近紅外光譜儀的分析原理介紹

由于近紅外光在常規光纖中有良好的傳輸特性，且其儀器較簡單、分析速度快、非破壞性和樣品制備量小、幾乎適合各類樣品（液體、粘稠體、涂層、粉末和固體）分析、多組分多通道同時測定等特點，近幾年，隨著化學計量學、光纖和計算機技術的發展，在線近紅外光譜分析技術應用于包括農牧、食品、化工、石化、制藥、煙草等在內的許多領域，為科研、教學以及生產過程控制提供了一個廣闊的使用空間。

近紅外光譜主要是由于分子振動的非諧振性使分子振動從基態向高能級躍遷時產生的，記錄的主要是含氫基團X－H（X=C、N、O）振動的倍頻和合頻吸收。不同團（如甲基、亞甲基，苯環等）或同一基團在不同化學環境中的近紅外吸收波長與強度都有明顯差別，NIR 光譜具有豐富的結構和組成信息，非常適合用于碳氫有機物質的組成與性質測量。但在 NIR區域，吸收強度弱，靈敏度相對較低，吸收帶較寬且重疊嚴重。因此，依靠傳統的建立工作曲線方法進行定量分析是困難的，化學計量學的發展為這一問題的解決奠定了數學基礎。其工作原理是，如果樣品的組成相同，則其光譜也相同，反之亦然。如果我們建立了光譜與待測參數之間的對應關系（稱為分析模型），那么，只要測得樣品的光譜，通過光譜和上述對應關系，就能很快得到所需要的質量參數數據。分析方法包括校正和預測兩個過程：

（1）在預測過程中，先使用近紅外光譜儀測定待測樣品的光譜圖，通過軟件自動對模型庫進行檢索，選擇正確模型計算待測質量參數。

（2）在校正過程中，收集一定量有代表性的樣品（一般需要80個樣品以上），在測量其光譜圖的同時，根據需要使用有關標準分析方法進行測量，得到樣品的各種質量參數，稱之為參考數據。通過化學計量學對光譜進行處理，并將其與參考數據關聯，這樣在光譜圖和其參考數據之間建立起一一對應映射關系，通常稱之為模型。雖然建立模型所使用的樣本數目很有限，但通過化學計量學處理得到的模型應具有較強的普適性。對于建立模型所使用的校正方法視樣品光譜與待分析的性質關系不同而異，常用的有多元線性回歸，主成分回歸，偏*小二乘，人工神經網絡和拓撲方法等。顯然，模型所適用的范圍越寬越好，但是模型的范圍大小與建立模型所使用的校正方法有關，與待測的性質數據有關，還與測量所要求達到的分析精度范圍有關。實際應用中，建立模型都是通過化學計量學軟件實現的，并且有嚴格的規范（如ASTM6500標準）。