近紅外光譜分析技術(shù)什么是近紅外光近紅外光（Nearinfrared，NIR）是介于可見光(VIS)和中紅外（MIR)之間的電磁波。近紅外光譜區(qū)的波長范圍為780nm～2500nm，習慣上又將近紅外區(qū)分為近紅外短波區(qū)（780nm～1100nm）和近紅外長波區(qū)（1100nm～2500nm）。近紅外光譜譜區(qū)示意圖近紅外光譜測量的是分子中單個化學鍵的基頻振動的倍頻和合頻信息，主要是含氫基團（X＝C,N,O,S)近紅外光譜的常規(guī)分析方法透射光譜法反射光譜法透射光譜法透射光譜法就是把待測樣品置于作用光（光源發(fā)出的光）與檢測器之間，檢測器所檢測到的分析光是作用光通過樣品體與樣品分子相互作用后的光，若樣品是透明的真溶液，則分析光在樣品中經(jīng)過的路程一定，透射光的強度與樣品組分濃度由比耳定律決定。近紅外光譜分析技術(shù)定性分析定量分析定性分析近紅外光譜定性分析方法主要有建庫判別、聚類分析、馬氏距離聚類分析、模式識別和人工神經(jīng)網(wǎng)絡等在模式識別運算時需要有一組用于計算機“學習”的樣品集，通過計算機運算，得出學習樣品在數(shù)學空間的范圍，對未知樣品運算后，若也在此范圍內(nèi)，則該樣品屬于學習樣品集類型，反之則否定。聚類運算時不需學習樣品集，它通過待分析樣品的光譜特征，根據(jù)光譜近似程度進行分類。定量分析各種多元校正技術(shù)如多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸(PLS)、人工神經(jīng)網(wǎng)絡（ANN）、和拓撲（TP）等方法是近紅外光譜定量分析中常用的校正方法多元線性回歸（MLR）

MLR方法是從光譜中找出與某種成分或指標相關顯著的幾個波長點的吸光度進行多元回歸得到標準方程，預測未知樣品。該方法在1985年以前普遍使用主成分回歸（PCR）

PCR方法是先求出樣品集光譜矩陣的主成分矩陣和載荷矩陣，通過建立樣品成分含量矩陣與主成分矩陣的線性關系，用所建立的線形函數(shù)來預測未知樣品。該方法在1990年以前替代MLR方法被廣泛使用偏最小二乘回歸(PLS)PLS方法是分別求出樣品集光譜矩陣和樣品組分矩陣的主成分矩陣，將這兩個矩陣相關聯(lián)，求其線性關系，用所建立的線形函數(shù)來預測未知樣品。1990年以后至今，該方法是世界上近紅外定量分析商品化軟件中最流行的算法，完全取代了MLR和PCR方法人工神經(jīng)網(wǎng)絡（ANN）和拓撲（TP）

ANN和TP在處理模型的非線性問題上有一定的優(yōu)勢樣品的選擇在選擇樣品時，要考慮樣品組分含量和梯度，以及樣品的理化性質(zhì)等因素，以提高定標效果，使定標模型具有廣泛的應用范圍。此外，還應考慮樣品的背景，如水分含量、PH值等對定標模型的影響。同時，樣品數(shù)量的多少影響分析結(jié)果的準確性，數(shù)量太少不足以反映被測樣本群體的常態(tài)分布規(guī)律；數(shù)量太多，則增加工作量。樣品近紅外譜圖的掃描為了克服近紅外光譜測定的不穩(wěn)定性的困難，必須嚴格控制包括制樣、裝樣、測試條件、儀器參數(shù)等測量參數(shù)在內(nèi)的測量條件；利用該校正校品集建立的數(shù)學模型，也只能適用于按這個的測量條件所測量光譜的樣品。譜圖的預處理針對樣品的要求對光譜進行適當?shù)奶幚?，最大限度地減弱各種非目標因素對光譜的影響凈化圖譜信息，為建立校正模型及預測未知樣品作好前期準備噪音濾除（1）平滑處理。主要去掉高頻噪音對信號的干擾，方法有傅立葉變換、奇異值分解、以及Savitzky和Golay提出的卷積平滑方法等。（2）基線校正?？鄢齼x器背景或漂移對信號的影響，最常用的方法是對光譜進行一階或二階微分處理樣品中各待測成分化學值的測定采用經(jīng)典化學分析方法對各待測組分含量進行測定，這些值測定的精確度是近紅外光譜運用數(shù)學模型進行定量分析精確度的關鍵。剔除異常值由上述①、②環(huán)節(jié)測定的校正樣品集中樣品的光譜與化學值，有可能由于種隨機的原因而有較嚴重的失真，這些樣品的測定值稱為異常值。這些失真的樣品，若包含在校正校品集中，就會影響所建數(shù)學模型的可靠性，因此在建立模型時應當剔除這些異常值。分析譜區(qū)的選定

近紅外光譜定量分析數(shù)學模型所包含的譜區(qū)（光譜的數(shù)據(jù)點）一般應根據(jù)樣品的特點而選定；增加譜區(qū)的范圍就可以增加對光譜信息采集的范圍，即提高信息量；但因為每個光譜的數(shù)據(jù)點也包含了測量誤差，因此數(shù)學模型所利用的數(shù)據(jù)點越多，則包含的測量誤差也越大，為了減少近紅外光譜中某些信息量小、失真大的部分譜區(qū)，以避免這些譜區(qū)的測量誤差影響數(shù)學模型的穩(wěn)定性，需要選擇建立數(shù)學模型所用的譜區(qū)。通?？梢詫ψV圖進行方差處理，光譜變化最明顯的區(qū)域即是光譜信息最豐富的區(qū)域，也就是最為有效的光譜范圍檢驗與評價模型內(nèi)部交叉證實的方法是評價確定數(shù)學模型的一種有效方法。這種方法是每次從校正樣品集中提出一個樣品，然后用剩余的樣品建立數(shù)學模型，并用數(shù)學模型預測原來提出的這個樣品，作為對數(shù)學模型的檢驗。反復進行上述步驟，直至校正樣品集中的每個樣品都被預測檢驗過一次為止。為了評價數(shù)學模型，將內(nèi)部交叉證實時用數(shù)學模型預測計算的校正集中各樣品的化學值與各樣品的實際值作線性相關，計算相關系數(shù)和校正標準差，并用相關系數(shù)與校正標準差來評價數(shù)學模型的預測效果。相關系數(shù)越接近1、校正標準差越小，則證明模型的準確度越高。用外部證實法檢驗和評價數(shù)學模型，可以檢驗數(shù)學模型在時間空間上的穩(wěn)定性。可以用另外一些獨立的、待測量已知的檢驗樣品集，用數(shù)學模型預測檢驗集中各樣品的待測值；對實際值與預測值作線性相關，并用相關系數(shù)和預測標準差來表示預測效果，要求相關系數(shù)越接近1、預測標準差越小，則模型的預測準確度越高。如果測定的樣品在時間和空間條件上有一些新的變化，原有的數(shù)學模型已不適合此新條件，則需重新建立有代表性的校正樣品集（可以在原有的樣品集中增加一些新的樣品類型，以使新的校正樣品集能代表新的類型樣品），然后再按照①－⑧環(huán)節(jié)對數(shù)學模型進行修正與維護。近紅外光譜技術(shù)的應用農(nóng)業(yè)與食品行業(yè)石油化工工業(yè)制藥工業(yè)煙草與紡織行業(yè)生物醫(yī)學領域……近紅外光譜分析技術(shù)的優(yōu)缺點優(yōu)點：（1）快速，通常30秒內(nèi)就可給出分析結(jié)果，可進行在線分析；（2）制樣簡單；（3）信息量大，可同時測定多組分；（4）經(jīng)定標建模后，無須用其他常規(guī)化學分析手段，不使用有毒有機試劑，無污染；（5）非破壞性分析，可實現(xiàn)產(chǎn)品的無損質(zhì)量檢測；（6）可使用