近红外技术应用与发展-波通推荐.pptVIP

非共线型AOTF光路布局 * AOTF(分光光谱线） * 系统实物图 * 光谱仪HATR附件 光以450角入射，全反射次数为12次。以水为例在10μ波长处，射入深度经计算约为1510nm，而作用光程约为0.05mm。 * 水平 ATR (HATR) - 高能量 - 预准直光路 - 大的晶体面积 - 唯一的晶体固定装置 - 用于分析液体、糊状物、固体、薄膜和涂层/镀层 * 近红外检测技术的建模（校准） * 红外光谱定量分析流程 * 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。 * 光谱定量分析流程 收集样品 加入界外点 重新建模 检查分析方法 检修仪器 日常分析 对模型进行评价 建立多元回归模型 选择验证集 选择校正集 对光谱必要的处理 测定全波长谱图 测定全部样品的物化性质 检测结果 是否正确 仪器及操作 是否正确 样品是否 为界外点 正确 不正确 不是 是 正确 不正确 * 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。 * 线性经典模型 CLS：Classical Least - square Regression 特点： 光谱看成是样品浓度的函数 需要对样品有充分了解，如成分个数，每种成分的浓度 用标准实验测得吸光系数矩阵，或通过最小二乘 * 非线性模型 拓扑 需要具备很大的数据库 神经网络（ANN） 计算量大，抗干扰能力较好，神经元个数不可太多 与PLS相比：对于线性模型，两种结果相当，但是神经网络具有不确定性；PLS对模型界外的样品预测，能给出更合理的解释； * 模式识别 用途：样品的分类判别 分类： 管理方法：线性判别、逐步线性判别、KNN方法、SIMCA方法和神经网络 无管理方法：最小生成树、聚类分析 显示方法：变量－变量绘图、线性投影、非线性投影、脸谱法 * 近红外仪器模型传递 1、线性基本模型和非线性模型 2、消除台间差的基本方法： a）硬件一致性工艺调整 b）斜率截据调整 c）仪器光谱归一化处理 d）有代表性的标准样品 * 近红外仪器应用 1、定性分析：真伪鉴别与模式识别：依先验知识赋初值：百分制、相关系数、马氏距离、欧式距离等。 应用：1、是与否 2、是否掺假 3、类属关系、4、几率 5、分级 2、定量分析：快速获取关键成分的含量。原料收购、研发与配方、质量的过程控制、成品检验。 * 近红外技术国内外应用现状 国外：比较普及，使用范围广，规范化：AACC和ICC标准，专业，技术领先 国内：使用逐渐普及：科研机构、农业、食品、石油化工、医药与医疗、烟草、质检等，相关标准正在制定中，发展前景光明。 * 国内问题与前景 1、软硬件核心技术落后，国产化水平低。 2、产、学、研脱节，研发与应用没有协调同步发展。 3、重复性工作多，行业内部缺少沟通。 4、某些研究已经达到了国际最高水平。 5、国家自然科学基金重点资助方向。 6、相关近红外应用标准有望年内出台。 * 液体样品检测 * * Perten DA-7200肉品检测 Meat Online Analysis * P