近红外光谱技术在水分无损检测领域的应用
Application of Near-Infrared Spectroscopy in the Field of Non-Destructive Moisture Detection
DOI: 10.12677/amc.2026.141001, PDF,    科研立项经费支持
作者: 蒋 吉, 刘 雯, 李虹雨, 马炜懿：宜宾学院过程分析与控制四川省高校重点实验室，四川 宜宾；宜宾学院材料与化学工程学院，四川 宜宾；周 杰, 吴永忠：宜宾天原集团股份有限公司，四川 宜宾；谭 超*：宜宾学院过程分析与控制四川省高校重点实验室，四川 宜宾
关键词: 近红外光谱；水分检测；化学计量学；发展应用；Near-Infrared Spectroscopy； Moisture Detection； Chemometrics； Development and Application
摘要: 水分是物质的基础性关键指标，其含量对多行业领域具有至关重要的影响。传统水分检测方法存在操作繁琐、耗时长且具有破坏性等问题，难以满足现代复杂样品质量控制的快速、无损和大规模检测需求。本文系统综述了近红外光谱技术在多个领域的水分快速无损检测中的研究进展，通过分析了该技术与偏最小二乘法、主成分回归、人工神经网络等化学计量学方法结合构建的水分分析模型。展示出近红外光谱技术在多个领域的水分检测中均表现出高效、准确与环保的优势，尤其适用于复杂样品下的在线分析与发展应用，可为后续各领域开展水分无损检测相关研究提供理论参考。
Abstract: Moisture is a fundamental and critical parameter in substances, with its content exerting a profound influence across multiple industries. Traditional moisture detection methods suffer from drawbacks such as cumbersome procedures, time-consuming processes, and destructiveness, making it difficult to meet the demands for rapid, non-destructive, and large-scale detection in modern quality control of complex samples. This paper systematically reviews recent advances in the rapid and non-destructive detection of moisture using near-infrared (NIR) spectroscopy across various fields. By analyzing the integration of this technology with chemometric methods—such as partial least squares, principal component regression, and artificial neural networks—for constructing moisture analysis models, the study demonstrates that NIR spectroscopy offers significant advantages in efficiency, accuracy, and environmental friendliness for moisture detection. It proves particularly suitable for online analysis and practical deployment in complex sample scenarios, thereby providing a valuable theoretical reference for future research on non-destructive moisture detection in diverse fields.
文章引用：蒋吉, 刘雯, 李虹雨, 马炜懿, 周杰, 吴永忠, 谭超. 近红外光谱技术在水分无损检测领域的应用[J]. 材料化学前沿, 2026, 14(1): 1-9. https://doi.org/10.12677/amc.2026.141001

参考文献

[1] 冯明春, 刘文清, 徐亮, 等. 傅里叶变换红外光谱仪的性能分析研究[J/OL]. 激光与光电子学进展, 2025: 1-22.
https://link.cnki.net/urlid/31.1690.tn.20250923.1338.084, 2025-10-13.
[2] Farouk, F., Essam, S., Abdel-Motaleb, A., El-Shimy, R., Fritzsche, W. and Azzazy, H.M.E. (2022) Fast Detection of Bacterial Contamination in Fresh Produce Using FTIR and Spectral Classification. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 277, 121248. [Google Scholar] [CrossRef] [PubMed]
[3] 刘广志. 近红外光谱技术在农产品品质快速检测中的应用研究[J]. 食品安全导刊, 2025(11): 84-87.
[4] 刘晓营, 米琨, 周蕴宇, 等. 近红外在线监测对次氯酸钠生产质量的提升[J]. 中国氯碱, 2025(7): 22-26+63.
[5] 王育华. 近红外等离激元纳米激光器的设计与制备[D]: [硕士学位论文]. 广州: 广东工业大学, 2025.
[6] Iskra, S. and Paravlić, A. (2025) Assessing the Feasibility of Near-Infrared Spectroscopy for Evaluating Physiological Exercise Thresholds. Scientific Reports, 15, Article No. 33349. [Google Scholar] [CrossRef] 
[7] Qu, X., Ji, B., Gong, H., Wang, G., Gao, L., Zhang, J., et al. (2025) Dual-Emissive Near-Infrared Fluorogenic Probe with Enhanced Cellular Uptake Capability for Sensitive Tracking of Cellular Polarity. Chinese Chemical Letters, 36, Article 110766. [Google Scholar] [CrossRef] 
[8] 陈世超. 基于红外光谱技术的甲烷检测系统研究[D]: [硕士学位论文]. 淮南: 安徽理工大学, 2025.
[9] Zhang, X., Zhang, Z., Shao, Y., Song, D., Yan, W., Li, K., et al. (2025) Robust Open-Set Drug Identification Model Using Near-Infrared Spectroscopy with Interval Synergistic Feature Information Selection. Microchemical Journal, 217, Article 114920. [Google Scholar] [CrossRef] 
[10] 游晓辉, 金孟悦, 张盼, 等. 近红外光谱技术在聚醚产品水分表征中的应用[J]. 化学推进剂与高分子材料, 2025(5): 71-75.
[11] 邱伟. 烘干法水分测定仪的系统设计与优化[D]: [硕士学位论文]. 长沙: 湖南大学, 2017.
[12] 汪婷. 卡尔·费休库仑法测量天然气水分的研究[D]: [硕士学位论文]. 北京: 中国石油大学(北京), 2018.
[13] 唐欣. 甘草浸膏减压干燥行为与质量研究[D]: [硕士学位论文]. 南昌: 江西中医药大学, 2023.
[14] 杨月, 田树兴, 邹兰, 等. 甲苯法测定香附药材水分的不确定度评定[J]. 品牌与标准化, 2025(4): 262-264.
[15] 胡昆. 基于气相色谱法结合化学计量学识别微量植物油的研究[D]: [硕士学位论文]. 北京: 中国人民公安大学, 2023.
[16] 白钢, 侯媛媛, 丁国钰, 姜民, 高洁, 张铁军, 刘昌孝. 基于中药质量标志物构建中药材品质的近红外智能评价体系[J]. 药学学报, 2019, 54(2): 197-203.
[17] Kang, R., Ma, T., Tsuchikawa, S., Inagaki, T., Chen, J., Zhao, J., et al. (2024) Non-Destructive Near-Infrared Moisture Detection of Dried Goji (Lycium barbarum L.) Berry. Horticulturae, 10, Article 302. [Google Scholar] [CrossRef] 
[18] Wang, Y., Li, M., Xu, L., Gao, C., Wang, C., Xu, L., et al. (2025) Monitoring of the Physicochemical Properties and Aflatoxin of Aspergillus Flavus-Contaminated Peanut Kernels Based on Near-Infrared Spectroscopy Combined with Machine Learning. Foods, 14, Article 32186. [Google Scholar] [CrossRef] [PubMed]
[19] Anggraeni, A.S., Windarsih, A., Warmiko, H.D., et al. (2026) Non-Targeted Metabolomics Analysis of Curcuma Rhizomes Species from Different Origins Using Lc-Orbitrap HRMS Combined with Chemometrics. Biochemical Systematics and Ecology, 124, Article 105140. [Google Scholar] [CrossRef] 
[20] 赵玉霞. 基于紫外-近红外光谱结合化学计量学对青稞酒的鉴别研究[D]: [硕士学位论文]. 西宁: 青海师范大学, 2025.
[21] 李梅, 智丽慧. 近红外光谱技术快速检测奶酪及其制品的核心质量指标[J]. 食品安全质量检测学报, 2025, 16(15): 51-56.
[22] Qi, W., Jiang, Q. and Erihemu, E. (2025) Research Progress on the Application of Near-Infrared Spectroscopy in Liquid Food Quality Testing. Beni-Suef University Journal of Basic and Applied Sciences, 14, Article No. 75. [Google Scholar] [CrossRef] 
[23] Casarin, P., Giopato Viell, F.L., Good Kitzberger, C.S., dos Santos, L.D., Melquiades, F. and Bona, E. (2025) Determination of the Proximate Composition and Detection of Adulterations in Teff Flours Using Near-Infrared Spectroscopy. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 334, Article 125955. [Google Scholar] [CrossRef] [PubMed]
[24] 罗浪琴. 基于近红外光谱技术对核桃仁可溶性蛋白、脂肪和单宁含量检测研究[D]: [硕士学位论文]. 阿拉尔: 塔里木大学, 2023.
[25] 杜洁. 基于红外光谱技术的三七粉品质快速检测研究[D]: [硕士学位论文]. 南京: 南京林业大学, 2024.
[26] 杨新娅. 近红外光谱技术在血府逐瘀口服液君药质量评价中的应用[D]: [硕士学位论文]. 济南: 山东大学, 2024.
[27] 曲正义, 逄世峰, 王兆森, 等. 基于近红外光谱技术的大力参含水量快速无损检测[J]. 时珍国医国药, 2020, 31(11): 2653-2655.
[28] 张会梅, 刘雪, 李德坤, 等. 近红外光谱技术快速测定麦门冬药材中水分的含量[J]. 天津中医药大学学报, 2018, 37(5): 416-419.
[29] 曾海松, 李伟, 顾东华. 香橼药材水分和柚皮苷近红外快速定量分析模型的建立[J]. 中国药师, 2019, 22(9): 1753-1756.
[30] 周文婷, 王海霞, 林萍, 卢慧娟, 姬生国. 近红外光谱法对巴戟天药材中水分含量的快速测定[J]. 湖北农业科学, 2014, 53(21): 5253-5255+5259.
[31] 何锦漪, 林颢, 齐雅静, 等. 复杂环境下基于近红外光谱的挂面生产过程水分快速检测方法研究[J]. 中国粮油学报, 2024, 39(9): 205-212.
[32] 陈巍, 王卫和. 近红外光谱检测技术在农业与食品分析中的应用分析[J]. 现代食品, 2023, 29(6): 143-145.
[33] 王梅, 潘牧, 刘辉, 等. 近红外光谱技术快速检测新鲜红辣椒中水分含量和辣椒素含量的研究[J]. 保鲜与加工, 2024, 24(9): 134-138+146.
[34] 宾金荣, 邢宏博, 肖小云, 等. 发酵饲料中水分、粗蛋白质、酸溶蛋白、乳酸近红外快速检测方法的建立[J]. 中国饲料, 2024(23): 170-175.
[35] 张静, 郭榛, 王思花, 等. 便携式近红外和可见光光谱仪检测水稻水分含量方法比较研究[J]. 光谱学与光谱分析, 2023, 43(7): 2059-2066.
[36] 姚力, 李宗军, 朱门君, 等. 近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量[J]. 食品与机械, 2024, 40(2): 69-73.
[37] 张苹苹, 石文杰, 吉桂珍, 等. 手持式近红外光谱仪快速检测水飞蓟籽中水飞蓟素含量和水分[J]. 中国食品添加剂, 2022, 33(8): 202-207.
[38] 张悦, 陈仕兵, 蒋文军. 气相色谱-质谱在石油行业的应用[J]. 精细石油化工, 2025, 42(1): 57-61.
[39] 万伟, 袁蕙, 马苏甜, 等. 吹扫捕集/气相色谱-质谱法测定石油炼制工艺废催化剂浸出液中挥发性有机物[J]. 环境化学, 2022, 41(11): 3695-3704.
[40] 杜传斌, 梁圣伟, 李健聪. 浅析近红外光谱在液压油水分含量分析中的应用[J]. 石油化工应用, 2016, 35(4): 137-140.
[41] 贾浩, 付强, 韩婵娟, 等. 小波分解重建算法提高近红外煤质水分检测精度[J]. 光谱学与光谱分析, 2012, 32(11): 3010-3013.
[42] 杨晓丽, 何琼. CARSiPLS用于烟煤中水分与挥发分的近红外光谱测定[J]. 理化检验(化学分册), 2017, 53(6): 636-640.
[43] 周义游. 基于近红外光谱的煤中水分测量研究[D]: [硕士学位论文]. 北京: 华北电力大学(北京), 2022.
[44] 程欲晓, 张继东, 邵敏, 等. 近红外光谱分析原油中水分和硫含量模型的建立及验证[J]. 理化检验(化学分册), 2020, 56(6): 621-626.
[45] 游晓辉, 初白凤, 何雯, 等. 近红外光谱法快速测定萃取剂中水分含量[J]. 化学推进剂与高分子材料, 2019, 17(5): 78-82.
[46] 王佳欣. 基于近红外光谱的猕猴桃可溶性固形物含量和硬度预测模型传递方法研究[D]: [硕士学位论文]. 咸阳: 西北农林科技大学, 2024.
[47] 彭闻萍. 近红外光谱技术联合深度卷积神经网络的圣女果内部品质检测[D]: [硕士学位论文]. 南昌: 江西科技师范大学, 2024.
[48] 王冠男. 基于近红外光谱技术的蓝莓产地鉴别方法研究[D]: [硕士学位论文]. 大庆: 黑龙江八一农垦大学, 2025.
[49] 韦怡, 倪力伟, 许启跃, 等. FTIR光谱结合CNN测定不同温度下的反应组分含量[J]. 化学研究与应用, 2025, 37(9): 2539-2546.