从光到洞察：掌握近红外光谱学原理

从光到洞察：掌握近红外光谱学原理

近红外光谱学（NIR）是一种在电磁频谱的近红外区域运行的非破坏性分析方法，波长范围从大约 900 纳米到 2500 纳米。它通过分析物质对近红外光的吸收、透射或反射特性，来获取物质分子组成和特性的信息。与其他光谱技术相比，近红外光谱不需要大量的样品制备，因此适用于快速和常规分析。

近红外光谱的工作原理是什么？

近红外光谱学的基本原理是基于物质对近红外能量的吸收和传输特性。当近红外光与物质相互作用时，它会诱发分子键的振动过渡，特别是涉及基本振动的泛音和组合。这些振动为不同的分子结构提供了独特的指纹，样品对近红外光的吸收导致吸收波段的形成，这些波段是样品中存在的分子成分的特征。

样品与光相互作用以成功进行近红外分析的不同方式有哪些？

为了捕获样品的吸收光谱，光谱仪通常使用以下三种采样方法之一：

1. 透射

透射采样包括通过近红外透明样品架引导光线。它通常用于近红外透明和半透明材料，如液体、油、燃料、聚合物/塑料等。根据比尔-兰伯特定律，样品吸收的光量与其不同成分的浓度水平和样品的厚度相关。因此，样品架的设计需要保证每次测量时样品与进入近红外光谱仪的光相互作用的厚度始终相同。

2. 漫反射

在漫反射采样中，入射光在与样品表面相互作用时会向不同的方向散射。这种技术有利于处理异质和不透明的样品，通常用于土壤分析和食品质量评估应用。它还用于聚合物和涂层的表面分析。

3. 半反射

半反射是 “透射率” 和 “反射率” 的组合。在透反射测量中，入射光穿透样品，同时收集和分析透射光和反射光。这种技术在处理半透明或部分反射样品时特别有价值，在仅靠传统透射或反射方法无法提供足够信息的情况下，这种技术具有优势。

如何解释近红外光谱？

解释近红外光谱需要协同应用化学计量学来开发校准模型，以提取有价值的信息并促进定性和定量分析。最常用的化学计量学方法包括：

• 主成分分析 (PCA)：在处理许多光谱数据时，PCA 应用于近红外光谱学。它有助于根据较少的因子（主要成分）识别光谱中最关键的特征，从而简化了材料识别等应用中复杂光谱的解释
• 偏最小二乘回归 (PLSR)：PLSR 在光谱数据和相关属性的参考值之间建立线性关系。它通常用于近红外光谱学进行定量分析。它用于预测样本中特定成分的浓度，例如农产品中的水分含量。
• 聚类分析：聚类分析包括根据样本近红外光谱模式的相似性对样本进行分组。这种技术对于识别一组样本中的固有模式或子类非常有价值。它用于分类应用程序，例如成分分类。

建立校准模型的关键步骤是：

1. 我们首先收集几个样本，并使用传统方法测量其特性以生成参考数据。
2. 我们捕获样品组的近红外光谱以生成光谱数据。
3. 化学计量学应用于配对的参考数据和光谱数据，以确定光谱中的特定特征如何与我们感兴趣的特性相对应。
4. 为了分析模型的性能，使用另一个具有已知参考值的样品组对模型进行测试

校准模型经过训练后，它就会成为可靠的预测器。当我们有了具有未知特性的新样品时，我们可以将近红外光照射到其上，捕获其光谱，并使用校准模型来估计或预测其特性。

如何选择用于开发校准模型的样品组？

在准备用于开发校准模型的样品组时，仔细考虑因素对于确保模型的准确性和可靠性至关重要，包括：

• 代表性：确保样本集涵盖相关属性的全部变化，捕捉不同的条件和潜在的异常值。
• 样本量：保持平衡；需要足够数量的样本才能保证稳健性，但是过大的样本量可能会带来不必要的复杂性。
• 同质性：样品的特性和特征应保持一致，以免给模型带来混淆。
• 真实世界表示：确保样品组准确反映实际应用中遇到的条件和变化，以增强模型的实际适用性。
• 干扰因素：筛选样品组中可能引入噪声和影响模型性能的干扰或混杂变量。

创建校准模型是一个耗时的过程，需要仔细考虑，需要大量的专业知识。事实证明，建立在现有稳健模型基础上具有优势，因为这些模型经过了严格的验证和完善，为各种应用提供了可靠的基础。专业知识在驾驭错综复杂的模型开发方面起着至关重要的作用，可确保构造的模型准确且适用于各种场景。从本质上讲，利用现有的专业知识和可靠的模型可以加速校准模型的构建，从而提高预测新样品特性的效率和准确性。