近红外光谱分析原理.doc

近红外光（Near Infrared，NIR）是介于可见光（VIS）和中红外光（MIR）之间的电磁波，按ASTM（美国试验和材料检测协会）定义是指波长在7802526nm范围内的电磁波，习惯上又将近红外区划分为近红外短波（7801100nm）和近红外长波（11002526nm）两个区域。 近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团（、）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效的载体。近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射某样品时， 由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过检测器分析透射或反射光线的光密度， 就可以确定该组分的含量。 近红外光谱分析技术包括定性分析和定量分析，定性分析的目的是确定物质的组成与结构，而定量分析则是为了确定物质中某些组分的含量或是物质的品质属性的值。与常用的化学分析方法不同，近红外光谱分析法是一种间接分析技术，是用统计的方法在样品待测属性值与近红外光谱数据之间建立一个关联模型(或称校正模型，Calibration Model)。因此在对未知样品进行分析之前需要搜集一批用于建立关联模型的训练样品(或称校正样品，Calibration Samples)，获得用近红外光谱仪器测得的样品光谱数据和用化学分析方法(或称参考方法，Reference method)测得的真实数据。 其工作原理是，如果样品的组成相同，则其光谱也相同，反之亦然。如果我们建立了光谱与待测参数之间的对应关系（称为分析模型），那么，只要测得样品的光谱，通过光谱和上述对应关系，就能很快得到所需要的质量参数数据。分析方法包括校正和预测两个过程： （1）在校正过程中，收集一定量有代表性的样品（一般需要80个样品以上），在测量其光谱图的同时，根据需要使用有关标准分析方法进行测量，得到样品的各种质量参数，称之为参考数据。通过化学计量学对光谱进行处理，并将其与参考数据关联，这样在光谱图和其参考数据之间建立起一一对应映射关系，通常称之为模型。虽然建立模型所使用的样本数目很有限，但通过化学计量学处理得到的模型应具有较强的代表性。对于建立模型所使用的校正方法视样品光谱与待分析的性质关系不同而异，常用的有多元线性回归，主成分回归，偏最小二乘，人工神经网络和拓扑方法等。显然，模型所适用的范围越宽越好，但是模型的范围大小与建立模型所使用的校正方法有关，与待测的性质数据有关，还与测量所要求达到的分析精度范围有关。实际应用中，建立模型都是通过化学计量学软件实现的，并且有严格的规范（如ASTM-6500标准）。 （2）在预测过程中，首先使用近红外光谱仪测定待测样品的光谱图，通过软件自动对模型库进行检索，选择正确模型计算待测质量参数。 NIR 定量分析的过程 近红外定标及样品分析的流程如下: 收集/ 制备定标样品化学方法测定某成分含量 用近外仪采集样品的光学数据 光谱数据的数学转换(一阶或二阶导数) 将化学方法测得数据输入 回归计算收集制备待测样品 建立定标方程近红外仪扫描待测样品 成分含量计算 最终结果 从上述流程图可以看出,近红外光谱分析技术,其实就是一种间接的相对分析,通过收集大量具有代表性的标准样本,通过严格细致的化学分析测出必要的数据,再通过计算机建立数学模型,即定标,以最大限度反应被测样本群体常态分布规律,然后再通过该数学模型或定标方程,预测未知样品的所需数据。