近红外光谱的光谱分析

1)分析速度快。一旦校准，近红外光谱分析仪可以在不到一分钟的时间内完成待测样品多组分的同步测量。如果将二极管阵列探测器与声光调制分光镜分析仪相结合，可以在几秒钟内给出测量结果，完全可以实现过程的在线定量分析。

2)对样品无化学污染。根据颗粒大小，待测样品可能需要简单的物理制备过程(如研磨、混合、干燥等)。)，而且测量过程无需任何化学干预即可完成，堪称绿色分析技术。

3)仪器操作简单，对操作人员素质水平要求低。通过软件设计，可以实现非常简单的操作要求，整个测量过程中引入的人为误差小。

4)测量精度高。虽然该技术的精度略低于传统的理化分析方法，但给出的测量精度足以满足生产过程中质量控制的实际要求，因此非常实用。

5)分析成本低。由于整个测量过程不需要任何化学试剂，仪器校准后的测量是一项非常简单的工作，所以几乎没有损耗。近红外光谱仪器可分为四类:固定波长滤光器、光栅色散、快速傅里叶变换和声光可调谐滤光器。

过滤器类型主要用作特殊的分析仪器，例如谷物水分分析仪。由于过滤器数量有限，很难分析复杂系统的样品。

光栅扫描具有很高的信噪比和分辨率。因为仪器中的活动部件(如光栅轴)在连续高强度工作时可能会出现磨损问题，影响光谱采集的可靠性，不适合在线分析。

傅里叶变换近红外光谱仪分辨率高，扫描速度快。这种仪器的缺点是干涉仪中有运动部件，需要严格的工作环境。

声光可调谐滤波器采用双折射晶体，通过改变射频来调节扫描波长。整个仪器系统没有运动部件，扫描速度快。但是这类仪器的分辨率相对较低，价格较高。

随着阵列检测器件生产技术的成熟，由固定光路、光栅分束和阵列检测器组成的近红外仪器以其性能稳定、扫描速度快、分辨率高、信噪比高、性价比好等优点越来越受到关注。与固定光路匹配的阵列探测器中，常用的有两种:电荷耦合器件(CCD)和二极管阵列(PDA)，其中CCD多用于近红外短波区的光谱仪，PDA探测器用于长波近红外区。在近红外光谱中，根据不同物质的化学成分不同，含氢基团的倍频和倍频振动频率不同时，近红外光谱的峰位、峰数和峰强度也不同，样品化学成分差异越大，光谱的特征差异越强。可以通过简单的峰位鉴别来鉴别不同品种的中药。峰位识别法主要用于分析不同成分的不同物质。这种方法直观简单，但对性质相似的样品鉴别无能为力。因此，必须需要其他方法(如化学计量学)进行鉴定。

模式识别在20世纪60年代末被引入化学领域。它基于一个非常直观的基本假设，即“物以类聚”。人们认为，具有相似属性的样本在模式空间中处于相似的位置，它们在空间中形成“簇”。模式识别方法优势明显，它不需要数学模型所需的先验知识，也很少擅长处理复杂事物和多元数据。在实际工作中，我们经常会遇到这样的问题:只需要知道样品的类别或等级，而不需要知道样品中所含的组分分数及其含量。这时候就需要应用模式识别的方法了。模式识别方法主要用于光谱的定性分析。近红外光谱定性分析常用的模式识别方法有很多，包括聚类分析、判别分析、主成分分析和人工神经网络方法。

在中草药及其产品的应用中，模式识别方法主要用于产品的分类和识别。系统聚类分析是根据一个预先选定的相似性或非相似性，如距离，来度量分类空间中类的距离，然后根据谱系图确定分类结果。逐步聚类分析动态聚类法是一种根据距离进行分类的迭代方法。与系统聚类法相比，计算速度更快，节省存储单元，但需要预先指定分类数和合适的初始值，每次迭代调整各类中心凝聚点，并根据分类对象与中心的距离进行分类，直至保持不变。

主成分分析是一种简化数据结构，突出主要矛盾的多元统计分类方法。主成分分析可以降低数据的维数，根据主因子得分对样本进行分类。逐步判别分析可以在筛选变量的基础上建立线性判别模型。通过检查逐步进行筛选。在每一步中，选择满足规定水平的最显著的变量，淘汰由于引入新变量而变得不显著的原引入变量，直到不能引入或淘汰该变量。

人工神经网络作为一种智能算法，具有很强的非线性映射能力，在非线性多元校正中已经显示出一定的优势。误差反向传播神经网络有许多研究和应用。由于其良好的自组织、自学习能力和处理复杂非线性问题的能力，对于复杂非线性系统能取得较好的效果，已被应用于许多领域。近几十年来，近红外光谱技术发展迅速，在许多应用领域得到了广泛认可。其魅力在于无需复杂的样品制备过程，即可在短时间内完成物质多组分的同时快速定量分析，并能给出较高的分析精度，无任何化学污染，分析成本低，易于在实验室，特别是工业领域或在线分析领域推广使用。

近红外定量分析过程

在该技术的应用和实施过程中，前期需要做一些必要的准备，包括:

(1)收集具有广泛代表性的校准和预测样本集，并对组分进行理化定量分析；

(2)校准和预测样本集的近红外光谱采集和光谱分析；

(3)各待测组分在近红外分析仪上的标定建模和模型优化；

(4)现有校准模型的实际预测分析。

在上述前期工作中，还需要更多的实验验证，以及各种干扰因素(如温度、湿度等)的影响。)在近红外光谱定量分析技术的每个环节都需要考虑。一旦校准模型通过预测测试和分析，近红外光谱分析仪将长期保持较高的稳定性和分析精度，操作人员很容易在短时间内掌握仪器的操作程序，这是该技术在新的应用领域中易于推广的主要优势。然而，近红外分析仪器校准模型的准确度会因环境因素的影响、自身器件的老化以及参考标准样品的变化而发生微小的变化。为了保证分析结果的准确性，需要定期对模型进行检查和修正，这就要求用户长期具备测试样品的理化分析能力。虽然不需要太大的工作量，但是近红外光谱定量分析技术需要其他的定量分析技术，而近红外校正模型的准确性往往是通过少量的新样品经过理化分析来验证的，这也是该技术的软肋。