近红外分光光度法指导原则

近红外分光光度法指导原则

一、背景介绍近红外（Near Infrared，简称NIR）光是指介于可

见光与中红外之间的电磁波，谱区范围是780~2526nm

(12820~3959cm-1)，通常又将此波长范围划分为近红外短波区

（780~1100 nm）和近红外长波区（1100~2526 nm）。与中红外相比，该区域主要是O-H，N-H，C-H，S-H等含氢基团振动光谱的倍频及合

频汲取，谱带宽，重叠较严峻，而且汲取信号弱，信息解析简单，

所以尽管该谱区被发觉较早，但分析价值始终未能得到足够的重视。近年来，由于计算机与化学统计学软件的进展，特殊是化学计量学

的深化讨论和广发应用，使近红外成为进展最快、最引人注目的光

谱技术。与传统的分析方法比较，近红外光谱分析技术拥有很多独

到之处。但和其它析方法一样，近红外分析方法也存在不足之处。

首先，它是一种间接的分析技术，需要通过收集大量具有代表性的

标准样品，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，才能猜测未知样品的结果。而模型的建立需耗用

大量的人力、物力和财力；其次，由于NIR谱区为分子倍频与合频

的振动光谱，信号弱，谱峰重叠严峻，所以目前还仅能用于常量分析，被测定组分的量一般应大于样品重量的0.1%；此外，在进行近

红外光谱分析时，应考虑样品的特征、分析试验的设计及数据处理

等多方面的问题，才能取得正确的分析结果，建立牢靠的校正模型

是利用近红外实现胜利分析的关键。

二、原理及分析方法

由于一张近红外光谱既可以给出活性成分、辅料的化学结构信息、还可以给出活性成分的工艺信息（如晶型、旋光度、密度等）以及

制剂的工艺特征信息（如制粒的大小、硬度等）和部分包装材料的

结构信息，所以利用近红外光谱，我们既可以做定性分析也可以做

定量分析，但与常规的分析方法不同，近红外光谱技术不是通过观

看供试品或测量供试品谱图参数直接进行定性或定量分析，而是首

先通过测定样品校正集的光谱、组成或性质数据（组成或性质数据

需通过其他认可的标准方法测定），采纳合适的化学计量学方法建

立校正模型，再利用建立的校正模型与未知样品进行比较，从而实

现定性或定量分析。

1．定性分析

近红外光谱谱带较宽，特征性不强，因此很少像其他光谱（如紫

外和红外光谱）那样用于化合物基团的识别及结构的鉴定。近红外

光谱的定性分析一般是用于被分析样品在已知样品集中的位置。常

用的方法包括：

（1）判别分析法：分析是经典的定性识别方法，其基本思路是相

同样品在相同波长下具有相近的光谱汲取，这种光谱间的比较可以

是原始光谱也可以是经过处理的光谱。

（2）主成分分析（Principal Component Analysis PCA）法：利

用PCA方法将多种波长下的光谱数据压缩到有限的几个因子空间内，再通过样品在各个因子空间的得分确定其归属类别，但PCA对样本

与校正集间的准确位置缺乏定量的解释。其缺点是当真药与劣药的

含量相当接近时此法简单判错。

（3）马氏距离（Mahalanobis Distance MD）法：该方法的核心是通过多波长下的光谱距离定量描述出测量样本离校正集样本的位置，因而在光谱匹配、特别点检测和模型外推方面都很有用。但应用该方法时，波长位置的选择特别重要，波长点过少，光谱得不到合理得描述；波长点过多，计算量大，为此，也有人提出将PCA与马氏距离相结合解决模型得适用性问题，可以充分利用PCA对大量光谱数据进行降维处理，也较好地解决了马氏距离计算时波长点的选择问题，避开了大量光谱数据直接进行马氏距离计算消失的共线性或计算量大等问题，且克服了采纳PCA自身进行推断界限不易量化的问题。

2．定量分析

近红外光谱测量时一般不需对样品进行预处理，但测定的光谱可能受到各种干扰因素的影响。利用单一波长下获得的光谱数据很难获得精确的定量分析结果。NIR光谱结构简单，谱图重叠较多，所以在进行定量分析时，一般采纳多波长下获得的数据并进行肯定的数据处理才能获得精确牢靠的分析结果。常用如下：

（1）主成分回归（Principal Component，PCR）；原理与PCR在解释光谱数据时起着重要作用，从主成分权重中能够确定主成分与哪个组份有关，但准确而全面地解释每个主成分代表什么含义迄今仍是最难解决的问题。

（2）偏最小二乘法（Partial Least Square，PLS）：该法是一种全光谱分析方法，充分利用多个波长下的有用信息，无需刻意的选择波长，并能滤去原始数据噪音，提高信噪比，解决交互影响的非线性问题，很适合在NIR中使用。试验证明，PLS法同近红外漫反射光谱法结合，直接分析许多固态药品如磺胺甲基异唑、安体舒通、安乃近、磺胺脒等是可行的。

（3）人工神经网络法（Artificial Neural Networks，ANN）：近年来兴起的ANN法讨论，依据样品各组分的光谱数据建立人工神经网络模型，猜测未知样品并争论影响网络的各参数。采纳ANN法的最大优点是其抗干扰、抗噪音及强大的非线性转换力量，对于某些特别状况ANN会得到更小的校正误差和猜测误差，并且它的猜测结果要稍优于PLS（t检验无显著差异）。这可能是由于ANN法具有更强的非线性处理力量所致。

此外还有多元线性回归（Multiple Linear Regression，MLR）、拓扑（Topology，TP）等方法也在近红外光谱分析中得到应用。三、采样原理与技术

近红外光谱分析的采样技术具有相当大的选择弹性，可依不同样品性质或环境而转变。一般近红外光谱仪主要有三种采样方式（图1）。其中以漫反射式较为常用。

如图2所示，当光束入射到粉末状的晶粒层时，一部分光会在各晶粒面产生镜面反射，另一部分会折射入表层晶粒内部，经部分汲