2010年10月13日，由中国仪器仪表学会分析仪器分会近红外光谱专业委员会主办，华东理工大学结构可控先进功能材料及其制备教育部重点实验室、上海分析测试协会协办的第三届全国近红外光谱学术会议在上海航空酒店开幕。来自近红外光谱相关领域的专家学者、仪器用户等200多人参加了会议。
华东理工大学副校长钱峰教授、上海分析测试协会副秘书长马兰凤女士分别致词，对到场的专家、学者表示热烈的欢迎与衷心的感谢，并预祝本届大会取得圆满成功。本次大会为近红外光谱工作者提供了一个高水平的信息交流平台，相信借助这个平台，并通过大家共同努力，将极大提升我国近红外光谱技术的基础科研、应用技术水平。
本届会议全部采用大会报告形式，不设分会场，让参会者能更全面了解近红外光谱领域的发展。口头报告、poster及论文集结合，全面展示了我国近红外光谱领域的最新进展与成果。会议同期还举办了小型仪器展览会，国内外十余家著名的近红外光谱仪器厂家和专业供应商展示其产品 。
中国科学院上海技术物理研究所方家熊院士首先感谢陆婉珍院士四年前倡导组织全国近红外光谱会议，感谢国内各位同行这么多年的积极研究。方家熊院士表示在发展近红外光谱技术方面还要做出更多的努力，如发展化学计量学、促进近红外光谱技术应用、加强自主知识产权技术研究，增加国内外仪器公司 之间合作等。并指出，近红外光谱仪器技术未来将向小型化、专用化等方向发展。
方家熊院士一直致力于研究空间红外传感器技术，解决了我国首次长波红外卫星遥感传感器件和我国第一个航天多光谱红外焦平面组件的技术基础及工程问题，并研制成功风云一号和风云二号卫星以及神舟三号飞船用的各种多波段红外传感器组件。目前主要进行航天用探测组件在民用领域的应用技术研究。
中国仪器仪表学会分析仪器分会理事长闫成德先生介绍了长三角科学仪器产业技术创新战略联盟成立以来的工作，通过努力现在已有42家单位加入了联盟，大家联合起来形成一个团队，共同寻找新的、共同的利益机制。
闫成德理事长表示，目前国内大多数实验室里只有10%是国产仪器，分析仪器分会计划从县一级的实验室开始做一些国产仪器示范应用，完全按照国家标准的方法在应用领域不断应用。进而探讨国产仪器在发展中有什么问题、如何改进，为政府采购提供指导。非常欢迎国产近红外光谱仪进入示范应用，进一步探讨近红外光谱仪器上下游产业链未来发展方向等问题。
此外，物联网作为国家的战略新兴产业，对于科学仪器行业的发展也有积极的促进作用，它对近红外光谱仪器的发展将带来怎样的发展机遇也值得各位专家及仪器厂家门的思考。
最后，闫成德理事长强调，为了近红外光谱快速发展，目前急需制定一个未来5-10年期间的具体发展路线，这需要大家的共同努力，相信在大家的共同努力之下近红外光谱从技术应用到整个产业将会有更大更辉煌的发展!
中石化石油化工科学研究院陆婉珍院士在报告中指出，近红外光谱仪的稳定性和一致性是近红外光谱标准化所要求的基础，同时模型传递方法的应用也必须以重复性极好的仪器设备为前提。但是目前制造稳定性、重复性好的仪器有很多困难，使得近红外光谱在某个领域成为标准方法或质量控制手段还有很长一段路要走。
近红外光谱的优点来源于大量的数据积累建立的模型，但是稳定模型的建立不但需要大量数据，并且依靠于准确的一次分析基础，模型的覆盖面受时间的限制也需要不断修正，所以需要大量的成本投入。此外，近红外光谱技术对软件的维护较其他分析仪器的要求更多一些。目前，还没有近红外光谱长期应用的实例，陆婉珍院士希望大家能做第一个“吃螃蟹”的人，既要勇敢坚持，同时要理解情况，注意避开困难。
中南大学化学化工学院梁逸曾教授在报告中指出，不同样本的光谱不但相似度很高，而且每个样本所对应的变量数，即光谱的波长数目(或波数点数)都大大超过样本数。一个近红外或拉曼光谱大都有上千个波长或波数点，此数目一般都比样本数要多，致使矩阵(XtX)严重亏秩，很难使用常规最小二乘来求解。这样就出现了PCR和PLS，解决校正矩阵(XtX)严重亏秩的问题；采用cross-validation解决过拟合问题。
此外，梁逸曾教授介绍了采用CARS(Competitive adaptive reweighted sampling)变量筛选方法建模来提高近红外模型的预测精度。
北京化工大学袁洪福教授在报告中介绍了，近红外光谱分析依靠于样品间相对变化信息。一般，样品光谱间强度变化范围在10-3至10-4吸光度单位，即近红外光谱分析是一种弱信息提取技术。近红外光谱除包括有用信息外，还包括各种共存的干扰信息。所以，研究消除各种干扰信息的方法对弱信息提取技术至关重要。
正交信号校正(OSC)是近红外光谱分析光谱预处理方法之一。袁洪福教授的报告中介绍了一种确定OSC最佳成分数的新方法，发现将OSC用于近红外光谱信号处理能显著改善光谱与性质之间的线性相关关系；SK是确定最佳OSC成分数的有效方法；OSC和PLS1联用会产生过拟合现象，是重复剔除信息造成的；OSC与MLR(多元线性回归)的合理(变量选择)组合不仅避免过拟合，而且可以得到优于PLS1校正的结果。