近红外光谱分析技术PPT讲稿
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
#
样品中各待测成分化学值的测定
• 采用经典化学分析方法对各待测组分含量进行测定，这些
值测定的精确度是近红外光谱运用数学模型进行定量分析 精确度的关键。
#
剔除异常值
• 由上述 ① 、② 环节测定的校正样品集中样品的光谱与化
学值，有可能由于种随机的原因而有较严重的失真，这些 样品的测定值称为异常值。这些失真的样品，若包含在校 正校品集中，就会影响所建数学模型的可靠性，因此在建 立模型时应当剔除这些异常值。
#
近红外光谱谱区示意图
#
近红外光谱的产生
近红外光谱主要是由于分子的非谐振性使分子振动从基 态向高能级跃迁时产生的，有两种模式（伸缩振动和弯 曲振动）的分子能吸收近红外光
分子的不同振动形式
对称伸缩振动---非对称伸缩振动---摇摆振动---摇摆振动---弯曲振动---剪切振动
#
近红外光谱测量的是分子中单个化学键的基频振动的倍 频和合频信息，主要是含氢基团（X＝C,N,O,S)
#
Hale Waihona Puke Baidu
样品的选择
• 在选择样品时，要考虑样品组分含量和梯度，以及样
品的理化性质等因素，以提高定标效果，使定标模型 具有广泛的应用范围。此外，还应考虑样品的背景， 如水分含量、PH值等对定标模型的影响。同时，样品 数量的多少影响分析结果的准确性，数量太少不足以 反映被测样本群体的常态分布规律；数量太多，则增 加工作量。
#
反射光谱法
• 反射光谱分析时，检测器与光源置于待测样品的同一
侧，检测器检测到的分析光是光源发出的作用光投射 到物体后，以各种方式反射回来的光。物体对光的反 射分为规则反射光（镜面反射）与漫反射。规则反射 光指在物体表面按入射角等于反射角的反射定律发生 的反射。漫反射是光投向漫反射体（颗粒或粉末）后， 在物体表面或内部发生的方向不定的反射。
#
近红外光谱分析技术
• 定性分析 • 定量分析
#
定性分析
• 近红外光谱定性分析方法主要有建库判别、聚类
分析、马氏距离聚类分析、模式识别和人工神经 网络等
#
• 在模式识别运算时需要有一组用于计算机“学习”的
样品集，通过计算机运算，得出学习样品在数学空间 的范围，对未知样品运算后，若也在此范围内，则该 样品属于学习样品集类型，反之则否定。
#
定量分析
• 各种多元校正技术如多元线性回归（MLR）、主成
分回归（PCR）、偏最小二乘回归(PLS)、人工神 经网络（ANN）、和拓扑（TP）等方法是近红外光 谱定量分析中常用的校正方法
#
• 多元线性回归（MLR） MLR方法是从光谱中找出与某
种成分或指标相关显著的几个波长点的吸光度进行多 元回归得到标准方程，预测未知样品。该方法在1985 年以前普遍使用
#
样品近红外谱图的扫描
• 为了克服近红外光谱测定的不稳定性的困难，必须严
格控制包括制样、装样、测试条件、仪器参数等测量 参数在内的测量条件；利用该校正校品集建立的数学 模型，也只能适用于按这个的测量条件所测量光谱的 样品。
#
谱图的预处理
• 针对样品的要求对光谱进行适当的处理，最大限度地
减弱各种非目标因素对光谱的影响净化图谱信息，为 建立校正模型及预测未知样品作好前期准备
• 聚类运算时不需学习样品集，它通过待分析样品的光
谱特征，根据光谱近似程度进行分类。
#
• PCA-马氏距离法是基于类模型基础上的有监督的模式
识别方法，该法基于以下假设：同一类样本具有相似 的特征，在一定的特征空间内，属于同一类的样本就 会聚集在某一特定的空间区域，而对于不同类的样本， 则分布在不同的区域，通过主成分分析法分别针对训 练集中的每类样本建立类模型。类模型建好后，对实 验集中的样本，计算其到各类模型的马氏距离，根据 马氏距离判别该样本属于某一已知类，或同时属于某 几个已知类，或归于新类。
• 噪音滤除 （1）平滑处理。主要去掉高频噪音对信号
的干扰，方法有傅立叶变换、奇异值分解、以及 Savitzky和Golay提出的卷积平滑方法等。（2）基线 校正。 扣除仪器背景或漂移对信号的影响，最常用 的方法是对光谱进行一阶或二阶微分处理
#
• 归一化处理 消除光程的变化或者样品的稀释等变化
对光谱响应产生的影响。标准归一化处理（SNV）是消 除光程变化较理想的方法，而多元散射校正技术（MSC） 则对样品粒径不均匀或测量容器不一致造成光谱响应 发生影响的有效手段。
• 主成分回归（PCR） PCR方法是先求出样品集光谱矩
阵的主成分矩阵和载荷矩阵，通过建立样品成分含量 矩阵与主成分矩阵的线性关系，用所建立的线形函数 来预测未知样品。该方法在1990年以前替代MLR方法 被广泛使用
#
• 偏最小二乘回归(PLS) PLS方法是分别求出样品集光谱
矩阵和样品组分矩阵的主成分矩阵，将这两个矩阵相 关联，求其线性关系，用所建立的线形函数来预测未 知样品。1990年以后至今，该方法是世界上近红外定 量分析商品化软件中最流行的算法，完全取代了MLR 和PCR方法
#
分析谱区的选定
• 近红外光谱定量分析数学模型所包含的谱区（光谱的
• 人工神经网络（ANN）和拓扑（TP） ANN和TP在处
理模型的非线性问题上有一定的优势
#
近红外光谱定量分析的八个环节
• （1）样品的选择 • （2）样品近红外谱图的扫描 • （3）谱图的预处理 • （4）样品中各待测成分化学值的测定 • （5）剔除异常值 • （6）分析谱区的选定 • （7）建立模型 • （8）检验与评价模型
近红外光谱分析技术课件
#
什么是近红外光
• 近红外光（Near infrared，NIR）是介于可见光(VIS)和中
红外（MIR)之间的电磁波。
• 近红外光谱区的波长范围为780nm～2500nm，习惯上又将
近红外区分为近红外短波区（780nm～1100nm）和近红外 长波区（1100nm～2500nm）。
不同化合物基团在近红外区的吸收谱带
#
近红外光谱的常规分析方法
• 透射光谱法 • 反射光谱法
#
透射光谱法
• 透射光谱法就是把待测样品置于作用光（光源发出的
光）与检测器之间，检测器所检测到的分析光是作用 光通过样品体与样品分子相互作用后的光，若样品是 透明的真溶液，则分析光在样品中经过的路程一定， 透射光的强度与样品组分浓度由比耳定律决定。
样品中各待测成分化学值的测定
• 采用经典化学分析方法对各待测组分含量进行测定，这些
值测定的精确度是近红外光谱运用数学模型进行定量分析 精确度的关键。
#
剔除异常值
• 由上述 ① 、② 环节测定的校正样品集中样品的光谱与化
学值，有可能由于种随机的原因而有较严重的失真，这些 样品的测定值称为异常值。这些失真的样品，若包含在校 正校品集中，就会影响所建数学模型的可靠性，因此在建 立模型时应当剔除这些异常值。
#
近红外光谱谱区示意图
#
近红外光谱的产生
近红外光谱主要是由于分子的非谐振性使分子振动从基 态向高能级跃迁时产生的，有两种模式（伸缩振动和弯 曲振动）的分子能吸收近红外光
分子的不同振动形式
对称伸缩振动---非对称伸缩振动---摇摆振动---摇摆振动---弯曲振动---剪切振动
#
近红外光谱测量的是分子中单个化学键的基频振动的倍 频和合频信息，主要是含氢基团（X＝C,N,O,S)
#
Hale Waihona Puke Baidu
样品的选择
• 在选择样品时，要考虑样品组分含量和梯度，以及样
品的理化性质等因素，以提高定标效果，使定标模型 具有广泛的应用范围。此外，还应考虑样品的背景， 如水分含量、PH值等对定标模型的影响。同时，样品 数量的多少影响分析结果的准确性，数量太少不足以 反映被测样本群体的常态分布规律；数量太多，则增 加工作量。
#
反射光谱法
• 反射光谱分析时，检测器与光源置于待测样品的同一
侧，检测器检测到的分析光是光源发出的作用光投射 到物体后，以各种方式反射回来的光。物体对光的反 射分为规则反射光（镜面反射）与漫反射。规则反射 光指在物体表面按入射角等于反射角的反射定律发生 的反射。漫反射是光投向漫反射体（颗粒或粉末）后， 在物体表面或内部发生的方向不定的反射。
#
近红外光谱分析技术
• 定性分析 • 定量分析
#
定性分析
• 近红外光谱定性分析方法主要有建库判别、聚类
分析、马氏距离聚类分析、模式识别和人工神经 网络等
#
• 在模式识别运算时需要有一组用于计算机“学习”的
样品集，通过计算机运算，得出学习样品在数学空间 的范围，对未知样品运算后，若也在此范围内，则该 样品属于学习样品集类型，反之则否定。
#
定量分析
• 各种多元校正技术如多元线性回归（MLR）、主成
分回归（PCR）、偏最小二乘回归(PLS)、人工神 经网络（ANN）、和拓扑（TP）等方法是近红外光 谱定量分析中常用的校正方法
#
• 多元线性回归（MLR） MLR方法是从光谱中找出与某
种成分或指标相关显著的几个波长点的吸光度进行多 元回归得到标准方程，预测未知样品。该方法在1985 年以前普遍使用
#
样品近红外谱图的扫描
• 为了克服近红外光谱测定的不稳定性的困难，必须严
格控制包括制样、装样、测试条件、仪器参数等测量 参数在内的测量条件；利用该校正校品集建立的数学 模型，也只能适用于按这个的测量条件所测量光谱的 样品。
#
谱图的预处理
• 针对样品的要求对光谱进行适当的处理，最大限度地
减弱各种非目标因素对光谱的影响净化图谱信息，为 建立校正模型及预测未知样品作好前期准备
• 聚类运算时不需学习样品集，它通过待分析样品的光
谱特征，根据光谱近似程度进行分类。
#
• PCA-马氏距离法是基于类模型基础上的有监督的模式
识别方法，该法基于以下假设：同一类样本具有相似 的特征，在一定的特征空间内，属于同一类的样本就 会聚集在某一特定的空间区域，而对于不同类的样本， 则分布在不同的区域，通过主成分分析法分别针对训 练集中的每类样本建立类模型。类模型建好后，对实 验集中的样本，计算其到各类模型的马氏距离，根据 马氏距离判别该样本属于某一已知类，或同时属于某 几个已知类，或归于新类。
• 噪音滤除 （1）平滑处理。主要去掉高频噪音对信号
的干扰，方法有傅立叶变换、奇异值分解、以及 Savitzky和Golay提出的卷积平滑方法等。（2）基线 校正。 扣除仪器背景或漂移对信号的影响，最常用 的方法是对光谱进行一阶或二阶微分处理
#
• 归一化处理 消除光程的变化或者样品的稀释等变化
对光谱响应产生的影响。标准归一化处理（SNV）是消 除光程变化较理想的方法，而多元散射校正技术（MSC） 则对样品粒径不均匀或测量容器不一致造成光谱响应 发生影响的有效手段。
• 主成分回归（PCR） PCR方法是先求出样品集光谱矩
阵的主成分矩阵和载荷矩阵，通过建立样品成分含量 矩阵与主成分矩阵的线性关系，用所建立的线形函数 来预测未知样品。该方法在1990年以前替代MLR方法 被广泛使用
#
• 偏最小二乘回归(PLS) PLS方法是分别求出样品集光谱
矩阵和样品组分矩阵的主成分矩阵，将这两个矩阵相 关联，求其线性关系，用所建立的线形函数来预测未 知样品。1990年以后至今，该方法是世界上近红外定 量分析商品化软件中最流行的算法，完全取代了MLR 和PCR方法
#
分析谱区的选定
• 近红外光谱定量分析数学模型所包含的谱区（光谱的
• 人工神经网络（ANN）和拓扑（TP） ANN和TP在处
理模型的非线性问题上有一定的优势
#
近红外光谱定量分析的八个环节
• （1）样品的选择 • （2）样品近红外谱图的扫描 • （3）谱图的预处理 • （4）样品中各待测成分化学值的测定 • （5）剔除异常值 • （6）分析谱区的选定 • （7）建立模型 • （8）检验与评价模型
近红外光谱分析技术课件
#
什么是近红外光
• 近红外光（Near infrared，NIR）是介于可见光(VIS)和中
红外（MIR)之间的电磁波。
• 近红外光谱区的波长范围为780nm～2500nm，习惯上又将
近红外区分为近红外短波区（780nm～1100nm）和近红外 长波区（1100nm～2500nm）。
不同化合物基团在近红外区的吸收谱带
#
近红外光谱的常规分析方法
• 透射光谱法 • 反射光谱法
#
透射光谱法
• 透射光谱法就是把待测样品置于作用光（光源发出的
光）与检测器之间，检测器所检测到的分析光是作用 光通过样品体与样品分子相互作用后的光，若样品是 透明的真溶液，则分析光在样品中经过的路程一定， 透射光的强度与样品组分浓度由比耳定律决定。