各個(gè)類別的匹配值和具體預(yù)測(cè)結(jié)果如表1所示。其中，類別1為花育36號(hào)樣本，類別2為魯花1號(hào)樣本，類別3為魯花9號(hào)樣本。

3　結(jié)束語

花生品種鑒別對(duì)于新品種的選育、榨油方式選取和提高制油產(chǎn)量以及食用加工品質(zhì)等都起著至關(guān)重要的作用。利用太赫茲衰減全反射技術(shù)研究了花育36號(hào)、魯花1號(hào)和魯花9號(hào)3個(gè)花生品種在0.3～3.6 THz波段的時(shí)域譜、吸收系數(shù)譜和折射率譜。通過比較，發(fā)現(xiàn)3種花生在此頻率范圍內(nèi)的吸收系數(shù)譜和折射率譜都存在顯著差異。因此通過一階導(dǎo)數(shù)及歸一化處理，結(jié)合距離匹配算法，建立了相應(yīng)的吸收系數(shù)分類模型。結(jié)果表明，距離匹配算法對(duì)未知樣本的總體識(shí)別準(zhǔn)確率高達(dá)93.3%，可以實(shí)現(xiàn)對(duì)不同花生品種進(jìn)行快速分類鑒別，這說明利用太赫茲衰減全反射光譜技術(shù)結(jié)合一定的分類算法快速鑒別花生品種具有可行性。

表1　距離匹配定性識(shí)別結(jié)果Tab.1　Qualitative identification result of distance match

1王麗，劉紅芝，劉麗，等.油用花生品質(zhì)評(píng)價(jià)模型的建立及其加工適宜性研究[J].食品科學(xué)技術(shù)學(xué)報(bào)，2016，34(1):21-27.

WANG Li，LIU Hongzhi，LIU Li，et al．Research on evaluation model and processing suitability of oil-used peanut[J]．Journal of Food Science and Technology，2016，34(1):21-27. (in Chinese)

2馬寅斐，何東平，王文亮，等.我國(guó)花生品種加工特性與品質(zhì)評(píng)價(jià)技術(shù)研究進(jìn)展[J].中國(guó)食物與營(yíng)養(yǎng)，2011，17(6):29-31.

MA Yinfei，HE Dongping，WANG Wenliang，et al. Research advancement of processing character and quality assessment technology of Chinese peanut cultivars[J]．Food and Nutrition in China，2011，17(6):29-31. (in Chinese)

3王麗，王強(qiáng)，劉紅芝，等.花生加工特性與品質(zhì)評(píng)價(jià)研究進(jìn)展[J].中國(guó)糧油學(xué)報(bào)，2011，26(10):122-128.

WANG Li，WANG Qiang，LIU Hongzhi，et al. Research process on peanut processing characteristics and quality evaluation[J]．Journal of the Chinese Cereals and Oils Association，2011，26(10):122-128. (in Chinese)

4沈一，鄂志國(guó)，劉永惠，等.中國(guó)花生品種及其系譜數(shù)據(jù)庫的構(gòu)建[J].中國(guó)油料作物學(xué)報(bào)，2015，37(4):571-575.

SHEN Yi，E Zhiguo，LIU Yonghui，et al. Database construction of Chinese peanut varieties and their genealogy[J]. Chinese Journal of Oil Crop Sciences，2015，37(4):571-575. (in Chinese)

5劉玉蘭，劉瑞花，鐘雪玲，等.不同制油工藝所得花生油品質(zhì)指標(biāo)差異的研究[J].中國(guó)油脂，2012，37(9):6-10.

LIU Yulan，LIU Ruihua，ZHONG Xueling，et al. Differences of quality indexes of peanut oil obtained with different processes[J]. China Oils and Fats，2012，37(9):6-10. (in Chinese)

6魏振承，唐小俊，張名位，等.花生油加工和相關(guān)技術(shù)研究進(jìn)展及展望[J].中國(guó)糧油學(xué)報(bào)，2011，26(6):118-122.

WEI Zhencheng，TANG Xiaojun，ZHANG Mingwei，et al. Advances in peanut oil processing and related technology research[J]. Journal of the Chinese Cereals and Oils Association，2011，26(6):118-122. (in Chinese)

7周瑞寶.中國(guó)花生生產(chǎn)、加工產(chǎn)業(yè)現(xiàn)狀及發(fā)展建議[J].中國(guó)油脂，2005，30(2):5-9.

ZHOU Ruibao. Present situation and development suggestion on China peanut processing industry[J]. China Oils and Fats，2005，30(2):5-9. (in Chinese)

8楊偉強(qiáng)，王秀貞，張建成，等.我國(guó)花生加工產(chǎn)業(yè)的現(xiàn)狀、問題與對(duì)策[J].山東農(nóng)業(yè)科學(xué)，2006(3):105-107.

YANG Weiqiang，WANG Xiuzhen，ZHANG Jiancheng，et al. Present situation， problems and countermeasures of peanut processing industry in China[J]. Shandong Agricultural Sciences，2006(3):105-107. (in Chinese)

9張建成，江玉萍，王傳堂，等.花生品種鑒定技術(shù)研究進(jìn)展[J].花生學(xué)報(bào)，2006，35(2):24-28.

ZHANG Jiancheng，JIANG Yuping，WANG Chuantang，et al. Review of variety identification in peanut (ArachishypogeaeL.) [J]. Journal of Peanut Science，2006，35(2):24-28. (in Chinese)

10韓仲志，鄧立苗，于仁師.基于圖像處理的花生莢果品種識(shí)別方法研究[J].中國(guó)糧油學(xué)報(bào)，2012，27(2):100-104.

HAN Zhongzhi，DENG Limiao，YU Renshi. Study on variety identification of peanut pods based on image processing[J]. Journal of the Chinese Cereals and Oils Association，2012，27(2):100-104. (in Chinese)

11QIN Jianyuan，YING Yibin，XIE Lijuan. The detection of agricultural products and food using terahertz spectroscopy: a review[J].Applied Spectroscopy Reviews，2013，48(6):439-457.

12GOWEN A A，O’SULLIVAN C，O’DONNELL C P. Terahertz time domain spectroscopy and imaging: emerging techniques for food process monitoring and quality control[J].Trends in Food Science & Technology，2012，25(1):40-46.

13趙國(guó)忠.太赫茲科學(xué)技術(shù)研究的新進(jìn)展[J].國(guó)外電子測(cè)量技術(shù)，2014，33(2):1-6.

ZHAO Guozhong. Progress on terahertz science and technology[J]. Foreign Electronic Measurement Technology，2014，33(2):1-6. (in Chinese)

14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/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(7):246-255.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20130743&journal_id=jcsam. DOI:10.6041/j.issn.1000-1298.2013.07.043.

XIE Lijuan，XU Wendao，YING Yibin，et al. Advancement and trend of terahertz spectroscopy technique for non-destructive detection[J/OL]. Transactions of the Chinese Society for Agricultural Machinery，2013，44(7):246-255. (in Chinese)

15戚淑葉，張振偉，趙昆，等.太赫茲時(shí)域光譜無損檢測(cè)核桃品質(zhì)的研究[J].光譜學(xué)與光譜分析，2012，32(12):3390-3393.

QI Shuye，ZHANG Zhenwei，ZHAO Kun，et al. Evaluation of walnut by terahertz nondestructive technology[J]. Spectroscopy and Spectral Analysis， 2012，32(12):3390-3393. (in Chinese)

16李斌，WANG Ning，張偉立，等.基于太赫茲光譜技術(shù)的山核桃內(nèi)部蟲害檢測(cè)初步研究[J].光譜學(xué)與光譜分析，2014，34(5):1196-1200.

LI Bin，WANG Ning，ZHANG Weili，et al. Preliminary research on insect damage detection in pecans using terahertz spectroscopy[J]. Spectroscopy and Spectral Analysis，2014，34(5):1196-1200. (in Chinese)

17NEWNHAM D A，TADAY P F. Pulsed terahertz attenuated total reflection spectroscopy[J]. Applied Spectroscopy，2008，62(4):394.

18戚淑葉，韓東海.太赫茲時(shí)域光譜技術(shù)無損檢測(cè)高油玉米研究[C]∥中國(guó)食品科學(xué)技術(shù)學(xué)會(huì)第九屆年會(huì)，2012.

QI Shuye，HAN Donghai. An overview of analytical approaches for determining the geographical origin of plant-derived foods[C]∥The 9th Annual Meeting of CIFST，2012. (in Chinese)

19韓曉惠，張瑾，楊曄，等.基于太赫茲時(shí)域光譜技術(shù)的光學(xué)參數(shù)提取方法的研究進(jìn)展[J].光譜學(xué)與光譜分析，2016，36(11):3449-3454.

HAN Xiaohui，ZHANG Jin，YANG Ye，et al. Review on the methodology for optical parameter extraction with terahertz time-domain spectroscopy[J]. Spectroscopy and Spectral Analysis，2016，36(11):3449-3454. (in Chinese)

20張娣.基于太赫茲時(shí)域光譜的生物小分子檢測(cè)與分析[D].成都：電子科技大學(xué)，2015.

ZHANG Di. Detection and analysis of small bio-molecules on terahertz time domain spectroscopy[D]. Chengdu：School of Physics and Electronics，2015. (in Chinese)

21吳靜珠，張宇靖，石瑞杰，等.拉曼光譜結(jié)合距離匹配法快速鑒別摻偽食用油[J].中國(guó)糧油學(xué)報(bào)，2015，30(9):119-122.

WU Jingzhu，ZHANG Yujing，SHI Ruijie，et al. Rapid detection of adulterated edible oil using raman spectroscopy and distance match method[J]. Journal of the Chinese Cereals and Oils Association，2015，30(9):119-122. (in Chinese)