原文來源公眾號：蘇州斌智科技有限公司
原文鏈接：https://mp.weixin.qq.com/s/H96TFZ8WtL7IfCYt4bl7AQ
近紅外（NIR）光譜介于可見光譜區與中紅外譜區之間，兼備了可見光信號容易獲取與紅外光譜分析信息量豐富兩大優點，被廣泛用于很多行業的許多有機物和無機物的定性定量分析當中。有人甚至認為近紅外光譜分析是一種“萬能”的技術，這個詞小編可不敢用，不過利用近紅外可以完成的檢測工作確實不少，下面小編就為大家說說，要用近紅外做定量分析總共分幾步。有道是“學好近紅外，走遍天下檢測快” ^_^ 多了解一門技術總不是什么壞事，大家一起看看吧。
利用近紅外光譜進行定量分析的流程可分為兩大部分：一是建立數學模型，二是應用數學模型。這里說的數學模型就是針對待測組分建立的分析方法或稱之為預測方程，建立數學模型的過程也包括檢驗和優化模型的穩定性，而應用數學模型，就是用未知樣品的近紅外光譜預測其待測組分的含量。
在近紅外光譜分析中，數學模型的建立一般需要經過以下5個步驟：
1. 選擇定標樣品集和預測樣品集 選擇有代表性的樣品組成定標樣品集，這個樣品集很重要，不僅要包含待測組分的全部信息，涵蓋待測組分的變化范圍，還應盡量包括待測組分以外所有的“背景”信息。比如說，待測樣品中總共包含了ABCDE五種主要成分，我們要對A和C分別進行定量分析，那么BDE的含量和變化就是此檢測項目中的背景信息；如果某一天，待測組分變成了A和B，那么背景信息就變成了CDE。背景信息除了包含其他成分以外，還要考慮溫度、濕度、壓力、顏色、氣泡、渾濁程度等等。在準備定標集時盡量考慮全面，使建立的數學模型能將這些樣品的背景信息加以扣除，可以有效降低各種因素對檢測準確度和穩定性的干擾。定標樣品集的選擇應有一定數量要求，但也不宜過多，選擇樣品時應做到“少而全、少而精”。預測樣品集的選擇原則是樣品的各種信息應被包含在定標樣品集的范圍內，否則預測時會形成較大的預測誤差。
2. 光譜采集 對定標樣品集和預測樣品集中的每個樣品準確地采集光譜，然后運用各種光譜預處理技術，校正光譜的失真，以這種優化的樣品集建立的數學模型才能克服近紅外光譜的測定不穩定的難點，優秀的近紅外光譜儀已經可以很好的解決這類問題了。
3. 化學值的檢測 在進行光譜采集的同時要對定標樣品進行化學法檢測待測組分的含量，在化學檢測時，應嚴格按照國家標準進行操作，最好做平行測試，減少測試誤差對建模效果的影響。
4. 建立與檢驗數學模型 運用化學計量學的方法從復雜的背景與各種組分形成的重疊吸收峰的圖譜中提取特定的信息，建立光譜特征與組分含量之間關系的數學模型，以克服近紅外光譜分析譜峰重疊的難點。再用嚴格的統計學方法，通過定標樣品集內部交叉證實與預測樣品集的外部證實，檢驗數學模型的準確性和模型的預測能力及預測精度，以確定模型是否符合應用的要求。完成這個步驟往往需要具備一定的近紅外分析和化學計量學基礎，是整個流程中最有考驗的一步，不過不用慌，現代優秀的近紅外分析軟件已經可以提供很到位的幫助了。
5. 數學模型的修正與維護 為了使數學模型在不同的時間（如不同月份）與空間（如不同的地區、不同的樣品類型）都能運用，還需注意對數學模型的不斷修正與維護。當樣品的測定時間或空間條件改變時，必須用預測樣品集檢驗數學模型，如果數學模型的預測精度降低，就需要在校正樣品集中增加新類型的樣品，并重新按上述步驟修改數學模型。穩定的數學模型需要不斷的完善，這個過程需要與時俱進。
說到這里，大家也看出來了，想用近紅外光譜測含量的前期準備工作還不少呢，當然，想要“一勞永逸”地享受近紅外快速檢測的快感，還是要付出一番辛勤勞動的。
—— (???(??? ??哈? 什么？不想挨累只想享受？
—— 那只能來找我們斌智科技了，這活兒我們包了！ヾ(?°∇°?)??
