近红外课件研讨.pptVIP

六、近红外检测的注意点 * 在测量方法一致的情况下，浓度预测误差(RMSEP)与仪器精度(SNR)成反比例关系，即仪器精度越高，浓度预测误差越小。 在浓度测量精度目标确定时，一定的仪器精度是实现该预测精度目标的必要前提。 多变量校正方法测量精度的实验结论 * 建模方法对测量精度与仪器精度的影响结论 如果采取有效的建模方法，即使在仪器精度相同的情况下，都可以有效地提高预测精度，而且还可以大大降低实现期望预测精度所必需的仪器精度的要求。 选择有效的建模方法（如优选波长变量，改进建模算法等）对于提高复杂近红外光谱测量情况的预测效果具有重要意义。 * 校正模型训练集样品的选择 尽可能要覆盖待分析样品的范围 对于待测的物化性质，样品应均匀分布 样品的基底应相同（如PH值或水分） 若各组分间相互反应，要注意光谱采集合采集瞬间的组成变化 包括尽可能多的有代表性的样本 样本变化范围越大，模型的适用范围越宽，但分析结果的精度可能变差；模型适用范围小时，分析结果的精度相对较高，但适用面变窄。 * 对样品物化性质的测定 对于人工合成样品，比较简单 对于复杂的天然产品，必须选用被大家接受权威的分析方法。 模型预测结果的准确性在很大程度上取决于标准测量结果的准确性。 用多次分析结果的平均值来降低误差 * 建模常用化学计量学方法 多元线性回归（Multivarate Linear Regression, 缩写为MLR） 主成分分析（Principle Component Analysis,缩写为PCA） 主成分回归（Principle Component Regression，缩写为PCR） 偏最小二乘法（Partial Least Square, 缩写为PLS） 拓扑学方法和人工神经网络方法（Artificial Neural Net，缩写为ANN）等等。 * 快速建模的基本过程 1、选取少量样品（如20个）建立基础模型（注意实时性、样品选择、环境控制、化学参考值精度控制等） 2、使用基础模型预测新的样品，粗选特异点，补充基础数据库。 3、使用新的数据库建立新的校准，更新模型，提高精度与适用度。 4、使用初期要养成将比对样品加入基础数据库中的习惯。 5、本地化模型以100－200个样品为宜。 * 近红外分光应用的现在 石油工业应用 农业应用 生命科学与制药 * 应用范围 石油工业的应用 大多数石油产品组成为碳氢化合物，特别适合于作近红外光谱分析。 可快速分析原油、汽油、航煤、柴油、润滑油、渣油和沥青等的组成及各种物化性质，如辛烷值，馏程，密度，蒸汽压、冰点、凝点、十六烷值、闪点等。 可分析高聚物的组成和平均分子量、物性（拉伸强度、熔融指数、延伸度）等。 可以测定尼龙6和尼龙66的结晶度，生产工艺中多体系的己内酰胺含量，表面活性剂羟值等。 常规分析方法需要大量时间，并且破坏样品，而快捷还可在线分析 * 近红外在农业的应用 近红外光谱在农业中的应用最早，分析的项目种类很多，如谷物产品缺陷和污染（杂种、虫害等）分析、家畜饲料品质分析，作物年龄测定、水果品质（甜度、脆度和口感）和蔬菜等级检验、棉花和木材的等级测定、烟草品质及成分测定等，替代传统分析方法，大大节约时间和分析费用。 * 近红外在农业的应用 可快速测定谷物和麦子的蛋白、脂肪和水分含量和硬度等性质。 美国官方检测机构在谷物市场采用近红外光谱仪作为检测麦蛋白、豆蛋白和油脂含量的标准仪器。 我国曾在小麦优良品种的筛选工作中使用了近红外光谱快速分析技术，大大提高了工作效率。 加拿大谷物研究实验室使用近红外光谱快速测定硬质小麦的黄色颜料含量，分析结果与标准方法测定结果十分符合。 * 近红外光谱在制药工业的应用 在制药工业中，需测定活性组分含量和其他组分含量进行质量控制。 传统使用如薄层色谱、高效液相色谱、原子吸收、质谱和红外等方法检验，样品制备过程复杂，步骤多，需要很多昂贵仪器，费时费力。 近红外光谱分析技术大大简化了常规分析的步骤，提高了分析工作效率。 * 应用实例 整粒花生测量 浓缩磷脂测量 玉米发酵液的赖氨酸检测 变性燃料乙醇测量 鱼粉检测 玉米蛋白粉检测 脂酸酶活性测量 * 精选49个样品建立的液态赖氨酸发酵液中赖氨酸含量预测模型的近红外值与实验室值的相关性R^2=0.999 浓缩磷脂丙酮不溶物近红外检测值与实验室值的相关性R^2＝0.917 * 整粒花生的含油近红外预测值与实验室值的相关性R^2=0.985 * 近红外分光的将来 在线 智能化 化学计量学的发展 * Thank you！ * This picture is intended to make customers understand that results are not correct