XiaoMi-AI文件搜索系统
World File Search Systemauger
超薄太阳能电池的进展和前景
厚度的抽象超薄太阳能电池至少比传统太阳能电池低10倍，可以有效地将太阳能转化为电能，同时可以节省材料，较短的沉积时间和改善缺陷吸收材料中的载体收集。有效的光吸收以及高功率转化效率可以使用可增强光学路径的光捕获结构保留在超薄吸收器中。尽管如此，一些技术挑战阻止了实用设备的实现。在这里，我们回顾了C-SI，GAAS和CU（in，GA）（S，SE）的最先进的2个超薄太阳能电池，并将其光学性能与理论轻型捕获模型进行比较。然后，我们解决了超薄吸收器层的制造和轻捕捕集结构的纳米级图案中的挑战，并讨论了确保收集有效收费的策略。最后，我们提供了将光子和电限制结合到超薄太阳能电池的实用体系结构中，并确定超薄光伏技术的未来研究方向以及潜在应用。引言光伏在可再生能源生产中的份额预计将从2017年的6.6％增长到2030年的18.9％。达到此目标不仅需要太阳能电池效率的提高，而且还需要降低其成本。基于单晶半导体的单连接太阳能电池的效率现在接近理论冲击式 - Quierser（SQ）极限。效率约为23％相对于33.5％2的平方限制限制，GAAS太阳能电池的效率为29.1％，厚度为1-2 µm，厚度为3,4。晶体硅（C-SI）的间接带隙负责促进蛋白重组和弱光吸收，从而导致理论效率限制较低29.4％5，而165 µm-thick thick silicon Solar Solar Solar Solar Solar Solar细胞的记录为26.7％。由于材料质量较低，多晶太阳能电池的效率远非理论SQ极限。
利用大气等离子体将氧化锡纯化学还原为金属锡，以改善无铅互连回流
电话：914-945-3070（SETNA 为 603-548-7870）电子邮件：kwlee@us.ibm.com（SETNA 为 eschulte@set-na.com）摘要锡合金被广泛用作电子互连的焊料。锡焊料表面往往有锡氧化物，需要将其去除以提高互连回流工艺（如倒装芯片连接）的产量。传统上，使用强助焊剂去除这些氧化物，但此工艺的缺点是会留下助焊剂残留物，这可能导致底部填充分层或需要高成本的清洁工艺。随着焊料凸块体积和凸块间间距的减小，这些问题在制造过程中变得更加难以处理。我们建议使用大气等离子体来减少凸块表面的这些氧化物，以便使用非常轻的助焊剂，甚至根本不使用助焊剂。此工艺具有等离子表面处理的优点，而没有真空等离子工艺的成本和产量损失。这种工艺可以提高产量和产量，同时降低成本。我们描述了一个实验，其中锡箔用还原化学大气等离子体工艺处理，然后用X射线光电子能谱 (XPS) 和俄歇电子能谱 (AES) 进行分析。AES 深度剖面分析表明，等离子体显著降低了氧化锡的厚度。没有证据表明任何蚀刻底层元素锡。这些结果表明，氧化锡被还原为金属锡，而底层锡金属没有被蚀刻。在另一个使用带有 SnAg 焊料的半导体芯片的类似实验中，XPS 结果表明氧化锡再次被还原为金属锡。在倒装芯片连接中，使用这种大气等离子体处理的芯片的连接工艺实现了高互连产量，即使在质量差且氧化过度的焊球的情况下也是如此。据我们了解，以前没有报道过在环境中用大气等离子体对氧化锡进行纯化学还原。关键词无铅焊料倒装芯片连接、氧化锡还原、大气等离子体和半导体互连
自然和修复的红树林中的土壤有机物
抽象的红树林生态系统对沿海稳定性做出了重大贡献，提供了诸如碳质量和风暴保护之类的基本服务。印度尼西亚红树林的康复对于恢复因沿海发展而破坏的生态功能至关重要。本研究旨在比较有机物的比率 - 碳（C），氮（N）和磷（P） - 在巴厘岛贝诺阿湾的自然和修复的红树林土壤中。这项研究是在天然和修复的红树林中的八个地块上进行的，土壤样品使用钻的深度为0至100 cm。使用点火损失（LOI）的土壤有机碳（SOC），总氮（TKN）的FIA方法以及总磷（TP）的比色硫酸盐消化法（TP）进行了有机物分析。结果表明，与天然红树林相比，康复的人树林的总有机碳（1.1±0.5％）较低（1.1±0.5％）和较高的总氮含量（0.07±0.02％）。总磷含量也较低（0.010±0.003％），这可能是由于粘土含量的增加，与土壤中磷结合的粘土含量增加。几个参数与有机物密切相关，包括散装密度，土壤类型，氧化还原电位（ORP），pH和溶解的氧气（DO）（DO），以及红树林的结构，例如树木和幼苗和幼苗密度，茎的，茎的，盖层，盖层，盖层和树枝状况。有机物含量和C：N比率的变化表明，修复的红树林生态系统尚未达到自然生态系统的稳定性。这反映在改变的生物地球化学周期和养分可用性中。因此，需要进行持续的努力，以确保红树林康复过程更全面地恢复。这些发现强调需要在红树林康复中进行有针对性的干预措施，以恢复营养平衡，优化碳储存并增强热带沿海生态系统气候变化的弹性。
基于gadolinium的纳米颗粒将卵巢腹膜癌敏感到靶向放射性核素治疗
卵巢癌（OC）是最致命的妇科恶性肿瘤（总生存率为5 Y，为46％）。OC。这项研究调查了使用[177 lu] lu-dota-trastuzumab（针对人类表皮生长因子受体2）的[177 lu] lu-dota-trastuzumab（一种抗体），基于gadolinium的纳米颗粒（GD-NP）是否会增加靶向放射性核素治疗的效率。GD-NP在常规外部光束放射疗法中具有放射敏作用，并已在临床II期试验中进行了测试。Methods: First, the optimal activity of [ 177 Lu]Lu-DOTA-trastuzumab (10, 5, or 2.5 MBq) combined or not with 10 mg of Gd-NPs (single injection) was investigated in athymic mice bearing intraperitoneal OC cell (human epidermal growth factor receptor 2 – positive) tumor xenografts.接下来，评估了[177 lu] lu-dota-trastuzumab具有GD-NP（3个给药方案）的5 MBQ的治疗效率和毒性。nacl，曲妥珠单抗加GD-NP和[177 lu] lu-dota-trastuzumab被用作控制。生物分布和剂量法，并对能量沉积进行蒙特卡洛模拟。最后，在3种癌细胞系中研究了GD-NPS的亚细胞定位和摄取以及组合的细胞毒性作用，以获取对所涉及机制的见解。结果：与GD-NP结合使用的最佳[177 lu] lu-dota-trastuzumab活性为5 MBQ。体外实验表明，与溶酶体共定位的GD-NP，其放射性敏感性是由氧化应激介导的，并被铁螯合剂脱脂型抑制。此外，与仅[177 lu] lu-dota-trastuzumab相比，获得最强的治疗性效率（肿瘤质量减少），在注射5 mg的GD-NPS/D（在24和72小时内24 h和72h）注射5 mg的GD-NPS/D（分隔6 h）[177 lu-lu-duudabab] lu-dababab abiabab。GD-NPS暴露于177 LU增加了螺旋钻的产量，但并不能增加吸收剂量。 结论：靶向放射性核素治疗可以与GD-NP结合使用，以增加治疗作用并减少注入活性。 作为GD-NP已在诊所中使用，这种组合可能是一种新的治疗方法，用于卵巢腹膜癌患者。GD-NPS暴露于177 LU增加了螺旋钻的产量，但并不能增加吸收剂量。结论：靶向放射性核素治疗可以与GD-NP结合使用，以增加治疗作用并减少注入活性。作为GD-NP已在诊所中使用，这种组合可能是一种新的治疗方法，用于卵巢腹膜癌患者。
英国税收策略声明
英国税务策略声明LIFCO为中小型企业提供了安全的所有权。LIFCO的业务概念是获取和发展有利可图的，市场领先，可持续的利基市场，有可能实现持续的收入增长和稳健的现金流量。lifco的所有权非常长期，其文化以权力下放，客户的重点和对我们所做的一切的可持续性的重视为特征。该小组有三个业务领域：牙科，拆除和工具和系统解决方案。lifco及其英国（英国）子公司认为，根据《 2016年财务法》第19段第16（2）款的职责，该税法声明的出版符合其在本财政年度发布其税收策略的第19款。该声明与2025财政年度有关，结束于2025年12月31日。LIFCO集团在英国拥有以下子公司：法定名称：地点：Alwayse Ball单位Ltd Birmingham Alwayse Engineering Ltd Birmingham Amayse Ltd Esher，Surrey Ascot Signs Signs Londonders Londonderry，北爱尔兰邮政编码（欧洲） Trailers Ltd Daventry, Northamptonshire Brokk UK Ltd Crooklands, Milnthorpe Broughton Plant Hire and Sales Ltd Romford, Essex C F Vending Ltd Bolton Cardel Group Ltd Baldock Cardel Ltd Baldock Caring Technology Ltd Newcastle Upon Tyne Cleveland Cascades Ltd Stockton-on-Tees, Cleveland Condale Holdings Ltd East西萨塞克斯郡西部苏塞克斯式塑料有限公司的格林斯特德，西萨塞克斯郡迪德斯伯里工程有限公司Cheshire EFKA EFKA框架解决方案有限公司Carle Donington，Derbyshire Kefla kefla UK Ltd Buckingham Kinshofer Kinshofer Kinshofer UK UK LTD CHELTENHAM Buckinghamshire Ortho-Care (U.K.) Ltd West Yorkshire Prolec Ltd Poole Rijo 42 Ingredients Ltd Bolton Rijo 42 Machines Ltd Bolton Silvent UK Ltd Birmingham Specialist Alarm Services Ltd Newcastle upon Tyne Spinaclean Ltd Brackmills, Northampton Swallow Dental Supplies Ltd Silsden, West Yorkshire T. Freemantle Ltd Scunthorpe，北林肯郡泰勒国防服务有限公司Glasgow TDS（E＆W）Ltd Glasgow Glasgow Coffee Coffee Ltd Bolton Topdental（产品）Ltd Silsden的真正精神
评估尼日利亚中北部Kainji湖国家公园Borgu部门的碳固换
基于树种的碳储量估计在尼日利亚很少见。因此，我们使用系统采样技术使用非破坏性方法研究了单个树木的能力。使用Borgu部门的预先分类的Landsat-Oli/TC图像铺设了一百个圆图。绘图中心已找到并用全球定位系统接收器标记。将12.61 m半径（500 m 2）的主要图细分为5.64 m半径（100 m 2）的子图。在主要地块中测量了乳房高度（dbh）≥10cm的树木，而在子图中考虑了≥5cm dbh的树。进行了物种识别和测量。核心样品。核心样品在70°C下干燥至恒定重量。然后将木材密度计算为烤箱干燥的重量/新鲜体积。地上碳上的碳确定为50％生物量。使用核心采样器和土壤螺旋钻以600个样品在两个深度的样品图内，在样品图内的三个点上对对角样品收集土壤样品。样品被气干，磨碎并通过2 mm的筛子筛分。核心采样器和环用于测量散装密度。在105°C下将样品干燥24小时。土壤有机物是通过Fe 2确定的，因此4滴定了酸 - 二足的消化，并计算了有机碳浓度。使用涉及木材密度，DBH和Tree-Height和Anova的异形方程分析树碳数据。 遇到了16个家庭中的35种树种。树碳数据。遇到了16个家庭中的35种树种。凹室微果是最常发生的（18.8％）。树种的丰富度，多样性和重要性值指数分别为2.852、4.779和41.76±35.41。Vitellaria Paradoxa和Afzelia Africana是唯一发现的脆弱物种。带有较大DBH的树木隔离了更多的碳。因此，平均DBH为111.4±0.00 cm的Adansonia digitata隔离了最高量（2.8吨/公顷），这与其他数量明显不同（p <.05）。Securidaca longipendiculata的碳量最少（0.001吨/公顷）。与此同时，土壤碳在Acacia kosiensis，V。Paradoxa和Grewia Mollis主导的地块中较高，分别为0.006758吨/ha，平均0.073±0.0021 ton/ha的bon-bon-Stock和car--bon-stock和co-2，分别为0.271±0.010吨/ha的co 2。
英国税收策略声明
英国税务策略声明LIFCO为中小型企业提供了安全的所有权。LIFCO的业务概念是获取和发展有利可图的，市场领先，可持续的利基市场，有可能实现持续的收入增长和稳健的现金流量。lifco的所有权非常长期，其文化以权力下放，客户的重点和对我们所做的一切的可持续性的重视为特征。该小组有三个业务领域：牙科，拆除和工具和系统解决方案。lifco及其英国（英国）子公司认为，根据《 2016年财务法》第19段第16（2）款的职责，该税法声明的出版符合其在本财政年度发布其税收策略的第19款。该声明与2025财政年度有关，结束于2025年12月31日。LIFCO集团在英国拥有以下子公司：法定名称：地点：Alwayse Ball单位Ltd Birmingham Alwayse Engineering Ltd Birmingham Amayse Ltd Esher，Surrey Ascot Signs Signs Londonders Londonderry，北爱尔兰邮政编码（欧洲） Trailers Ltd Daventry, Northamptonshire Brokk UK Ltd Crooklands, Milnthorpe Broughton Plant Hire and Sales Ltd Romford, Essex C F Vending Ltd Bolton Cardel Group Ltd Baldock Cardel Ltd Baldock Caring Technology Ltd Newcastle Upon Tyne Cleveland Cascades Ltd Stockton-on-Tees, Cleveland Condale Holdings Ltd East西萨塞克斯郡西部苏塞克斯式塑料有限公司的格林斯特德，西萨塞克斯郡迪德斯伯里工程有限公司，柴郡柴郡埃夫卡框架解决方案有限公司卡尔·唐宁顿，德比阿尔·凯夫拉·库弗拉·库弗拉·卢特·卢卡·巴克丁汉姆·金瑟姆·金斯弗汉夫·克林斯福尔英国ltd Cheltenham Buckinghamshire Ortho-Care (U.K.) Ltd West Yorkshire Prolec Ltd Poole Rijo 42 Ingredients Ltd Bolton Rijo 42 Machines Ltd Bolton Silvent UK Ltd Birmingham Specialist Alarm Services Ltd Newcastle upon Tyne Spinaclean Ltd Brackmills, Northampton Swallow Dental Supplies Ltd Silsden, West Yorkshire T. Freemantle Ltd Scunthorpe，北林肯郡泰勒国防服务有限公司Glasgow TDS（E＆W）Ltd Glasgow Glasgow Coffee Coffee Ltd Bolton Topdental（产品）Ltd Silsden的真正精神
2025年2月15日Aperto -Archivio Istituzionale Open ...
1阿德莱德大学，阿德莱德，阿德莱德，澳大利亚2劳动劳动仪和f´ısica实验depart'ıculas -lip and Instituto superior tstic- iSt-伊斯特，伊斯特，伊斯兰特大学 - 乌尔 - 乌尔 - 乌尔 - 乌尔斯博亚大学 - 利斯博亚大学，利斯博亚，葡萄牙3个天文学，turin turin，turin，intaftor，intaftor，intaf。都灵，意大利5号，位于奥米科·巴洛克（Omico Bariloche）和巴尔西罗（Instituto Balseiro）（cnea-uncuyo-concet），阿根廷圣卡洛斯·德·巴洛克（San Carlos de Bariloche），阿根廷6核物理学研究所，克拉科夫（Krakow），波兰（Krakow），波兰（Krakow），波兰7研究所，tecnolog´head en detecci´head en detecci´on y astroparpart y sartropart´in y sartopart´in uns uns uns uns uns bue，阿根廷艾尔斯8大学，tecnol´gica nacional -Argentina Buenos Aires，阿根廷布宜诺斯艾利斯市教职员工9 Gran Sasso Science Institute，L'Aquila，意大利L'Aquila 10 Infn National Laboratories Gran Sasso的Infn National Laboratories Gran Sasso，Gran Sasso，Assergi（L'Aquila），Italy 11 Instituto Galego Galego Galego Galego Galego Galego Galego Galego Galego Galego de altasig de alasig de alasig de aalts'大学）。西班牙圣地亚哥·德·波斯特拉（De Santiago de Compostela）意大利米兰米兰区17 INFN，那不勒斯，那不勒斯，意大利18 rwth亚兴大学，iii。Grenoble Alpes，LPSC-In2p3，38000 Grenoble，法国27 Max-Planck-Institut Paur放射捕集，德国波恩28 Instituto de f´isica de f´isica de Rosario（Ifir）-Conicet/u.n.r。physikalisches Institut A，德国亚州19号捷克共和国布拉格24科罗拉多州科罗拉多州矿业学院和Biochoquic and Pharmactics Sciences U.R.，Rosario，阿根廷29 Karlsruhe技术研究所（KIT），实验粒子物理研究所，Karlsruhe，德国，德国30 Imapp，Radboud University，Nijmen，Nijmen，Nijmen，Nijmen。荷兰阿姆斯特丹科学园的Hoge Energie Fysica（Nikhef）的Kernfysica 32巴黎 - 萨克莱大学，CNRS/IN2P3，IJCLAB，IJCLAB，IJCLAB，IJCLAB，ORSAY，法国33 Institut Universitaire Universitaire Universitaire de France（IUF），法国34 Karlsruhe Institute Institute of Cregenhitation of Crenolety Institute of Actirate of Actrot of Actrot of Actrot ofart over carret德国的卡尔斯鲁赫（Karlsruhe）35国际高级研究中心和物理科学研究所，eCyt-nnsam和conicet，校园Miguelete-sanMartín，布宜诺斯艾利斯，布宜诺斯艾利斯，阿根廷联邦政府，阿根廷联邦政府C.A.F.P.E.，格拉纳达，西班牙40 Vrije Universite Brussels，布鲁塞尔，比利时，41 Universit`a di Palermo，Dipartimento di Physics和Chimica” E. div>segr`e ", Palermo, Italy 42 Universidad Aut´Onoma de Chiapas, Tixtla Guti´Errez, Chiapas, M’EEXICO 43 Instituto de Tecnolog’ıs en Detecci´on y Astropart´ıculas (Cnea, Conicet, Unsam), and Universidad Tecnol´ today Nacional - Facultod Regional MenDoza (Conicet/Cnea), Mendoza, Argentina 44 Universidade de S˜ao Paulo, Escola de Engenharia de Lorena, Lorena, SP, Brazil 45 Infn, Section of Lecce, Lecce, Italy 46 Observatorio Pierre Auger, Malargs, Argentina 47 Palacky University, Olomouuc, Czech Republic 48 University of Naples " II“物理学系”，“ Ettore Pancini”，意大利那不勒斯49米兰理工学院，航空水平科学系，米兰，意大利萨伦托大学米兰，数学与物理学系” E.de Giorgi ", Lecce, Italy 51 Universidade Federal Fluminense, Eeimvr, Volta Redonda, RJ, Brazil 52 Case Western Reserve University, Cleveland, Oh, USA 53 University Siegen, Department Physik - Experimentelle Teilchenphysik, Siegen, Germany 54 IFLP, Universidad, Universidad Nacional de la Plata and conicet, La Plata,阿根廷55天文学研究所，艾斯卡西奥（IAFE，CONICE-uba），布宜诺斯艾利斯，阿根廷56 de f´ısica和Departura de ciencias de ciencias de la at at Amp at Amp y atm y Los oc´ean Y los oc´ean，FCEYN，FCEYN，FECEYN，FECEYN，FECEYN，UNDUREDAD DEBENES AIRES AIRES AIRES DEESERES，BUENES DEESERES，BUENES，BUENES，BUENES，BUENES DEERES，BUENES DEERES。 Janeiro（UFRJ），observ´orio do Valongo，Rio de Janeiro，RJ，RJ，巴西58联邦政府deEduca报，CI Uense和Technology Do Rio de Janeiro（IFRJ），巴西59 de s〜sive s〜s〜ao Paulo，Spituto de f´
不同材料中锂的定量电子探针微分析
pia.schweizer@cea.fr电子探针微分析（EPMA）是一种可靠且广泛使用的技术，可用于对科学和工业应用进行非破坏性，准确的材料表征。尽管对锂具有极大的兴趣（LI），并且迫切需要在微米级进行准确的非破坏性分析，但使用EPMA对LI的LI量化尚未成功进行。最近开发的周期性多层允许围绕特征性的li k发射〜50 eV [1]的能量范围的光谱，但是配备有弯曲的晶体光谱仪和标准商业化多层的微型探针检测和定量没有衍射光栅仍然具有挑战性。LI检测的困难是由不同的因素引起的：LI的荧光产量极低，很少有Li 1S核心孔的衰减产生的特征光子，有利于螺旋电子的发射。由于其低能量，光子甚至在离开样品及其最终涂层之前就被强烈吸收。因此，信号主要来自可能受到污染的薄表面层，并且可能对电子轰击敏感。微探针成分，尤其是通过分离窗口的进一步吸收光子，将降低测得的强度。由于Li K发射（2p - 1s转变）涉及价电子，因此Li发射带的形状高度依赖于价带中的状态密度（DOS），并且高度依赖于锂原子的化学状态。SCI。 2021，11，6385。 2022，51（4），403。SCI。2021，11，6385。2022，51（4），403。某些EV和强峰形变化的化学位移可能会发生，对于光元的EPMA应该是预期的[2,3]，使定量分析变得复杂。这项工作显示了不同材料中LI定量EPMA的一些有希望的结果，包括电池化合物和LI浓度降至2％的金属合金。在整合新检测系统以及使用适用于低压EPMA的实际标准和校正程序进行定量程序之后，这是可能的。即使需要进行额外的调查，研究人员的锂表征也引起了极大的兴趣。我们表明，即使EPMA包含在重矩阵中，EPMA是对LI进行定量分析的强大工具，其元素显示出与LI相同的光谱范围内的特征发射带。这种新颖的LI量化方法比使用SEM或配备了多层光栅的ENER或电子微探针检测到其他技术更容易访问，并且比检测更便宜。[1] Polkonikov，V.，Chkhalo，N.，Pleshkov，R.，Giglia，A.，Rividi，N.，Brackx，E.，Le Guen，K.[2] Schweizer，P.，Brackx，E.，Jonnard，P。，X射线光谱。[3] Hassebi，K.，Le Guen，K.，Rividi，N.，Verlaguet，A.，Jonnard，P.，X-Ray Spectrom。（http://doi.org/10.1002/xrs.3329）在印刷中。
用于识别黄色的经典和机器学习工具......
油菜籽在发育过程中含有叶绿素，使其呈现绿色。随着种子的成熟，它们会呈现出黑色、红褐色到黄色等颜色。黑色和红褐色种子的种皮会积累色素，而黄籽品种的种皮透明，可以露出胚的颜色。研究表明，黄籽油菜籽比黑籽品种休眠期短、发芽更简单、含油量更高，因此培育黄籽油菜籽是提高油分含量的有效方法（Yang et al.，2021）。芥菜和油菜黄籽品种的鉴别相对简单，因为纯黄色表型在遗传上是稳定的（Li et al.，2012；Chen et al.，2015）。然而，由于种皮颜色变异复杂，包括黄色中夹杂黑色斑点、斑块或棕色环等杂色，油菜种皮一直未能获得稳定的纯黄色后代，且分离后代的种皮颜色呈现连续变异（刘，1992；Auger等，2010；Qu等，2013），因此准确、高效地测定油菜种皮颜色仍是一项关键且具有挑战性的任务。许多研究涉及油菜籽颜色的鉴别（Li等，2001；Somers等，2001；Zhang等，2006；Baetzel等，2003；Tańska等，2005；Li等，2012；Liu等，2005；Ye等，2018）。例如，Li等（2001）通过目视观察来评估甘蓝型油菜的黄籽程度，这种方法简单但过于依赖观察者，导致识别可能不准确。Somers等（2001）利用光反射来评估黄籽颜色等级，通过测量反射值并计算籽粒颜色指数或光反射值。该方法虽然较为客观，但仅能捕捉亮度等单维颜色数据，忽略了原始材料的丰富信息。为了解决这一限制，许多学者致力于通过 RGB 颜色系统进行数字图像分析（ Zhang et al.，2006 ； Baetzel et al.，2003 ； Ta ńska et al.，2005 ； Li et al.，2012 ； Liu et al.，2005 ； Ye et al.，2018 ）。然而，油菜籽表皮颜色复杂且相似，精准识别颜色具有挑战性，现有的技术缺乏可靠性和标准化。因此，准确、有效地测量黄籽油菜的颜色仍然至关重要。化学计量学和计算机技术的最新进展导致了近红外光谱技术（NIRS）的发展，这是一种结合物体图像和光谱数据的技术。 NIRS 以其速度快、无损和高效而闻名，被广泛用于农产品的快速、无损分析。多项研究已经证明了它的实用性（Guo 等人，2019年；布等人，2023；梁等人，2023；刘等人，2021；佩蒂斯科等人，2010；森等人，2018；刘等人，2022；张等人，2020；魏等人，2020；张等人，2018；江等，2017；李等人，2022；江等，2018；他等人，2022）。例如，郭等人。 (2019) 使用 NIRS 成像系统 (380 – 1,000 nm) 来准确量化掺假大米，而 Bu 等人。 (2023) 将高光谱成像与卷积神经网络相结合，建立了高粱品种识别的智能模型，准确率超越了现有模型。该技术也已应用于油菜生长诊断。例如，刘等人 (2021) 开发了一种基于高光谱技术的检测算法来预测甘蓝型油菜中的油酸含量。Petisco 等人 (2010) 研究了甘蓝型油菜的可见光和近红外光谱。