近紅外光譜NIR分析技術(shù)的應用

1、WORD 專業(yè)資料. 近紅外光譜(NIR)分析技術(shù)的應用近紅外光譜分析是近20年來發(fā)展最為迅速的高新技術(shù)之一，該技術(shù)分析樣品具有方便、快速、高效、準確和成本較低，不破壞樣品，不消耗化學試劑，不污染環(huán)境等優(yōu)點，因此該技術(shù)受到越來越多人的青睞。一、近紅外光譜的工作原理有機物以與部分無機物分子中各種含氫基團在受到近紅外線照射時，被激發(fā)產(chǎn)生共振，同時吸收一部分光的能量，測量其對光的吸收情況，可以得到極為復雜的紅外圖譜，這種圖譜表示被測物質(zhì)的特征。不同物質(zhì)在近紅外區(qū)域有豐富的吸收光譜，每種成分都有特定的吸收特征。因此，NIR能反映物質(zhì)的組成和結(jié)構(gòu)信息，從而可以作為獲取信息的一種有效載體。二、近紅外光譜儀

2、的應用NIR分析技術(shù)的測量過程分為校正和預測兩部分（如圖一所示），(1)校正：選擇校正樣品集，對校正樣品集分別測得其光譜數(shù)據(jù)和理化基礎(chǔ)數(shù)據(jù)，將光譜數(shù)據(jù)和基礎(chǔ)數(shù)據(jù)，用適當?shù)幕瘜W計量方法建立校正模型；(2)預測：采集未知樣品的光譜數(shù)據(jù)，與校正模型相對應，計算出樣品的組分。由此可知，建立一個準確的校正模型是近紅外光譜分析技術(shù)應用中的重中之重。圖一2.1定標建模2.1.1 為什么要建立近紅外校正模型2.1.1.1 建立近紅外校正模型的最終目標是獲得一個長期穩(wěn)定的和可預測的模型。2.1.1.2 近紅外光譜分析是間接的（第二手）分析方法，所以需要定標樣品集；利用定標樣品集的參比分析數(shù)據(jù)與近紅外光譜建立校正

3、模型；近紅外分析準確度與參比方法數(shù)據(jù)準確度高度相關(guān)；近紅外分析精度一般優(yōu)于參比方法分析精度。2.1.2 模型的建立與驗證步驟2.1.2.1 掃描樣品近紅外光譜準確掃描校正樣品集中各個樣品規(guī)的近紅外光譜：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。2.1.2.2 測定樣品成分（定量）按照標準方法（如飼料中的粗蛋白GB/T6432、水分GB/T6435、粗脂肪GB/T6433）準確測定樣品集中每個樣品的各種待測成分或性質(zhì)(稱為參考數(shù)據(jù))。這些值測定的精確度

4、是近紅外光譜運用數(shù)學模型進行定量分析精確度的理論極限。2.1.2.3 建立數(shù)據(jù)對應關(guān)系通過2.1.2.1所得光譜與2.1.2.2所得不同性質(zhì)參數(shù)的參考數(shù)據(jù)相關(guān)聯(lián)，使光譜圖和其參考數(shù)據(jù)之間形成一一對應映射的關(guān)系，從而建立一個帶參考數(shù)據(jù)的光譜文件。2.1.2.4 剔除異常值2.1.2.3建立的光譜文件中，樣品參考值與光譜有可能由于各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。為保證所建數(shù)學模型的可靠性，在建立模型時應當剔除這些異常值。2.1.2.5 建立模型選擇算法、確定模型的參數(shù)、建立、檢驗與評價數(shù)字模型：常用的算法有逐步回歸分析、偏最小二乘法、主成分回歸分析等。這些算法的基本思想

5、是應用近紅外光譜的全光譜的信息，以解決近紅外光譜的譜峰重疊與復雜背景的影響。2.1.2.6 模型驗證用外部證實法檢驗和評價數(shù)學模型，以檢驗數(shù)學模型在時間空間上的穩(wěn)定性。可以用另外幾批獨立的、待測量已知的檢驗樣品集，用數(shù)學模型預測計算檢驗集中各樣品的待測值；對實際值與預測值作線性相關(guān)，并用相關(guān)系數(shù)和預測標準差來表示預測效果。2.2 模型維護與擴展2.2.1 為什么要維護與擴展校正模型建立一個校正模型通常是從一個小的光譜數(shù)據(jù)庫開始的。數(shù)據(jù)庫小，模型的適用圍就必然受到限制。這也就意味著要想使一個模型更加穩(wěn)定、適用圍更加寬廣，就需要不斷地對模型的數(shù)據(jù)庫進行擴充。2.2.2 擴展校正模型步驟通過掃描光譜

6、與實驗數(shù)據(jù)建立具有數(shù)據(jù)對應關(guān)系的光譜文件，再使用該文件對舊方程進行擴展，形成新方程，并對新方程進行驗證。2.3 具體例子分析2.3.1 方程選擇使用改進偏最小二乘法(MPLS)建立校正模型，為消除光譜信號的基線漂移，隨機噪音與顆粒度不均勻引起的散射，光譜采用三種去散射處理和三種導數(shù)處理結(jié)合，共9中光譜預處理方法。三種去散射處理包括無散射(None)，標準正態(tài)變量校正結(jié)合去除趨勢校正(SNVD)，加權(quán)多元去散射校正(WMSC)；三種導數(shù)處理包括1,2,2,1; 1,4,4,1; 2,4,4,1，個數(shù)值依次代表導數(shù)處理階數(shù)，導數(shù)數(shù)據(jù)間隔，平滑點數(shù)與二次平滑點數(shù)。模型建立過程中，定標集被分成6個交互

7、驗證組，以最小交互驗證標準差(SECV)確定最佳主因子數(shù)。異常值判斷與剔除是影響模型預測效果的關(guān)鍵因素。方程采用兩輪異常值剔除過程，剔除光譜異常值(GH10)與化學異常值(T2.5)。以最高交互驗證決定系數(shù)(1-VR)和最低SECV值確定最佳校正模型。如圖二所示，蛋白最佳方程應為SNVD+2,4,4,1處理得到的。圖二2.3.2 外部驗證校正模型建立后，除用自身最高交互驗證決定系數(shù)(1-VR)和最低SECV值衡量外，還需要用外部檢驗的方法來評價模型的可靠性，以保證模型在實際使用中的效果。選取已知樣品對模型進行驗證，如下圖所示，樣品（粗蛋白）預測值準確度較高，基本達到了分析要求（表一可見，樣品預

8、測值與參考值誤差較?。粓D三為蛋白化學值與預測值之間相關(guān)散點圖，其中預測標準偏差(Sep)為0.447，系統(tǒng)偏差(Bias)為-0.059，相關(guān)系數(shù)(R)為0.957）。表一圖三三、近紅外光譜分析技術(shù)的不足3.1 近紅外光譜分析的靈敏度相對較低，不能用于微量分析。這主要是因為近紅外光譜作為分子振動的非諧振吸收躍遷幾率較低一般近紅外倍頻和合頻譜帶強度是其基頻吸收的十萬分之一。所以對組分的分析而言，其含量一般應大于0.1%才適合采用近紅外光譜分析技術(shù)。當然這個數(shù)值并不是理論限值，隨著近紅外分析技術(shù)的不斷發(fā)展，相信它的最小檢出限還將會有所突破。3.2 分析必須要依賴模型，對模型的建立要求較高，投入較大。預測結(jié)果的準確性與校正模型建立的質(zhì)量有很大關(guān)系，因此，建立校正模型一般需要有經(jīng)驗的專業(yè)人員和來源豐富的有代表性的大量樣品，并配備精確的化學分析手段。3.3 模型傳遞技術(shù)尚不成熟。目前，由于校正模型受限于各種測量條件，只能適應一定的時間和空間圍，如果能建立成熟的模型傳遞，使在一臺儀器上建立的定性或定量校正模型可靠地移植到其他一樣或類似的儀器上使用，就能減少建模所需的時間和費用。四、結(jié)束語盡管近紅外檢測分析技術(shù)目前還有些許不足，但隨著計算機技術(shù)