近红外建模与模型评价
近红外光谱采集与建模技术规范2014
近红外光谱采集与建模技术规范1. 基本原理近红外光谱（Near Infra-Red Spectrum，NIR），指的是780－2526nm范围内的电磁波，它介于可见光谱区域和中红外光谱区域之间。
从光谱能量的角度讲，近红外光谱对应的主要是分子振动的倍频及合频吸收，由于倍频及合频吸收的跃迁几率很低，信号很弱，故只有非谐性很高的化学键才能在图谱上表达。
非谐性很高的化学键是含有氢原子的化学键，近红外光谱中含氢基团X - H（X = C、N、O、S）的吸收占主导地位。
近红外光谱的特点是吸收系数较低、无损、快速、无污染，因此可以直接对样品进行测定，不需样品处理或仅需简单的处理，在计算机软件的支持下，可实现对近红外光谱建立模型、快速分析样品光谱的功能。
2. 适用范围建立近红外光谱模型快速筛查方法的固体制剂主要包括口服常释剂型（口服普通片剂、肠溶片、分散片、硬胶囊、肠溶胶囊）、口服缓释剂型（缓释片、控释片、缓释胶囊、控释胶囊）和注射用无菌粉末等，品种主要为化学药、抗生素和生化药。
3. 仪器要求仪器类型应为傅立叶近红外光谱仪，目前基于Bruker Matrix-F型近红外光谱仪。
4. 样品要求采集近红外光谱图的样品应为经法定的或者经过验证的质量标准进行检验后合格的药品，并且样品要在有效期以内。
对于某品种、某厂家、某规格的样品，批次数量应不低于6批次，如有特殊情况，未能达到6批次，应作说明。
5. 人员要求光谱测定人员应掌握规范的测样方式（如下图）。
5.1 片剂的测样（接触测）用左手拇指和食指夹好药片将光纤探头轻轻顶住药片，并用中指扶持5.2 片剂的测样（隔铝塑测）将光纤探头顶住泡罩，轻轻压紧用拇指扶住光纤探头，防止滑动5.3 胶囊剂的测样（接触测）5.4 胶囊剂的测样（隔铝塑测）将光纤探头顶住泡罩，轻轻压紧然后用拇指扶住光纤探头，防止滑动5.5 颗粒剂、干混悬剂或散剂等的测样将颗粒或粉末均匀倒入附件中，将光纤探头插入、压实，分别测定光谱5.6 粉针剂的测样轻轻颠几下小瓶，让粉末在底部均匀将探头轻轻顶住瓶底，并扶好5.7 糖衣片测样首先将糖衣片打磨，露出片芯，然后用光纤探头测定片芯的光谱6. 光谱采集在光谱采集之前，应确保按照规范安装了OPUS 5.0软件、SFDA_Ident 2.6.4软件，并进行了正确的软件设置。
近红外光谱采集与建模技术规范2014
近红外光谱采集与建模技术规范1. 基本原理近红外光谱（Near Infra-Red Spectrum, NIR）,指的是780—2526nm范围内的电磁波，它介于可见光谱区域和中红外光谱区域之间。
从光谱能量的角度讲，近红外光谱对应的主要是分子振动的倍频及合频吸收，由于倍频及合频吸收的跃迁几率很低，信号很弱，故只有非谐性很高的化学键才能在图谱上表达。
非谐性很高的化学键是含有氢原子的化学键，近红外光谱中含氢基团X - H （X = C、N、0、S）的吸收占主导地位。
近红外光谱的特点是吸收系数较低、无损、快速、无污染，因此可以直接对样品进行测定，不需样品处理或仅需简单的处理，在计算机软件的支持下，可实现对近红外光谱建立模型、快速分析样品光谱的功能。
2. 适用范围建立近红外光谱模型快速筛查方法的固体制剂主要包括口服常释剂型（口服普通片剂、肠溶片、分散片、硬胶囊、肠溶胶囊）、口服缓释剂型（缓释片、控释片、缓释胶囊、控释胶囊）和注射用无菌粉末等，品种主要为化学药、抗生素和生化药。
3. 仪器要求仪器类型应为傅立叶近红外光谱仪，目前基于Bruker Matrix-F型近红外光谱仪。
4. 样品要求采集近红外光谱图的样品应为经法定的或者经过验证的质量标准进行检验后合格的药品，并且样品要在有效期以内。
对于某品种、某厂家、某规格的样品，批次数量应不低于6批次，如有特殊情况，未能达到6批次，应作说明。
5. 人员要求光谱测定人员应掌握规范的测样方式（如下图）。
5.1片剂的测样（接触测）将探头轻轻顶紧单层胶囊壳，用食指匡哇5.4胶囊剂的测样（隔铝塑测）将光纤探头 轻轻顶住 药片，并用中指扶持用左手拇指和食指夹好药片 5.2片剂的测样（隔铝塑测）用拇指扶住光纤探头，防止滑动将光纤探头顶住泡罩，轻轻压紧 5.3胶囊剂的测样（接触测）用左手拇指和中指夹住胶衰将光纤探头顶住泡罩，轻轻压紧然后用拇指扶住光纤探头，防止滑动5.5颗粒剂、干混悬剂或散剂等的测样将颗粒或粉末均匀倒入附件中，将光纤探头插入、压实，分别测定光谱5.6粉针剂的测样轻轻颠几下小瓶，让粉末在底部均匀5.7糖衣片测样将探头轻轻顶住瓶底，并扶好首先将糖衣片打磨，露出片芯，然后用光纤探头测定片芯的光谱6. 光谱采集在光谱采集之前，应确保按照规范安装了OPUS 5.0软件、SFDA_ldent 264软件，并进行了正确的软件设置。
近红外pcr建模原理
近红外pcr建模原理近红外( NIR) PCR建模原理一、前言PCR是一种在生物学中广泛应用的技术，它可以扩增DNA序列并产生大量的DNA分子。
NIR则是一种光谱学技术，可以用于分析样品的化学成分。
近年来，NIR-PCR技术被广泛应用于食品、药品、农业和环境等领域。
本文将介绍NIR-PCR建模原理。
二、NIR光谱学原理NIR光谱学是一种非破坏性的分析技术，它利用近红外波长范围内的光谱信息来确定样品中化合物的含量和组成。
这些化合物吸收特定波长范围内的光，并产生一个与其浓度成正比的信号。
三、PCR原理PCR是通过重复反应循环扩增DNA序列的过程。
该过程涉及到两个主要步骤：变性和扩增。
变性：在此步骤中，双链DNA被加热至94-98℃，使其解旋成两条单链模板DNA。
扩增：在此步骤中，引物被添加到模板DNA上，并通过酶催化反应合成新链。
这个过程会重复数次，每次会产生两倍的DNA分子。
四、NIR-PCR建模原理NIR-PCR建模是一种用于预测样品化学成分的技术。
该技术的基本原理是将NIR光谱数据与样品中所含化合物的浓度进行比较，从而建立一个数学模型。
这个模型可以用来预测未知样品中化合物的含量和组成。
在NIR-PCR建模中，首先需要收集一系列具有不同化学成分的样品，并对它们进行NIR光谱分析和化学分析。
然后，使用统计学方法将这些数据结合起来，并建立一个数学模型。
这个模型可以用来预测未知样品中某个特定化合物的含量。
五、优点和应用NIR-PCR建模具有许多优点，包括：1.非破坏性：不需要破坏或改变样品。
2.快速：可以在几秒钟内完成测试。
3.高效：可以同时检测多个化合物。
4.便携式：可以在实验室外使用。
5.低成本：相对于其他技术而言，其成本较低。
NIR-PCR建模已经被广泛应用于食品、药品、农业和环境等领域。
例如，它可以用于检测食品中的营养成分、添加剂和毒素。
此外，它还可以用于药物开发和制造过程中的质量控制。
在农业领域，NIR-PCR建模可以用于检测作物中的化学成分，并帮助农民更好地管理其作物。
近红外光谱标准
近红外光谱标准近红外光谱技术作为一种重要的分析技术，在多个领域得到了广泛的应用。
为了规范近红外光谱技术的使用和推广，制定了一系列近红外光谱标准。
本文将介绍近红外光谱标准的主要内容，包括近红外光谱仪器标准、近红外光谱分析方法标准、近红外光谱样品制备标准、近红外光谱数据解析标准、近红外光谱应用领域标准、近红外光谱质量评估标准、近红外光谱安全操作标准以及近红外光谱数据处理标准。
近红外光谱仪器标准近红外光谱仪器是进行近红外光谱分析的基础设备，因此其性能和质量对分析结果有着至关重要的影响。
近红外光谱仪器标准主要包括仪器的基本参数、性能指标、稳定性、可靠性等方面的规定。
例如，仪器的主要技术指标应符合相应的测试方法及技术要求，仪器的稳定性应满足测试要求，仪器的操作应简单方便，仪器的安全性能应符合相关规定等。
近红外光谱分析方法标准近红外光谱分析方法标准是针对具体分析对象和方法制定的标准。
这些标准通常包括样品的前处理方法、光谱采集条件、谱图解析方法等方面的规定。
例如，样品的前处理应遵循一定的流程和规范，以保证样品的代表性和均匀性；光谱采集时应选择合适的波长范围和扫描次数，以保证光谱的质量和可靠性；谱图解析时应采用合适的数学方法和模型，以获得准确的分析结果。
近红外光谱样品制备标准近红外光谱样品制备是进行近红外光谱分析的重要环节之一。
样品制备不当可能会影响光谱的质量和分析结果的准确性。
近红外光谱样品制备标准主要包括样品的制备方法、样品制备过程中的质量控制等方面的规定。
例如，样品制备时应保证样品的代表性和均匀性，样品制备过程中应避免外部因素对样品的影响等。
近红外光谱数据解析标准近红外光谱数据解析是将采集的光谱数据转化为有用的分析结果的过程。
数据解析过程中涉及到数学建模、模型验证等方面，因此需要制定相应的标准来规范这一过程。
近红外光谱数据解析标准主要包括模型建立的方法、模型验证的方法、模型评价等方面的规定。
例如，模型建立时应选择合适的波长范围和变量，模型验证时应采用交叉验证等方法，模型评价时应根据实际应用情况进行评估等。
药品近红外光谱通用性定量模型评价参数的选择
药品近红外光谱通用性定量模型评价参数的选择药品近红外光谱是一种在制药行业中应用广泛的非破坏性检测技术。
该技术可以快速、准确地分析药品的成分和质量，因此受到制药企业的青睐。
而药品近红外光谱通用性定量模型是将药品近红外光谱数据与药品成分进行关联，建立定量模型实现快速检测、质量控制和质量评估。
在建立药品近红外光谱通用性定量模型时，评价参数的选择至关重要。
本文将从样本集、光谱预处理、数学算法和模型评价四个方面介绍药品近红外光谱通用性定量模型评价参数的选择。
一、样本集选取的样本应具有代表性，能够反映全样本集的特征。
样本应覆盖药品的不同成分和不同质量水平，以确保模型具有良好的质量预测能力。
在选择样本时，应遵循可追溯性、可重复性、可验证性的原则，确保数据精准可靠。
二、光谱预处理光谱预处理是药品近红外光谱通用性定量模型建立的重要步骤。
光谱预处理方法的选择对模型的精度以及稳定性起着决定性作用。
一般而言，光谱预处理方法包括归一化、去基线、十二平均偏差、飞行时间、导数变换等。
应根据不同药品的特性，合理选择光谱预处理方法，确保模型建立的准确性和可靠性。
三、数学算法药品近红外光谱通用性定量模型的建立离不开数学算法。
在数学算法的选择方面，应考虑不同算法的优缺点以及适用范围。
常用的数学算法包括最小二乘法（OLS）、局部光谱校正（LOC）和偏最小二乘回归分析（PLS）等。
选择恰当的数学算法可以提高模型的准确性和可靠性。
四、模型评价模型评价是判定药品近红外光谱通用性定量模型是否符合预期要求的关键步骤。
在模型评价中，常用的指标包括均方根误差（RMSE）、预测平方和（PRESS）和相关系数（R2）等。
合理选择模型评价指标可以反映模型精度的好坏，检验模型的稳定性和可靠性。
综上所述，药品近红外光谱通用性定量模型建立时，应选取具有代表性的样本集，采用可靠有效的光谱预处理方法，选择合适的数学算法，并根据具体情况选择合适的模型评价指标，确保模型具有良好的预测能力、稳定性和可靠性，达到更好的检测效果。
基于反向比例解析的近红外光谱定量模型快速构建方法
第43 卷第 5 期2024 年5 月Vol.43 No.5792~797分析测试学报FENXI CESHI XUEBAO（Journal of Instrumental Analysis）基于反向比例解析的近红外光谱定量模型快速构建方法张晓兵1，徐志强1，钟永健1，朱宏福1，李峥1，张军2，詹映2，彭云发2，刘建国1*（1．浙江中烟工业有限责任公司技术中心，浙江杭州310024；2．上海创和亿电子科技发展有限公司，上海200082）摘要：为解决光谱漂移问题，该研究设计了一种基于反向比例解析的近红外光谱定量模型方法。
以烟叶近红外光谱和烟碱含量为研究对象，将数据划分为训练集和测试集。
通过计算训练集光谱与测试集光谱的相关性并按照高低排序，选择前20%的光谱，运用约束规划的方法，计算测试集的拟合系数，得到测试集光谱的估计值。
结果显示，使用反向比例解析法建立的模型的平均绝对误差为0.346 6，预测标准偏差为0.425 2，相关系数为0.793 2，优于PLS模型。
反向光谱比例解析可以有效解决光谱漂移问题，实现烟草中烟碱含量的准确预测，为烟碱的有效测量提供参考。
关键词：反向比例；近红外光谱；相关性；拟合系数；加权中图分类号：O657.3；TS41文献标识码：A文章编号：1004-4957（2024）05-0792-06A Rapid Construction Method for Near Infrared Spectral Quantita⁃tive Model Based on Reverse Proportional AnalysisZHANG Xiao-bing1，XU Zhi-qiang1，ZHONG Yong-jian1，ZHU Hong-fu1，LI Zheng1，ZHANG Jun2，ZHAN Ying2，PENG Yun-fa2，LIU Jian-guo1*（1．Technology Center of China Tobacco Zhejiang Industrial Co.，Ltd.，Hangzhou 310024，China；2．Shanghai Micro Vision Technology LTD.，Shanghai 200082，China）Abstract：To address the issue of spectral drift，this study proposes a quantitative model approach for near infrared spectroscopy based on reverse proportional analytical method. The research focuses on tobacco leaf near infrared spectra and nicotine content，with the data being divided into training and test sets. By calculating the correlation between the spectra in these sets and sorting them accord⁃ingly，select the top 20% of spectra for constraint programming calculation to estimate the spectra in the test set. The results demonstrate that the reverse proportional analytical method yields an average absolute error of 0.346 6，a predicted standard deviation of 0.425 2，and a correlation coefficient of 0.793 2，indicating its strong performance compared to PLS models. This highlights how the reverse spectral proportional analytical method effectively addresses spectral drift while accurately predicting nicotine content in tobacco，providing valuable insights for nicotine measurement.Key words：inverse proportion；near infrared spectroscopy；correlation；fit coefficient；weighted近红外光谱分析技术作为一种绿色分析技术，融合了光谱技术、信息学、化学计量学和计算机技术［1］，具有简单、高效、快速等优势，受到行业内的广泛关注。
近红外光谱信号分析及评价方法研究
近红外光谱信号分析及评价方法研究近红外光谱（NIR）是一种非常重要的分析技术，已被广泛应用于各个领域。
NIR光谱是指在近红外区域（约700-2500nm）的光谱，它可以提供样品的化学和结构信息。
NIR光谱可以被用来定量或定性分析样品的成分、物理和化学属性。
本文将介绍近红外光谱信号分析及评价方法的研究。
一、近红外光谱信号分析方法NIR光谱信号分析是将NIR光谱信号处理为更简单、更易于识别的形式的技术。
这个过程通常包括数据采集、预处理、变量选择、建模和验证等步骤。
1. 数据采集NIR光谱仪是用于获取NIR光谱信号的仪器。
NIR光谱仪的选择应基于采样需要和目的。
数据采集的质量对NIR光谱信号分析的结果至关重要。
2. 预处理数据预处理包括信号平滑、去基线、标准化和波长选择等处理。
这些操作可以减少噪声、增加信噪比、去除传感器和光源造成的影响、降低多重共线性等。
3. 变量选择变量选择是通过筛选和删除原始变量，得到更少而有效的变量，以提高模型的预测精度。
变量选择的方法包括前向选择、后向删除、主成分分析等。
4. 建模建模是通过分析已知样本数据来建立模型，以便预测未知样本的结果。
建模的方法包括偏最小二乘法、支持向量机、偏最小二乘判别分析等。
5. 验证验证是评价建模结果的一种方法，可通过交叉验证、留一交叉验证、外部验证等来完成。
验证可以检查建模过程中存在的问题，同时也可以确定模型的准确性。
二、近红外光谱信号评价方法NIR光谱信号的评价通常包括两个方面：定量和定性分析。
1. 定量分析NIR光谱定量分析是识别和测量样品中化学成分的量。
它的优点是飞快的采集速度、不需要样品准备、不需要危险化学品、不破坏原样品，同时也具有高准确性、高精度和高可靠性。
应用定量分析可以通过测量样品中的主要成分，来判断物质的含量、品质和认证等问题。
2. 定性分析NIR光谱定性分析是确定样品中的化学和结构信息。
定性分析可以用于识别和鉴别样品，为化学品、食品、药品等制造商提供质量控制的手段。
大豆油脂肪酸近红外模型的建立和品质鉴定
DOI：10.15906/11-2975/s.20210515大豆油脂肪酸近红外模型的建立和品质鉴定向娜娜1袁2,赵江涛1,2*,陈丽12,王晓琼1袁2,陈林1袁2,夏超笃1（1.温氏食品集团股份有限公司，广东云浮527400；2.农业部动物营养与饲料学重点实验室,广东云浮527400）［摘要］本文介绍了一种利用BRUKER MATRIX-I仪器快速检测和监控大豆油新鲜度及脂肪酸组分的新的检测方法遥选择310份大豆油样品，新鲜度指标酸价（AV）、过氧化值（POV冤和脂肪酸组分分别采用国标的方法检测，并结合近红外光谱进行定量模型的建立和验证遥结果表明：新鲜度指标酸价、过氧化值及5种特征脂肪酸模型决定系数R2均接近1,其中酸价、过氧化值及亚油酸的模型决定系数R2>0.9,校正均方差（RMSECV）与预测均方差（RM-SECP）数值接近，且两者均较理想遥同时能够根据脂肪酸组分含量，对大豆油进行掺假鉴别，表明利用近红外光谱模型能够较好地监控大豆油的质量,从而保证原料的稳定性和安全性遥［关键词］近红外曰大豆油曰新鲜度指标曰脂肪酸组分曰掺假鉴别［中图分类号］S816.17［文献标识码］A［文章编号］1004-3314（2021）05-0072-06饲料中添加油脂不仅可以增加饲料的营养价值,而且有助于改善饲料的物理性质,提高饲料的利用效率,同时还可改善饲料的适口性,提高畜禽的生产性能（王鹏,2017）。
随着畜禽生产对能量需求越来越高,仅靠谷实类低能量的饲料难以满足,大豆油作为一种优质的高能饲料油其能值是糖类和蛋白质的2.25倍，同时还能提供动物必需的不饱和脂肪酸,具有缓解热应激,改善饲料适口性和饲料外观特性等作用，因此在畜禽饲料中被广泛应用（单芝丹等,2011）。
但大豆油在存放过程中,容易受光、温度、空气中氧的作用而发生氧化酸败,从而影响其质量。
因此饲料企业对饲料用油脂的新鲜度控制显得非常重要。
评价油脂新鲜度和品质的指标包括酸价、过氧化值、丙二醛及脂肪酸组成等（刘耀敏等, 2012）,大豆油中脂肪酸包括硬脂酸、棕榈酸、油酸、亚油酸和亚麻酸5种（谭克竹等,2007）,但由于实验过程操作步骤繁琐、耗时耗力、消耗有机溶剂多、受人为因素影响大，且无法对到货油脂进行及时的检测接收，因此快速有效的监控方法显得十分重要。
2014-国家基本药物和进口药物近红外光谱快速比对模型建模技术规范
NIFDC
基本原理－一致性检验模型
一致性检验是一种快 捷的图谱比较方法， 用于比较未知光谱与 某一组参考光谱是否 具有一致性。
要建立一致性检验模 型，参考样品应至少 3～6批次、参考光谱 的数量应至少30张， 方能有较好的代表性。
NIFDC
基本原理－相关系数模型
相关系数模型是一种简单 易行的质量控制方法，将 某张光谱与一张参考光谱 进行比较，计算两张光谱 在所选谱段内各波长点吸 光度之间的相关系数r。 r能够反映两张光谱的相似 程度。相关系数模型可用 于样品量较少（少于3批次） 的情况下，建模快速、使 用便捷，在限度控制和对 待测样品光谱要求方面较 一致性检验模型稍微宽松 一点。
样品要求
样品类型：辖区内生产的基本药物 样品来源：企业抽样或日常留样均可 样品要求：须为在有效期内的合格样品；须有 检验报告书，若为企业出厂检验报告书，承担 单位应写认可说明。
NIFDC
样品要求
建立近红外光谱模型快速筛查方法的固体制剂 包括口服常释剂型（口服普通片剂、肠溶片、 分散片，硬胶囊、肠溶胶囊）、口服缓释剂型 （缓释片、控释片，缓释胶囊、控释胶囊）和 注射用无菌粉末。 品种主要为化学药、抗生素和生化药。
NIFDC
适用范围
对具体的某“一厂一品一规”的药品建立的一致性检验 模型或相关系数模型可用于对标示为该企业药品的样品 进行检测，快速筛查其质量与建模的参考样品（例如正 品药）是否一致。 建立近红外光谱模型快速筛查方法的固体制剂主要包括 口服常释剂型（口服普通片剂、肠溶片、分散片、硬胶 囊、肠溶胶囊）、口服缓释剂型（缓释片、控释片、缓 释胶囊、控释胶囊）和注射用无菌粉末等，品种主要为 化学药、抗生素和生化药。 使用某型号仪器测得光谱建立的快速比对模型，只能用 于该型号不同仪器测得的光谱，不能用于其他型号仪器 测得的光谱。
近红外光谱建模方法
近红外光谱建模方法近红外光谱建模方法是一种利用近红外光谱技术来建立物质的定量或定性分析模型的方法。
近红外光谱建模方法具有简单、快速、高效、无损等优势，因此在化学、医学、食品、制药等领域得到了广泛的应用。
近红外光谱建模方法的原理是利用荧光分子、色素、蛋白质等物质吸收和散射近红外光的不同波长的特性，对物质的成分和组成进行分析。
在建模过程中，需要使用一组已知样品的光谱数据来建立模型，然后再将未知样品的光谱数据输入模型中，利用模型预测其成分和组成。
近红外光谱建模方法主要有光谱校正法、最小二乘法、主成分分析法、局部最小二乘法、偏最小二乘法等。
光谱校正法是最常用的建模方法之一，其基本思想是对原始光谱进行校正，消除光谱中的噪音和干扰信号，提高光谱质量。
光谱校正法包括多种方法，如基线校正、归一化、散射校正等。
最小二乘法是一种简单有效的建模方法，其基本思想是分析已知样本的光谱数据和物质成分之间的线性关系，根据样本数据拟合出一条直线方程，再将未知样本的光谱数据代入该方程中计算其成分和组成。
主成分分析法通常用于多成分分析，其基本思想是将多个变量（即多个波长）压缩成少量主成分，分析主成分和物质成分间的关系，建立数学模型，预测未知样品的成分和组成。
主成分分析法可以对噪音和干扰信号进行优化，提高建模精度和稳定性。
局部最小二乘法和偏最小二乘法主要用于解决多重共线性问题。
多重共线性是指多个自变量之间存在相互关系，可能导致建模时出现不稳定、方差偏大以及偏离实际的模型拟合等问题。
局部最小二乘法和偏最小二乘法可以通过对多个自变量进行压缩和变换，消除共线性问题，提高建模精度和稳定性。
总之，近红外光谱建模方法在化学、医学、食品、制药等领域得到了广泛的应用，其优势在于可靠、高效、无损，但在实际应用中，需要结合具体的问题、样本、数据和仪器等条件进行选择和调整，以达到最佳的建模精度和稳定性。
近红外光谱模型转移
近红外光谱模型转移
近红外光谱是一种非常重要的光谱分析技术，它在农业、食品、医药、化工等领域都有广泛的应用。
而近红外光谱模型转移，则是近红外光
谱分析领域中非常重要的一个研究内容。
1. 什么是近红外光谱模型转移
近红外光谱模型转移指的是将已有的光谱分析模型，在不同的样品集
和仪器中，实现高质量、高可信的精度转移的过程。
这是近红外光谱
应用于不同生产场景中的重要问题之一。
2. 近红外光谱模型转移的原理
近红外光谱模型转移基于与建模集在光谱特性、化学成分、仪器参数
等方面的匹配程度。
主要包括谱库转移、模型参数转移、校正模型转移、广义预测模型转移等多个方面。
3. 近红外光谱模型转移的应用
近红外光谱模型转移可以将已有的光谱分析模型，应用于不同的样品
集和仪器中，为工业、农业、医药等领域提供高效、精准的光谱分析
解决方案。
同时，近红外光谱模型转移也能够将已有的光谱分析样品
集，应用于新场景下的快速分析和品质控制等。
4. 近红外光谱模型转移的挑战
近红外光谱模型转移的挑战主要来自于样品的差异性、仪器等因素的影响，以及模型训练数据集的不充分性等。
如何解决这些问题，需要研究人员在理论、方法上不断创新，应用先进的技术手段进行研究，提高模型转移的可靠性和精度。
5. 近红外光谱模型转移的发展趋势
近红外光谱模型转移的发展趋势主要是朝着模型建立、模型转移、模型评价等多个方向进行。
同时，随着深度学习、人工智能、大数据等技术的不断发展，近红外光谱模型转移也将迎来更为广泛、深入的应用场景。
211021827_文冠果脂肪含量的近红外光谱预测模型建立及验证
文冠果为我国特有的药食两用木本油料植物，种仁含油量高达60%以上，且果实、根和茎均可入药，具有十分重要的经济价值[1，2]。
文冠果除加工食用油外，还可以制作高级的工业原油。
目前文冠果脂肪含量测定以化学分析方法为主，检验结果准确，但过程耗时费力、破坏样品。
因此，急需开发一种简单快速、不破坏样品、绿色环保的文冠果脂肪含量测定方法。
近红外光谱（NIRS ）技术可以快速、高效、无损摘要：为了实现文冠果脂肪含量的无损快速检测，满足文冠果育种材料筛选和工业加工需求，选取46个文冠果作为标准样品集，采用索式抽提法测定种仁的脂肪含量，并应用近红外光谱（NIRS ）技术采集样品的光谱数据，运用Unscrambler 软件，采用偏最小二乘法（PLS ）构建文冠果脂肪含量的NIRS 预测模型，结果显示，该模型回归曲线R-Square （决定系数）为0.9856、RMSE （标准误差）为0.4149，可以进行有效预测。
同时，选取32个未参加建模的文冠果样品作为验证材料，进一步对模型的预测效果进行外部检验，结果显示，外部检测回归曲线R-Square 为0.9014、RMSE 为0.8259，脂肪含量预测值与化学值的吻合性较好。
建立的NIRS 模型可靠，预测结果较为准确，可用于检测文冠果脂肪含量。
该脂肪含量检测方法经济、快速、高效，为育种材料筛选和工业加工提供了快捷有效的途径。
关键词：文冠果；脂肪含量；近红外光谱；数学模型中图分类号：S565.9文献标识码：A 文章编号：1008-1631（2023）01-0104-05收稿日期：2022-10-28基金项目：河北省农林科学院科技创新专项（2022KJCXZX-MHS-8）作者简介：葛朝红（1975-），女，河北曲阳人，副研究员，主要从事作物遗传育种研究。
E-mail ：**************。
通讯作者：李伟明（1970-），男，河北赵县人，研究员，硕士，主要从事植物生理及栽培研究。
基于近红外光谱分析的多模型建模方法研究
在造 纸工业 中 ，木材 纤 维 素 含 量 是 原 料 评 价 和 纸 浆材 林木 培育 需 要 考 虑 的 重 要 因 素 ，所 以用 近 红
外光 谱 快 速 测定 木 材 的 一纤 维 素含 量 具 有 重 要
的现 实意 义 。
使 用 ，共制 得 ７ ８个试验 样 品 。
称取 ２ ｇ （ 称准至 ０ ． ０ ０ ０ １ ｇ ） 苯 醇抽 提 过 的试
基 于 近 红 外 光 谱 分 析 的 多 模 型 建 模 方 法 研 究
刘 胜 范雅婷
（ 北 京林 业 大学 理 学 院 ，北 京 １ ０ ０ ０ ８ ３ ）
摘要 ：以相思树的 一纤维素含 量为研 究对象 ，用一种 多模 型方法建立 了相思树 一纤 维素含量 的近红 外光谱 分
析模 型 。模 型 预 测值 的 平 均 相 对误 差 为 ０ ． ９ ７ ％ ， 实验 值 与 预 测 值 之 间的 相 关 系数 为 ０ ． ９ ６ ３ １ ，模 型 的 拟 合 优 度 为 ０ ． ９ ２ ４ ５ 。研 究 结 果表 明 ，使 用 的 光谱 数 据 量越 大 ，模 型 的 预 测 效 果 一般 会 越 好 。此 外还 发 现 了子 模 型 中待 定 常 数 的 个 数 与 所 使 用 光 谱 数 据 量 之 间 的 关 系 ：建 模 时 使 用 的 光 谱 数 据 量 越 大 ，每 个 子 模 型 中待 定 常 数 的 个 数 一 般
第２ 期
林 业 科 技
ＦｏＲ ＥＳＴＲＹ ＳＣＩＥＮ ＣＥ ＆ ＴＥＣＨ Ｎｏ Ｌｏ ＧＹ
Ｖｏ １ ． ３ ９０ １ ４ 年 ３ 月
文 章 编 号 ：１ ０ ０ １ — ９ ４ ９ ９（ ２ ０ １ ４ ）０ ２—０ ０ ２ ０— ０ ５
红外成像传感器仿真建模及模型仿真度评价
红外成像传感器仿真建模及模型仿真度评价红外成像传感器仿真建模及模型仿真度评价摘要：红外成像技术是一种通过探测和分析物体辐射的热能而成像的非接触式测温和控制技术。
本文旨在探讨红外成像传感器仿真建模的方法以及模型的仿真度评价。
首先介绍了红外成像传感器的原理和工作方式，并对其目标检测、距离测量和温度测量等功能进行了详细描述。
随后，针对红外成像传感器的仿真建模，分别从传感器结构模型、感受器模型和探测器模型三个方面进行了说明。
针对模型的仿真度评价，提出了基于模拟实验和实际测量数据对模型进行验证的方法，并介绍了常用的评价指标。
最后，通过对红外成像传感器进行仿真建模和模型仿真度评价的实例分析，验证了本文提出的方法的可行性和有效性。
关键词：红外成像传感器；仿真建模；模型仿真度评价一、引言红外成像技术是一种非常重要的无损检测技术，广泛应用于工业生产、军事防务、物体识别等领域。
红外成像传感器作为该技术的核心部件，起到了至关重要的作用。
传统的实验方法需要耗费大量时间和资源，因此，建立红外成像传感器的仿真模型成为了一种重要手段。
仿真模型可以帮助我们预测传感器的性能表现，提高红外成像系统的设计和优化效率。
二、红外成像传感器的工作原理和功能红外成像传感器通过探测目标物体发射的红外辐射能量，并将其转换为电信号，再通过信号处理和图像重构等技术，实现目标的检测、距离的测量和温度的测量等功能。
传感器根据不同的工作原理分为热像仪和热电偶阵列两种类型。
三、红外成像传感器仿真建模红外成像传感器仿真建模是指将传感器的结构、材料、光学元件和电子元件等要素进行数值建模，并利用计算机仿真软件进行模拟计算，最终得到传感器的工作性能和输出图像。
传感器结构模型主要建立传感器的物理结构和布局，包括传感器的外壳、镜头、探测器等。
感受器模型主要模拟传感器对红外能量的感受能力，包括传感器的响应曲线和灵敏度等。
探测器模型主要模拟传感器的红外探测和转换能力，包括传感器对红外辐射的感受和信号转换过程。
药品近红外光谱通用性定量模型评价参数的选择
药品近红外光谱通用性定量模型评价参数的选择冯艳春;张琪;胡昌勤【摘要】In order to find out the optimum combination of the evaluation parameters for the selection of the best drug near infrared (NIR)universal quantitative model during model optimization,13 common evaluation parameters of NIR quantitative models were collected and arranged from commercial chemometrics software or references based on the requirements of validation of quantitative analytical procedures of ICH (International Conference on Harmonization of Technical Requirements for Registra-tion of Pharmaceuticals for Human Use).Then all these parameters of 92 drug NIR universal quantitative models were calculated and analyzed.By studying the correlation of these parameters,the optimum combination of evaluation parameters for drug NIR universal quantitative models was determined.And the value range of these parameters in the optimum combination was also obtained.Root mean square error of cross-validation(RMSECV)/root mean square error of prediction (RMSEP),average rela-tive deviation (ARD)and ratio of (standard error of)prediction (validation)to (standard)deviation (RPD)were used as the key parameters to evaluate the model accuracy.Most of RMSECV/RMSEP was within 3%,and the value of RMSECV was roughly equivalent to the average absolute deviation of the corresponding model.Most of RPD was more than 2.The value of ARD was related to the type of universal models (such as the drug preparation and packing)and the content range which the test samplebelonged to.Determination coefficient (R 2 )was used as the key parameter to evaluate the model linearity and most of its values were from 80% to 100%.The ratio of RMSEP to RMSECV was selected as the key evaluation parameter of model robustness and its value was usually within 1.5.The standard deviation of repeated measurement data was chosen to evaluate model preci-sion.And it was an important parameter for standardizing operation of NIR instruments and studying the feasibility of model transfer in different instruments.However,the parameter for NIR universal quantitative models received much less attention in previous studies and it was difficult to give a value range for this parameter at present.All the results can not only provide evi-dence for evaluation of drug NIR universal quantitative models for the model builders or users,but also supply basic data to es-tablish and improve the parameter evaluation system of drug NIR universal quantitative models.%为寻找药品近红外通用性定量模型在建立过程中用于确立最优模型的关键评价参数组合,收集整理了目前各种商品化化学计量学软件及文献中的13个常用于评价近红外定量模型的统计学参数,结合人用药品注册技术要求国际协调会对于药品定量分析方法验证基本要求,对92个药品近红外通用性定量分析模型的这些参数进行了计算和分析。
近红外定性分析模型的稳健性与适应性分析
第３４卷，第６期 光谱学与光谱分析Ｖｏｌ．３４，Ｎｏ．６，ｐｐ１５０６-１５１１２０１４年６月 ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＪｕｎｅ，２０１４近红外定性分析模型的稳健性与适应性分析曹 吾１，２，李卫军１*，王 平２，张丽萍１１．中国科学院半导体研究所，高速电路与神经网络实验室，北京 １０００８３２．中国石油大学（华东），信息与控制工程学院，山东青岛 ２６６５８０摘 要 研究了近红外定性分析中模型的稳健性与适应性问题。
讨论了单独建模延长建模周期对模型性能的影响，结果显示这种方法可以显著提高模型的稳健性，同时对模型的台间适应性也有所提升，但提升作用有限；研究了不同仪器联合建模的方法对模型性能的影响，该方法不仅可以显著提高模型的适应性，而且可以有效提高模型的稳健性。
对比单独建模，可以缩短建模时间，减少模型建立的工作量；延长模型的适用期限，提高建模效率。
结果表明，对模型适应性的测试，单独建模其正确识别率较低，不能满足应用的要求，而多台仪器联合建模可以达到９０％以上，提升效果明显；对模型稳健性的测试，联合建模也能得到相比单独建模更好的模型识别效果，具有很好的应用价值。
关键词 近红外光谱；定性分析；模型期限；模型传递；建模周期；联合建模中图分类号：Ｇ２０２，Ｓ１２３，Ｓ５１３ 文献标识码：Ａ DOI ：１０．３９６４／ｊ．ｉｓｓｎ．１０００-０５９３（２０１４）０６-１５０６-０６ 收稿日期：２０１３-０８-１４，修订日期：２０１３-１２-１１ 基金项目：国家自然科学基金项目（９０９２００１３）资助 作者简介：曹 吾，１９８９年生，中国石油大学（华东）信息与控制工程学院硕士研究生 ｅ-ｍａｉｌ：ｃａｏｗｕ＠ｓｅｍｉ．ａｃ．ｃｎ*通讯联系人 ｅ-ｍａｉｌ：ｗｊｌｉ＠ｓｅｍｉ．ａｃ．ｃｎ引 言近红外光谱是基于物质对近红外谱区电磁波吸收的一种光谱技术，近红外光谱分析技术具有简便、快捷、低成本、无污染以及不破坏样品等优点［１-３］，因此被广泛应用于多个行业。
近红外光谱技术在人参质量评价中的研究现状
近红外光谱技术在人参质量评价中的研究现状作者：刘日爽季金辉赵丹张君来源：《食品安全导刊》2024年第03期摘要：本文总结了近红外光谱技术在人参外观检验、有效成分分析、重金属和农药残留检测等质量评价方法中的应用，论述了近红外光谱技术在提高评价准确性和可靠性方面的重要性，同时总结了近红外光谱技术在人参产地溯源、年限鉴别、种子鉴别、类别鉴别、皂苷和多糖检测等多方面的应用。
关键词：近红外光谱技术；人参；质量评价Research Status of Near Infrared Spectroscopy in Quality Evaluation of GinsengLIU Rishuang1，2， JI Jinhui3， ZHAO Dan4*， ZHANG Jun1（1.College of Agriculture， Jilin Agricultural University， Changchun 130118， China;2.Jiaohe City Agricultural Environmental Protection Monitoring Station， Jiaohe 132500， China;3.Jiaohe City Forward Township Comprehensive Service Center， Jiaohe 132517， China;4.Jilin Agricultural University Agricultural and Rural Department Ginseng Antler Product Quality Inspection and Testing Center， Changchun 130118， China）Abstract： This paper summarizes the application of near-infrared spectroscopy in the quality evaluation methods of ginseng appearance inspection， active ingredient analysis， heavy metal and pesticide residue detection， and discusses the importance of near-infrared spectroscopy in improving the accuracy and reliability of evaluation. At the same time， it summarizes the application of near-infrared spectroscopy in the traceability of ginseng origin， age identification， seed identification，category identification， saponin and polysaccharide detection.Keywords： near infrared spectroscopy; ginseng; quality evaluation人參为五加科人参属植物的根或根茎。
近红外分析模型优化研究
近红外分析模型优化研究近红外分析是一种常用的光谱分析技术，广泛应用于药品、食品、化妆品等领域的质量控制与检测中。
近红外光谱具有信息丰富、无损伤、高通量等优点，然而在实际应用中，分析模型的优化是保证近红外分析准确性和稳定性的关键。
为了优化近红外分析模型，首先需要确定合适的样品预处理方法。
样品预处理是为了去除样品中的杂质、增强特征信息，并最大限度地减少不确定性。
常见的样品预处理方法包括标准正态变量转换（SNV）、绝对变量转换（AV）、多项式基线校正（MSC）等。
不同的预处理方法适用于不同类型的样品和分析目的，因此选择合适的预处理方法是优化模型的第一步。
其次，需要选择合适的特征选择方法。
近红外光谱通常具有数百至数千个波长点，而不是所有的波长点都对模型的建立和预测具有重要意义。
特征选择是为了从大量的波长点中选择出与目标分析特征相关的波长点，以减少模型的复杂性和冗余。
常见的特征选择方法包括相关系数分析、变量重要性投影（VIP）和逐步回归等。
特征选择的目标是保留与样品特征有关的最少波长点，从而提高模型的稳定性和泛化能力。
同时，样本选择也是模型优化的重要环节。
样本的选择应尽可能覆盖样品的整个变化范围，避免样本选择导致模型过拟合或欠拟合的问题。
常见的样本选择方法包括拉曼光谱插值法（LSI），最大化模型泛化能力法（MGFA）和最大化样本覆盖率法（MSCR）等。
通过合理选择样本，可以拓展模型的适用范围和提高预测准确性。
最后，模型的评估和优化是保证分析成果的重要环节。
模型的评估应包括模型的交叉验证、外部验证和稳定性测试。
交叉验证可以评估模型的泛化能力和稳定性，外部验证可以评估模型在未知样品上的预测能力，稳定性测试可以评估模型对扰动的鲁棒性。
根据评估结果，不断优化和调整模型参数，以达到最佳的分析效果。
综上所述，近红外分析模型的优化是一个系统的过程，需要结合样品预处理、特征选择、样本选择和模型评估等多个方面进行综合考虑。
- 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)。
正确 不正确
检测结果 是否正确
仪器及操作 是否正确
不正确 检修仪器
正确
样品是否 为界外点
不是 检查分析方法
校正模型训练集样品的选择
尽可能要覆盖待分析样品的范围 对于待测的物化性质，样品应均匀分布 样品的基底应相同（如PH值或水分） 若各组分间相互反应，要注意光谱采集合采集瞬间
的组成பைடு நூலகம்化 包括尽可能多的有代表性的样本 样本变化范围越大，模型的适用范围越宽，但分析
描述特定近红外波长光的吸收特性和样品组 成之间的关系。
Y = C0 + C1*A1 + C2*A2 + … + Cn*An
红外光谱定量分析流程
光谱定量分析流程
收集样品
测定全部样品的物化性质
测定全波长谱图
对光谱必要的处理
选择校正集
选择验证集
建立多元回归模型
对模型进行评价
日常分析
加入界外点 是 重新建模
• 实验室化学分析的准确度 • 代表性样品的收集 • 光谱的信噪比 • 光谱信息的代表性 • 环境与样品前处理 • 模型优化的条件 • 包括：谱区的选择、光谱预处理方法和
得分因子的维数等。
化学计量学方法在近红外光谱中应用
• 光谱预处理和波段的选择方法: 包括傅立叶变换（Fourier transform）、 卷积(Convolution)、去卷积 (Deconvolution)、微分(derivative)处理以 及相关系数法、遗传算法(GA)等方法， 对光谱进行平滑处理和基线校正，以及 光谱波长范围的优化。如近期的移动窗 偏最小二乘回归法。
• 光谱预处理和波长优选方法在近红外光 谱分析技术中是相当重要的.
近红外光谱定性和定量校正方法:
• 主成分分析(PCA)、 马氏距离（MD）、聚 类分析（CA）、多元线性回归(MLR) 、偏 最小二乘法( PLS) 、人工神经网络(ANN) 和 拓扑( Topological) 方法，以及最近提出的支 持向量机（Support vector machine）等。 目的在于利用这些化学计量学方法建立稳定 、可靠的定性或定量分析模型，以对近红外 光谱进行快速、实时的定性定量分析
• 偏最小二乘法（Partial Least Square, 缩写为 PLS）
• 拓扑学方法和人工神经网络方法（Artificial Neural Net，缩写为ANN）等等。
化学计量学方法用于近红外光谱中，使 近红外的独特优势得到了充分发挥。
• 化学计量学已经成为近红外光谱分析中的不可或缺的重要组成部分。 主成分分析和偏最小二乘是经典的化学计量学方法，也是在近红外光 谱分析中最常用的方法。
建模常用化学计量学方法
• 多元线性回归（Multivarate Linear Regression, 缩写为MLR）
• 主成分分析（Principle Component Analysis, 缩写为PCA）
• 主成分回归（Principle Component Regression，缩写为PCR）
• PCA是在近红外定性和定量分析中都常用的方法，其主要目的是数据 降维，以消除近红外光谱信息中相互重叠的部分，是将光谱数据向协 方差最大方向投影，得到最大限度反映被测样品的组成和结构信息的 新变量，但由于投影过程与因变量不相关，一般预测精度不很高。
• 用PLS建立模型，可以利用全部光谱的信息对样品进行分析，将光谱 矩阵的分解和回归交互进行，由于光谱的非线性会导致过拟合，因此 在近红外光谱的应用有时会受到限制。
• 近红外是间接检测 • 必需校准 • 必需有参考分析方法
近红外技术应用前提条件
一般来讲，能否应用近红外技术定 量精确检测某种成分的含量主要由以下 三方面的因素决定：
1. 被检测的样品是否有很好的近红外光谱 反应特性，即通常所说的“红外活性” 。
2. 仪器自身的特性及相关的技术指标：检 测过程中光谱的重复性精度、信噪比以 及波长范围等因素。
• 将支持向量机用于近红外光谱可有效地改善过拟合现象，而且它允许 高维数据作为输入矢量，可以很好地解决温度等变量引起的光谱非线 性变化问题。
• 因此，对于每一种化学计量学方法而言，都有各自的长处和短处，在 用于近红外光谱时可能受到某些限制。目前已有研究者将这些方法相 互结合，取长补短，再将其应用于近红外光谱分析技术中。
SVM分类器
f
(x)
sgn
n
ai*
yi
K
(
xi
,
x)
b*
i1
NIR建模中的化学计量学方法研究
❖ 建模方法 • PLS、SVR、consensus modeling
❖ 光谱预处理 • 背景扣除、数据压缩 —— 小波变换(WT) • 变量筛选 / 波长筛选 —— WT-UVE、WTIPOW
3. 用于建模定标的样品的化学值的准确程 度。
检测
• 精度 = 重复性 •准确度 = 达到真值的能力
精度高 准确性高
精度高 准确性差
精度差 准确性差
不同实验室比较
0.7
0.65
0.6
0.55
0.5
0.45
0.4
1
2
3
4
5
6
7
8
9
10
11
12
资料来源: CCFRA 合作研究项目, 1997
什么是校准
结果的精度可能变差；模型适用范围小时，分析结 果的精度相对较高，但适用面变窄。
对样品物化性质的测定
对于人工合成样品，比较简单 对于复杂的天然产品，必须选用被大家接受
权威的分析方法。 模型预测结果的准确性在很大程度上取决于
标准测量结果的准确性。 用多次分析结果的平均值来降低误差
影响近红外分析结果准确性因素
联系方式
• 倪勇: M: 13901183005
•
E-mail: niyong@
•
MSN: ni_yong_2006@
•
QQ:609293453
校准 = 教会仪器
• 近红外光谱定量分析技术又称“黑匣子” 分析技术，是一种间接的测量方法，即通 过对样品光谱和其质量参数进行关联，建 立预测模型，然后通过预测模型和未知质 量参数的样品光谱来预测样品的组成和性 质。
建模方法研究
❖ 基于SVM的近红外定性建模方法
提出了将近红外光谱技术（NIR）和基于统计学习 理论的支持向量机（SVM）相结合，来建立识别合格/ 劣质奶粉的近红外定性模型。实验结果表明应用SVMNIR建立判别奶粉安全定性分析模型的方法是可行的， 这将为奶粉安全判别分析提供了一种更为便捷，无损 的绿色分析技术。