近红外光谱(NIR)分析技术的应用.docxVIP

近红外光谱(NIR)分析技术的应用

近红外光谱分析是近20年来发展最为迅速的高新技术之一，该技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。

一、近红外光谱的工作原理

有机物以及部分无机物分子中各种含氢基团在受到近红外线照射时，被激发产生共振，同时吸收一部分光的能量，测量其对光的吸收情况，可以得到极为复杂的红外图谱，这种图谱表示被测物质的特征。不同物质在近红外区域有丰富的吸收光谱，每种成分都有特定的吸收特征。因此，NIR能反映物质的组成和结构信息，从而可以作为获取信息的一种有效载体。

二、近红外光谱仪的应用

NIR分析技术的测量过程分为校正和预测两部分（如图一所示），(1)校正：①选择校正样品集，②对校正样品集分别测得其光谱数据和理化基础数据，③将光谱数据和基础数据，用适当的化学计量方法建立校正模型；(2)预测：采集未知样品的光谱数据，与校正模型相对应，计算出样品的组分。由此可知，建立一个准确的校正模型是近红外光谱分析技术应用中的重中之重。

图一

2.1定标建模

2.1.1为什么要建立近红外校正模型

2.1.1.1建立近红外校正模型的最终目标是获得一个长期稳定的和可预测的模型。

2.1.1.2近红外光谱分析是间接的（第二手）分析方法，所以①需要定标样品集；②利用定标样品集的参比分析数据与近红外光谱建立校正模型；③近红外分析准确度与参比方法数据准确度高度相关；④近红外分析精度一般优于参比方法分析精度。

2.1.2模型的建立与验证步骤

2.1.2.1扫描样品近红外光谱

准确扫描校正样品集中各个样品规范的近红外光谱：为了克服近红外光谱测定的不稳定性的困难，必须严格控制包括制样、装样、测试条件、仪器参数等测量参数在内的测量条件。利用该校正校品集建立的数学模型，也只能适用于按这个的测量条件所测量光谱的样品。

2.1.2.2测定样品成分（定量）

按照标准方法（如饲料中的粗蛋白GB/T6432、水分GB/T6435、粗脂肪GB/T6433）准确测定样品集中每个样品的各种待测成分或性质(称为参考数据)。这些值测定的精确度是近红外光谱运用数学模型进行定量分析精确度的理论极限。

2.1.2.3建立数据对应关系

通过2.1.2.1所得光谱与2.1.2.2所得不同性质参数的参考数据相关联，使光谱图和其参考数据之间形成一一对应映射的关系，从而建立一个带参考数据的光谱文件。

2.1.2.4剔除异常值

2.1.2.3建立的光谱文件中，样品参考值与光谱有可能由于各种随机的原因而有较严重的失真，这些样品的测定值称为异常值。为保证所建数学模型的可靠性，在建立模型时应当剔除这些异常值。

2.1.2.5建立模型

选择算法、确定模型的参数、建立、检验与评价数字模型：常用的算法有逐步回归分析、偏最小二乘法、主成分回归分析等。这些算法的基本思想

图三

三、近红外光谱分析技术的不足

3.1近红外光谱分析的灵敏度相对较低，不能用于微量分析。

这主要是因为近红外光谱作为分子振动的非谐振吸收跃迁几率较低一般近红外倍频和合频谱带强度是其基频吸收的十万分之一。所以对组分的分析而言，其含量一般应大于0.1%才适合采用近红外光谱分析技术。当然这个数值并不是理论限值，随着近红外分析技术的不断发展，相信它的最小检出限还将会有所突破。

3.2分析必须要依赖模型，对模型的建立要求较高，投入较大。

预测结果的准确性与校正模型建立的质量有很大关系，因此，建立校正模型一般需要有经验的专业人员和来源丰富的有代表性的大量样品，并配备精确的化学分析手段。

3.3模型传递技术尚不成熟。

目前，由于校正模型受限于各种测量条件，只能适应一定的时间和空间范围，如果能建立成熟的模型传递，使在一台仪器上建立的定性或定量校正模型可靠地移植到其他相同或类似的仪器上使用，就能减少建模所需的时间和费用。

四、结束语

尽管近红外检测分析技术目前还有些许不足，但随着计算机技术、光谱学和化学计量学的快速发展和相互融合，该技术预测能力及预测精度等将得到进一步提高，建模难度也将进一步下降。当今粮食生产、食品安全和市场检查管理部门等各方面要求更使得需要深入研究近红外光谱检测技术，并在实践中得以普遍应用。今后，近红外光谱检测分析技术会拥有更广阔的应用前景。