版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、WORD 專(zhuān)業(yè)資料. 近紅外光譜(NIR)分析技術(shù)的應(yīng)用近紅外光譜分析是近20年來(lái)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(zhǔn)確和成本較低,不破壞樣品,不消耗化學(xué)試劑,不污染環(huán)境等優(yōu)點(diǎn),因此該技術(shù)受到越來(lái)越多人的青睞。一、近紅外光譜的工作原理有機(jī)物以與部分無(wú)機(jī)物分子中各種含氫基團(tuán)在受到近紅外線照射時(shí),被激發(fā)產(chǎn)生共振,同時(shí)吸收一部分光的能量,測(cè)量其對(duì)光的吸收情況,可以得到極為復(fù)雜的紅外圖譜,這種圖譜表示被測(cè)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(yīng)用NIR分析技術(shù)的測(cè)量過(guò)程分為校正和預(yù)測(cè)兩部分(如圖一所示),(1)校正:選擇校正樣品集,對(duì)校正樣品集分別測(cè)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(dāng)?shù)幕瘜W(xué)計(jì)量方法建立校正模型;(2)預(yù)測(cè):采集未知樣品的光譜數(shù)據(jù),與校正模型相對(duì)應(yīng),計(jì)算出樣品的組分。由此可知,建立一個(gè)準(zhǔn)確的校正模型是近紅外光譜分析技術(shù)應(yīng)用中的重中之重。圖一2.1定標(biāo)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(biāo)是獲得一個(gè)長(zhǎng)期穩(wěn)定的和可預(yù)測(cè)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(biāo)樣品集;利用定標(biāo)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(zhǔn)確度與參比方法數(shù)據(jù)準(zhǔn)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(yàn)證步驟2.1.2.1 掃描樣品近紅外光譜準(zhǔn)確掃描校正樣品集中各個(gè)樣品規(guī)的近紅外光譜:為了克服近紅外光譜測(cè)定的不穩(wěn)定性的困難,必須嚴(yán)格控制包括制樣、裝樣、測(cè)試條件、儀器參數(shù)等測(cè)量參數(shù)在的測(cè)量條件。利用該校正校品集建立的數(shù)學(xué)模型,也只能適用于按這個(gè)的測(cè)量條件所測(cè)量光譜的樣品。2.1.2.2 測(cè)定樣品成分(定量)按照標(biāo)準(zhǔn)方法(如飼料中的粗蛋白GB/T6432、水分GB/T6435、粗脂肪GB/T6433)準(zhǔn)確測(cè)定樣品集中每個(gè)樣品的各種待測(cè)成分或性質(zhì)(稱(chēng)為參考數(shù)據(jù))。這些值測(cè)定的精確度
4、是近紅外光譜運(yùn)用數(shù)學(xué)模型進(jìn)行定量分析精確度的理論極限。2.1.2.3 建立數(shù)據(jù)對(duì)應(yīng)關(guān)系通過(guò)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(duì)應(yīng)映射的關(guān)系,從而建立一個(gè)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(jī)的原因而有較嚴(yán)重的失真,這些樣品的測(cè)定值稱(chēng)為異常值。為保證所建數(shù)學(xué)模型的可靠性,在建立模型時(shí)應(yīng)當(dāng)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(yàn)與評(píng)價(jià)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(yīng)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(fù)雜背景的影響。2.1.2.6 模型驗(yàn)證用外部證實(shí)法檢驗(yàn)和評(píng)價(jià)數(shù)學(xué)模型,以檢驗(yàn)數(shù)學(xué)模型在時(shí)間空間上的穩(wěn)定性??梢杂昧硗鈳着?dú)立的、待測(cè)量已知的檢驗(yàn)樣品集,用數(shù)學(xué)模型預(yù)測(cè)計(jì)算檢驗(yàn)集中各樣品的待測(cè)值;對(duì)實(shí)際值與預(yù)測(cè)值作線性相關(guān),并用相關(guān)系數(shù)和預(yù)測(cè)標(biāo)準(zhǔn)差來(lái)表示預(yù)測(cè)效果。2.2 模型維護(hù)與擴(kuò)展2.2.1 為什么要維護(hù)與擴(kuò)展校正模型建立一個(gè)校正模型通常是從一個(gè)小的光譜數(shù)據(jù)庫(kù)開(kāi)始的。數(shù)據(jù)庫(kù)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(gè)模型更加穩(wěn)定、適用圍更加寬廣,就需要不斷地對(duì)模型的數(shù)據(jù)庫(kù)進(jìn)行擴(kuò)充。2.2.2 擴(kuò)展校正模型步驟通過(guò)掃描光譜
6、與實(shí)驗(yàn)數(shù)據(jù)建立具有數(shù)據(jù)對(duì)應(yīng)關(guān)系的光譜文件,再使用該文件對(duì)舊方程進(jìn)行擴(kuò)展,形成新方程,并對(duì)新方程進(jìn)行驗(yàn)證。2.3 具體例子分析2.3.1 方程選擇使用改進(jìn)偏最小二乘法(MPLS)建立校正模型,為消除光譜信號(hào)的基線漂移,隨機(jī)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(dǎo)數(shù)處理結(jié)合,共9中光譜預(yù)處理方法。三種去散射處理包括無(wú)散射(None),標(biāo)準(zhǔn)正態(tài)變量校正結(jié)合去除趨勢(shì)校正(SNVD),加權(quán)多元去散射校正(WMSC);三種導(dǎo)數(shù)處理包括1,2,2,1; 1,4,4,1; 2,4,4,1,個(gè)數(shù)值依次代表導(dǎo)數(shù)處理階數(shù),導(dǎo)數(shù)數(shù)據(jù)間隔,平滑點(diǎn)數(shù)與二次平滑點(diǎn)數(shù)。模型建立過(guò)程中,定標(biāo)集被分成6個(gè)交互
7、驗(yàn)證組,以最小交互驗(yàn)證標(biāo)準(zhǔn)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(yù)測(cè)效果的關(guān)鍵因素。方程采用兩輪異常值剔除過(guò)程,剔除光譜異常值(GH10)與化學(xué)異常值(T2.5)。以最高交互驗(yàn)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(yīng)為SNVD+2,4,4,1處理得到的。圖二2.3.2 外部驗(yàn)證校正模型建立后,除用自身最高交互驗(yàn)證決定系數(shù)(1-VR)和最低SECV值衡量外,還需要用外部檢驗(yàn)的方法來(lái)評(píng)價(jià)模型的可靠性,以保證模型在實(shí)際使用中的效果。選取已知樣品對(duì)模型進(jìn)行驗(yàn)證,如下圖所示,樣品(粗蛋白)預(yù)測(cè)值準(zhǔn)確度較高,基本達(dá)到了分析要求(表一可見(jiàn),樣品預(yù)
8、測(cè)值與參考值誤差較?。粓D三為蛋白化學(xué)值與預(yù)測(cè)值之間相關(guān)散點(diǎn)圖,其中預(yù)測(cè)標(biāo)準(zhǔn)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(duì)較低,不能用于微量分析。這主要是因?yàn)榻t外光譜作為分子振動(dòng)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(qiáng)度是其基頻吸收的十萬(wàn)分之一。所以對(duì)組分的分析而言,其含量一般應(yīng)大于0.1%才適合采用近紅外光譜分析技術(shù)。當(dāng)然這個(gè)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(huì)有所突破。3.2 分析必須要依賴(lài)模型,對(duì)模型的建立要求較高,投入較大。預(yù)測(cè)結(jié)果的準(zhǔn)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(yàn)的專(zhuān)業(yè)人員和來(lái)源豐富的有代表性的大量樣品,并配備精確的化學(xué)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(cè)量條件,只能適應(yīng)一定的時(shí)間和空間圍,如果能建立成熟的模型傳遞,使在一臺(tái)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(lèi)似的儀器上使用,就能減少建模所需的時(shí)間和費(fèi)用。四、結(jié)束語(yǔ)盡管近紅外檢測(cè)分析技術(shù)目前還有些許不足,但隨著計(jì)算機(jī)技術(shù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度智慧社區(qū)建設(shè)承諾協(xié)議書(shū)合同3篇
- 2025年度冷鏈儲(chǔ)藏設(shè)施建設(shè)合同3篇
- 二零二五年度醫(yī)療健康產(chǎn)業(yè)模塊八交易磋商及合同訂立指南4篇
- 二零二五年度電商虛擬現(xiàn)實(shí)技術(shù)應(yīng)用合同8篇
- 二零二五年度促銷(xiāo)員健康管理與保障合同3篇
- 2025年度個(gè)人果園品牌建設(shè)與市場(chǎng)推廣承包協(xié)議4篇
- 供應(yīng)鏈智能決策支持-深度研究
- 2025年度智能大門(mén)改造工程全面升級(jí)施工合同4篇
- 地下空間利用研究-深度研究
- 代碼克隆檢測(cè)技術(shù)-深度研究
- 不同茶葉的沖泡方法
- 光伏發(fā)電并網(wǎng)申辦具體流程
- 建筑勞務(wù)專(zhuān)業(yè)分包合同范本(2025年)
- 企業(yè)融資報(bào)告特斯拉成功案例分享
- 五年(2020-2024)高考地理真題分類(lèi)匯編(全國(guó)版)專(zhuān)題12區(qū)域發(fā)展解析版
- 《阻燃材料與技術(shù)》課件 第8講 阻燃木質(zhì)材料
- 低空經(jīng)濟(jì)的社會(huì)接受度與倫理問(wèn)題分析
- GB/T 4732.1-2024壓力容器分析設(shè)計(jì)第1部分:通用要求
- 河北省保定市競(jìng)秀區(qū)2023-2024學(xué)年七年級(jí)下學(xué)期期末生物學(xué)試題(解析版)
- 運(yùn)動(dòng)技能學(xué)習(xí)與控制課件
- 六編元代文學(xué)
評(píng)論
0/150
提交評(píng)論